MétaCan
Menu
Retour à la cohorte
Enregistrement W3096174099 · doi:10.33262/concienciadigital.v3i4.1432

Gestión de la felicidad y satisfacción del turista en Ecuador

2020· article· es· W3096174099 sur OpenAlexvenueno aff
Gustavo Vladimir Paladines, Jenny Elizabeth Suárez Velasco, Segundo Fernando Capa Paladines

Notice bibliographique

RevueConcienciaDigital · 2020
Typearticle
Languees
DomaineEconomics, Econometrics and Finance
ThématiqueBusiness, Innovation, and Economy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesHappinessPolitical scienceArt

Résumé

récupéré en direct d'OpenAlex

La gestión de la Felicidad o Hapiness Management es una práctica empresarial actual, que pone énfasis en la faceta humana del trabajador y en apoyar su bienestar; como resultado, la empresa se beneficia de contar con personal motivado, comprometido y leal; manifestándose una mayor calidad en su servicio, lo que deviene en un incremento de la satisfacción del cliente. El presente artículo aborda la gestión de la felicidad desde la posibilidad de su uso como recurso para mejorar la satisfacción del turista, y constituye un aporte al volumen actual de estudios referentes al Happiness Management. El artículo se elaboró mediante un método exploratorio, a partir de fuentes bibliográficas y documentales, tomando como referentes a diversas investigaciones en el ámbito de la felicidad en el contexto empresarial. Se observó que, tomando en cuenta los modelos de competitividad y las dimensiones de calidad para el turismo, la Gestión de la Felicidad es un recurso que podría tener un fuerte impacto en varios ámbitos, no solo en atención al cliente, sino en la capacidad de respuesta, en la confianza del cliente, en la reducción del ausentismo y abandono laboral, y en la imagen que el turista se forma de un servicio turístico, entre otros aspectos que reflejarían una satisfacción elevada en el turista.

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)0,002
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,090
Score d'incertitude au seuil0,180

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,019
Tête enseignante GPT0,222
Écart entre enseignants0,203 · 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

Citations3
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueConcienciaDigitalMême sujetBusiness, Innovation, and EconomyTravaux en français237 207