Innovation et authenticité en tourisme. Points de rencontre
Bibliographic record
Abstract
L’apparente dualité entre innovation et authenticité en tourisme n’empêche pas le recours simultané à ces concepts. Chacun bien documenté dans les écrits scientifiques, ils y sont rarement mis côte à côte. Afin de comprendre les différences et les points de rencontre entre les deux, cet article propose une réflexion conceptuelle sur le sujet. Il montre l’évolution de la recherche sur l’innovation : phase préparatoire, émergence, cristallisation, foisonnement, tandis que la comparaison des différentes typologies d’innovation fait ressortir les particularités de chacune, mais surtout leur similitude. L’authenticité est un concept critiqué. Ses définitions sont peu consensuelles, la plupart des auteurs préférant présenter des typologies. Celles-ci se sont chronologiquement succédé, mais aussi affrontées. L’innovation et l’authenticité en tourisme ne sont pas que des concepts parallèles, ils s’entrecroisent également. Au niveau théorique, l’authenticité négociée, l’authenticité émergente ou l’invention de tradition représentent des points de rencontre entre innovation et authenticité. Certains types de tourisme permettent également d’illustrer cet enchevêtrement (par exemple ceux associés à l’économie collaborative ou au mouvement lent). Les organisations touristiques jouent elles aussi de ces points de rencontre dans leur offre touristique ; afin de s’adapter aux attentes et aux valeurs contemporaines, elles se doivent d’innover. Néanmoins, elles doivent aussi demeurer authentiques afin de conserver un sens à l’activité touristique qu’elles proposent.
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 | 0.006 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.005 |
| Science and technology studies | 0.006 | 0.040 |
| Scholarly communication | 0.018 | 0.015 |
| Open science | 0.002 | 0.011 |
| Research integrity | 0.006 | 0.006 |
| Insufficient payload (model declined to judge) | 0.010 | 0.002 |
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".