COVID-19 Pandemic Strategies in Tourism Activity as Guidelines for Ex-Yugoslavia Countries Tourism Recovery
Notice bibliographique
Résumé
Tourism economy is severely affected by COVID-19 pandemic, and if it is not adequately handled, the industry will suffer further negative consequences, resulting in economic failure. This study attempts to formulate post-COVID-19 recovery strategies for Destination Management Organizations (DMO) in six ex-Yugoslavia (Ex-Yu) countries. In order to achieve this, firstly, an overview of popularity of tourist sights in the Ex-Yu is given, benchmarking pre-COVID-19 to the current pandemic scenario; secondly, global best case practices of post-COVID-19 recovery strategies in Tourism economy are analyzed, drawing paralles with Ex-Yu countries. To understand the effect of the global pandemic on the international tourism and in Ex-Yu countries, statistical data from reputable and authentic data sources was collected and analyzed. The research findings prove that effective, long-term strategies are necessary to recover the industry from the negative effects of the pandemic. This pandemic has left such an impact on this industry, that it will be a challenge to overcome the consequences, some of them for years to stay. Therefore, governments and international organisations, as well as private companies, must establish a long-term plan for the industry so that it does not fail again, as it did in this case, in order to continue on the path of growth. At various stages, methods should be consistent and complementary. Thus, recovery strategies need to respond to challenges in a way that ensures a planned and effective recovery of the industry.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».