MétaCan
Menu
Retour à la cohorte
Enregistrement W3162312067 · doi:10.5430/jms.v12n2p1

Impact of COVID-19 on Tourism Industry: Challenges and Opportunities

2021· article· en· W3162312067 sur OpenAlexvenueno aff
Naipeng Bu, Honggen Xiao, Haiyan Kong, Feiran Dong

Notice bibliographique

RevueJournal of Management and Strategy · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDiverse Aspects of Tourism Research
Établissements canadiensnon disponible
Organismes subventionnairesNational Office for Philosophy and Social Sciences
Mots-clésTourismOriginalityChinaCoronavirus disease 2019 (COVID-19)PandemicBusinessValue (mathematics)Tourism geographyMarketingEconomic growthPolitical scienceEconomicsComputer science

Résumé

récupéré en direct d'OpenAlex

Purpose –Covid-19 pandemic has created a negative impact on China's national economy and social development, and the tourism industry has been hit particularly hard. This paper analyzes the current situation of tourism development in China during the pandemic, as well as the strategies and approaches adopted for tourism recovery.Design/methodology/approach – Secondary data and in-depth interview were adopted to identify the characteristics of tourism industry and challenges posed by the pandemic on China’s tourism.Findings – This paper focuses on the diversified and personalized modern tourism and leisure needs of tourists to establish an effective tourism supply system.Originality/value – Bassd on the practical challenges and feasible opportunities, we then discuss- relevant strategies and put forward suggestions for future tourism research and practice.

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)0,000
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: Empirique
Score de désaccord entre enseignants0,538
Score d'incertitude au seuil0,342

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,204
Tête enseignante GPT0,405
Écart entre enseignants0,201 · 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

Citations6
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Management and StrategyMême sujetDiverse Aspects of Tourism ResearchTravaux en français237 207