Kohti elämyksellisempää Airbnb-mökkimatkailua: Lomamökit Uuraisilla
Bibliographic record
Abstract
Opinnäytetyön tavoitteena oli tutkia, miten elämyksellisyys ilmenee Airbnb-mökkimatkailussa Uuraisilla ja miten mökkimatkailun elämyksellisyyttä voitaisiin kehittää. Taustalla oli toimeksiantajien kiinnostus kehittää majoituspalvelua kokonaisvaltaisemmaksi ja elämyksellisemmäksi kokonaisuudeksi. Toimeksiantajina opinnäytetyölle toimivat yrittäjät Laura ja Marko Moisio. \nPääteoriana opinnäytetyössä oli Sanna Tarssasen elämysteoria. Tutkimus toteutettiin kvantitatiivisena tutkimuksena ja aineistonkeruumenetelmänä toimi kyselylomake. Lomakkeeseen sisällytettiin useita kvalitatiivisia kysymyksiä elämyksellisyyden tarkastelun tueksi. Kyselylomakkeella selvitettiin lomamökeillä yöpyneiden Airbnb-matkailijoiden ajatuksia elämyksellisyydestä ja kiinnostuksesta osallistua elämysaktiviteetteihin mökkilomalla. Kysely luotiin Webropol-kyselyalustalle ja se jaettiin sähköisesti. \nTutkimus osoitti, että mökkilomalla elämyksellisyys liittyy vahvasti luontoon ja sen tarjoamiin kokemuksiin. Suomalainen sauna koetaan elämyksellisenä ja tärkeänä osana majoituskokemusta. Airbnb-matkailijat ovat kiinnostuneita elämyksistä ja elämyksellisistä aktiviteeteista majoituspalvelun lisäksi. Luontoaktiviteetteja ja suomalaiseen kulttuuriin tutustumista pidettiin kiinnostavina. Tulosten pohjalta luotiin konkreettisia kehitysehdotuksia yrittäjille. \nTyössä saadut tulokset ovat hyödyksi toimeksiantajille sekä muille alan toimijoille, jotka suunnittelevat Airbnb-mökkimajoittajiksi tai elämystuottajiksi ryhtymistä. Elämysteorian ja opinnäytetyön tutkimuksen pohjalta on hyvä rakentaa kilpailukykyinen ja ainutlaatuinen matkailuelämys.
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 | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.037 | 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".