MétaCan
Menu
Retour à la cohorte
Enregistrement W3169511155 · doi:10.31410/tmt.2020.555

ONLINE PLATFORMS AS MODERN TOOLS IN TOURISM IN EXTRAORDINARY TIMES: CASE FOR FURTHER DIGITALIZATION IN WESTERN BALKANS

2020· book-chapter· en· W3169511155 sur OpenAlexaboutno aff

Notice bibliographique

RevueInternational Thematic Monograph. Modern Management Tools and Economy of Tourism Sector in Present Era · 2020
Typebook-chapter
Langueen
DomaineBusiness, Management and Accounting
ThématiqueSharing Economy and Platforms
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEuropean unionTourismConvergence (economics)The InternetAccommodationQuarter (Canadian coin)Argument (complex analysis)EconomyBusiness modelDigital economyWestern europeSharing economyBusinessPolitical scienceGeographyEconomicsMarketingInternational tradeEconomic growthComputer science

Résumé

récupéré en direct d'OpenAlex

Extraordinary times require an extraordinary response, especially when economic growth is at stake. Tourism contributes to economic growth in Western Balkans and has been robust in recent years. That was supported by new business models which make it possible for households to participate in the digital economy, including online platforms for travel accommodation. Internet connectivity and digital skills are crucial in that respect. This paper looks at the convergence of the Western Balkan candidate countries to the European Union (EU) in terms of connectivity and the digital skills needed. Analysis of data derived from questionnaires and other sources at the Eurostat show that candidate countries participate in the collaborative economy less and are below EU average in terms of digitalization. Investments supported by EU commitment to the region could improve internet connectivity and digital skills in the Western Balkans. That would benefit their economies which is especially relevant now considering the Covid-19 outbreak in the first quarter of 2020 and its disruption to achieving many goals. The argument for further digitalization is even more important.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,639
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,003
Science ouverte0,0010,000
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 GPT0,251
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.

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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Thematic Monograph. Modern Management Tools and Economy of Tourism Sector in Present EraMême sujetSharing Economy and PlatformsTravaux en français237 207