MétaCan
Menu
Retour à la cohorte
Enregistrement W2739719785 · doi:10.1080/14927713.2017.1353437

The effects of forest industry impacts upon tourist perceptions and overall satisfaction

2017· article· en· W2739719785 sur OpenAlexaffvenueabout
Kyle W. Hilsendager, Howard W. Harshaw, Robert Kozak

Notice bibliographique

RevueLeisure/Loisir · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDiverse Aspects of Tourism Research
Établissements canadiensUniversity of AlbertaUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésTourismCompromiseDestinationsPerceptionGeographyBusinessNatural (archaeology)Quality (philosophy)Tourist destinationsMarketingEnvironmental resource managementPsychologyPolitical scienceEconomics

Résumé

récupéré en direct d'OpenAlex

Due to the growth of nature-based tourism during in recent decades, the value of forested areas for the tourism industry has been increasing. This is largely due to the aesthetic values that are often associated with forests. However, forests are also highly valued for timber production, an activity that can seriously compromise the visual quality of forested landscapes. Therefore, this article examines the effect that forest industry impacts have upon tourist perceptions and overall satisfaction in destinations that promote natural landscapes to attract visitors. To help understand this issue, tourists were surveyed at natural attractions in Vancouver Island, Canada and Tasmania, Australia. Results suggest that certain forest industry impacts do have the potential to negatively impact upon tourist perceptions in the two destinations included for this analysis. However, there appear to be a number of additional elements that are also important for shaping the perceptions of tourists, as overall satisfaction ratings were shown to be quite high for both Vancouver Island and Tasmania.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
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 enseignants0,037
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0030,001
Communication savante0,0010,001
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 Opus0,021
Tête enseignante GPT0,336
Écart entre enseignants0,316 · 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.

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

Citations1
Publié2017
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueLeisure/LoisirMême sujetDiverse Aspects of Tourism ResearchTravaux en français237 207