MétaCan
Menu
Retour à la cohorte
Enregistrement W4317542712 · doi:10.54055/ejtr.v33i.2762

Residents’ support for tourism development: Investigating quality-of-life, community commitment, and communication

2023· article· en· W4317542712 sur OpenAlexaff
Özgür Yayla, Burcu Koç, Frédéric Dimanche

Notice bibliographique

RevueEuropean Journal of Tourism Research · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDiverse Aspects of Tourism Research
Établissements canadiensToronto Metropolitan UniversityTed Rogers Centre for Heart Research
Organismes subventionnairesnon disponible
Mots-clésTourismStructural equation modelingPerceptionQuality of life (healthcare)MarketingQuality (philosophy)PsychologyBusinessSocial psychologyPolitical science

Résumé

récupéré en direct d'OpenAlex

This study argues that when overall tourism impacts are positive, residents’ quality of life (QOL) increases, thereby positively affecting their attitudes towards tourism initiatives. The study also identifies several other important relationships that have been ignored in the literature. First, QOL may be a crucial push factor for community commitment, which in turn can trigger support for additional tourism development. Second, communication with tourists may moderate the links between QOL, community commitment, and tourism support. Data were collected from 468 residents living in Manavgat, Turkey and analyzed using structural equation modeling and Hayes’s PROCESS macro. The findings show that as the perception of the positive effects of tourism increases, opinions about the QOL will also be optimistic. Importantly, QOL strengthens both tourism support and community commitment. Additionally, community commitment mediates the link between QOL and attitudes towards tourism development. Finally, community commitment increases support for tourism, which is stronger for residents who communicate more with tourists.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
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 Opus0,358
Tête enseignante GPT0,476
Écart entre enseignants0,118 · 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'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

Citations28
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Journal of Tourism ResearchMême sujetDiverse Aspects of Tourism ResearchTravaux en français237 207