Understanding Canadian and US tourists: A self-concept based segmentation study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This study aims to identify the distinctive market segments based on tourists’ self-concept, gain a better understanding of U.S. and Canadian tourists’ travel patterns, and provide implications that are beneficial to destination marketing organizations (DMOs). This study advances the knowledge of self-concept in the tourism context by validating its measurement and employing it as a segmentation base. This study used 2 percent of cases (N=1,012) of secondary data collected by an Ontario government agency, and a factor-cluster approach for analysis. Principal component analysis was utilized to identify specific characteristics of self-concept items and the results yielded three selves (extravert self, explorative self, and depressive self). Then, the study segmented U.S. and Canadian tourists by three self-concept factors and obtained four distinctive segments: Energetic Segment (ENT), Adventurous Segment (ADT), Conservative Segment (COT), and Escaping Segment (EST). ENT tourists are characterized as active, inquisitive and confident with a medium level of perceived value, satisfaction, and recommendation. ADT represents tourists who are older, open-minded, and optimistic with the highest level of perceived value, satisfaction, and recommendation. COT is relatively passive and had the lowest level of perceived value, satisfaction, and recommendation. EST is a group of nervous and stressful young female tourists who had a low level of perceived value and a medium degree of satisfaction and recommendation. This paper concludes with appropriate advertising and promotional strategies for the different segments.
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.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 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 découle