MétaCan
Menu
Retour à la cohorte
Enregistrement W3013636652 · doi:10.3727/216929720x15846938924021

Tasting Place: Themes in Food and Beverage Product Logos from Three North Atlantic Island Regions

2020· article· en· W3013636652 sur OpenAlexaboutno aff
Maggie J. Whitten Henry

Notice bibliographique

RevueGastronomy and Tourism · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDiverse Aspects of Tourism Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLogos Bible SoftwareTourismWine tastingLogo (programming language)Place brandingProduct (mathematics)DestinationsAdvertisingPromotion (chess)MarketingThematic analysisFoodwaysGeographyBusinessSociologyPolitical scienceQualitative researchArtSocial scienceWineVisual arts

Résumé

récupéré en direct d'OpenAlex

Islands have long been romanticized for their potential to facilitate the kind of escape from globalization increasingly sought by neolocalism-driven consumers, and are thus uniquely positioned to emphasize their distinctive environment and culture through a holistic destination brand that targets both the tourism and local product markets. The current study examines the relationship between destination brands and local food and beverage brands in three North Atlantic island regions: Newfoundland, Iceland, and Shetland. Using a blend of content and thematic analysis to identify and analyze prominent themes employed in product logos, this study offers insight regarding food and beverage branding approaches in island contexts and their relationship to regional destination brands. Throughout the content examined for this study, island-based food and beverage producers demonstrated an intense and dynamic connection to place, as exemplified through the themes of place, culture, and environment embedded in their logos. Discussion of the study findings highlights the importance of strong logo branding for entrepreneurial success and regional tourism promotion, and advocates for future research and practical implementation of effective branding and logo design.

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)0,000
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 enseignants0,052
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,029
Tête enseignante GPT0,251
Écart entre enseignants0,222 · 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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGastronomy and TourismMême sujetDiverse Aspects of Tourism ResearchTravaux en français237 207