Regional Political Risks and Sustainable Tourism Development Tendencies: A Case Study
Notice bibliographique
Résumé
The tourism industry is extremely susceptible to political and social unrest.Countries aiming to develop their tourism sector understand this and strive to maintain peace and economic stability.However, for developing nations such as the Georgia, with its strategically attractive location, ensuring socio-economic stability presents a significant challenge.This difficulty is being solved by creating an adaptive environment that fosters both tourism growth and regional economic well-being.The main aim of the article is to examine Georgia as a case study to explore how political issues can influence tourism industry sustainable development.While political instability often hinders tourism, Georgia's case deviates from the norm, potentially offering new approaches for tourism development in such circumstances.This study employs a Vector Autoregression (VAR) model to analyse the impact of various factors, such as -the correlation between the Index of Global Real Economic Activity and tourism revenues, GPRH (Geopolitical Risk Index), and geopolitical events on Georgia's tourism industry from 2006 to 2022.The analysis will focus on the period before and after the war to assess its influence.By analysing the relationships between these variables, the study aims to understand how global economic conditions, geopolitical instability, and the war specifically, have influenced the evolution and economic effects on Georgia's tourism industry.This study's key finding reveals a positive correlation between tourism revenues and geopolitical risks in Georgia, even considering the war.This finding suggests a more nuanced relationship between these factors than previously assumed.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».