MétaCan
Menu
Retour à la cohorte
Enregistrement W3113344308 · doi:10.4000/tem.6906

Making Roubaix More Attractive

2020· article· fr· W3113344308 sur OpenAlexaff
Natalia Guilluy-Sulikashvili, Godefroy Kizaba, Abdelouahid Assaïdi

Notice bibliographique

RevueTerritoire en mouvement · 2020
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueFrench Urban and Social Studies
Établissements canadiensLaurentian University
Organismes subventionnairesnon disponible
Mots-clésAttractivenessTourismCompetitive advantageMarketingBusinessDiamond modelAdvertisingGeographyAesthetics

Résumé

récupéré en direct d'OpenAlex

The purpose of our study is to show how the city of Roubaix could rebuild its attractiveness. To that purpose, the offer and competitive advantages of the city were studied with the help of the Porter’s Diamond and CERISE REVAIT® models which are considered as tools for measuring attractiveness. A case study method has been chosen to carry out this study. The historical and documentary approach, together with the thematic analysis of interviews were used used to showcase the attractiveness through the study of the competitive advantages of the city. Findings show that attractiveness constitutes an indisputable link between Porter’ s Diamond and CERISE REVAIT® models, because they allow us to study the offer in its entirety, measure its attractiveness and bring to light the competitive advantages. It is stated that the art and culture sector is the most attractive and competitive in this territory and contributed to its development as urban tourism destination. This sector has been strongly supported by the public authorities and remains symbolic of Roubaix.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,832
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,107
Tête enseignante GPT0,325
Écart entre enseignants0,218 · 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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTerritoire en mouvementMême sujetFrench Urban and Social StudiesTravaux en français237 207