بررسی تأثیر هوش مصنوعی بر رقابتپذیری گردشگری در مقاصد گردشگری (مورد مطالعه: شهر کرمانشاه)
الموضوعات : Policy-making and implementation of sustainable development in all areas
میلاد بخشم
1
,
مهدی حسین پور
2
,
معصومه آینه
3
1 - دانشگاه رازی، کرمانشاه، ایران
2 - دانشگاه رازی، کرمانشاه، ایران
3 - دانشگاه رازی، کرمانشاه، ایران
الکلمات المفتاحية: گردشگری, رقابتپذیری, هوش مصنوعی, مقصد گردشگری.,
ملخص المقالة :
هدف: امروزه مقصدهای گردشگری مانند سایر کسبوکارها، تلاش میکنند تا خود را از رقبا متمایز سازند و تجربهای منحصربهفرد را به مشتریان ارائه میدهند که فناوری اطلاعات و ارتباطات و بخصوص هوش مصنوعی میتواند یکی از این ابزارها باشد. هدف پژوهش حاضر بررسی تأثیر هوش مصنوعی بر رقابتپذیری گردشگری در مقاصد گردشگری هست. روششناسی: پژوهش حاضر از نظر نوع، کمی و از نظر هدف کاربردی است و به لحاظ گردآوری اطلاعات، توصیفی - همبستگی است. جامعه آماری پژوهش، متخصصین و خبرگان حوزه فناوری اطلاعات و ارتباطات و گردشگری دانشگاه رازی شهر کرمانشاه بودند که تعداد آن براساس آمار ارائهشده از جانب دانشگاه 61 نفر بوده که حجم نمونه با استفاده از اصل تمام شماری برابر 61 نفر در نظر گرفته شد. که پرسشنامههای پژوهش میان آنها توزیع گردید. بهمنظور تجزیهوتحلیل دادهها در قالب مدل معادلات ساختاری از نرمافزار Smart pls3 استفاده شد. یافتهها: نتایج پژوهش نشان داد که هوش مصنوعی با افزایش سطح رقابتپذیری گردشگری در مقاصد گردشگری دارای رابطه مثبت و معناداری است. عوامل و منابع پشتیبان، منابع و جاذبههای محوری، خطمشی، برنامهریزی و سازماندهی، مشخصههای کیفی بر رقابتپذیری تأثیر مثبت و معنادار دارد. رباتهای خدمات، کیوسکهای خود سرویس، یادگیری ماشینی و پردازش، چترباتها، خدمات واقعیت مجازی، هوش مصنوعی بر رقابتپذیری تأثیر مثبت و معنادار دارد. نتیجهگیری: در دنیای رقابتی امروز، سازمانها و شرکتهای خصوصی و دولتی در حوزه گردشگری میتوانند با بهرهگیری از امکانات و زیرساختهای هوش مصنوعی، سطح رقابتپذیری مقاصد گردشگری را بهطور چشمگیری افزایش دهند. هوش مصنوعی به این نهادها این امکان را میدهد تا خدمات خود را شخصیسازی کرده، فرایندها را بهینهسازی کنند و به تحلیل دقیقتری از بازار و رفتار مشتریان دست یابند. بهعلاوه، با استفاده از این فناوری، میتوان به بهبود کیفیت تجربه مسافران و مدیریت بحرانها پرداخت. برای دستیابی به این اهداف، نیاز به سیاستگذاریهای مؤثر و همکاری نزدیکبین دولت و بخش خصوصی است تا برنامههای آموزشی و حمایتی برای ترویج استفاده از هوش مصنوعی در صنعت گردشگری طراحی و اجرا شود. این رویکرد نه تنها به افزایش رقابتپذیری کمک میکند، بلکه میتواند به ارتقاء سطح کیفی مقاصد گردشگری در ابعاد مختلف منجر شود.
1- دلشاد، علی. تحلیل رقابتپذیری مقصدهای گردشگری شهری در ایران، نشریه گردشگری شهری، 8(1)، 143-160، 1400.
2- مینایی، عباس؛ حیدری چیانه، رحیم و قربانی، رسول. تحلیلی بر اثرات مؤلفه تجارب به یادماندنی در پایداری و رقابتپذیری مقاصد گردشگری شهری مطالعه موردی: شهر اردبیل، نشریه گردشگری شهری، 7(2)، 143-155، 1399.
3- فرزین، محمدرضا؛ شکاری؛ فاطمه و عزیزی؛ فاطمه. رقابتپذیری مقصد گردشگری: تحلیل اهمیت- عملکرد (مورد مطالعه: شهر یزد و شهر شیراز)، فصلنامه مطالعات مدیریت گردشگری، 13(44)، 219-247، 1397.
4- کاوه، خدیجه؛ نکوئی زاده، مریم و علیمحمدلو، مسلم. شناسایی کاربردهای اینترنتاشیاء برای هوشمندسازی مقاصد و جاذبههای گردشگری: یک مرور سیستماتیک، فصلنامه رشد فناوری، 18(69)، 21-33، 1400.
5- بهدوست، فرانک؛ زیاری، کرامتاله؛ حاتمینژاد، حسین و فرجی سبکبار، حسنعلی. شناسایی عوامل مؤثر بر رقابتپذیری شهری از طریق گردشگری در شهر کرمانشاه، جغرافیا و پایداری محیط، 11(4)، 19-39، 1400.
6- عطافر، علی؛ خزایی پول، جواد و پور مصطفی خشکرودی، مهدی. عوامل مؤثر بر پذیرش فناوری اطلاعات در صنعت گردشگری، فصلنامه مطالعات مدیریت گردشگری، 7(18)، 133-156، 1391.
7- خاتمینزاد، حامد؛ نسیمی، محمدعلی و فرخ سرشت، بهزاد. ارائه مدل تجاریسازی فناوری اطلاعات در کسب و کارهای آنلاین با تأکید بر صنعت گردشگری، رشد فناوری، 7(18)، 32-42، 1401.
8- با شکوه اجیرلو و قاسمی همدانی، ایمان. بررسی تأثیر فناوریهای هوشمند بر قصد بازدید مجدد گردشگران با نقش میانجی همآفرینی ارزش، رشد فناوری، 19(75)، 42-50، 1402.
9- رحمانی، فاطمه و رهنما، علی. تأثير شاخصهای رقابتپذیری سفر و گردشگری بر تقاضای گردشگری خارجی در کشورهای خاورمیانه و شمال آفریقا (منا)، مطالعات اجتماعی گردشگری، 16(8)، 113-144، 1399.
10- برومند، بابک؛ کاظمی، علی و رنجبریان، بهرام. توسعه مدل بومی سنجش رقابتپذیری گردشگری مقاصد گردشگری ایران، تحقیقات بازاریابی نوین، 8(2)، 105-122، 1397.
11- حیدری، رضا؛ طالبپور، مهدی؛ نظری، احمد؛ شجیع، کیانوش و جابری، سجاد. تدوین راهبردهای رقابتپذیری و توسعه گردشگری ورزشی در شهرها مطالعه موردی: کلانشهر مشهد، نشریه گردشگری شهری، 7(1)، 143-159، 1399.
12- ضرغام بروجنی، حمید و توحید لو، معصومه. الگوی مدیریت اثر بخش گردشگری، مورد مطالعه: مقصد مذهبی مشهد، فصلنامه مطالعات مدیریت گردشگری، 6(16)، 24-52، 1390.
13- جعفرتاش امیری، برزین و پویانزاده، نسترن. ارزیابی و اولویتبندی شاخصهای رقابتپذیری صنعت گردشگری ایران، فرایند مدیریت و توسعه، ۲۸ (۳) ،۱۰۶-۸۵، ۱۳۹۴.
14- دلشاد، علی. تحلیل هوشمندی و رقابتپذیری مقصد گردشگری شهر یزد، کاوشهای جغرافیایی مناطق بیابانی، 10(1)، 141-168، 1401.
15- خانزاده، حامد؛ رهنورد، فرجاله؛ بامداد، ناصر و محمودزاده، سیدمجتبی. مدل تبیین رقابتپذیری گردشگری شهرهای توریستی در ایران، تحقیقات بازاریابی نوین، 11(2)، 45-68، 1400.
16- افراخته، حسن؛ جلالیان، حمید و آرامی، ابراهیم. عوامل مؤثر در رقابتپذیری گردشگری (مطالعه موردی: شهرستان سرعین)، مطالعات برنامهریزی سکونتگاههای انسانی، 2(14)، 457-472، 1398.
17- راسخی، سعید و محمدی، ثریا. عوامل مؤثر بر تقاضای گردشگری کشورهای حوزه دریای خزر، فصلنامه مطالعات مدیریت گردشگری، 12(38)، 63-81، 1396. 18- بخشم، میلاد؛ کریمی، حسین و حسینپور، مهدی. تأثیر کاربردهای فناورانه اینترنتاشیاء بر توسعه قابلیتهای پویا در شرکتهای دانشبنیان بخش کشاورزی، راهبردهای کارآفرینی در کشاورزی، 8(15)، 67-75، 1400.
19- Ivanov, S., and Webster, C. Robots in touridm: a research agenda for tourism economics, Tourism economics, 26(7), 1065-1085. 2019.
20- Sharma. K. Jain. M. and Dhir. S. Analysing the impact of rtificial intelligence on the competitiveness of tourism firms: a modified total interpretive strural modeline (m-tism) approach, International Journal of emerging Markets. 2021.
21- Cai. S. and Yang. Z. On the relationship between business environment and competivie priorities: the rol of performance frontiers, International Journal of production economics, 151, 131-145.Lascu, D.N. Dickerson, D. 2014.
22- Dwyer. L. Forsyth. P. and Dwyer. W. Tourism Economies and police, Bristol: channel view publications. 2010.
23- Kazak. A. N. Chetyrbok. P. V. and Oleinikov N. Artificial intelligence in the tourism sphere. In IOP Conference Series: Earth and Environmental Science. 421(4). IOP Publishing.2020.
24- Alipour. V and Bashkoh. M and Sakhteband. M. Investigating factors affecting the expansion and use of tourism services in the tourism industry (case study: Ardabil province), Information Technology Management, 794), 864-845. 2014.
25- Bulchand- Gidumal. J. Impact of artificial intelligence in travel, Tourism, and Hospitality, Springer nature Switzerland AG, 1-20. 2020.
26- Kiryil. I. Askun. V. Artificial intelignce in tourism: A review and bibliometrics research, An International Journal of Akdeniz University Touresm Faculty, 9(1), 205-233.2021.
27- Ferras. X. Hitchen. E. Tarrats- Pons. E and Arimany- Serrat. N. Smart tourism empowered by artificial intelligence: The case of Lanzarote. Journal of Case on Information Technology, 22(1), 1-13. 2020.
28- McCarthy. J. Ascribing mental Qualitisd to machinges, Stanford university AI Lab. Stanford, CA.1978.
29- Bollier. D. Artifical intelligence comes of Age. The Promise and challenge of international AI into cars, Healthcare, and Journalism, The Aspen Institute, Washington, DC.2017.
30- Crouch. G. Ritchie. J. Tourism, Competitiveness, and Social prosperity, Journal of Business Research, 44(3), 137-152.1999.
31- Pike. S. Destination marketing organization, Oxford: Elsevier. 2004.
32- Poon. A. Tourism, Technology and competitive strategies. Walling ford: C.A.B International. 1993.
33- Aranda, C, Fernandez, S & Manzano, B. Tourism research after COVID-19 outbreak: Sustainable Cities and Society. Sustainable Cities and Society. 73. 103126. 1-14. 2021.
34- Lee, P., Hunter, W. C., & Chung, N. Smart tourism city: Developments and transformations. Sustainability, 12(10), 3958. 2020.
35- Milon. A., Ayensa, E., Pascual, C. & Borondo. J. Towards the smart tourism destination: Key factors in information source use on the tourist shopping, journey Tourism Management Perspectives, 36, 100730. 1-9. 2020.
36- Woyo. E and Slabbert. E. Cross border destination marketing of attraction between borders: the case of Victoria falls. Journal of Hospitality and tourism insights, 2(2), 145-165. 2019.
37- Shakeel, S., Takala, J., & Zhu, L. Commercialization of Renewable Energy Technologies: A Ladder Building Approach. Renewable and Sustainable Energy Reviews, 78, 855-867, 2017.
38- Solakis. K. Katsoni. V. Mahmoud. A. B. and Grigoriou, N. Factors affecting value co-creation through artificial intelligence in tourism: a general literature review. Journal of Tourism Futures, (ahead-of-print). 2022.
39- Tuo. Y. Ning. L. and Zhu. A. How artificial intelligence will change the future of tourism industry: The practice in China. Information and Communication Technologies in Tourism, 83-94. 2021.