MétaCan
Menu
Retour à la cohorte
Enregistrement W4387879312 · doi:10.1080/15528014.2023.2263986

Feeding a tourism boom: changing food practices and systems of provision in Hoi An, Vietnam

2023· article· en· W4387879312 sur OpenAlexaff
Arve Hansen, Outi Pitkänen, Binh N. Nguyen

Notice bibliographique

RevueFood Culture & Society · 2023
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueCulinary Culture and Tourism
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésBoomTourismBusinessAgricultural economicsPolitical scienceGeographyEconomicsEngineeringArchaeologyEnvironmental engineering

Résumé

récupéré en direct d'OpenAlex

While food studies have increasingly gone beyond the “Western” experience in food globalization processes, research on food and tourism has often prioritized the (Western) tourist’s gaze. In the literature on food and tourism in Asia, little attention has been given to the experiences of host populations. Responding to this lacuna in the literature, this paper analyses how a tourism boom is fed and how tourism-driven “foodway encounters” shape food practices and systems of provision. Focusing on the major tourism transformations seen in the UNESCO World Heritage Site of Hoi An, Vietnam, over the past decades, we study how hosts approach tourists’ demand for both comfort food from home and new food experiences that are simultaneously “authentic” and safe. We analyze how both Vietnamese and foreign hosts seek to understand, influence and adapt to the culinary preferences of visitors, and how they develop the necessary skills to do so. Furthermore, since feeding tourists often requires a wide range of food traditionally unavailable or uncommon in Hoi An, we analyze how hosts acquire the ingredients necessary for changing food practices and how systems of provision both shape and take shape through the process of catering to the particularities of touristy foodways.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,152
Score d'incertitude au seuil0,302

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,002
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,040
Tête enseignante GPT0,264
Écart entre enseignants0,224 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations10
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFood Culture & SocietyMême sujetCulinary Culture and TourismTravaux en français237 207