Emotional Analysis in Designing Tourism Experiences Through Neuromarketing Methods: The Role of Uncontrollable Variables and Atmosphere: A Preliminarily Study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The role of emotions in the tourist experience is becoming increasingly important in designing experiences to guarantee maximum involvement and satisfaction for tourists/customers. Previous literature has shown how atmosphere (e.g., visual, auditory, olfactory, tactile variables) may influence consumers’ satisfaction toward the proposed tourist experience. However, in some offers (e.g., theatrical performances, theme parks, outdoor experiences), such a relationship may be influenced by the role of “uncontrollable” variables, as for those variables related to the weather condition. Though an experimental research design based on a neuromarketing tool (face-coding), this paper is aimed to shed light on those variables in influencing consumers’ emotions, and thus their satisfaction regarding their experience. More specifically, the study has been conducted by testing a non-invasive emotional analysis tool able to associate in real-time the facial expressions of the participants with the emotions captured during the performance (e.g., as for disgust, fright, anger, boredom, neutral, surprise, happiness), as well as the emotional valence such as positivity or negativity of the emotion experienced. Results enlighten the role of tourism atmosphere in positively influencing consumers’ emotions, and thus their satisfaction also explaining the role of uncontrollable variable in magnifying such effect. Essential insights for marketers and managers in designing tourism experiences are discussed.
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.
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 | 0,011 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle