MétaCan
Menu
Retour à la cohorte
Enregistrement W2774634062 · doi:10.3917/mav.096.0123

Linking satisfaction to motivation determinants : Canadians’ travel to the Caribbean

2017· article· fr· W2774634062 sur OpenAlexaffabout
Bruno Sarrasin, Paul Arseneault, Maryse Boivin

Notice bibliographique

RevueManagement & Avenir · 2017
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueDiverse Aspects of Tourism Research
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésHumanitiesSociologyPolitical sciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

Toute destination touristique s’efforce de générer l’envie de voyager et d’attirer des visiteurs d’origines variées. Dans cette optique, nous nous intéresserons aux déterminants de la motivation et de la satisfaction lors d’un séjour vacances dans la Caraïbe. Pour comprendre les facteurs influençant la motivation et le choix d’un lieu pour les vacances, plusieurs auteurs soulignent l’importance des éléments liés à l’individu (dits « PUSH ») et ceux liés aux caractéristiques de la destination envisagée (dits « PULL »). L’industrie touristique étant fortement liée à la prestation de services, la notion de satisfaction est aussi largement étudiée au niveau des entreprises et des destinations. En continuité des travaux réalisés sur la dialectique motivation-satisfaction, cet article a pour objectif d’analyser les déterminants « PUSH » et « PULL » d’une étude de cas et suivant une logique de modèle de confirmation. L’enquête sur laquelle s’appuie cette étude a été réalisée auprès d’un panel web de 1 203 Canadiens provenant des provinces du Québec et de l’Ontario. Au cours de celle-ci, les aspects culturels, économiques, psychosociologiques et environnementaux intervenant dans le choix d’une destination de la Caraïbe ont été évalués pour ensuite être appréciés en termes de satisfaction.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,033
Score d'incertitude au seuil0,239

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,007
Études des sciences et des technologies0,0050,001
Communication savante0,0030,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,046
Tête enseignante GPT0,326
Écart entre enseignants0,279 · 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 source (Gemma direct ou Codex distillé), 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

Citations1
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueManagement & AvenirMême sujetDiverse Aspects of Tourism ResearchTravaux en français237 207