MétaCan
Menu
Retour à la cohorte
Enregistrement W2737490294 · doi:10.1504/ijstm.2017.10006350

Revisiting drivers of tourist satisfaction and loyalty: role of key moderators

2017· article· en· W2737490294 sur OpenAlexaffabout
Michel Zins, Mahshid Omid, Frank Pons

Notice bibliographique

RevueInternational Journal of Services Technology and Management · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDiverse Aspects of Tourism Research
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésSituational ethicsTourismLoyaltyPsychologySample (material)Social psychologyAdvertisingMarketingBusinessGeography

Résumé

récupéré en direct d'OpenAlex

This paper posits that using tourist characteristics as moderating variables has the potential to resolve conflicting results of previous tourism studies. To verify this hypothesis, the influence of tourist situational and demographic characteristics on overall satisfaction, intention to revisit and to recommend the destination and the associations between these constructs are examined. The statistical analysis of a sample of 951 tourists in the island of Montreal supports the proposed model. Among other results, it is found that the overall satisfaction level differs among different tourists, with female, older, less-educated, and less-experienced ones expressing higher satisfaction. Moreover, it is shown that the composition of overall satisfaction is significantly different among tourists with different gender, age, education, and experience. The results also indicate that older, less-educated, and less-experienced tourists are more likely to recommend the destination to their family and friends. Theoretical and managerial implications are provided.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,327
Score d'incertitude au seuil0,181

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,007
Tête enseignante GPT0,307
Écart entre enseignants0,300 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Services Technology and ManagementMême sujetDiverse Aspects of Tourism ResearchTravaux en français237 207