Speaking Culture: Language, Identity, and Tourism in Saudi Arabia's Vision 2030
Notice bibliographique
Résumé
Language is important in every social context, as through language people communicate, interact and express oneself. At the same time tourism plays an important part in shaping the perception of self through experiences of other people and places. This study explores the intersection of language, identity and tourism under the Saudi vision 2030. It explores the perspectives of international tourists, Saudi locals from major cities, and rural areas to understand the evolving linguistic landscape and its influence on the Saudi people, tourists and the tourism experience in general. The findings reveal that language plays a fundamental role in shaping and expressing one’s cultural identity and hence influencing tourists’ experiences. They also illustrate the importance of language as a source of authenticity and a means of cultural engagement. They reveal complex dynamics, with international tourists highlighting the challenges of language barrier and at the same time admiring the beauty and authenticity of Arabic language and the role this language played in their overall experience. On the other hand, local Saudis express a range of views on the role of Arabic and English in tourism and national identity, as some admitted that while speaking a very good English, they preferred to communicate with tourists in Arabic to enrich their experience and to show another part of their culture. Moreover, photographic evidence further explores the different linguistic patterns in rural areas and major cities and provides more insights into the effects of such bilingual practices on tourists and citizens. This study contributes to understanding the role of language use on the tourism industry and how it can enhance cultural exchanges. It also contributes to the understanding of the sociocultural implications of Saudi Arabia's vision 2030 and its ambitious developmental goals and provides insights for policymakers.
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 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| 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 ».