MétaCan
Menu
Retour à la cohorte
Enregistrement W2888340756 · doi:10.5539/ijms.v10n3p17

Influence of the Preference Factor on the Behavior Patterns of Participation in Festival Activities

2018· article· en· W2888340756 sur OpenAlexvenueno aff
Shwu-Ing Wu

Notice bibliographique

RevueInternational Journal of Marketing Studies · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSport and Mega-Event Impacts
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAttractivenessTourismPreferenceAdvertisingMarketingBusinessDestinationsValue (mathematics)PsychologyGeographyEconomicsComputer science

Résumé

récupéré en direct d'OpenAlex

Festival activity marketing is one of the most popular tourism strategies around the world. Festival activities combined with marketing for interacting and communicating with the tourists, can enhance tourists’ preferences and impressions on the tourism destinations and it becomes an important source in leading the development of regional economic. Festival activities held in each and every region shall be coordinated with relevant factors to integrate into distinguishing features and be implanted deeply into people’s mind, and only after different marketing strategies are prepared for tourists with different preferences, can the best result of festival activities be achieved.This study mainly discusses whether there are any difference in the pattern of associations of the tourist groups with different preference on festival activity in regards to relevant factors on festival activities, festival attractiveness, tourists’ cognitive values, and behavioral intention. The result witnesses that: (1) the cognitive value of tourist groups with high preference for festival activities further promotes their behavioral intention for participating in festival activities; (2) tourist groups with medium preference for festival activities feel attracted by the favorable atmosphere of the environment, which fosters their intention to participate in festival activities. Therefore, suitable and satisfactory festival marketing strategies shall be established for different types of tourist division.

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)0,002
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 enseignants0,009
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

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 technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,112
Tête enseignante GPT0,417
Écart entre enseignants0,305 · 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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Marketing StudiesMême sujetSport and Mega-Event ImpactsTravaux en français237 207