MétaCan
Menu
Retour à la cohorte
Enregistrement W3119771525 · doi:10.3390/jrfm14010032

Tourism Well-Being and Transitioning Island Destinations for Sustainable Development

2021· article· en· W3119771525 sur OpenAlexvenueno aff
Jerome Agrusa, Cathrine Linnes, Joseph Lema, Jihye Min, Tony L. Henthorne, Holly Itoga, Harold Lee

Notice bibliographique

RevueJournal of risk and financial management · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDiverse Aspects of Tourism Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTourismDestinationsCoronavirus disease 2019 (COVID-19)PandemicSustainable developmentGlobeBusinessSustainable tourismGeographyMarketingEconomic growthPolitical sciencePsychologyEconomicsMedicine

Résumé

récupéré en direct d'OpenAlex

The unprecedented growth of tourism over the last century has led to increasing concerns over the sustainable development of many popular tourism destinations throughout the globe. High concentrations of tourists and residents, especially in urbanized areas, have heightened this concern with the arrival of the novel coronavirus (COVID-19) pandemic. Over reliance on tourism has left residents vulnerable to external factors, such as the coronavirus pandemic that has halted tourists from coming to this remote destination. As a result, Hawaii’s overall economy is suffering greatly. A survey was developed and distributed to potential tourists in order to acquire their perceptions regarding tourism and well-being, as well as the COVID-19 outbreak. The focus of this study was to examine practices in tourism that moves beyond solely economics which will allow repositioning in a manner that promotes the well-being of both residents and tourists and to transition this unique tourism destination for sustainable development practices for the future. One of the results from the study reported that the majority of the respondents agreed or strongly agreed that testing for COVID-19 should be a travel requirement prior to flying to Hawaii, as well as having an additional COVID-19 test administered upon arrival.

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)0,001
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 enseignants0,009
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
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 savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,008
Tête enseignante GPT0,262
Écart entre enseignants0,254 · 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

Citations14
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial managementMême sujetDiverse Aspects of Tourism ResearchTravaux en français237 207