دوره 15، شماره 56 - ( تابستان 1405 )
جلد 15 شماره 56 صفحات 0-0 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Bavan pouri B, Faraji Sabokbar H, Badri S, Zarandian N. A Data-Driven Analysis of User Satisfaction in Rural Ecotourism Lodgings: An Interpretable Machine Learning Approach. serd 2026; 15 (56) : 4
URL: http://serd.khu.ac.ir/article-1-4115-fa.html
URL: http://serd.khu.ac.ir/article-1-4115-fa.html
باوان پوری بهیه، فرجی سبکبار حسنعلی، بدری سیدعلی، زرندیان ندا. تحلیل داده محور رضایت کاربران دراقامتگاه های بومگردی نواحی روستایی: رویکردی با الگوریتمهای تفسیرپذیر یادگیری ماشین. اقتصاد فضا و توسعه روستایی. 1405; 15 (56)
بهیه باوان پوری1 
، حسنعلی فرجی سبکبار*2 ، سیدعلی بدری1 ، ندا زرندیان1
، حسنعلی فرجی سبکبار*2 ، سیدعلی بدری1 ، ندا زرندیان1
1- دانشگاه تهران
2- دانشگاه تهران ،hfaraji@ut.ac.ir
2- دانشگاه تهران ،
چکیده: (32 مشاهده)
هدف: در سالهای اخیر، رضایت کاربران از اقامتگاههای بومگردی به یکی از مؤلفههای کلیدی موفقیت در صنعت گردشگری تبدیل شده است. با توجه به رشد پلتفرمهای آنلاین مانند جاباما و افزایش رقابت در این حوزه، نیاز به تحلیل دادهمحور برای شناسایی عوامل مؤثر بر رضایت کاربران بیش از پیش احساس میشود. فقدان مطالعات جامع با رویکردهای پیشرفته یادگیری ماشین در زمینه بومگردی ایران، ضرورت پژوهش حاضر را برجسته میسازد. اقتصاد اشتراکی و پلتفرمهای اقامتی مانند جاباما، تجربه کاربران را متحول کرده و بر اهمیت تحلیل دادهمحور تأکید دارند. مطالعات پیشین نشان دادهاند که عواملی مانند کیفیت خدمات، نظافت، و ارزش در برابر قیمت بر رضایت کاربران تأثیر دارند. با این حال، ویژگیهای فرهنگی و بومی اقامتگاههای بومگردی ایران نیازمند بررسیهای خاص و بومی است. روش پژوهش: در این پژوهش، دادههای ۱۱۲۳ اقامتگاه بومگردی از پلتفرم جاباما با استفاده از زبان برنامهنویسی Python و کتابخانه Selenium استخراج شد. متغیرهای مستقل شامل کیفیت اطلاعات، نظافت، ارزش در برابر قیمت، نحوه پذیرش، میزبانی، و موقعیت مکانی بودند و امتیاز رضایت کاربران بهعنوان متغیر وابسته در نظر گرفته شد. مدلسازی با استفاده از الگوریتمهای رگرسیونی شامل رگرسیون خطی، درخت تصمیم، جنگل تصادفی، گرادیان تقویتی، و ماشین بردار پشتیبان (SVR) با کرنل RBF انجام شد. عملکرد مدلها با معیارهای میانگین مربعات خطا (MSE)، ضریب تعیین (R²)، و اعتبارسنجی متقاطع ۵-تایی ارزیابی گردید. یافتهها: نتایج نشان داد که مدلهای جنگل تصادفی و گرادیان تقویتی با R² بالای 0.86 و MSE کمتر از 0.012 بهترین عملکرد را داشتند. تحلیل اهمیت ویژگیها حاکی از آن بود که کیفیت اطلاعات (با ضریب اهمیت 0.442)، نظافت، و ارزش در برابر قیمت مهمترین عوامل مؤثر بر رضایت کاربران هستند. مدل درخت تصمیم، قواعد تفسیرپذیری را ارائه کرد که نشاندهنده نقش کلیدی کیفیت اطلاعات در گره ریشه و تأثیر نظافت و ارزش در برابر قیمت در مراحل بعدی بود.
شمارهی مقاله: 4
واژههای کلیدی: رضایت کاربران، اقامتگاههای بومگردی، تحلیل دادهمحور، الگوریتمهای تفسیرپذیر یادگیری ماشین
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
