INVESTIGATION OF THE STUDIES PUBLISHEDON WOS BETWEEN 2013-2017 IN THE FIELD OF HEALTH TOURISM WORLDWIDE
Notice bibliographique
Résumé
The aim of this study, is to examine studies searched on WOS in the field of health tourism worldwide in the last five years in terms of different variables. The study's universe is made up of the WOS databases from 2013 to 2017 and includes studies with the words “health tourism”,” medical tourism”,” thermal tourism”, “disabled tourism”, “ elderly tourism” and “spa-wellness”. Only "research articles" were examined. In total 212 articles were identified, of which 160 were reached and examined according to criteria determined by the researchers. In the studies, which is reached as full text, "Medical Tourism" was the most commonly used keyword. It was determined that the studies were mostly published in 2015 (45) and English (149) was the commonly preferred language of the studies. It has been found that the studies conducted are mostly written by two authors (43) and the authors of all 160 studies mostly work in departments related to Health, Business Administration and Geography. Studies in the field of health tourism were made mostly in Malaysia (18), Korea (16) and Canada (13), respectively. In the studies examined, focus group interview / deep interview / interview technique (40) was used as a research method. *This paper is an extended version of the study which was presented in 8th International Health Tourism Congress in Aydın, Turkey
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 | 0,014 | 0,065 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,033 | 0,040 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».