MétaCan
Menu
Retour à la cohorte
Enregistrement W4387136209 · doi:10.1177/00472875231199638

Animosity, Social Return, and Intent to Travel: Social Return’s Dissipating Influence Over Animosity

2023· article· en· W4387136209 sur OpenAlexaboutno aff
B. Bynum Boley, Kyle Maurice Woosnam, Evan J. Jordan

Notice bibliographique

RevueJournal of Travel Research · 2023
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueConsumer Behavior in Brand Consumption and Identification
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCognitive dissonanceConsonance and dissonanceChinaAdvertisingCognitionSocial psychologyPsychologyMarketingBusinessPolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

While many have noted how country-level animosity negatively influences destination choice, little is known about factors that may dissipate animosity’s pervasive influence over destination choice. This paper uses Cognitive Dissonance Theory as the theoretical backing to investigate how social return, a consonant cognition focused on the anticipated positive responses from posting travel photos on social media, mediates the negative influence of animosity, a dissonant cognition, has on intent to travel. One thousand six hundred fifty-three respondents from the United States’ top five international markets (Canada, China, Japan, Mexico, and the U.K.) were surveyed with results showing social return partially mediating the relationship between animosity and intent to travel. These findings suggest target markets with high levels of animosity should not be entirely abandoned because there are psychological mechanisms to help dissipate or alleviate the negative effects of animosity.

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)0,003
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 enseignants0,608
Score d'incertitude au seuil0,779

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,141
Tête enseignante GPT0,395
Écart entre enseignants0,254 · 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

Citations13
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Travel ResearchMême sujetConsumer Behavior in Brand Consumption and IdentificationTravaux en français237 207