MétaCan
Menu
Retour à la cohorte
Enregistrement W3001389124 · doi:10.30564/jbar.v3i1.1020

Comparative Analysis of DMO Website Features: A Case Study of Three Asian Tourism Destinations

2020· article· en· W3001389124 sur OpenAlexaboutno aff
Harry Hou In Chek, Simon Lei

Notice bibliographique

RevueJournal of Business Administration Research · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDigital Marketing and Social Media
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBenchmarkingTourismDestinationsBusinessDestination marketingMarketingThe InternetAdvertisingConceptual frameworkComputer scienceWorld Wide WebGeographySociology

Résumé

récupéré en direct d'OpenAlex

In the digital era, more and more people tend to look for travel-related information on the Internet. Hence, destination marketing organization (DMO) websites can play a decisive role in affecting people’s destination choices. Based on the study of Pai, Xia, and Wang, Macao’s DMO website received the lowest score in the effectiveness when compared to the other four tourism destinations: Japan, Korea, Hong Kong, and Thailand. This paper aimed to carry out a comparative analysis on the functionality among three DMO websites in Asia. Each website was examined in great detail, and the features were categorized according to a well-established conceptual framework pioneered by Li and Wang. Consequently, the results of this study gave useful information and new insights to destination marketing managers in terms of gap analysis and the development of new features for their websites. The results of this research could be used as benchmarking purposes in regards to website functionality. In addition, DMO websites in western countries, such as Canada, were also examined for a better understanding of the comprehensiveness of the available website functionality aimed for prospective visitors. Business and managerial implications were also discussed.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
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 enseignants0,019
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,004
Études des sciences et des technologies0,0020,001
Communication savante0,0020,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,207
Tête enseignante GPT0,466
Écart entre enseignants0,259 · 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

Citations4
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Business Administration ResearchMême sujetDigital Marketing and Social MediaTravaux en français237 207