MétaCan
Menu
Retour à la cohorte
Enregistrement W3185877435 · doi:10.53592/convtech.v2iii.20

Impacto sociocultural de la promoción turística en la ciudad de Cuenca por redes sociales más utilizadas

2020· article· es· W3185877435 sur OpenAlexaff
Santiago Pulla

Notice bibliographique

RevueConvergence Tech · 2020
Typearticle
Languees
DomaineEconomics, Econometrics and Finance
ThématiqueBusiness, Innovation, and Economy
Établissements canadiensImpact
Organismes subventionnairesnon disponible
Mots-clésHumanitiesGeographyArt

Résumé

récupéré en direct d'OpenAlex

La comunicación comercial para destinos turísticos ha adquirido un papel relevante en nuestra sociedad, siendo en la actualidad un pilar estratégico al momento de la promoción de la ciudad de Cuenca. Facebook, twitter e instagram permiten informar en tiempo real convirtiéndose en un canal de difusión más rápido y efectivo. La redes sociales permiten a cualquier hora del día acceder a gran cantidad de información, sin ninguna restricción, además de la interacción sin importar del geoposicionamiento del turista. (Espinoza, Zabala, Rojas y Roselys, 2016) Se plantea el análisis, estudio y observación de estos cambios socioculturales en tres aspectos: oferta, demanda, ventajas y desventajas. Además se aborda la influencia de las nuevas tecnologías en el comportamiento del flujo turístico y en el segmento joven dentro del destino. (Wichels, 2014). Por último, se realizará una comparación del uso del medio digital con otros países de América Latina, que apuestan al gran impacto de la promoción turística responsable, evidenciando de manera directa la reinvención para este sector.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,090
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,050
Tête enseignante GPT0,277
Écart entre enseignants0,227 · 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'étudeObservationnel
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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueConvergence TechMême sujetBusiness, Innovation, and EconomyTravaux en français237 207