Modification and validation of the travel safety attitude scale (TSAS) in international tourism: a reflective-formative approach
Notice bibliographique
Résumé
Purpose This study modified, revised and validated a travel safety attitude scale (TSAS) using data collected from Canadian residents with out-of-country travel experiences. Design/methodology/approach The authors proposed a higher component model (HCM) of TSAS, using a reflective-formative measurement model. In consultation with eight experts, a set of purified TSAS items was revised by checking wording and content. A questionnaire was administered to 531 participants using Amazon Mechanical Turk. The scale was validated with the partial least squares method of structural equation modelling (PLS-SEM), and the analysis was performed using SmartPLS 3.0. Findings The final results suggested a five-factor solution with 27 items, with a satisfactory level of reliability and validity at the first-order (reflective) and second-order (formative) constructs. The predictive validity result showed that TSAS is negatively related to tourist risk-taking intention. Research limitations/implications TSAS advanced research on travel safety attitudes and demonstrated the feasibility of using PLS-SEM in examining the Type II model. Future studies can focus on replicating the study in other countries, adding more variables for predictive validity tests and examining the interrelationship with affective attitudes. Practical implications The authors suggested a more proactive approach to assess tourist safety attitudes based on travel safety information (TSI), health concern (HC), vulnerability to crime (VTC), personal safety (PES) and police safety (PS), listed in descending order of importance. Originality/value The study results provide directions for destination marketing organizations to allocate resources to maintain a positive travel safety attitude from potential and current tourists.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».