دانلود مقاله ISI انگلیسی شماره 81814 + ترجمه فارسی
ترجمه فارسی عنوان مقاله

چه چیزی باعث می‌شود گردشگران در مورد مقاصد گردشگری احساس منفی کنند ؟ کاربرد روش متن کاوی هیبریدی در مدیریت هوشمند مقصد

عنوان انگلیسی
What makes tourists feel negatively about tourism destinations? Application of hybrid text mining methodology to smart destination management
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی ترجمه فارسی
81814 2017 8 صفحه PDF 16 صفحه WORD
دانلود فوری مقاله + ترجمه آماده
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Technological Forecasting and Social Change, Volume 123, October 2017, Pages 362-369

فهرست مطالب ترجمه فارسی
چکیده

کلمات کلیدی

1.مقدمه

2. بررسی ادبیات

۲. ۱. داده‌های بزرگ، محتوای تولید شده توسط کاربر ( UGC ) و مدیریت مقصد هوشمند

۲.۲. متن کاوی در تحقیقات توریسم و مهمان نوازی

جدول 1. تحقیق متن کاوی در زمینه گردشگری و مهمان نوازی.

3. روش تحقیق

3.1 طرح پژوهش

3.2 جمع آوری داده ها

4. تجزیه و تحلیل و نتایج

4.1 تجزیه و تحلیل احساسات

4.2 تجزیه و تحلیل رویدادی مشترک

شکل 1: روند تحقیق تحلیلی UGC در خدمات مهمان نوازی مقصد.

5. نتیجه گیری و بحث

5.1 سهم تئوری

5.2 مفهوم عملی

جدول 2  بررسی دسته‌های Virtualtourist ( پاریس ).

جدول 3. نمونه هایی از تحلیل احساسات (بررسی گردشگری در هتل و حمل و نقل در پاریس).

جدول 4. نتایج تجزیه و تحلیل احساسات (پاریس). 

جدول 5 تجزیه و تحلیل رویداد مشترک (حمل و نقل).

5.3 محدودیت ها و نتیجه گیری ها

شکل 3. نتایج تجزیه و تحلیل احساسات

شکل 4. نتایج تجزیه و تحلیل احساسات (حمل و نقل)
ترجمه چکیده
اخیرا ً اینترنت تغییر بزرگی در الگوهای رفتار توریست‌ها به ارمغان آورده‌است. مسافران نه تنها هتل‌ها و بلیط‌های خطوط هوایی را به صورت آنلاین رزرو می‌کنند، بلکه اطلاعات سفر و شرح خدمات مسافرتی خوشایند و ناخوشایند را از طریق سایت بازبینی آنلاین و وبلاگ‌های شخصی مبادله می‌کنند. با وجود افزایش استفاده از کانال‌های آنلاین، استفاده از داده‌های متنی آنلاین محدود شده‌است چون حجم مجموعه داده‌ها برای تجزیه و تحلیل دستی و جامع بسیار بزرگ است. با پیشرفت‌های تکنولوژیکی اخیر در پردازش داده‌های بزرگ آنلاین، اطلاعات ایجاد شده مصرف‌کننده می‌تواند به طور خودکار با هوش مصنوعی آنالیز شود. این مطالعه به عنوان جنبه‌ای از گردشگری هوشمند، روش تحلیل احساسی را به منظور تجزیه و تحلیل نظرات آنلاین مسافران از پاریس به کار گرفت. مجموع 19835 بخش از اطلاعات جمع‌آوری‌شده از سایت بازبینی مسافر ( www.virtualtourist.com ) پردازش شد. تمامی بررسی‌ها به صورت زیر دسته‌بندی شدند : مرور کلی، رستوران‌ها، بازدید از جاهای دیدنی، هتل‌ها، کارهایی که باید انجام دهند، زندگی شبانه، حمل و نقل، خرید، ورزش، فضای باز، موارد مورد علاقه، مسیر های پرت و دور افتاده، چیزهایی برای بسته‌بندی، دام‌های توریستی، هشدارها و خطر و آداب و رسوم محلی. درک گردشگران از خدمات در هر مقوله با موفقیت ارزیابی شد و به عنوان مثال، مقوله " حمل و نقل " را انتخاب کردیم که سطح نسبتا ً کمی از کیفیت خدمات را برای تحلیل تک منظوره گزارش داد تا نشان دهد چرا گردشگران در مورد خدمات حمل و نقل احساس منفی می‌کنند.
ترجمه مقدمه
" هدف بازدید و استفاده از وب سایت‌ها از readonly (فقط برای خواندن) به خواندن - نوشتن تغییر کرده‌است ( کامبریا و همکاران، ۲۰۱۳ ). این تکامل باعث اشتیاق کاربران برای تعامل با دیگران و به اشتراک گذاری اطلاعات از طریق شبکه‌های اجتماعی، اجتماعات آنلاین، بلاگ ها، ویکی‌ها و دیگر رسانه‌های جمعی شده است. در حقیقت، وب یک کانال ارتباطی اصلی شده‌است. مقدار زیادی اطلاعات موجود در وب سایت‌های میکروبلاگینگ، آن‌ها را منبعی جالب از داده‌ها برای تحلیل کاوش عقیده و تجزیه و تحلیل احساسی می‌سازد ( کامبریا و همکاران، ۲۰۱۳ ؛ پاک و پریوبک، ۲۰۱۰ ). از این رو، بسیاری از مطالعات روی داده کاوی آنلاین در بخش بازاریابی اطلاعات در حال پیشرفت هستند. همچنین، وب یک تغییر بزرگ در الگوهای رفتار توریست‌ها را تشویق کرده‌است. مسافران نه تنها هتل‌ها و بلیط‌های خطوط هوایی را به صورت آنلاین رزرو می‌کنند، بلکه اطلاعات سفر و شرح تجارب سفر خوشایند و ناخوشایند خود را از طریق سایت‌های مرور آنلاین و وبلاگ‌های شخصی نیز مبادله می‌کنند. با وجود افزایش استفاده از کانال‌ها و محتوای آنلاین، استفاده از داده‌های متنی آنلاین در زمینه خدمات مهمان‌نوازی مقصد بسیار محدود بوده‌است، زیرا حجم مجموعه داده‌ها برای تجزیه و تحلیل دستی و جامع بسیار بزرگ است. با این حال، با پیشرفت‌های تکنولوژیکی اخیر در پردازش داده‌های بزرگ آنلاین، داده‌های آنلاین تولید شده مصرف کننده به صورت خودکار می‌توانند به طور خودکار با هوش مصنوعی آنالیز شوند. در مطالعات قبلی در مورد خدمات گردشگری و مهمان‌نوازی، اغلب مطالعات روش‌های ساده را به کار گرفتند و تعداد کمی بازبینی را برای درک احساس مشتری مورد استفاده قرار دادند ( لی و همکاران، ۲۰۱۱ ؛ پان و همکاران، ۲۰۰۶ ؛ تانگ و همکاران، ۲۰۱۱ ). در حال حاضر، چندین مطالعه از تکنیک متن کاوی پیشرفته و تجزیه و تحلیل مجموعه داده‌های بزرگ برای بدست آوردن بینش‌هایی از مجموعه داده‌های مرور آنلاین استفاده کرده‌اند به عنوان مثال، ئی لیائو و پی تان ( ۲۰۱۴ ) تحلیل احساسی را برای اندازه‌گیری سطح احساسات مشتری در خدمات خطوط هوایی به کار گرفتند. همچنین، مین کاد و همکاران ( ۲۰۱۶ ) در زمینه کسب‌وکار هتل تاکتیک‌های مشابهی را برای بدست آوردن بینش‌هایی از محتوای تولید شده توسط کاربر (UGC) اتخاذ کردند. علی‌رغم این تلاش‌ها برای استفاده از رویکرد استخراج متن، چندین محدودیت در مطالعات گردشگری و مهمان‌نوازی موجود مورد توجه قرار گرفته‌است : اول اینکه، روش‌هایی مانند شمارش کلمه، تحلیل شبکه‌ها می‌توانند برای استخراج برخی کلمات کلیدی مهم مفید باشند ؛ با این حال، نشان دادن حالت مثبت یا منفی نظرات دشوار است. به طور مشابه، آنالیز احساسی می‌تواند درجه مثبت بودن یا منفی بودن داده‌ها را نشان دهد، اما دارای کاربردهای تجویزی و عملی ناچیزی است ؛ به عبارت دیگر، با استفاده از آنالیز احساسی، ما می‌توانیم دریابیم که توریستها چگونه در مورد خدمات خاص مقصد درک منفی دارند، اما نمی‌توانیم بفهمیم که چرا اینگونه احساس می‌کنند. دوم، علی‌رغم حجم زیاد داده‌های موجود در سایت‌های مرور سفر، میانگین تعداد کلمات جمع‌آوری‌شده و آنالیز شده در مطالعات قبلی بسیار کوچک بود ( حدود ۱۰۰ تا ۳۰۰ کلمه )، که قادر به تولید نتایج اندازه‌گیری نبود. به منظور پر کردن این فاصله دانش فعلی، هدف از این تحقیق بررسی برداشت بازدید کنندگان از خدمات مقصد از طریق تحلیل ترکیبی داده‌های مرور آنلاین مسافران از طریق به‌کارگیری روش‌های آنالیز احساسی برای تشخیص و تجزیه و تحلیل پیش‌بینی برای تجویز است. سوال تحقیق ما این است که " سطح احساسی فعلی گردشگران در بازبینی‌های خود در مورد خدمات مختلف مقصد چیست ( به عنوان مثال هتل‌ها، رستوران‌ها، خرید و غیره ) و چرا آن‌ها در مورد خدمات خاص احساسی منفی دارند ؟ " با یافته‌های تحقیق ما طرح‌های عملیاتی مختلفی را برای بهبود عملکرد خدمات مقصد پیشنهاد می‌کنیم. علاوه بر این، برای غلبه بر محدودیت‌های روش شناختی مطالعات قبلی، ما مقدار زیادی از داده‌ها را جمع‌آوری کردیم ( 835، 19 بازبینی ) و تحلیل ترکیبی را برای بدست آوردن بینش بیشتر از داده‌های متنی به کار بردیم. نتایج این مطالعه بینش‌های ارزشمندی را برای بازاریاب خدمات مقصد و مهمان نوازی برای درک ادراک و نظرات مسافران در حال بازدید از کشورهای مختلف فراهم کرده‌است. علاوه بر این، تجزیه و تحلیل نظرات ایجاد شده توسط مشتری بیشتر اقتصادیست و زمان کمتری از یک بررسی می‌دانی میگیرد و به محققان اجازه می‌دهد که فورا ً و به طور دوره‌ای ارزیابی ادراکی مصرف کنندگان را از عملکرد خدمات برآورد کنند. سپس، مفهوم داده‌های بزرگ، مدیریت مقصد هوشمند و مفاهیم مرتبط را همراه با تحقیق متن کاوی قبلی در مورد صنعت توریسم و مهمان نوازی مورد بررسی قرار می‌دهیم. سپس، ما روش تحقیق، از جمله طراحی تحقیق و جمع‌آوری داده‌ها را ارایه می‌کنیم. پس از این تحلیل، آنالیز احساسی و آنالیز پیش امد مشترک، و نتایج آن‌ها توضیح داده می‌شود. در نهایت، ما مفاهیم نظری و عملی مبتنی بر یافته‌های تحقیق را مورد بحث قرار می‌دهیم.
پیش نمایش مقاله
پیش نمایش مقاله چه چیزی باعث می‌شود گردشگران در مورد مقاصد گردشگری احساس منفی کنند ؟ کاربرد روش متن کاوی هیبریدی در مدیریت هوشمند مقصد

چکیده انگلیسی

As an aspect of smart tourism, this study applied the sentiment analysis method to analyze travelers' online reviews of Paris. A total of 19,835 pieces of review data collected from a traveler review site (www.virtualtourist.com) were processed. All reviews were grouped into 14 categories as follows: overview, restaurants, sightseeing, hotels, things to do, night life, transportation, shopping, sporting & outdoors, favorites, off the beaten path, what to pack, tourist traps, warnings and danger, and local customs. Tourists' perception about the service in each category was successfully measured, and as an illustration, we chose “transportation” category that reported relatively low level of service quality for post-hoc analysis to reveal why tourists feel negatively about the transportation service.

دانلود فوری مقاله + ترجمه آماده
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.