MétaCan
Menu
Retour à la cohorte
Enregistrement W3088385419 · doi:10.1080/10941665.2020.1802311

Visitors’ spatio-temporal behavior at a zoo in China

2020· article· en· W3088385419 sur OpenAlexaff
Ding Xu, Cong Li, Geoffrey Wall

Notice bibliographique

RevueAsia Pacific Journal of Tourism Research · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDiverse Aspects of Tourism Research
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesMinistry of Education of the People's Republic of ChinaNational Natural Science Foundation of China
Mots-clésVisitor patternExhibitionTourismBeijingRecreationGeographyChinaOpenness to experienceService (business)MarketingData collectionBusinessAdvertisingEnvironmental resource managementPsychologyEcologyComputer scienceSociology

Résumé

récupéré en direct d'OpenAlex

Information on tourists’ spatio-temporal behavior is useful for destination marketing and management. GPS data collection, GIS and statistical analyses of survey data from a zoo in Beijing are reported. Results indicate that seven behavior patterns exist that are distinct according to demography and visit attributes. Tourist behavior is influenced by animal features (e.g. the number of animals, endangerment category, feeding habits and aggressiveness), the environment (exhibition openness and hygiene), and service facility attributes (e.g. retail facilities, toilets, recreational facilities and catering services). The findings provide insight into the behavioral characteristics of Chinese zoo visitors and factors that influence them. The results can be used to enhance environmental and exhibition design, visitor flow forecasts and tourists flow distribution.

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)0,008
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,172
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0020,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,072
Tête enseignante GPT0,388
Écart entre enseignants0,316 · 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.

Devis d'étudeSans objet
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

Citations18
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsia Pacific Journal of Tourism ResearchMême sujetDiverse Aspects of Tourism ResearchTravaux en français237 207