Using the Data Envelopment Analysis to Measure and Benchmark the Efficiency of Small-scale Tourism Farms in South Korea
Notice bibliographique
Résumé
Although economic viability and low productivity of small-scale tourism farms have been a major concern, there is no information on the economic analysis, including efficiency, of this sector. This exploratory case study aims to demonstrate the value of Data Envelopment Analysis for assessing and benchmarking the efficiency of small-scale tourism farms. Using the case study of 196 small-scale tourism farms in South Korea, the result of analysis indicates that the technical efficiency score is equal to 39.3% and the mean output increase amounting to 60.7%. Most tourism farms (76.0%, 149) were found to be inefficient, indicating an efficiency score lower than .5. The dominant source of inefficiency was found to result from pure technical efficiency involving managerial skills while the scale efficiency of Korean tourism farms has reached a certain level. Implications for farm tourism operators and researchers and directions for future research are discussed. Keywords: tourism farms; agritourism; efficiency; data envelopment analysis (DEA) _________________________________________________ Utilisation de l'Analyse de l'Enveloppement des Données pour Mesurer et Étalonner l'Efficacité des Fermes Touristiques de Petite-Échelle en Corée du Sud. Résumé Bien que la viabilité économique et la faible productivité des fermes touristiques de petite échelle aient été une préoccupation majeure, il n'y a aucune information concernant les analyses économiques, incluant l'efficacité de ce secteur. Cette étude de cas exploratoire a pour but de démontrer la valeur des Analyses de l'Enveloppement des Données pour évaluer et étalonner l'efficacité des fermes touristiques de petite échelle. À partir de l'étude de cas de 196 fermes touristiques de petite échelle en Corée du Sud, les résultats des analyses indiquent que la note technique d'efficacité est égale à 39.3% et le montant moyen augmente jusqu'à 60.7%. La plupart des fermes (76.0%, 149) se sont révélées être inefficaces, indiquant une note d'efficacité inférieure à .5. Il fut trouvé que la principale source d'inefficacité résulte d'une efficacité technique pure impliquant des compétences managériales alors que l'échelle d'efficacité des fermes touristiques coréennes a atteint un certain niveau. Les implications pour les opérateurs des fermes touristiques, les chercheurs et les directions de recherches futures sont discutées.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».