MétaCan
Menu
Retour à la cohorte
Enregistrement W4282546152 · doi:10.3390/su14127012

Consuming Location: The Sustainable Impact of Transformational Experiential Culinary and Wine Tourism in Chianti Italy

2022· article· en· W4282546152 sur OpenAlexaff
Darcen Esau, Donna Senese

Notice bibliographique

RevueSustainability · 2022
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueCulinary Culture and Tourism
Établissements canadiensOkanagan University CollegeUniversity of British Columbia, Okanagan Campus
Organismes subventionnairesnon disponible
Mots-clésTransformative learningExperiential learningTourismSustainabilityContext (archaeology)WineSustainable consumptionTransformational leadershipNarrativeThematic analysisFocus groupMarketingSociologyQualitative researchPublic relationsPedagogyPolitical scienceBusinessGeographyArtSocial scienceVisual arts

Résumé

récupéré en direct d'OpenAlex

Tourists visit wine and culinary destinations for unique, geographically indicated experiences that are place specific. The objective of this research is to understand how the transformational potential of experiential wine and culinary tourism best promotes sustainability in the context of international educational travel. Our case study in the iconic Chianti Region of Italy applies a ‘Hopeful Tourism Enquiry’ perspective and focuses on participatory, co-transformative learning, and mindful sustainability. A mixed qualitative research strategy was implemented that integrates the results of in-depth interviews with industry experts, excerpts from expository travel journals simultaneously captured during the experience, and focus group dialogues with participating students at the end of the field course. This case study revealed three overlapping thematic results that illustrate the influence of experiential educational tourism on the sensory and cultural experience of sustainable food and wine to produce co-transformative learning. The co-creation of memorable experiences establishes a unique sensual representation of provenance through the interaction with the region through narrative so that not only is the food and wine being consumed, but also the consumption of place through the storyscape of a positive and memorable experience.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,274
Score d'incertitude au seuil0,530

Scores Codex et Gemma par catégorie

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

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 Opus0,007
Tête enseignante GPT0,239
Écart entre enseignants0,232 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations19
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetCulinary Culture and TourismTravaux en français237 207