Πληροφοριακά συστήματα για την υποστήριξη λήψης επιχειρηματικών αποφάσεων στον τουρισμό
| dc.contributor.advisor | Σφακιανάκης, Μιχαήλ | |
| dc.contributor.author | Σκότης, Απόστολος | |
| dc.date.accessioned | 2019-09-19T10:24:22Z | |
| dc.date.available | 2019-09-19T10:24:22Z | |
| dc.date.issued | 2019-09-18 | |
| dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/12152 | |
| dc.description.abstract | Η εξέλιξη της Τεχνολογίας Πληροφοριών και Επικοινωνιών και η αναβάθμιση του ρόλου των πελατών από απλούς δέκτες σε ενεργούς δημιουργούς ροών γνώσης απαιτεί από τον Τουριστικό Κλάδο, ως βιομηχανία εντάσεως πληροφορίας, την προσαρμογή στις ειδικές συνθήκες που συνεπάγεται ο ταχέως αυξανόμενος όγκος μεγάλων δεδομένων στο διαδίκτυο. Η κοινή παραδοχή ότι το μεγαλύτερο ποσοστό των δεδομένων αυτών είναι σε αδόμητη μορφή απαιτεί την υιοθέτηση νέων εργαλείων και μεθοδολογιών διαχείρισης και ανάλυσης αυτού του περιεχομένου σε μεγάλη κλίμακα. Οι καταγραφές των ταξιδιωτικών εμπειριών στις τουριστικές κοινότητες του διαδικτύου αποτελούν μια πολύτιμη, σε μεγάλο βαθμό αναξιοποίητη, πηγή πελατειακής γνώσης που παράγεται με αυθόρμητο και μη παρεμβατικό τρόπο. Η παρούσα διατριβή αντλεί με αυτοματοποιημένη μέθοδο ένα σύνολο πλέον των 17.000 ταξιδιωτικών κριτικών από την διαδικτυακή κοινότητα Tripadvisor που εκτός από τα κείμενα συμπεριλαμβάνουν δεδομένα βαθμολογήσεων καθώς και δημογραφικών και εμπειρικών χαρακτηριστικών των χρηστών. Οι κριτικές αφορούν τρία ιστορικά κέντρα μεγάλων πόλεων που αποτελούν διακριτά τμήματα των προορισμών με παρόμοια χαρακτηριστικά και συγκεκριμένα το Barri Gotic της Βαρκελώνης, την Πλάκα της Αθήνας και το Trastevere της Ρώμης. Ο σκοπός της παρούσας διδακτορικής διατριβής είναι η ανάπτυξη μιας μικτής μεθοδολογικής προσέγγισης για την ανάλυση του αδόμητου περιεχομένου των κριτικών με συνδυασμό αυτοματοποιημένων τεχνικών εξόρυξης και ανάλυσης κειμένου και ποιοτικής εννοιολογικής κατηγοριοποίησης για την αποτύπωση των σημαντικότερων στοιχείων της τουριστικής εμπειρίας στις τρεις προαναφερόμενες τοποθεσίες. Στο πλαίσιο αυτό διερευνώνται, μέσω διμεταβλητών αναλύσεων αλλά και ανάπτυξης δύο πολυμεταβλητών υποδειγμάτων λογιστικής παλινδρόμησης, οι κατηγορίες εννοιών των κειμένων που παρουσιάζουν την μεγαλύτερη συνάφεια με την μεταβλητή της βαθμολογίας των κριτικών, καθώς και η επιρροή των διαφορετικών χαρακτηριστικών χρήστη τόσο σχετικά με τις βαθμολογήσεις όσο και με τα στοιχεία της τουριστικής εμπειρίας. Τα αποτελέσματα περιλαμβάνουν την ανάδειξη των ομαδοποιήσεων εννοιών με συναισθηματικά στοιχεία υψηλής θετικότητας και έντασης καθώς και το ιστορικό βαθμολογήσεων χρήστη ως δύο παράγοντες που συνδέονται στενά με τις διακυμάνσεις της βαθμολογίας. Σε δεύτερο στάδιο, εξετάζεται κατά πόσο το συγκεκριμένο σχήμα ανάλυσης μπορεί να αναδείξει τα μοναδικά ανά προορισμό γνωρίσματα της τουριστικής εμπειρίας, με συγκριτική ανάλυση των τριών προορισμών μέσω διμεταβλητών αναλύσεων καθώς και χρήσης Σημασιολογικών Δικτύων Συνεμφάνισης. Η προσέγγιση επιτυγχάνει να αποτυπώσει με σημαντική λεπτομέρεια τις κυριότερες διαφορές και τις ομαδοποιήσεις των εννοιολογικών κατηγοριών τουριστικής εμπειρίας για κάθε προορισμό. | el |
| dc.format.extent | 377 | el |
| dc.language.iso | el | el |
| dc.publisher | Πανεπιστήμιο Πειραιώς | el |
| dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές | * |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
| dc.title | Πληροφοριακά συστήματα για την υποστήριξη λήψης επιχειρηματικών αποφάσεων στον τουρισμό | el |
| dc.type | Doctoral Thesis | el |
| dc.contributor.department | Σχολή Οικονομικών, Επιχειρηματικών και Διεθνών Σπουδών. Τμήμα Οργάνωσης και Διοίκησης Επιχειρήσεων | el |
| dc.description.abstractEN | Recent advances in Information and Communication Technologies and the upgrade of the role of customers from passive receivers to active knowledge flows creators has set new demands for Tourism, as an information intensive industry, in order to adapt to the special conditions caused by the rapidly growing volume of available Big Data on the internet. It is generally acknowledged that to a large extent this data comes in unstructured form, thus demanding the adaptation of new tools and methodologies for large scale content analysis and management. Text descriptions of travel experiences in internet tourist communities are able to offer a valuable, largely unexploited, source of customer knowledge that is created spontaneously and non-intrusively. The present Thesis collects data for over 17,000 travel reviews using an automated method from the Tripadvisor tourist community including review texts, review star ratings as well as demographic and experience user data. Reviews concern three historical centers of big cities which are discrete precincts of each destination, namely Barri Gotic of Barcelona, Plaka of Athens and Trastevere of Rome. The thesis aims to develop a mixed methodological approach for unstructured content analysis of reviews by combining computerized text mining and analysis techniques with qualitative codification of concepts to capture the significant tourist experience elements regarding the three aforementioned destinations. In this context it examines, by conducting bivariate analysis as well as developing two multivariate logistic regression models, the conceptual categories derived from texts that are the most significantly associated with review star ratings, as well as the influence of user characteristics on review star ratings and tourist experience components expressed. Results include highlighting concepts categories with affective features of high valence and arousal together with the variable of historical user star ratings as the two factors most intensively associated with review star ratings. At the next stage, it is examined by what extent the analysis scheme developed can successfully distinguish the unique tourist experience attributes of each destination, by performing a comparative analysis at the bivariate analysis level and also by constructing Semantic Co-occurrence Networks of conceptual categories. This approach manages to capture in detail the major differences and the groupings of tourist experience conceptual categories for each destination. | el |
| dc.subject.keyword | Βαθμολογήσεις | el |
| dc.subject.keyword | Ανάλυση αδόμητου περιεχομένου | el |
| dc.subject.keyword | Ταξιδιωτικές κριτικές | el |
| dc.subject.keyword | Τουριστική εμπειρία | el |
| dc.subject.keyword | Unstructured content analysis | el |
| dc.subject.keyword | Ratings | el |
| dc.subject.keyword | Travel reviews | el |
| dc.subject.keyword | Tourist experience | el |
| dc.date.defense | 2019-07-23 |
Αρχεία σε αυτό το τεκμήριο
Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές
Εκτός από όπου διευκρινίζεται διαφορετικά, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές
Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές