MétaCan
Menu
Retour à la cohorte
Enregistrement W4385247967 · doi:10.53555/sfs.v10i2.1379

Assessing The Impacts Of Tourism Education On Employment Opportunities: A Study Of The Schooling Population Of Himachal Pradesh.

2023· article· en· W4385247967 sur OpenAlexvenueno aff
Shiv Raj, Prof. Suman Sharma, Navneet Kaushal, Vishal Choudhary

Notice bibliographique

RevueJournal of Survey in Fisheries Sciences · 2023
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueHospitality and Tourism Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTourismStratified samplingGovernment (linguistics)Sample (material)State (computer science)PopulationEconomic growthDescriptive statisticsOrder (exchange)SocioeconomicsBusinessGeographySociologyEconomicsMathematicsStatisticsDemography

Résumé

récupéré en direct d'OpenAlex

The purpose of the study was to look into how tourism education has affected job opportunities in Himachal Pradesh, India (Inui, Y., Wheeler, & Lankford, 2006). Using a stratified random sampling method, 500 students were chosen as a sample from various state-run schools. The information was gathered using a structured questionnaire, and it was examined using descriptive and inferential statistics. According to the study's findings, employment opportunities are significantly impacted by tourism education. The study suggests that in order to increase employment opportunities in the state, the government and educational institutions should promote tourism education.

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)0,005
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,033
Score d'incertitude au seuil0,994

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,001
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 Opus0,271
Tête enseignante GPT0,355
Écart entre enseignants0,084 · 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 Survey in Fisheries SciencesMême sujetHospitality and Tourism EducationTravaux en français237 207