Search results

This paper aims to examine key parameters of scholarly context and geographic focus and provide an assessment of theoretical underpinnings of studies in the field of social media and visitor mobility. This review also summarised the characteristics of social media data, including how data are collected from different social media platforms and their advantages and limitations. The stocktake of research in this field was completed by examining technologies and applied methods that supported different research questions.

This literature review applied a mix of methods to conduct a literature review. This review analysed 82 journal articles on using social media to track visitors’ movements between 2014 and November 2020. The literature compared the different social media, discussed current applied theories, available technologies, analysed the current trend and provided advice for future directions.

This review provides a state-of-the-art assessment of the research to date on tourist mobility analysed using social media data. The diversity of scales (with a dominant focus on the city-scale), platforms and methods highlight that this field is emerging, but it also reflects the complexity of the tourism phenomenon. This review identified a lack of theory in this field, and it points to ongoing challenges in ensuring appropriate use of data (e.g. differentiating travellers from residents) and the ethics surrounding them.

The findings guide researchers, especially those with no computer science background, on the different types of approaches, data sources and methods available for tracking tourist mobility by harnessing social media. Depending on the particular research interest, different tools for processing and visualization are available.

利用社交媒体了解游客的流动性：信息技术和大数据的作用

本综述审查了学术背景的关键参数和案例调查的地理焦点, 并评估了社交媒体和访客流动领域研究的理论基础。本文章还总结了社交媒体数据的特征, 包括如何从不同社交媒体平台收集数据及其优势和局限。 此外本论文通过研究不同的应用方法和总结相关技术来完成的。

本研究提供了最新的使用社交媒体数据分析游客流动性研究的评估。比如案例分析的地理大小（主要集中在城市尺度）、社交媒体平台和方法的多样性突出了该领域的新兴, 但复杂旅游流动现象。审查发现利用社交媒体进行的研究缺乏理论贡献, 并指出在确保适当使用数据（例如区分旅行者与居民）和围绕他们的道德规范方面存在持续挑战。

研究结果指导研究人员, 尤其是那些没有计算机科学背景的研究人员, 了解不同类型的方法、数据来源和方法, 可用于通过利用社交媒体来跟踪旅游流动性。根据特定的研究兴趣, 可以使用不同的处理和可视化工具。

关键词：旅游模式; 游客流动; 游客轨迹; 社交媒体; 信息技术; 大数据

文章类型： 文献评论

Uso de las redes sociales para comprender la movilidad turística: el papel de la tecnología de la información y los macrodatos

En este estudio se examinan los parámetros clave en el contexto académico y enfoque geográfico y se evalúan los fundamentos teóricos de estudios en el campo de las redes sociales y la movilidad de los visitantes. Se resumen también las características de datos de las redes sociales, incluidos los métodos de recopilación de datos de las diferentes plataformas de redes sociales así como sus ventajas y limitaciones. Finalmente, se examinan tecnologías y métodos aplicados que respaldan las diferentes cuestiones de la investigación.

El estudio proporciona una evaluación avanzada del conocimiento hasta la fecha sobre la movilidad turística analizada utilizando datos de redes sociales. La diversidad de escalas (con un enfoque dominante en la escala de la ciudad), plataformas y métodos indica que este campo está en auge, pero también refleja la complejidad del fenómeno turístico. En este estudio se identifica una falta de teoría en este campo y se señalan los contúnios desafíos para garantizar el uso apropiado de datos (por ejemplo, diferenciar a los viajeros de los residentes) y la ética que los rodea.

los resultados guían a los investigadores, especialmente a aquellos sin formación en informática, sobre los diferentes tipos de enfoques, fuentes de datos y métodos disponibles para rastrear la movilidad turística mediante el uso de las redes sociales. Existen diferentes herramientas de procesamiento y visualización disponibles dependiendo del interés particular de la investigación.

Patrones de viaje; Movilidad turística; Movimientos de visitantes; Redes sociales; Tecnologías de la información; Macrodatos.

This study aims to provide a comprehensive review of hotel demand forecasting to identify its key fundamentals and evolution and future research directions and trends to advance the field.

Articles on hotel demand modeling and forecasting were identified and rigorously selected using transparent inclusion and exclusion criteria. A final sample of 85 empirical studies was obtained for comprehensive analysis through content analysis.

Synthesis of the literature highlights that hotel forecasting based on historical demand data dominates the research, and reservation/cancellation data and combined data gradually attracted research attention in recent years. In terms of model evolution, time series and AI-based models are the most popular models for hotel demand forecasting. Review results show that numerous studies focused on hybrid models and AI-based models.

To the best of the authors’ knowledge, this study is the first systematic review of the literature on hotel demand forecasting from the perspective of data source and methodological development and indicates future research directions.

本研究旨在对酒店需求预测进行全面回顾, 以确定其关键基础和演变以及未来的研究方向和趋势, 以推动该领域的发展。

使用严格和透明的纳入和排除的标准对酒店需求建模和预测的文章进行识别和选择。通过内容分析, 最终有 85个实证研究作为综合分析的样本。

综合文献发现, 基于历史需求数据的酒店预测在研究中占主导地位, 近年来预订/取消数据和组合数据逐渐引起研究关注。在模型演化方面, 时间序列和基于人工智能的模型是最受欢迎的酒店需求预测模型。审查结果表明, 许多研究都集中在混合模型和基于 AI 的模型上。

本研究是第一次从数据源和方法发展的角度对酒店需求预测文献进行系统回顾, 并指出未来的研究方向。

Este estudio tiene como objetivo proporcionar una revisión amplia de la previsión sobre la demanda hotelera a la hora de identificar sus fundamentos clave, la evolución y las direcciones y tendencias de investigación futuras para avanzar en el campo de estudio.

Se identificaron y seleccionaron de forma rigurosa artículos sobre modelado y previsión de la demanda hotelera utilizando criterios transparentes de inclusión y exclusión. Se obtuvo una muestra final de 85 estudios empíricos para su análisis integral a través del análisis de contenido.

La síntesis de la literatura destaca que la previsión hotelera basada en datos históricos de demanda ha dominado la investigación, y los datos de reserva/cancelación, así como los datos combinados han atraído gradualmente en los últimos años la atención de la investigación. En términos de evolución del modelo, las series temporales y los modelos basados en IA son los modelos más populares para la previsión de la demanda hotelera. Los resultados de la revisión muestran que numerosos estudios se han centrado en modelos híbridos y basados en IA.

Este estudio es la primera revisión sistemática de la literatura sobre la previsión de la demanda hotelera desde la perspectiva de la fuente de datos y el desarrollo metodológico e indica futuras líneas de investigación.