Tutkimus kokoustapahtumiin osallistuvien rahankulutuksesta Porissa
Notice bibliographique
Résumé
Tässä opinnäytetyössä tutkittiin Porin kokoustapahtumissa vierailevien rahankulutusta. Opinnäytetyön toimeksiantajana toimi Prizztech Oy:n koordinoima tapahtumaklusterihanke, Eventcoast. Tutkimuksen lähtökohtana toimi kiinnostus kokoustapahtumien taloudellisista vaikutuksista. \n \nTeoreettisessa viitekehyksessä käsitellään kokouksia niin matkailun kuin tapahtumateollisuuden näkökulmasta. Teoriaosuudessa käsitellään myös kuluttajan ostokäyttäytymistä ja ostoprosessia. Tutkimus sisältää piirteitä laadullisesta ja määrällisestä tutkimusotteesta. Aineistonkeruumenetelmänä käytettiin lomakehaastattelua. Haastattelut suoritettiin aikavälillä 7.3-24.3.2023 kolmessa eri seminaaritapahtumassa Porissa. Lisäksi haastattelujen aikana kerättiin tietoa haastateltavien rahankulutuksen motiiveista. \n \nHaastattelulomake tehtiin Microsoft Forms -ohjelmalla ja se sisälsi 13 kysymystä. Kysymykset liittyivät haastateltavan taustatietoihin, tapahtuman osallistumiseen ja tapahtuman ympärillä tapahtuvaan rahankulutukseen. Haastattelut pidettiin anonyymina ja vastaukset analysoitiin kokonaisuutena, jotta vastaajien anonymiteetti ylläpidetään. Haastattelut suoritettiin kokoustapahtumien aikana tauoilla tai heti tapahtuman jälkeen. Haastatteluja saatiin yhteensä 18. \n \nSuurin osa vastaajista kertoi osallistuvansa kokoustapahtumaan työn puolesta. Vastaajista yli puolet oli ulkopaikkakuntalaisia. Vastaajista 90 % käytti rahaa tapahtuman ympärillä ja vastaajista 10 % ei käyttänyt rahaa. Tapahtumiin osallistuvien keskimääräinen rahankulutus oli 158 euroa per henkilö. Kotipaikkakuntalaisten keskimääräinen kulutus oli 14,28 euroa per henkilö. Ulkopaikkakuntalaiset kuluttivat tapahtumien ympärillä keskimäärin 277,5 euroa per henkilö. Suurin kulutus kohdistui ravintolapalveluihin ja matkakuluihin. Rahaa kului tapahtumien ympärillä myös aktiviteetteihin ja ostoksiin.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,006 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,276 | 0,119 |
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 ».