Turismo colaborativo: Un nuevo modelo de negocios en el rubro de la alimentación brasileña
Bibliographic record
Abstract
"Las plataformas de Turismo Colaborativo permiten que los turistas obtengan a través de los individuos comunes los bienes y servicios que necesitan. Este nuevo modelo económico ha conquistado un número cada vez mayor de personas en todo el mundo, incomodando a las empresas tradicionales del sector. En Brasil el Turismo Colaborativo se tornó aún más atractivo gracias a las condiciones desfavorables de la economía, significando una fuente alternativa de ingresos para aquellos que desean alquilar sus activos ociosos a los turistas o reducir los costos de quienes viajan. Inmersa en este contexto, esta investigación tiene como objetivo analizar el modelo de negocio de Dinneer, una plataforma brasileña de Turismo Colaborativo del ramo de la alimentación en base al framework Business Model Canvas. Dicha empresa fue elegida para esta investigación debido a su exclusividad en el mercado, ya que es la única que provee el servicio de compartir una comida (el turista participa de una comida exclusiva en la casa de un chef). Por lo tanto, se pretende contribuir con la revelación de la diversidad de negocios de la Economía Colaborativa, un fenómeno en ascenso que demanda mayor exploración académica."
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.006 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".