MétaCan
Menu
Retour à la cohorte
Enregistrement W3009240042 · doi:10.5430/rwe.v11n1p106

Impact of Tourism Sector on Gross Domestic Product Growth in Jordan

2020· article· en· W3009240042 sur OpenAlexvenueno aff
Khaled Abdalla Moh’d AL-Tamimi

Notice bibliographique

RevueResearch in World Economy · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDiverse Aspects of Tourism Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTourismGross domestic productEconomicsOrdinary least squaresReal gross domestic productAnnual growth %Agricultural economicsMacroeconomicsEconometricsGeography

Résumé

récupéré en direct d'OpenAlex

This study investigates the impact of development of tourism sector on GDP growth rate in Jordan by depending on annual statistics for the period (2010 – 2017); as receipts of tourism sector percentage to exports, arrivals of tourists and expenditures of tourism sector percentage to imports are independent variables, while growth rate of GDP (an indicator of economic growth), is a dependent variable. This paper begins with theoretical studies that analyze the impact of development of tourism sector on GDP growth rate, and empirical studies to analyze this impact. After that, it analyzes the impact of development of tourism sector on GDP growth rate in Jordan by depending on annual statistics for the period (2010 – 2017) by depending on ordinary least squares method by SPSS version. The study finds insignificant impacts of receipts of tourism sector percentage to exports and arrivals of tourists on GDP growth rate in Jordan by depending on annual statistics for the period 2010 to 2017, but there is a negative and significant impact of expenditures of tourism sector percentage to imports on GDP growth rate in Jordan by depending on annual statistics for the period 2010 to 2017. The study recommends decreasing expenditures of tourism sector due to their negative impacts on GDP growth rate.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,014
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,119
Tête enseignante GPT0,430
Écart entre enseignants0,310 · 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

Citations3
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch in World EconomyMême sujetDiverse Aspects of Tourism ResearchTravaux en français237 207