اکبر نجفی

گردشگری یکی از پویاترین فعالیت های اقتصادی عصر حاضر است که در توسعه پایدار محلی نقش مهمی دارد و اولویت توسعه آن نیازمند شناخت عوامل تأثیرگذار و محدودکننده طبیعی، اقتصادی، اجتماعی و فرهنگی در هر منطقه است. در عین حال، مناطق نمونه گردشگری به سبب دارا بودن مجموعه ای از جاذبه های طبیعی و تاریخی از اهمیت خاصی در نزد گردشگران برخوردار هستند. بر این اساس هدف از انجام این پژوهش انتخاب و اولویت بندی مناطق نمونه گردشگری بین سه منطقه"بنددره بیرجند، باغستان آبگرم فردوس و منطقه نمونه قائن" در استان خراسان جنوبی با استفاده از روش ANP است. به همین منظور برای به دست آوردن نتایج مناسب در زمینه اولویت بندی مناطق نمونه گردشگری در استان خراسان جنوبی از ساختار سطح بالای ANP شامل زیر شبکه های (BOCR) سود، فرصت، هزینه و خطر استفاده شد. نتایج به دست آمده از تحلیل ANP نشان داد که مناطق باغستان- آبگرم فردوس، بند دره بیرجند و منطقه نمونه قائن به ترتیب با وزن های 59/0، 28/0 و 12/0 در اولویت اول تا سوم قرار دارند. از بین زیر شبکه ها، زیر شبکه سود با وزنی معادل 33/0 از اهمیت بیشتری نسبت به سایر زیر شبکه ها برخوردار است. همچنین معیار استراتژیک پتانسیل های گردشگری با وزنی معادل 51/0 از اولویت بالاتری نسبت به سایر معیارها برخوردار است.

وفاداری و رویگردانی مشتریان یکی از چالش های مهم شرکتها و موسساتی است که خدمات و کالا را به مشتریان خود عرضه میکنند. سازمان تامین اجتماعی هم در موضوع وفاداری بیمه شدگان خویش فرما جهت ادامه بیمه پردازی، در سالهای اخیر با چالش فوق مواجه بوده است. در این پژوهش اطلاعات و شاخصهای مهم حدود 21407 نفر در قالب 27 ویژگی از بانکهای اطلاعاتی سازمان مذکور استخراج گردید. سپس با استفاده از الگوریتم NSGA-II، تعداد 7 ویژگی مهم که دارای حداقل خطای طبقه بندی بودند، انتخاب شد. در ابتدا عملیات طبقه بندی داده ها با شبکه عصبی چندلایه برروی داده های موجود و با استفاده از 27 ویژگی انجام شد و دقت طبقه بندی 97.6 درصد بدست آمد. پس از انتخاب بهترین طبقه بند که شبکه عصبی بود، عملیات طبقه بندی با شبکه عصبی برروی همان داده ها و در قالب 7 ویژگی انجام شد و دقت 96.8 درصد بدست آمد. در مرحله انتخاب بهترین طبقه-بند جهت انجام پیش بینی های مورد نیاز، از 3 الگوریتم شبکه عصبی چندلایه، الگوریتم ماشین بردار پشتیبان (SVM) و الگوریتم KNN استفاده شد که نهایتاً شبکه عصبی چندلایه، بهترین دقت طبقه بندی را با مقدار 96.8 درصد بدست آورد. سپس برای شبکه عصبی مذکور با استفاده از 7 ویژگی مربوط به داده های سالهای 1367 تا 1395 آموزش انجام شد. از شبکه عصبی آموزش دیده جهت پیش بینی وفاداری و رویگردانی مشتریان سالهای 1396 و 1397 که به تعداد 8364 رکورد می باشد، استفاده شد. نهایتاً این نتیجه حاصل شد که با در نظر گرفتن همه احتمالات، حدود 27.65 درصد از بیمه شدگان خویش فرمای سالهای 1396و1397 در کلاس رویگردان دسته بندی خواهند شد.

صنعت گردشگری، به ویژه طبیعت گردی، به منزله رویکردی جدید برای توسعه هم زیستی انسان و اجتماع، به منظور بهره وری اقتصادی، امروزه در توسعه مناطق جایگاه چشمگیری یافته است که توسعه آن نیازمند شناخت و آگاهی کافی از مسائل و عوامل مؤثر اقتصادی، اجتماعی، و فرهنگی هر منطقه است. پارک جنگلی آبیدر با مساحت 1555 هکتار در جنوب غربی شهر سنندج واقع شده است که به سبب جاذبه های طبیعی از مزیت نسبی برخوردار است. تحقیق حاضر با هدف شناسایی عوامل داخلی (قوت ها و ضعف ها)، عوامل خارجی (فرصت ها و تهدیدها)، و تدوین استراتژی توسعه طبیعت گردی پارک جنگلی آبیدر انجام گرفته و بدین منظور از مدل تلفیقی SWOT و فرایند تحلیل شبکه ای (ANP) استفاده شده است. فرایند تحلیل شبکه ای اجازه اندازه گیری را در شرایطی که بین عوامل استراتژیک وابستگی وجود دارد می دهد. مدل شبکه ای ارائه شده در این تحقیق به منظور تجزیه وتحلیل SWOT از چهار سطح، هدف (بهترین استراتژی) در سطح اول، عوامل SWOT و زیر معیارهای SWOT به ترتیب در سطوح دوم و سوم، و آخرین سطح از گزینه های استراتژی تشکیل شده است. جهت تعیین وزن های عوامل SWOT بر اساس روش ANP پرسش نامه ای به صورت مقایسه زوجی با مقیاس نه تایی طراحی و تکمیل شد. پس از آن، داده های جمع آوری شده با نرم افزار Super Decision تجزیه وتحلیل و استراتژی های WTبه منزله بهترین استراتژی ها، برای توسعه طبیعت گردی منطقه مشخص شد. نتایج نشان داد که آسیب پذیری منطقه مطالعه شده (پارک جنگلی آبیدر) به لحاظ توسعه طبیعت گردی بالاست و همچنین توزیع و تخصیص مجدد منابع در سطح پارک جنگلی آبیدر، با توجه به محدود بودن فرصت ها و بالا بودن ضعف ها، امری الزامی است. بنابراین، در پایان راهکارهایی جهت توسعه طبیعت گردی در منطقه ارائه شد.