The impact of Islamic attributes and motivations on visitor satisfaction and word of mouth in halal supply chain management
Notice bibliographique
Résumé
Halal supply chain management, with its focus on Islamic values in tourism, is increasingly recognized for enhancing destination competitiveness and visitor satisfaction. This study examines how Islamic attributes, motivations, and norms influence visitor satisfaction and word of mouth in Medan City's tourism sector. In the halal tourism industry, supply chain management plays a crucial role in ensuring that every stage from procurement, production, distribution, to service delivery complies with halal standards. The research aims to evaluate the impact of Islamic Physical Attributes, Islamic Non-Physical Attributes, Push Motivation, Pull Motivation, and Islamic Norms on visitor satisfaction and their subsequent effect on word of mouth. By employing a quantitative approach, the study utilizes structured questionnaires based on previous research and applies Structural Equation Modeling (SEM) for analysis. Data were collected from 300 tourists in Medan City, including both local and international visitors. The study finds that Islamic Non-Physical Attributes and Pull Motivation significantly enhance visitor satisfaction. Islamic Physical Attributes also positively affect satisfaction, while Push Motivation does not. Satisfaction strongly influences word of mouth, but Islamic Norms negatively moderate this relationship. Islamic attributes and motivations play a crucial role in shaping visitor satisfaction in the tourism context. Islamic norms, however, may complicate the satisfaction-word of mouth link. The implementation of effective halal supply chain management can ensure that all aspects of supply chain management in halal tourism, from products to services, meet the expected halal standards. Practically, destination managers should emphasize Islamic attributes and motivational factors to improve visitor satisfaction. Theoretically, the study contributes to understanding the complex dynamics between satisfaction, norms, and word of mouth in halal tourism.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».