الگوی فضایی- زمانی رفتار گردشگران (مورد مطالعه: مقاله های مبتنی بر کلان داده ها) (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
رفتار گردشگران نشان دهنده ترجیحات، خصوصیات روحی، تصمیمات و نگرش آن هاست که ابتدا در ذهن شکل می گیرد و سپس در قالب حرکات فیزیکی نمایان می شود. برای شناسایی رفتار گردشگران، بررسی تحرکات آنان در طول زمان اجتناب ناپذیر است. بنابراین، هدف این مقاله ارائه الگویی برای تبیین ویژگی های رفتار گردشگران و عوامل تأثیرگذار در رفتار آنان براساس تحرکاتشان در بعد زمان و با استفاده از داده های مبتنی بر کلان داده ها است. این پژوهش از حیث هدف توسعه ای بنیادی و از نظر رویکرد استقرایی است و در قالب پژوهش کیفی و راهبرد فراترکیب انجام شده است. جامعه آماری پژوهش شامل مقالات، کتب و رساله های منتشرشده در پایگاه های داده معتبر خارجی و داخلی در بازه زمانی 2000 تا 2024 است. پس از سه مرحله غربالگری، 78 مقاله با روش نمونه گیری هدفمند انتخاب شده است. داده های کیفی حاصل از این مقالات با استفاده از یادداشت برداری جمع آوری و سپس با نرم افزار مکس کیو دی ای (MAX QDA) و به صورت دستی کدگذاری و مقوله بندی شده است. درنهایت، الگوی رفتار فضایی زمانی گردشگران در پنج مقوله رفتار فضایی، رفتار زمانی، متغیرهای توصیف کننده گردشگر، درک و انتخاب مقصد و نوآوری ارائه شده است. الگوی پیشنهادشده به توسعه و گسترش ادبیات پژوهش در زمینه مدل های رفتار گردشگران کمک خواهد کرد.Tourist Spatiotemporal Behavior Pattern: The Case of Big Data Articles
Tourist behavior reflects their preferences, mental characteristics, decisions, and attitudes, initially formed in the mind and then manifested in physical movements. To identify tourist behavior inevitably requires examining their movements over time. Using the data collected from big data, the present study aimed to present a model for explaining the characteristics of tourist behavior and influential factors in their behavior based on their movements over time. As a developmental–fundamental inquiry, the study relied on an inductive approach and a qualitative metasynthesis design. The population of the study consisted of articles, books, and theses published and recorded in reputable domestic and foreign databases from 2000 to 2024. After three stages of screening, 78 articles were selected through the purposive sampling. The note-taking method was then used to collect the qualitative data from the identified sources. The data was then coded and categorized manually through MAXQDA software. Finally, the research proposed a model of tourist spatiotemporal behavior. The model is comprised of five components: spatial behavior, temporal behavior, the variables describing tourists, destination perception and selection, and innovation. The proposed model will contribute to the development and expansion of literature on tourist behavior models.
تبلیغات
