MétaCan
Menu
Retour à la cohorte
Enregistrement W2780799507 · doi:10.1515/fman-2017-0024

Criteria for the Selection of Tourism Destinations by Students from Different Countries

2017· article· en· W2780799507 sur OpenAlexaffabout
Maciej Dębski, Wojciech Nasierowski

Notice bibliographique

RevueFoundations of Management · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDiverse Aspects of Tourism Research
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésAttractivenessRanking (information retrieval)TourismDestinationsPromotion (chess)MarketingSample (material)Selection (genetic algorithm)Subject (documents)Variety (cybernetics)Similarity (geometry)AdvertisingPsychologyGeographyComputer scienceBusinessStatisticsPolitical scienceMathematics

Résumé

récupéré en direct d'OpenAlex

Abstract The objective of this paper is to identify selected aspects of the management of information about prospective tourist destinations by young people (students) from Canada, Poland, and Trinidad and Tobago. On the basis of a questionnaire study, the ranking of preferences of respondents (i.e., the main criteria of destination choice) has been presented. Students were selected as respondents - as a “convenient sample” - in this privately funded study. A variety of aspects related to comfort (and convenience) and attractiveness have been identified as most important to the choice of destination. These are also leading motives that may form a platform for advertising campaigns and suggestions for regional development. This examination has been done mainly with the use of analysis of averages, Spearman correlation coefficients, and various approaches to factor analysis. It turns out that despite very different characteristics of respondents from the three countries, both their preferences and motives for promotion of the destination are very similar. Conclusions can be helpful for travel agencies and those responsible for the development of tourism infrastructure, as well as for the organization of further studies on the subject. The combination of various statistical tools used when examining the subject and the finding - that is, the similarity of preferences between travelers - can be regarded as new value when examining the subject.

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,613
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,051
Tête enseignante GPT0,419
Écart entre enseignants0,369 · 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

Citations20
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFoundations of ManagementMême sujetDiverse Aspects of Tourism ResearchTravaux en français237 207