MétaCan
Menu
Retour à la cohorte
Enregistrement W3125872432 · doi:10.1080/14927713.2021.1872405

The antecedents of behavioural intention for island tourism across traveller generations: a case of Bali

2021· article· en· W3125872432 sur OpenAlexvenueno aff
Andriani Kusumawati, Humam Santosa Utomo, Suharyono Suharyono, Sunarti Sunarti

Notice bibliographique

RevueLeisure/Loisir · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDigital Marketing and Social Media
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTourismWord of mouthAdvertisingHarmBeautyQuality (philosophy)MarketingDestination imageBusinessConstruct (python library)Natural (archaeology)PsychologyDestinationsGeographySocial psychologyComputer sciencePolitical science

Résumé

récupéré en direct d'OpenAlex

Island tourism presents the natural beauty and the authenticity of local culture that provides a unique experience for foreign tourists. If not being managed properly, tourist abundance at the island destination can threaten the destination quality which can actually harm tourists and reduce trust. The main objective of this study is to construct an understanding regarding the effect of destination quality on trust and behavioural intention. The sample in this research was 450 international tourists visiting Bali, Indonesia. Bali is a natural-based and cultural-based tourism destination which offers natural beauty, the authenticity of local culture, and unique cultural attractions. WarpPLS was used to analyze the effect of destination quality, trust, word-of-mouth intention, and revisit intention. The findings show that destination quality has a significant effect on trust. Trust is proven to have a significant effect on word-of-mouth intention and revisit intention. In addition, the results of this study also show that destination quality has a direct effect on word-of-mouth intention and revisit intention. More in-depth results show that in generation Y, destination quality has no significant effect on word-of-mouth intention and revisit intention.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,413
Score d'incertitude au seuil0,988

Scores Codex et Gemma par catégorie

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 technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,051
Tête enseignante GPT0,345
Écart entre enseignants0,294 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations5
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLeisure/LoisirMême sujetDigital Marketing and Social MediaTravaux en français237 207