Yerel Halkın Sürdürülebilir Turizm Tutumlarının İncelenmesi: Kuşadası Örneği
Bibliographic record
Abstract
Araştırmanın amacı, Kuşadası yerel halkının sürdürülebilir turizm tutumlarını ve sürdürülebilir turizm gelişimini desteklemeye yönelik niyetlerini etkileyen faktörler arasındaki ilişkileri incelemektir. Bu doğrultuda, nicel araştırma yöntemlerinden anket tekniği kullanılarak veri toplanmıştır. Araştırmanın evrenini, Kuşadası’nda ikamet eden yerel halk oluşturmaktadır. 28.03.2023-15.05.2023 tarihleri arasında, kolayda örneklem yöntemi kullanılarak online olarak 390 anket toplanmış ve değerlendirmeye alınmıştır. Yerel halkın sürdürülebilir turizm tutumlarını ölçmek için Sirakaya Turk ve Gursoy’un (2013) geliştirdiği 7 boyut ve 21 ifadeden oluşan Sürdürülebilir Turizm Tutum Ölçeği’nin (SUS-TAS) kısa versiyonu ve yerel halkın sürdürülebilir turizm gelişimini destekleme niyetini ölçmek amacıyla Nicholas, Thapa ve Ko (2009) geliştirdiği 6 ifade ve tek boyuttan oluşan ölçek kullanılmıştır. Elde edilen veriler, kısmi en küçük kareler yol analizi yöntemi ile analiz edilmiştir. Bu amaçla SmartPLS yazılımının 4. versiyonu kullanılmıştır. Araştırma sonucuna göre, yerel halkın çevresel sürdürebilirlik, toplumsal katılımı maksimize etme, toplumsal merkezli ekonomi ve ziyaretçi memnuniyeti sağlama tutumlarının, turizm gelişimini destekleme üzerinde anlamlı pozitif bir etkiye sahip olduğu tespit edilmiştir. Algılanan sosyal maliyetler boyutunun etkisi ise negatif yönlüdür.
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 | 0.001 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.051 | 0.012 |
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".