MétaCan
Menu
Retour à la cohorte
Enregistrement W3196129120 · doi:10.1177/14673584211038317

Tourism destination image resiliency during a pandemic as portrayed through emotions on Twitter

2021· article· en· W3196129120 sur OpenAlexaffabout
John Nadeau, Leslie J. Wardley, Enayat Rajabi

Notice bibliographique

RevueTourism and Hospitality Research · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDiverse Aspects of Tourism Research
Établissements canadiensCape Breton UniversityNipissing University
Organismes subventionnairesnon disponible
Mots-clésSadnessTourismDestination imagePandemicCoronavirus disease 2019 (COVID-19)Social mediaDestinationsDivergence (linguistics)AdvertisingPsychologyBusinessGeographyPolitical scienceSocial psychologyAnger

Résumé

récupéré en direct d'OpenAlex

The COVID-19 pandemic is having a significant impact on tourism, and emotion projection is one way to understand the extent of destination image resiliency during the crisis. Therefore, this research captured emotions expressed in social media during a peak pandemic month to compare to the prior year period. Toronto and New York were selected due to their tourism importance within their countries but to also compare the effects of different policy approaches used during the pandemic. This study found resiliency of the destination images although there was a significant increase in projections of fear for both cities. Additionally, there was a significant divergence observed for the two cities with a decrease in joy and an increase in sadness projections for New York versus Toronto. This implies that tourism destination marketers have a stable basis of emotions to use in communications, but there are weaknesses to address.

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)0,004
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,561
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,087
Tête enseignante GPT0,435
Écart entre enseignants0,347 · 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

Citations30
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTourism and Hospitality ResearchMême sujetDiverse Aspects of Tourism ResearchTravaux en français237 207