MétaCan
Menu
Retour à la cohorte
Enregistrement W4383558264 · doi:10.3233/scs-230004

What smart tourism in post-conflict cities follows a urbicide process? The role of new technologies in urban tourism in the western Balkans

2023· article· en· W4383558264 sur OpenAlexaff
Cyril Martin-Colonna

Notice bibliographique

RevueJournal of Smart Cities and Society · 2023
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueSharing Economy and Platforms
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésUrbanityTourismPolitical scienceEconomyGeographyLaw

Résumé

récupéré en direct d'OpenAlex

The 1990s marked the end of Yugoslavia and the height of conflict and urban destruction (Dubrovnik, Mostar, Sarajevo and later Belgrade). Bogdanovic (1993), an architect and former mayor of Belgrade, coined the neologism ‘urbicide’ to designate an enterprise of urban destruction which goes beyond the simple strategic objective of the physical destruction of the city, but that of the annihilation of memories, identities, and cultures associated with the city in question and its urbanity, that is to say, of the ‘ritualized murder of the city’. At the end of these multiple conflicts, the cities and the related tourism had to be rebuilt. Over the last twenty years, information technologies, the creation of peer-to-peer digital platforms (Booking, Airbnb, Expedia) and virtual reality for museum and heritage visits have boosted the attractiveness of the destination and tourism projects. The emergence of tourism projects based on digital and new technologies is booming in the Balkans, particularly the capitals like Belgrade or Sarajevo. By looking at different technological and digital projects for tourism purposes, we will see how local, private, transnational and citizen actors have taken up this project and if this projects contribute to the touristic destination.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,586
Score d'incertitude au seuil0,384

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 savante0,0000,002
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 Opus0,017
Tête enseignante GPT0,224
Écart entre enseignants0,208 · 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

Citations3
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Smart Cities and SocietyMême sujetSharing Economy and PlatformsTravaux en français237 207