MétaCan
Menu
Retour à la cohorte
Enregistrement W4387172486 · doi:10.1177/00472875231199233

Revisiting and Extending: “Who Should You Market to in a Crisis? Examining Plog’s Model During the COVID-19 Pandemic”

2023· article· en· W4387172486 sur OpenAlexaff
Stephen W. Litvin, Daniel Guttentag, Wayne W. Smith, Robert E. Pitts

Notice bibliographique

RevueJournal of Travel Research · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDiverse Aspects of Tourism Research
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesnon disponible
Mots-clésPandemicCoronavirus disease 2019 (COVID-19)2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Context (archaeology)Value (mathematics)PsychologyData collectionSurvey researchSociologyGeographyApplied psychologySocial scienceVirologyMathematicsMedicineStatistics

Résumé

récupéré en direct d'OpenAlex

This Letter updates and expands a study conducted during the early days of the COVID-19 pandemic. That study confirmed the applicability of Plog’s model of Allocentricity and Psychocentricity within the context of the pandemic, as Allocentrics were found to be much more open to travel during the first 4 months of the pandemic, as the theory would predict. The current research, employing the identical survey instrument and research method, extended the data collection for an additional year as the pandemic evolved. This has allowed a far more extensive examination that confirmed and expanded the earlier findings, providing significant value to both academics and practitioners while again affirming the value of Plog’s model for destination marketers during a period of crisis.

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)0,039
score de la tête « metaresearch » (Gemma)0,016
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,304
Score d'incertitude au seuil0,992

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0390,016
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,002
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 Opus0,419
Tête enseignante GPT0,506
Écart entre enseignants0,087 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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 Travel ResearchMême sujetDiverse Aspects of Tourism ResearchTravaux en français237 207