MétaCan
Menu
Retour à la cohorte
Enregistrement W4317491766 · doi:10.1016/j.heliyon.2023.e13106

The use of intangible heritage and creative industries as a tourism asset in the UNESCO creative cities network

2023· article· en· W4317491766 sur OpenAlexaff
Jordi Arcos-Pumarola, Alexandra Georgescu Paquín, Marta Hernández Sitges

Notice bibliographique

RevueHeliyon · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCultural Industries and Urban Development
Établissements canadiensCanadian HeritageUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésTourismIntangible assetCreative industriesAsset (computer security)Creative CitiesEngineeringBusinessEconomyCreativityGeographyPolitical scienceVisual artsArtEconomicsArchaeologyComputer scienceFinance

Résumé

récupéré en direct d'OpenAlex

The creative economy has been recognized as key in urban development and planning, which the UNESCO Creative Cities Network (UCCN) consolidates. While benefiting from the label, the tourism sector also plays a fundamental role in the creative strategy. This paper explores how intangible heritage and creative industries can work as a tourism asset for creative cities and thus participate in their development. An NVivo thematic content analysis of all the tourism-related actions listed in the UCCN reports was performed to identify what types of cultural tourism products and actions are linked to the creative cities and to understand how they relate to their UNESCO creative fields to detect gaps and potentials. Tourism activity represents 17% of the total actions listed in the creative cities' reports, mostly concentrated in the Crafts & Folk Art field. The empirical results highlight tendencies that can be applied and adapted to future destinations with intangible assets on their territory and that want to work with the creative industries. Thus, this paper unveils an underexplored potential of synergies between two important economic and creative activities.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,057

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,005
Études des sciences et des technologies0,0020,003
Communication savante0,0040,002
Science ouverte0,0000,003
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 Opus0,094
Tête enseignante GPT0,310
Écart entre enseignants0,216 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations73
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHeliyonMême sujetCultural Industries and Urban DevelopmentTravaux en français237 207