MétaCan
Menu
Retour à la cohorte
Enregistrement W2967171725 · doi:10.5539/jpl.v12n3p62

A Study of Impact of Tourism Direct Employment Trends on Tourism Arrivals: An Empirical Analysis of Sri Lankan Context

2019· article· en· W2967171725 sur OpenAlexvenueno aff
AMM. Mustafa

Notice bibliographique

RevueJournal of Politics and Law · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDiverse Aspects of Tourism Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTourismContext (archaeology)EarningsGovernment (linguistics)VariablesPanel dataSri lankaBusinessEconomic growthEconomicsGeographySocioeconomicsEconometricsAccountingStatistics

Résumé

récupéré en direct d'OpenAlex

Sri Lanka is one of the major tourist attraction destinations in South Asian region. After the economic reforms in 1977, the successive governments implemented various attractive policies and programmes to promote tourism in pursuing economic growth and development. The government further employed a number of initiatives to encourage and attract tourism arrival in the country. In this backdrop, this study is to analyze the impacts of the tourism direct employment trend on tourism arrivals in Sri Lankan context by using the time series data from year 1978 to 2017. The dependent variable used in this study is tourism arrivals. The independent variables are tourism direct employment and tourism Earnings. The tools used to achieve the objective of this study are Correlation Analysis, Multiple Regression, and Residual test. In this study, it is found that the correlation relationship between the variables is very strong. tourism direct employment and Tourism Earnings are directly related with tourists’ arrivals. The data collected have analyzed by using the econometrics software EViews 10. Based on the result recommended that to increase the magnitude of the direction tourism arrival in Sri Lanka, the factors such tourism direct employment and tourism Earnings should play statistically significant roles. This significant role should be considered by the relent authorities in Sri Lanka.

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 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 enseignants0,082
Score d'incertitude au seuil0,979

Scores Codex et Gemma par catégorie

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

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 Opus0,060
Tête enseignante GPT0,429
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.

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

Citations5
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Politics and LawMême sujetDiverse Aspects of Tourism ResearchTravaux en français237 207