MétaCan
Menu
Retour à la cohorte
Enregistrement W3093632354 · doi:10.5267/j.ijdns.2020.9.004

The effect of culture dimension in digitalization era on the complaint behavior in hotel industry

2020· article· en· W3093632354 sur OpenAlexvenueno aff
Ni Made Dwi Wahyuni, I Made Wardana, Ni Nyoman Kerti Yasa, Putu Gde Sukaatmadja, Made Setini

Notice bibliographique

RevueInternational Journal of Data and Network Science · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueIslamic Finance and Communication
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComplaintHofstede's cultural dimensions theoryAction (physics)CollectivismDimension (graph theory)MarketingUncertainty avoidanceIndividualismPsychologyBusinessSocial psychologyPolitical scienceMathematicsLaw

Résumé

récupéré en direct d'OpenAlex

To conduct business in the global market in the era of digitalization, hotels need to pay more attention to the complaint behavior of guests with different cultures to adjust their methods of handling these complaints. The purpose of this study is to analyze the influence of Hofstede's five cultural dimensions on the complaint behavior of guests. This study also offers strategic solutions for hoteliers in facing various kinds of complaint behavior from guests with different cultures. This research was conducted on tourists who have stayed in five-star hotels in Badung Regency – Bali, with a total sample of 110 respondents. The data were col-lected through questionnaires. The data analysis was performed using the structural equation model (SEM) with the partial least square (PLS) approach. The results of this study indicate that the power distance cultural dimension has a significant influence on public action and private action. Uncertainty avoidance, individualism versus collectivism, and long term versus short term orientation dimension have a significant influence on public action and private action. The culture of masculinity versus femininity has a significant influence on private action and no action.

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)0,001
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 enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 Opus0,036
Tête enseignante GPT0,348
Écart entre enseignants0,312 · 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

Citations6
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Data and Network ScienceMême sujetIslamic Finance and CommunicationTravaux en français237 207