MétaCan
Menu
Retour à la cohorte
Enregistrement W3132113088 · doi:10.5267/j.msl.2021.2.009

Country governance, tourism and environment quality: An emerging economy perspective

2021· article· en· W3132113088 sur OpenAlexvenueno aff
Sadaf Akram, Nayyer Sultana, Tanzilla Sultana, Mamoona Majeed, Rufia Saeed

Notice bibliographique

RevueManagement Science Letters · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDiverse Aspects of Tourism Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTourismLanguage changeCorporate governanceGovernment (linguistics)BusinessQuality (philosophy)Rule of lawPoliticsControl (management)Work (physics)Public economicsEconomicsPolitical scienceFinance

Résumé

récupéré en direct d'OpenAlex

The objective of the study has two folds: first, the study analyzes the role of country governance in tourism. Second, the study investigates the impact of tourism on the environmental quality. For this purpose, the data from 1997 to 2018 are collected from the World Bank and Global Economy. Augmented Dickey Fuller (ADF) test and ordinary least square regression models are used to analyze the impact. The study finds positive impact of rule of law, control of corruption, political stability and government effectiveness on tourism. The study also finds a negative relation between tourism and environmental quality of Pakistan. The study recommends the tourism destination planners to continuously monitor their country and to work with the government towards stability and protection and safety of tourists and for the general public. The rules to control corruption must also be implemented in a blanket form. The study also recommends the researchers to promote research on the relationship between country governance and tourism. Overall, the evidence of the study provides innovative information regarding the impact of country governance on tourism and tourism on environmental quality, which political leaders, tourist analysts and policymakers can use to shape policies in order to promote the tourist industries.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,942
Score d'incertitude au seuil0,892

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,002
Communication savante0,0010,001
Science ouverte0,0010,001
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 Opus0,023
Tête enseignante GPT0,326
Écart entre enseignants0,303 · 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'étudeThéorique ou conceptuel
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

Citations10
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueManagement Science LettersMême sujetDiverse Aspects of Tourism ResearchTravaux en français237 207