کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5108735 1482625 2017 6 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
The Baidu Index: Uses in predicting tourism flows -A case study of the Forbidden City
ترجمه فارسی عنوان
شاخص بایو: استفاده از پیش بینی جریان گردشگری - مطالعه موردی شهر ممنوعه
کلمات کلیدی
شاخص بایو، جاذبه های گردشگری، همگام سازی، مدل متحرک متحرک، مدل تنزل توزیع خودکار
ترجمه چکیده
بیش از حد گردشگران از سایت ها در طول هفته "طلایی" یک وضعیت غیر معمول در چین امروز نیست. در نتیجه پیش بینی تعداد توریست ها برای مدیریت و برنامه ریزی جاذبه های گردشگری مهم است. اکثر روش های موجود بر روی داده های آماری ساخت یافته که توسط دولت منتشر می شوند، تکیه می کنند. با این حال، این رویکرد در دو جنبه محدود است: 1) تاخیر قابل توجهی در انتشار چنین اطلاعاتی وجود دارد و 2) اندازه نمونه می تواند کوچک باشد، که منجر به پیش بینی های نادرست می شود. این مقاله پیشنهاد روشی جدید برای پیش بینی جریان گردشگری بر اساس شاخص بایو ارائه می دهد. این فهرست تاریخچه جستجو شامل کلمات کلیدی مختلف را به صورت روزانه که در سالهای قبل از سال 2006 برگزار می شود، فراهم می کند. این رویکرد، از نظر تطبیق همگرایی و تحلیل علیت گرنجر برای پیدا کردن رابطه بین داده های جستجو در اینترنت و جریان گردشگری واقعی استفاده می کند. مقاله مقایسه نتایج حاصل از تجزیه و تحلیل دو نوع مدل پیش بینی، با یا بدون توجه به شاخص بایو. این مطالعه نشان می دهد که رابطه ی بلندمدت تعادلی و رابطه علی گرنجر بین تعداد مشاهده شده گردشگران و مجموعه ای از کلمات کلیدی مرتبط در شاخص بایو وجود دارد. این نشان دهنده یک همبستگی مثبت بین افزایش شاخص جستجوی کلیدواژه بایو و افزایش جریان گردشگری مشاهده شده است.
موضوعات مرتبط
علوم انسانی و اجتماعی مدیریت، کسب و کار و حسابداری استراتژی و مدیریت استراتژیک
پیش نمایش مقاله
شاخص بایو: استفاده از پیش بینی جریان گردشگری - مطالعه موردی شهر ممنوعه
چکیده انگلیسی
Tourist overcrowding of sites during the 'Golden Week' is a not an uncommon situation in China today. Consequently the prediction of tourist numbers is important for tourist attractions management and planning. Most existing methods rely on well-structured statistical data published by the government. However, this approach is limited in two aspects: 1) there may be significant delays in the publication of such data and 2) the sample size can be small, leading to inaccurate predictions. This paper proposes a novel approach for predicting tourist flows based on the Baidu Index. The Index provides search history containing different keywords on a daily basis dating back to 2006. The approach uses co-integration theory and Granger causality analysis to find the relationship between the internet search data and the actual tourist flow. The paper compares analysis results obtained by two kinds of predictive models, with or without considering Baidu Index. The study shows that there is a long-term equilibrium relationship and Granger causal relation between the observed number of tourists and a set of related keywords in the Baidu Index. It indicated a positive correlation between the increasing Baidu keyword search index and the increasing observed tourist flow.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Tourism Management - Volume 58, February 2017, Pages 301-306
نویسندگان
, , ,