Visitor satisfaction and behavioral intentions in nature-based tourism during the COVID-19 pandemic: A case study from Zhangjiajie National Forest Park, China
Notice bibliographique
Résumé
Nature-based tourism (NBT) has become a popular tool for developing countries to achieve economic growth by the non-destructive use of their natural resources. COVID-19 has caused severe financial impacts on tourism-dependent areas. Revitalizing NBT is needed for economic recovery in those regions and can also help deal with mental health issues worldwide. Zhangjiajie National Forest Park (ZNFP), the first national park created in China, was selected to examine the important factors that influence visitor satisfaction during the COVID-19 pandemic and the relationship between satisfaction and visitors' environmentally responsible behavior (ERB) intention. The authors collected 788 onsite and online questionnaires from visitors to ZNFP during June–September 2020. This paper reveals previously underestimated factors and offers practical applications for park development at ZNFP and other NBT destinations. Visitors had a high level of satisfaction with the natural scenery of the park but were relatively dissatisfied with price reasonableness, park services, activities and events, and artificial attractions. Younger visitors, especially students, and well-educated visitors looking for environmental education opportunities tended to have lower satisfaction rates. Visitor satisfaction may have a positive but limited influence on promoting visitors' ERB intentions. We propose group-specific strategies for national park managers to attract more visitors and increase their length of stay.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».