Étude de l'impact des systèmes de divertissement dans l'amélioration de l'expérience de voyage des passagers de la génération Y dans le transport aérien
Bibliographic record
Abstract
Selon les statistiques de l’Organisation mondiale du tourisme (OMT, 2016), le pourcentage de jeunes effectuant des voyages internationaux ne cesse d’augmenter au fil des années. Ces jeunes font également partie de cette génération qui utilise abondamment les nouvelles technologies de l’information et de la communication (NTIC). Ces dernières sont en effet de plus en plus présentes dans nos vies et leur présence évolue autant que le nombre de voyages effectués par les individus chaque année. Le but de ce travail de recherche est d’étudier l’impact des systèmes de divertissement (IFE) sur l’amélioration de l’expérience de voyage des passagers de la Génération Y dans le transport aérien et plus particulièrement pendant le voyage. Pour atteindre cet objectif, et en se basant sur le modèle de l’économie de l’expérience de Pine et Gimore, nous avons administré un questionnaire auprès des étudiants de l’École des sciences de la gestion de l’UQAM afin de mesurer la place des IFE avant, pendant et après un voyage en avion. Les résultats obtenus permettent de conclure que les systèmes de divertissement contribuent effectivement à l’amélioration de l’expérience des passagers de la Génération Y sans toutefois être déterminants. En effet, au moment de choisir une compagnie aérienne d’autres facteurs (le prix par exemple) sont davantage pris en considération lors de l’achat d’un billet d’avion. Cela étant dit, l’accessibilité de plus en plus facile à Internet à bord des avions et offerte uniquement par quelques compagnies actuellement, risque de changer la donne au cours des prochaines années. \n_____________________________________________________________________________ \nMOTS-CLÉS DE L’AUTEUR : expérience, système de divertissement (IFE), nouvelles technologies de l’information et de la communication (NTIC), transport aérien, Génération Y.
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 | 0.003 | 0.011 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.002 |
| 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".