Assessing attendees’ satisfaction at a craft beer festival by means of an importance-performance analysis
Notice bibliographique
Résumé
Purpose: Craft beer tourism and beer festivals are subjects of increasing academic discourse, although few theoretical frameworks exist that focus on the measurement of attendee satisfaction at such festivals. Craft beer lovers visit many of these breweries and attend festivals to experience local, regional, national and international brews. The goal of this study is to establish a reliable way of assessing how satisfied attendees were with their experience at a particular craft beer festival. Design/methodology/approach: A quantitative methodology in the form of a survey research design was used. A total of 313 usable questionnaires were collected from attendees at the Capital Craft Beer Festival in Pretoria, South Africa. This study used the importance-performance analysis (IPA) model to determine which event performance attributes would improve customer satisfaction. Findings/results: The findings revealed that 8 items in the importance–performance grid were located in the ‘low priority’ quadrant, 3 items were in the ‘concentrate here’ quadrant, 1 item was in the ‘possible overkill’ quadrant and 15 items were in the ‘keep up the good work’ quadrant, which indicated that those attributes generated high satisfaction and that event organisers should sustain their performance. Practical implications: This study should improve event services for practitioners and policymakers by enabling them to recognise visitors’ demands more easily and to respond better to those demands. Originality/value: This study examined the discrepancies between visitors’ expectations and perceived performance by using the IPA model, which was created by Martilla and James in 1977.
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 | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».