The size and proportion of VFR (Visiting Friends and Relatives) travelers to Korea: 2009-2024
Bibliographic record
Abstract
이 연구는 그동안 간과되어 온 방한 친구·친지 방문(VFR: visiting friends and relatives) 여행의 규모, 비중, 장기 성장 추세를 분석하였다. 방한 외래관광객통계의 총입국자 수와 외래관광객조사(2009~2019, 2023~2024)에서 산출한 집단별 비율을 결합하여 연도별 VFR 방문자 수를 추정하였다. 분석 결과는 세 가지로 요약된다. 첫째, VFR 방문자는 2024년 약 220만 명으로 전체 외래 방문자의 14.5%를 차지하였으며, 이는 비즈니스 방문과 유사한 규모였다. 둘째, VFR 방문은 2009년부터 2024년까지 두 배 이상 증가했으며, 팬데믹 이전 연평균 성장률(CAGR)은 8.9%로 여가 다음으로 높았다. 또한 팬데믹 이후에는 여가 및 비즈니스 여행보다 더 빠른 회복세를 보였다. 셋째, 방문 목적과 숙박 유형을 결합한 복합 기준을 적용해 VFR을 정의할 경우, 목적 단일 기준만 적용할 때보다 VFR 비중이 평균 3.3%포인트 높게 나타나 기존 통계로 포착하지 못하는 숨은 VFR 규모가 드러났다. 이러한 결과는 VFR 방문이 주변부가 아니라 한국 외래 관광의 핵심이자 성장하는 한 축임을 보여준다. 따라서, 한국 외래 관광 발전을 위해 VFR의 역할을 재평가하고 그에 맞춘 정책과 마케팅 전략을 수립하고 시행할 필요가 있다. 방법론적으로 이 연구는 집단별 외래방문자 규모를 추정하기 위한 투명하고 재현 가능한 방법을 제시함으로써, 후속 연구에서 다른 유형 외래방문자 규모를 추정하거나 그 계절성, 변동성, 경제적 기여 분석을 할 수 있는 토대를 제공했다는 의의가 있다.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.005 | 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".