Investigating the appeal of a visitor guide: a triangulated approach
Notice bibliographique
Résumé
Purpose Destination management organizations deliver travel-related information through visitor guides to build destination awareness and attract potential tourists. Therefore, this research aims to investigate how people read such a guide, understand their attitudes and to provide recommendations on enhancing its design. Design/methodology/approach This research used eye-tracking technology in tandem with surveys and in-depth interviews. Eye-tracking technology uncovered the elements of a visitor guide that attracted particular attention, whereas surveys and interviews provided deeper insights into people’s attitudes toward them. Findings People do not spend attention equally on each page of a visitor guide. Instead, they look at the reference points (i.e. photo credits, photos, headings and bolded words) and then read the adjacent areas if the information triggers their interest. The characteristics of the attractive components of a visitor guide were discussed and suggestions on designing a more appealing guide were provided. Research limitations/implications The triangulated approach not only generated objective and insightful results but also enhanced research validity. This exploratory sequential mixed method can usefully be applied to test other stimuli and assess attention. Practical implications To be deemed appealing, a visitor guide should avoid ads unrelated to the destination, include more photos, use the list format and bolded words, add stories or selected comments from social media and provide well-designed maps. Originality/value This research fills a gap in the literature by using a triangulated approach including eye-tracking, survey and interviews to examine a 68-page visitor guide. The concept of reference-point reading behavior is proposed. Practical implications are discussed to improve the design of a visitor guide.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 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 ».