دانشگاه علامه طباطبایی

  اخبار و اعلانات

 آمار

تعداد نشریات61
تعداد شماره‌ها2,230
تعداد مقالات18,287
تعداد مشاهده مقاله56,183,148
تعداد دریافت فایل اصل مقاله29,092,564
حسینقلی زاده, رضا, البرزی, محمود, طلوعی اشلقی, عباس, ضرغام بروجنی, حمید. (1401). پویایی عقاید ذینفعان گردشگری ایران در مواجهه با گردشگران چینی. سامانه مدیریت نشریات علمی, 17(60), 47-77. doi: 10.22054/tms.2022.69532.2746
رضا حسینقلی زاده; محمود البرزی; عباس طلوعی اشلقی; حمید ضرغام بروجنی. "پویایی عقاید ذینفعان گردشگری ایران در مواجهه با گردشگران چینی". سامانه مدیریت نشریات علمی, 17, 60, 1401, 47-77. doi: 10.22054/tms.2022.69532.2746
حسینقلی زاده, رضا, البرزی, محمود, طلوعی اشلقی, عباس, ضرغام بروجنی, حمید. (1401). 'پویایی عقاید ذینفعان گردشگری ایران در مواجهه با گردشگران چینی', سامانه مدیریت نشریات علمی, 17(60), pp. 47-77. doi: 10.22054/tms.2022.69532.2746
حسینقلی زاده, رضا, البرزی, محمود, طلوعی اشلقی, عباس, ضرغام بروجنی, حمید. پویایی عقاید ذینفعان گردشگری ایران در مواجهه با گردشگران چینی. سامانه مدیریت نشریات علمی, 1401; 17(60): 47-77. doi: 10.22054/tms.2022.69532.2746

پویایی عقاید ذینفعان گردشگری ایران در مواجهه با گردشگران چینی

فصلنامه مطالعات مدیریت گردشگری
مقاله 3، دوره 17، شماره 60، دی 1401، صفحه 47-77    اصل مقاله (963.17 K)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22054/tms.2022.69532.2746
نویسندگان
رضا حسینقلی زاده1؛ محمود البرزی* 2؛ عباس طلوعی اشلقی3؛ حمید ضرغام بروجنی4
1دانشجوی دکتری رشته مدیریت فناوری اطلاعات، گروه مدیریت فناروی اطلاعات، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
2دانشیار گروه مدیریت فناروی اطلاعات، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
3استاد گروه مدیریت فناروی اطلاعات، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
4دانشیار گروه مدیریت گردشگری، دانشگاه علامه طباطبائی، تهران، ایران
چکیده
باور حاکم بر ذینفعانی که ارائه دهنده خدمات گردشگری در مقصد هستند نقش مهمی در پایداری مقاصد دارد. مقادیر متغیرهای تاثیرگذار بر این باورها همیشه مبهم بوده و روابط علّی بین آنها نامطمئن است. اگر بخواهیم واقعیت پویایی موجود در عقاید آنها را نیز در نظر بگیریم، پیچیدگی موضوع افزایش خواهد یافت. برای این منظور از منطق فازی، شبکه‌های باور بیزی و مدل‌های پویایی عقیده استفاده کردیم. که بر روی داده‌های مربوط به ذینفعان ایرانی با هدف جذب گردشگران چینی پیاده‌سازی شده است. داده ها در طی سال های 2019، 2020 و 2021 توسط پرسشننامه جمع آوری شده و مربوط به 540 ذینفع است. درنهایت نه تنها یک شبیه سازی مبتنی بر عامل برای بصری‌سازی روندها و نحوه تکامل یا هم تکاملی آنها ارائه شده بلکه امکان پیش بینی روندهای معیوب و مطلوب به ترتیب برای جلوگیری یا تقویت آنها مهیا گردیده است.
کلیدواژه‌ها
مدیریت؛ گردشگری؛ شبکه های باور بیزی؛ پویایی عقیده؛ فازی
مراجع
  1. امیر محمد کلابی (1401، بهار). ارائه مدل اکوسیستم گردشگری پایدار با رویکرد فراترکیب. مطالعات مدیریت گردشگری, 179- 206.
  2. حامد فلاح تفتی، مهناز دوستی ایرانی. (1401، تابستان). نگاشت شناختی فازی تأثیر تعاملات آنلاین بر سطوح وفاداری گردشگران (موردمطالعه: مشتریان آژانس‌های مسافرتی در شبکه اجتماعی اینستاگرام). مطالعات مدیریت گردشگری، 17، 133-161.
  3. ساناز شفیعی و علی رجب‌زاده قطری، علیرضا حسن‌زاده، سعید جهانیان. (1399، بهار). مقاصد گردشگری هوشمند: مرور سیستماتیک تحقیقات با استفاده از رویکرد قیف پارادایم. مطالعات مدیریت گردشگری، 15، 33-62.
  4. فاطمه یاوری گهر، فرشته منصوری مؤید. (1399، پاییز). واکاوی نقش تبلیغات بر نیات رفتاری مشتریان در دوران پساکرونا در صنعت گردشگری. مطالعات مدیریت گردشگری، 19، 33-58.
  5. Adrian Bejan, Umit Gunes.(2022). Virus spreading and heat spreading. International Journal of Thermal Sciences
  6. Altafini, C (2013). Consensus Problems on Networks with Antagonistic Interactions. IEEE Transactions on Automatic Control, 935-946.(4)58
  7. Américo T. Bernardes, Leonardo Costa Ribeiro. (2021). Information, opinion and pandemic. Physica A: Statistical Mechanics and its Applications, 565.
  8. Baggio, R. (2007). The web graph of a tourism system. Physica A: Statistical Mechanics and its Applications, 734-727, (2)379
  9. Bob McKercher, Sebastian Filep, Brent Moyle(2021), Movement in tourism: Time to re-integrate the tourist? Annals of Tourism Research, 91.
  10. Brandon M. Turner, Trisha Van Zandt. (2018). Approximating Bayesian Inference through Model Simulation. Trends in Cognitive Sciences, 840-826, 9(22).
  11. Chao Liu, Allan M. Williams, Gang Li. (2022), Knowledge management practices of tourism consultants: A project ecology perspective. Tourism Management, 91
  12. Chen Gezhi, Huang Xiang. ,(2022), From good feelings to good behavior: Exploring the impacts of positive emotions on tourist environmentally responsible behavior. Journal of Hospitality and Tourism Management,9-1(50)
  13. Chien-Chiang Lee, Mei-Ping Chen. ,(2021), Ecological footprint, tourism development, and country risk: International evidence. Journal of Cleaner Production, 279
  14. Dan Geiger, David Heckerman.,(1996), Knowledge representation and inference in similarity networks and Bayesian multinets. Artificial Intelligence, 45-74,(2-1),82
  15. Darwiche, A.(2008), Foundations of Artificial Intelligence) (V. L. Frank van Harmelen, Elsevier.
  16. Deffuant, G., Huet, S., Amblard, F (2005), . An individual-based model of innovation diffusion mixing social value and individual benefit. American Journal of Sociology, 110(4), 1041-1069.
  17. DeGroot, M. H. (1974), Reaching a Consensus. Journal of the American Statistical Association, 118-121,(345)69
  18. Eitel J.M. Lauría, Peter J. Duchessi .(2006), A Bayesian Belief Network for IT implementation decision support. Decision Support Systems, 1573-1588, (3)42
  19. Fengwei Dai, Dan Wang, Ksenia Kirillova,(2022), Travel inspiration in tourist decision making. Tourism Management, 90
  20. Francesca Iandolo, Irene Fulco, Clara Bassano, Raffaele D’Amore. (2019). Managing a tourism destination as a viable complex system. The case of Arbatax Park. Land Use Policy, 84, 21-30.
  21. Frédéric Amblard, Guillaume Deffuant, (2004),The role of network topology on extremism propagation with the relative agreement opinion dynamics. Physica A: Statistical Mechanics and its Applications, 725-738, 343
  22. Gallardo, M .(2022), Measuring vulnerability to multidimensional poverty with Bayesian network classifiers. Economic Analysis and Policy,492-512, 73
  23. Giacomo Del Chiappa, Rodolfo Baggio ,(2015), Knowledge transfer in smart tourism destinations: Analyzing the effects of a network structure. Journal of Destination Marketing & Management,145-150,(3)4
  24. Hamira Zamani-Farahani, Ghazali Musa ,(2012),The relationship between Islamic religiosity and residents’ perceptions of socio-cultural impacts of tourism in Iran: Case studies of Sare’in and Masooleh. Tourism Management,802-814, (4)33
  25. Hosseingholizadeh, R. (2010),Fuzzy Voting in Internal Elections of Educational and Party Organizations. International Journal of Computer and Information Engineering (WASET),4
  26. Huiying Zhang, Xi Yu Leung, Billy Bai, Yunpeng Li (2021),Uncovering crowdsourcing in tourism apps: A grounded theory study. Tourism Management, 87
  27. Ibrahim Elshaer, Mohamed Moustafa, Abu Elnasr Sobaih, Meqbel Aliedan, Alaa M.S. Azazz ,(2021), The impact of women's empowerment on sustainable tourism development: Mediating role of tourism involvement. Tourism Management Perspectives, 28
  28. Jaume Rosselló, Susanne Becken, Maria Santana-Gallego. (2020),The effects of natural disasters on international tourism: A global analysis. Tourism Management, 79
  29. Jesus Serrano-Guerrero, Francisco P. Romero, Jose A. Olivas,(2021), Fuzzy logic applied to opinion mining: A review. Knowledge-Based Systems, 222
  30. Jian Li, Tao Xiang, Linghui He.(2021), Modeling epidemic spread in transportation networks: A review. Journal of Traffic and Transportation Engineering (English Edition),139-152, (2)8
  31. Jillian Student, Mark R. Kramer, Patrick Steinmann. (2020). Simulating emerging coastal tourism vulnerabilities: an agent-based modelling approach. Annals of Tourism Research, 85.
  32. José M. Merigó, Anna M. Gil-Lafuente, Onofre Martorell,(2012), Uncertain induced aggregation operators and its application in tourism management. Expert Systems with Applications,869-880, (1)39
  33. Kankana Chakrabarty, Ranjit Biswas, Sudarsan Nanda. (1999). A note on fuzzy union and fuzzy intersection. Fuzzy Sets and Systems,499-502, (3) 105
  34. Li Dai, Qi Han, Bauke de Vries, Yang Wang, (2021), Applying Bayesian Belief Network to explore key determinants for nature-based solutions’ acceptance of local stakeholders. Journal of Cleaner Production, 310
  35. Luis M. de Campos, Javier G. Castellano, (2007), Bayesian network learning algorithms using structural restrictions. International Journal of Approximate Reasoning,233-254, (2)45
  36. Lujun Su, Jin Cheng, Scott R. Swanson ,(2020), The impact of tourism activity type on emotion and storytelling: The moderating roles of travel companion presence and relative ability. Tourism Management,81
  37. Lydia Cape, Francois Retief, Paul Lochner, Thomas Fischer, Alan Bond, (2018), Exploring pluralism – Different stakeholder views of the expected and realised value of strategic environmental assessment. Environmental Impact Assessment Review, 31-41, 69
  38. Madden, M. G,(2009), On the classification performance of TAN and general Bayesian networks. Knowledge-Based Systems, 22(7), 489-495.
  39. Marcelo Canteiro, Fernando Córdova-Tapia, Alejandro Brazeiro. (2018). Tourism impact assessment: A tool to evaluate the environmental impacts of touristic activities in Natural Protected Areas. Tourism Management Perspectives, 28, 220-227.
  40. Marco Scutari , Robert Ness. (2020, 09 16). Bayesian Network Structure Learning, Parameter Learning and, 4.6.1. (CRAN) 09 21, 2020، http://www.bnlearn.com/
  41. Marek J. Druzdzel, Herbert A. Simon. (1993). Causality in Bayesian Belief Networks. در M. David Heckerman, Uncertainty in Artificial Intelligence (3-11). Morgan Kaufmann.
  42. Marko Jusup, Petter Holme, Kiyoshi Kanazawa, Misako Takayasu, Ivan Romić, Zhen Wang, Sunčana Geček, Tomislav Lipić, Boris Podobnik, Lin Wang, Wei Luo, Tin Klanjšček, Jingfang Fan, Stefano Boccaletti, Matjaž Perc. (2022). Social physics. Physics Reports, 948, 1-148.
  43. Mohamed A. Abou-Shouk, Maryam Taha Mannaa, Ahmed Mohamed Elbaz. (2021). Women's empowerment and tourism development: A cross-country study. Tourism Management Perspectives, 37.
  44. Nadia Steils, Salwa Hanine, Hanane Rochdane, Siham Hamdani. (2021). Urban crowdsourcing: Stakeholder selection and dynamic knowledge flows in high and low complexity projects. Industrial Marketing Management, 94, 164-173.
  45. Nína M. Saviolidis, David Cook, Brynhildur Davíðsdóttir, Lára Jóhannsdóttir, Snjólfur Ólafsson. (2021). Challenges of national measurement of environmental sustainability in tourism. Current Research in Environmental Sustainability, 3.
  46. Noah E. Friedkin, Eugene C. Johnsen. (1997). Social positions in influence networks. Social Networks, 19(3), 209-222.
  47. A. Aguilera, A. Fernández, R. Fernández, R. Rumí, A. Salmerón. (2011). Bayesian networks in environmental modelling. Environmental Modelling & Software, 26(12), 1376-1388.
  48. Parisa Soltan-Alinejad, Aboozar Soltani. (2021). Vector-borne diseases and tourism in Iran: Current issues and recommendations. Travel Medicine and Infectious Disease, 43.
  49. Pearce, P. (2005). Tourist Behaviour: Themes and Conceptual schemes. Channel View.
  50. Pearce, P. L. (2005). Chapter 6 - The role of relationships in the tourist experience. در Butterworth-Heinemann, Global Tourism (Third Edition) (103-122)
  51. Pearl, J. (1982). Reverend Bayes on inference engines: A distributed hierarchical approach. In Proceedings AAAI National Conference on AI, (133-136). Pittsburgh,.
  52. Pearl, J. (1993). Belief networks revisited. Artificial Intelligence, 59(1–2), 49-56.
  53. Proskurnikov, A.; Matveev, A.; and Cao, M. (2016). Opinion dynamics in social networks with hostile camps: Consensus vs. polarization. IEEE Transaction on Automatic Control, 61(6), 1524–1536.
  54. Jager, H.B. Verbruggen, P.M. Bruijn. (1992). The Role of Defuzzification Methods in the Application of Fuzzy Control. IFAC Proceedings Volumes, 25(6), 75-80.
  55. Raquel Ureña, Gang Kou, Yucheng Dong, Francisco Chiclana, Enrique Herrera-Viedma. (2019). A review on trust propagation and opinion dynamics in social networks and group decision making frameworks. Information Sciences, 478, 461-475.
  56. Remi Harris, Elisa Furlan, Hung Vuong Pham, Silvia Torresan, Jaroslav Mysiak, Andrea Critto. (2022). A Bayesian network approach for multi-sectoral flood damage assessment and multi-scenario analysis. Climate Risk Management, 35.
  57. Rohmer, J. (2020). Uncertainties in conditional probability tables of discrete Bayesian Belief Networks: A comprehensive review. Engineering Applications of Artificial Intelligence, 88.
  58. Rongrong Kang, Xiang Li. (2022). Coevolution of opinion dynamics on evolving signed appraisal networks. Automatica, 137.
  59. Ruggero Sainaghi, Rodolfo Baggio. (2017). Complexity traits and dynamics of tourism destinations. Tourism Management, 63, 368-382.
  60. Sara Nichollas, Bas Amelung, Jillian Student. (2017). Agent-Based Modeling: A Powerful Tool for Tourism Researchers. Journal of Travel Research (JTR) 56(1).
  61. Sekulovic, N. (2015). Trends and New Initiatives in Tourism at the Time of the General Economic Crisis and the Current Situation in Serbian Tourism. Procedia Economics and Finance, 23, 1628-1634.
  62. Sucheta Nadkarni, Prakash P Shenoy. (2001). A Bayesian network approach to making inferences in causal maps. European Journal of Operational Research, 128(3), 479-498.
  63. Tara Ma, Anita Heywood, C.Raina MacIntyre. (2021). Travel health seeking behaviours, masks, vaccines and outbreak awareness of Australian Chinese travellers visiting friends and relatives – Implications for control of COVID-19. Infection, Disease & Health, 26(1), 38-47.
  64. Thi Quynh Trang Nguyen, Patricia Johnson, Tamara Young. (2022). Networking, coopetition and sustainability of tourism destinations. Journal of Hospitality and Tourism Management.
  65. (2019). Guidelines for the Success in the Chinese Outbound Tourism Market. (UNWTO https://doi.org/10.18111/9789284421138
  66. Uusitalo, L. (2007). Advantages and challenges of Bayesian networks in environmental modelling. Ecological Modelling, 203(3–4), 312-318.
  67. Xiang, Z. (2018). From digitization to the age of acceleration: On information technology and tourism. Tourism Management Perspectives, 25, 147-150.
  68. Yeganeh Aghazamani, Deborah Kerstetter, Pete Allison. (2020). Women's perceptions of empowerment in Ramsar, a tourism destination in northern Iran. Women's Studies International Forum, 79.
  69. Yen-Liang Chen, Cheng-Hsiung Weng. (2009). Mining fuzzy association rules from questionnaire data. Knowledge-Based Systems, 22(1), 46-56.
  70. Yixue Liu, Rouran Zhang, Yanbo Yao. (2021). How tourist power in social media affects tourism market regulation after unethical incidents: Evidence from China. Annals of Tourism Research, 91.
  71. Yucheng Dong, Min Zhan, Gang Kou, Zhaogang Ding, Haiming Liang. (2018). A survey on the fusion process in opinion dynamics. Information Fusion, 57-65, 43
  72. Yupeng Li, Meng Liu, Jin Cao, Xiaolin Wang, Na Zhang(2021), Multi-attribute group decision-making considering opinion dynamics. Expert Systems with Applications, 18.
  73. Zhanli Sun, Daniel Müller.(2013), A framework for modeling payments for ecosystem services with agent-based models, Bayesian belief networks and opinion dynamics models. Environmental Modelling & Software, 15-28, 45
  74. Zhi-jiao Du, Su-min Yu, Han-yang Luo, Xu-dong Lin. ,(2021)Consensus convergence in large-group social network environment: Coordination between trust relationship and opinion similarity. Knowledge-Based Systems, 217
آمار
تعداد مشاهده مقاله: 947
تعداد دریافت فایل اصل مقاله: 701


login