BDBAnalytics LogoBDBAnalytics LogoBDBAnalytics LogoBDBAnalytics Logo
  • خدمات
  • Home
  • مجله
  • About us
  • تماس با ما
  • دکتر سعید روحانی
  • Login Customizer
  • [email protected]

معرفی مقالات حوزه عظیم داده‌ها:  Recovery of hotels from the crises: evidence from tourists’ emotional changes by deep learning sentiment analysis

منتشر شده توسط صبا بزرگی در دسامبر 4, 2025

✍نویسندگان: Wenqing Xu et al.

📔نام ژورنال:Asia Pacific Journal of Tourism Research

🗓سال انتشار: 2025

▫️در این مقاله نویسندگان به بررسی چگونگی تغییر احساسات گردشگران نسبت به هتل‌های هنگ‌کنگ در مواجهه با دو بحران هم‌زمان—ناآرامی‌های اجتماعی ۲۰۱۹ و همه‌گیری کووید-۱۹—پرداخته‌اند. چارچوب نظری پژوهش بر «چرخه توجه به مسئله» و نظریه‌های ارزیابی شناختی استوار است و نشان می‌دهد که شدت و تلاقی بحران‌ها می‌تواند الگوهای عاطفی گردشگران را دچار تغییرات غیرخطی کرده و حساسیت آنها به جنبه‌های مختلف هتل را دگرگون سازد.

▫️نویسندگان دو پرسش اصلی را دنبال می‌کنند: نخست اینکه احساسات گردشگران نسبت به ویژگی‌های مختلف هتل در مراحل متفاوت بحران چگونه تغییر می‌کند؟ و دوم اینکه آیا این احساسات در دوره‌های پیش‌بحران، اوج بحران و دوره بهبود الگوهای مجزا و قابل تشخیصی ارائه می‌دهند؟

▫️برای پاسخ، داده‌های ۵۳۱۷۲۸ نظر آنلاین از TripAdvisor و Qunar.com بین سال‌های ۲۰۱۸ تا ۲۰۲۱ گردآوری و پس از پاک‌سازی و آماده‌سازی داده، سه بازه زمانی اصلی تعریف شد تا روندهای احساسی با دقت مورد بررسی قرار گیرند.

▫️در بخش روش‌شناسی، ابتدا ۷۹ واژه مرتبط با ویژگی‌های هتل استخراج و با مدل Word2Vec بردارسازی شدند. سپس این واژه‌ها با استفاده از الگوریتم K-means در قالب هفت خوشه معنایی شامل بهداشت، محیط، تسهیلات، غذا و نوشیدنی، موقعیت، کارکنان و ارزش گروه‌بندی شدند.

▫️تحلیل احساسات به کمک سه مدل SVM، BiLSTM و BERT انجام شد. در همین راستا، هر سه مدل ابتدا بر روی یک مجموعه‌داده استاندارد شامل ۳۰۰۰ نمونه مثبت و ۳۰۰۰ نمونه منفی آموزش داده شدند. نتایج نشان داد که مدل BERT با دقت ۸۹ درصد و عملکرد برتر در معیارهای مختلف، بهترین گزینه برای تحلیل احساسات بوده و در مقایسه با SVM و BiLSTM توانایی بیشتری در درک بافت زبانی نظرات دارد.

▫️یافته‌ها نشان می‌دهند که ویژگی‌های هتل در دوره‌های مختلف بحران دچار نوسانات قابل توجهی می‌شوند. بُعد محیط پیش از بحران بیشترین احساس مثبت را داشته اما در اوج بحران با افت مواجه شده و در دوره بهبود بخشی از این افت جبران شده است. بُعد بهداشت بیشترین افزایش احساس منفی را نشان داده و نقش آن در شرایط بحران سلامت برجسته‌تر شده است. موقعیت مکانی پایدارترین بُعد مثبت در دوره بحران بوده و بُعد ارزش نیز بر اثر سیاست‌های تخفیفی در دوره بهبود افزایش یافته است. علاوه بر این، تغییر ترکیب مسافران، مانند افزایش سهم زوج‌ها، به‌عنوان یکی از عوامل اثرگذار بر دگرگونی الگوهای عاطفی شناسایی شده است.

▫️از منظر نظری، پژوهش نشان می‌دهد که چرخه توجه به مسئله در شرایط بحران‌های هم‌زمان به شکل ساده و خطی عمل نمی‌کند و ممکن است چندین قله توجه را در مراحل مختلف تجربه کند. ترکیب نظریه‌های شناختی با داده‌کاوی در مقیاس گسترده نیز تصویری دقیق‌تر از واکنش‌های احساسی مصرف‌کنندگان ارائه می‌دهد.

▫️در بعد مدیریتی، مقاله تأکید می‌کند که مدیران هتل‌ها باید در دوره بحران بر ابعادی مانند بهداشت و محیط تمرکز ویژه داشته باشند و از طریق اطلاع‌رسانی شفاف و ارتقای استانداردها اعتماد مشتریان را بازیابند. همچنین استفاده از استراتژی‌های قیمت‌گذاری انعطاف‌پذیر در دوره بهبود و طراحی خدمات متناسب با گروه‌های مختلف مشتریان می‌تواند روند بازیابی را تسریع کند.

▫️پژوهش در پایان به محدودیت‌هایی همچون حذف نظرات خنثی و مختلط، اتکا به دو پلتفرم خاص و استفاده از طبقه‌بندی تک‌برچسبی اشاره کرده و پیشنهاد می‌دهد مطالعات آینده با استفاده از داده‌های متنوع‌تر و مدل‌های چندبرچسبی تصویری جامع‌تر از دینامیک‌های احساسی گردشگران ارائه دهند.

Recovery of hotels from the crisesدریافت
اشتراک
صبا بزرگی
صبا بزرگی

مطالب مرتبط

می 29, 2025

معرفی مقالات حوزه عظیم داده‌ها Facilitating topic modeling in tourism research: Comprehensive comparison of new AI technologies


اطلاعات بیشتر
فوریه 19, 2025

معرفی مقاله “Leveraging Large Language Model ChatGPT for enhanced understanding of end-user emotions in social media feedbacks”


اطلاعات بیشتر
دسامبر 25, 2024

فصلنامه پاییز 1403


اطلاعات بیشتر
نوامبر 28, 2024

معرفی مقاله “Text analytics and new service development: a hybrid thematic analysis with systematic literature review approach”


اطلاعات بیشتر

تماس با ما


بپیوندید

لینک‌های مفید


  • دانشگاه تهران

    • پایگاه TDWI

درباره ما


BDBAnalytics یک تیم آکادمیک تخصصی در تجزیه و تحلیل عظیم داده برای کسب‌وکارها است. این تیم متشکل از اساتید و دانشجویان، در زمینه عظیم داده‌ بسیار موفق عمل کرده و ارائه‌دهنده بینش‌ها و راه‌حل‌های ارزشمندی است. بر اساس تخصص خود، BDBAnalytics به عنوان انتخاب برتر سازمان‌هایی است که به دنبال استراتژی‌های مبتنی بر داده و رویکردهای نوآورانه برای چالش‌های کسب‌وکاری خود هستند.

Copyright © 2024 | BDBAnalytics
  • [email protected]