Classification of Countries of Destination by Gross and Relative Values of International (Inbound) Tourism and its Factors
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
The present work is aimed at the analysis of gross and relative values of inbound tourism by countries of destination for the purpose of their classification. As a result of confronting total and specific (per 1 km of conventional radius of the country’s territory) numbers of international tourist arrivals with the median values for 100 countries of the world as of 2016, countries of destination were divided into four classes. Small countries of intensive inbound tourism are predominantly represented by tropical islands of the Caribbean Basin and Indian Ocean, as well as by the Mediterranean region. Over half of big countries of intensive inbound tourism are located in Europe and the Mediterranean destinations were the most often visited ones. Big countries of extensive inbound tourism show significant volume of inbound tourism in the first place due to their significant territories. Among these, there were Scandinavian destinations of Europe, Canada and Russia. The low intensity of their inbound tourism is explained by the unfavourable climate for human thermal-physiological sensations. Small countries of not-intensive inbound tourism had considerably less volume and intensity of tourism arrivals due to their small territories, unfavourable geographical conditions, but, what is most essential, also due to the poverty. In addition, cost indicator, that is receipts from inbound tourism per one arrival, was taken into account in the analysis. The factors that have influence over it were also disclosed.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,005 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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