A Storytelling-Based Marketing Strategy Using the Sigale-Gale Storynomics as a Communication Tool for Promoting Toba Tourism
Notice bibliographique
Résumé
Lake Toba is one of the super priority tourism destinations declared by the Indonesian government in 2021, intended to revitalize Indonesian tourism that was hit hard by the Covid-19 pandemic.However, a different strategy to promote Lake Toba and other tourism destinations in Indonesia is required, not only depending on natural beauty, but also by providing additional value, particularly by making use of local culture for marketing purposes.This study intends to analyze the utilization of the Sigale-gale storynomics based on storytelling for promoting Toba tourism.This study uses the qualitative approach, with the phenomenology method, because the Sigale-gale storynomics is tightly related to the stories and experiences of the surrounding public, particularly in understanding the meaning of Sigale-gale.The tale of Sigale-gale is closely entwined to Batak culture, especially regarding patriarchal family values and also the importance of the eldest son in the family.This is especially interesting to introduce this cultural value to tourists visiting Lake Toba.The findings from this study show that the use of the Sigale-gale storynomic through storytelling is interesting and can encourage Indonesian tourism.Storynomic packaging can create interesting story content, especially by paying attention to several important elements, namely: conflict, character, plot and message.Interesting storynomic story content supported by delivery through storytelling will be a different tourism marketing communication tool that is expected to encourage growth in the number of visiting tourists.However, the Sigale-gale tale needs also to be standardized into a single version, as there are various versions, with corresponding varied perceptions, among the Toba people.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».