Predicting World Heritage site visitation intentions of North American park visitors
Notice bibliographique
Résumé
Purpose World Heritage sites (WHS) can play an important role in promoting visitation to emerging and remote destinations. Guided by the theory of planned behaviour (TPB), this study aims to investigate factors that predict intentions to visit WHS. Design/methodology/approach Survey questionnaires were used to collect data from visitors ( n = 519) to four Western North American WHS. Partial least squares structural equation modelling (PLS-SEM) was used to identify three reflective models (attitude toward visiting World Heritage, perceived behavioural control and intention to visit WHS in the future), three formative models (attitude toward World Heritage designation, social influence (subjective norms) to visit World Heritage and World Heritage tourism brand equity) and a structural model. Findings World Heritage tourism brand equity and social influence were strong positive predictors of intentions to visit WHS in the future. Attitudes towards World Heritage designation, followed by World Heritage travel attitudes and perceived behavioural control, were progressively weaker, yet positive predictors. However, the latter two concepts’ impact was negligible. Originality/value This study addresses four deficiencies in tourism studies: TPB studies have failed to find consistent predictors of intentions to visit destinations; very few studies have attempted to verify the factors that predict visitation to WHS, despite the opportunities and costs that can arise from WHS-related tourism; few studies of tourists’ perceptions of World Heritage and related WHS travel intentions have been conducted in North America; and PLS-SEM was used to perform statistical methods not commonly used in tourism studies including formative models, importance-performance mapping and confirmatory tetrad analysis.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».