A framework for an industry supported destination marketing information system
Notice bibliographique
Résumé
This article provides guidelines for the establishment of a comprehensive state/provincial destination marketing information system (DMIS). More specifically, it describes the process by which the tourism industry in Alberta, Canada developed a framework for the acquisition of timely research and intelligence to maintain and enhance its competitiveness as a travel destination. In keeping with a government mandate for greater public–private sector partnership, consideration was given to two equally important, but functionally distinct end users: (1) Travel Alberta, the province’s destination marketing organization, which uses information to guide strategic marketing priorities and create cooperative marketing opportunities for industry, and (2) local tourism operators, who demand information to improve their marketing decisions in service of individual business objectives. The needs of these key audience groups were identified and addressed using a comprehensive three-step approach: (1) Interviews were conducted with key industry players to identify research and intelligence needs, (2) information sources were sought to respond to the identified needs, and (3) solutions were identified to deliver high-quality information at an affordable cost. The end result of this process is a framework that can serve as a useful model for other jurisdictions seeking to develop a DMIS. While the Alberta framework will require ongoing evaluation to ensure its validity and accuracy, it possesses an important quality frequently lacking in this type of
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 | 0,031 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,009 | 0,010 |
| Études des sciences et des technologies | 0,007 | 0,008 |
| Communication savante | 0,020 | 0,015 |
| Science ouverte | 0,006 | 0,008 |
| Intégrité de la recherche | 0,006 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,004 |
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 ».