Tourists Attitude towards Cultural Heritage and Halal Products: A Case Study of Lahore
Notice bibliographique
Résumé
The basic purpose of this paper was to assess the tourist’s willingness to pay (WTP) for cultural heritage, their attitude toward cultural heritage, halal products (HPs), and estimate the average spending of the tourists. Moreover, the tourist's satisfaction level towards halal products. It also analyzed buying behavior, the risk associated, and preferences regarding halal food products. The data were collected in the last quarter of 2019 with the help of a well-prepared questionnaire, and respondents were selected through simple random technique. The contingent valuation method was used to estimate the mean of WTP for cultural heritage visits, and the question was in the form of dichotomous choice (yes/no). The results are drawn based on primary data using a survey of 200 tourists. Binary logistic and ordinary least square (OLS) models were applied to estimate the WTP. These statistical analyses have done with the help of MS Excel (socio-economic) and statistical packages for social sciences (SPSS) WTP. The majority of the tourists were WTP and on average USD 900 and USD, 85 were the spending of the international and national tourists respectively. Tourist’s income positively, cost, and distance negatively related to his/her home to cultural heritage were the significant determinants of WTP of the tourists. Results show that tourists preferred halal products having ‘Halal tags’ (65%), environmentally friendly (10%), healthy (13.5%), and alcohol-free (15.5%). Income was the major factor having positive and significant at (1%) impact on WTP. Food authorities should make sure that all tourists get the quality products having information along with ‘halal tag’ and the service provider should have adequate education level so that they can communicate with tourists easily and can provide better services.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».