آینده نگاری مقابله با بحران کرونا در مقاصد گردشگری با استفاده از مدل شبکه عصبی مصنوعی (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
صنعت گردشگری، مهم ترین منبع درآمد و ایجاد فرصت های شغلی برای بسیاری از کشورهای دنیاست که موتور توسعه محسوب می شود. بدون شک، چنین صنعتی در مقایسه با انواع بحران های طبیعی، انسانی و بیولوژیک آسیب پذیر است و شیوع بحران ها این صنعت را با چالش های جدی مواجه می کند. هدف از انجام این پژوهش، ارائه یک سیستم تصمیم یار مبتنی بر رویکرد شبکه عصبی است که با الگوبرداری از تجربیات کشورهای مختلف در مقابله با بحران های گردشگری ایجاد شده است. مدل شبکه عصبی پیشنهادی با تکیه بر قابلیت تعمیم دهی خود قادر است تا با مدل سازی دینامیک های موجود بین «سیاست ها/ عوامل و شرایط» حاکم بر اکوسیستم ها و «میزان اثربخشی سیاست های اتخاذ شده»، اثربخشی سیاست های پیش رو را برای بحران های احتمالی در اکوسیستم های مختلف پیش بینی کند. نحوه طراحی و پیاده سازی سیستم پیشنهادی برای بحران کرونا موردکاوی شد. خروجی های مدل بیانگر آن است که بهترین سیاست اتخاذشده برای بازگشت به شرایط گردشگری قبل از این بحران بیولوژیک در ایران، بهره گیری از سیاست «ترکیبی اقتصادی و مالی با آمادگی در مقابله با بحران» در وهله اول و سیاست «ترکیبی تمرکز بر گردشگری داخلی همراه با آمادگی» در مرتبه بعدی است که با توجه به معیارهای توسعه پایدار گردشگری و شرایط تحریم های اقتصادی در ایران، سیاست دوم برطبق معیار تعریف شده مدل، کاربردی تر خواهد بود.Foresight and Crisis Management of Tourism Industry in Covid-19 Pandemic Using an Artificial Neural Network Model
Tourism industry, as the most diverse and largest industry in the world, is the most important source of income and creation of job opportunities for many countries of the world, which is considered as the engine of development. Undoubtedly, such an industry is very vulnerable to all kinds of natural, human, and biological crises. The outbreak of Covid-19 crisis around the world has posed serious challenges to the industry. The purpose of this study wasto present a neural network model that has been developed by modeling the experiences of different countries in dealing with crises and their policies. Relying on its generalizability, the proposed neural network model is able to model the dynamics between the “policies/factors and conditions” governing ecosystems and the “effectiveness of the adopted policies” to determine the effectiveness of the forthcoming policies for the Corona Pandemic Crisis. Using the proposed neural network model and providing information about the policies/factors and conditions governing the Iranian tourism industry, the outputs of the model indicate that the best policy adopted to return to pre-crisis climate conditions in Iran is using the “combined” policy. "Economic and financial preparedness to deal with the crisis" in the first place and with a slight difference in policy "combined focus on domestic tourism with preparedness to deal with the crisis" is the next, which according to the criteria of sustainable tourism development and economic sanctions in Iran, the second policy is much more practical. Therefore, solutions are suggested forthese conditions, such as traditional tourism planning for domestic tourists and virtual tourism planning for foreign tourists, development of rural tourism and emphasis on creative and safe tourism.
تبلیغات
