Múzeumalapítás, mint a nemzetközi turizmus motorja? Eredmények és következtetések Bilbao és Abu-Dzabi esettanulmánya alapján
Bibliographic record
Abstract
A múzeumok a kulturális turizmus, azon belül a város turizmus fontos vonzerői, így fejlesztésük nem csupán kultúrpolitikai, hanem gyakran turizmuspolitikai kérdés is. Egy új múzeum általában erős urbanisztikai – rehabilitációs, dzsentrifikációs – hatással bír, befolyásolja a kultúrafogyasztást, így a turizmusban és a helyi lakosság életminőségében egyaránt változást idéz elő. A COVID19 következményeként a jövőben várhatóan nőni fog a jelenleg csak online elérhető kulturális intézmények valós térben kínált élménye iránti érdeklődés, ezáltal a múzeumok több látogatóra számíthatnak az újranyitás után. A példák kiválasztásának oka, hogy a vizsgált turisztikai célterületek múzeumok alapításával teremtették meg a nemzetközileg ismert és vonzó kulturális kínálatuk alapját, ami jelenleg is meghatározó szerepet játszik a turisztikai márkájukban. A baszk iparváros, Bilbao kulturális-turisztikai funkcióváltásának kulcseleme volt az 1997-ben megnyílt Guggenheim múzeum. Abu-Dzabi részben a dubaji turisztikai beruházások hatására, ám azokétól némileg eltérő keresleti szegmenst megcélozva fejlesztette kínálatát a 2017 óta üzemelő Louvre múzeummal. Mindkét desztináció múzeumalapításában közös, hogy alapvetően nem a saját örökség bemutatása, hanem új imázs teremtésének szándéka vezérelte, ami jól működő nemzetközi kulturális márkák névhasználati jogának (részben gyűjteményének) megvételén alapult és hamar nemzetközi vonzásintenzitású attrakcióvá vált. A baszk példa sikere Bilbao-effektusként híresült el és híven tükrözi a gazdasági-kulturális autonómia törekvéseket a turisztikai nagyhatalom Spanyolországon belül. Az Egyesült Arab Emírségek turizmusfejlesztési célja Abu-Dzabi esetében a magaskultúrára épülve párosul a posztkolonialista történelem- és identitásteremtéssel, eltérően a dubaji populáris iránytól. A tanulmány célja annak vizsgálata, hogy a múzeumok alapítása mellett milyen tényezők segítették az elemzett példák nemzetközi turisztikai piacra lépését? További cél annak vizsgálata, hogy milyen hasonlóságok és különbségek lelhetők fel a két igen eltérő történelemmel, kultúrával és gazdasággal bíró, különböző politikai rendszerek által meghatározott desztináció turizmusában? A kutatás módszertani alapja a turizmusfejlesztéshez és annak környezeti, gazdasági, valamint társadalmi-kulturális hatásaihoz kapcsolódó indikátorok vizsgálata mindkét példa esetében.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.002 |
| Scholarly communication | 0.006 | 0.005 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.059 | 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".