MétaCan
Menu
Retour à la cohorte
Enregistrement W4220743139 · doi:10.36983/japm.v10i1.177

Potensi Kabupaten Simalungun dalam Menerapkan Konsep Smart Tourism melalui Infrastruktur TIK

2022· article· en· W4220743139 sur OpenAlexaff
Dewi Yanti

Notice bibliographique

RevueJurnal Akademi Pariwisata Medan · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSMEs Development and Digital Marketing
Établissements canadiensWiLAN (Canada)
Organismes subventionnairesnon disponible
Mots-clésTourismDocumentationInformation and Communications TechnologyBusinessService (business)MarketingEngineering managementKnowledge managementOperations managementComputer scienceEngineeringGeographyWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

The advantages of the tourism sector are currently experiencing expansion and ongoing consideration compared to the manufacturing sector. In the current tourism development, various regions offer advanced and innovative services through the application of the so-called Technology and Communication for tourists who often use Smart Tourism. Currently, the implementation of the Smart Tourism platform is mostly applied in urban tourist areas that have complete basic infrastructure, a good transportation system, the availability of adequate Information and Communication Technology infrastructure, and a comprehensive service system. This surely makes the concept of Smart Tourism is still rarely applied in the Regency area which has great potency and attractiveness. The study is designed to identify the potency of Simalungun Regency in implementing smart tourism in terms of ICT infrastructure. This study uses a qualitative descriptive approach with interview data collection techniques, observation and documentation studies. From the results of the study, it was found that the tourism ICT infrastructure of Simalungun Regency is still not well developed in applying the concept of smart tourism. Simalungun Regency has only used QR codes, social media, and a recommendation system for tourists in the classification of smart tourism technology

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études 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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,742
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,000
Communication savante0,0000,001
Science ouverte0,0010,001
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 Opus0,025
Tête enseignante GPT0,277
Écart entre enseignants0,253 · 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'étudeSans objet
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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJurnal Akademi Pariwisata MedanMême sujetSMEs Development and Digital MarketingTravaux en français237 207