Exploring the Travel Behavior and Experiences of Norwegian Surfers: Cold-Versus Warm-Water Surfing
Notice bibliographique
Résumé
More affordable travel opportunities have facilitated a swift rise in surf tourism, which is a growing multibillion dollar global business niche within the broader sport tourism industry. It is argued that a growing number of surfers who are searching for the perfect wave without the crowds found in well-established surfing destinations are shifting to cold-water surfing. Previous research on surf tourism has largely focused on warm- and temperate-water surfing and related travel. However, an exploration of and an attempt to comprehend cold-water surf tourism and how it compares to similar activities in warm water has been overlooked. This study focuses on understanding the travel behavior and related experiences of Norwegian surf tourists domestically and internationally, to cold- and warm-water destinations. Data were collected using a phenomenological approach and semistructured in-depth interviews with 18 experienced Norwegian surfers. Results show that these surfers are highly mobile, visiting warm-water surf destinations such as Morocco, Bali, Australia, and Hawaii and also cold-water surf destinations such as Norway, Iceland, Scotland, and Canada. They travel to surf at least once a year, staying between 10 days and 3 months, preferably in cheap accommodation. The longer the travel distance, the longer the stay. Their experiences of "localism," where local surfers behave aggressively toward visiting surfers, were more common in crowded warm-water destinations. In addition to the enjoyment of surfing, these Norwegian surf tourists valued opportunities to create new social relationships, experience new and different cultures, and expand their "world-view" via their surf travel. They appreciated unique natural environments and experienced a deep connection to nature. This research presents the first empirical data on the travel behavior and related experiences of surf tourists from a nontraditional surfing nation in Scandinavia.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,004 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».