The Economic Sustainability of Culture in Hawai’i: Tourists’ Willingness to Pay for Hawaiian Cultural Experiences
Notice bibliographique
Résumé
Given the current travel restrictions with the COVID-19 pandemic, there is an unprecedented opportunity for Hawai’i to reexamine its current tourism offerings and establish a new approach to support a more authentic, cultural, and sustainable tourism for the U.S. domestic tourist market. As tourists from the continental U.S. are the largest source market for visitors to Hawai’i, the purpose of this study is to examine the trend towards an “authentic cultural” tourism experience and evaluate whether U.S. visitors will be willing to pay for a deeper integration and representation of Hawaiian culture in tourism offerings. The contingent valuation method (CVM) was adopted to quantify the willingness to pay (WTP) more by the tourists to Hawaii in order to experience a more “authentic Hawaiian cultural experience” as well as “sustainable experiences”. Differences between returning and first-time visitors were considered. This study focused on continental U.S. visitors’ perceptions of Hawaiian culture and the sustainability of Hawaiian tourism products, as well as the assessment of locally grown food and tourists’ willingness to pay extra for these tourism products and experiences. The contingent valuation survey demonstrated that continental U.S. travelers were supportive of an additional fee in order to experience authentic Hawaiian cultural and tourism experiences designed and/or facilitated by Native Hawaiians. In addition, U.S. visitors were also supportive of paying additional fees for activities or experiences to support sustainable tourism in Hawai’i, including paying more for locally grown food, indicating that they would be willing to increase their restaurant/hotel food bill in order to support the Hawaii’s local farming industry. The results of this study demonstrate that there are economic opportunities to further integrate Hawaiian culture and sustainability into the experience of visitors, and that U.S. visitors are willing to support these cultural activities financially.
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 | 0,001 | 0,003 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».