نوع مقاله : مقاله پژوهشی

نویسنده

دانشیار ، مدیریت بازرگانی ، دانشکده مدیریت و حسابداری ، دانشگاه علامه طباطبایی ، تهران ، ایران

چکیده

امروزه کسب‌وکارها و مدیریت بازاریابی روندی به سمت داده محور شدن را می‌پیمایند و در این مسیر بسیاری از آن‌ها نیازمند داده‌های مفید و البته روش‌های تحلیل درست داده‌ها هستند، متن‌کاوی یکی از فنون نوین تحلیل داده‌ها می‌باشد که برای تحلیل داده‌های متنی به کار می‌رود، داده‌های متنی برای سال‌های طولانی به علل مختلفی چون حجم زیاد و بی‌ارزش تلقی شدن و یا نبود ابزار مناسب برای تحلیل، بی‌استفاده باقی‌مانده‌اند، درحالی‌که این داده‌ها می‌توانند اطلاعات مناسبی را از روندهای موجود ارائه دهند. در این تحقیق با هدف بررسی ساختار محتوایی فصلنامه مطالعات مدیریت گردشگری از متن‌کاوی استفاده کرده‌ایم و مقالات از سال 1382 تا پایان سال 1397 موردبررسی قرار داده‌ایم. نزدیک به 70 مجله که مشتمل بر تعداد حدودی 250 مقاله می‌شدند و تعداد 43100 واژه که بیش از 100000 هزار بار تکرار داشتند مورد تحلیل قرار گرفتند و حوزه‌های مطالعاتی این فصلنامه در 15 سال اخیر ارائه شده است.

کلیدواژه‌ها

عنوان مقاله [English]

Analysis of the Content Structure of the Tourism Management Studies Journal by Using the text Mining Technique

نویسنده [English]

  • Zohreh Dehdashti Shahrokh

Associate professor, Business Management, Faculty Of Management and Accounting, Allameh Tabataba'i University, Tehran, Iran

چکیده [English]

Today, businesses desire to be managed by data driven marketing, in this way, many of them need useful data and of course they need methods for accurate data analysis, text mining is one of the new data analysis techniques used to analyze textual data, textual data For many years, they have remained unused for many reasons, such as large volume and worthlessness or lack of tools for analysis, while these data can provide relevant information from existing trends. In this research, we aimed to investigate the content structure of the Journal of Tourism Management Studies from the Institute of Technology and reviewed the articles published in this research journal from the beginning of 1382 to the end of 1397. Approximately 70 journals containing approximately 250 articles, including 43,100 words that included more than 100,000 times, were analyzed, and the study areas of this quartet in the last 15 years reported.

کلیدواژه‌ها [English]

  • journal of tourism management studies
  • text mining
  • tourism management
  • tourism papers
  • tourism researches
عباسی گرجی, علیرضا, هدایتی فر, صبا. (1397). بررسی تطبیقی متن شعارهای تبلیغاتی فروشگاه های اینترنتی صنایع غذایی داخلی و خارجی با استفاده از تکنیک متن‌کاوی و خوشه بندی. فصلنامه رسانه(4)29، 142-131.
رئیسی وانانی, ایمان, جلالی, سید محمد جعفر. (1397). ارزیابی تحلیلی حوزه‌های علمی در حال ظهور در صنعت گردشگری منطقه خاورمیانه با استفاده از الگوریتم‌های متن‌کاوی. مطالعات مدیریت گردشگری,. doi: 10.22054/tms.2018.944899-77،(43)13.
سهرابی, بابک, رئیسی وانانی, ایمان, & خداپرست. (2016). تحلیل نظرات کاربران وب‌سایت‌های تجارت اجتماعی بر اساس روش‌های متن‌کاوی و داده‌کاوی. فصلنامه جهانی رسانه-نسخه فارسی, 11(2).‎
الهی, شعبان, رضا نقی زاده,, سید سپهر قاضی نوری,, منوچهر منطقی,. (1391). شناسایی جریان‌های غالب در حوزه توسعه نوآوری در مناطق با استفاده از روش تحلیل هم رخدادی کلمات. بهبود مدیریت،(17) 6 .
ناصری جزه محمود, طباطباییان سیدحبیب اله, و فاتح راد مهدی. ترسیم نقشه دانش مدیریت فناوری در ایران با هدف کمک به سیاست گذاری دانش در این حوزه.
کرمی مهتاب. کاربرد ابزارهای تحلیلگر داده‌کاوی و متن‌کاوی در چابکی سازمانهای مراقبت بهداشتی و درمانی. فصلنامه مدیریت سلامت. ۱۳۸۶; ۱۰ (۳۰):۱۵-۲۰
قاضی نوری سیدسروش, روشنی سعید, & رضایی نیک نفیسه. 5 سال با سیاست علم و فناوری: تکامل و توسعه نظری فصلنامه سیاست علم و فناوری.
Fan, S., Lau, R. Y., & Zhao, J. L. (2015). Demystifying big data analytics for business intelligence through the lens of marketing mix. Big Data Research, 2(1), 28-32.
Erevelles, S., Fukawa, N., & Swayne, L. (2016). Big Data consumer analytics and the transformation of marketing. Journal of Business Research, 69(2), 897-904.
Park, S. B., Ok, C. M., & Chae, B. K. (2016). Using twitter data for cruise tourism marketing and research. Journal of Travel & Tourism Marketing, 33(6), 885-898.
Huang, Y. C., Backman, K. F., Backman, S. J., & Chang, L. L. (2016). Exploring the implications of virtual reality technology in tourism marketing: An integrated research framework. International Journal of Tourism Research, 18(2), 116-128.
Xu, F., Tian, F., Buhalis, D., Weber, J., & Zhang, H. (2016). Tourists as mobile gamers: Gamification for tourism marketing. Journal of Travel & Tourism Marketing, 33(8), 1124-1142.
Kotler, P., Bowen, J. T., Makens, J., & Baloglu, S. (2017). Marketing for hospitality and tourism.
Prebensen, N. K., Chen, J. S., & Uysal, M. (Eds.). (2018). Creating experience value in tourism.
Cabi. Tussyadiah, I. P., & Sigala, M. (2018). Shareable tourism: tourism marketing in the sharing economy.
Pike, S. (2018). Tourism marketing for small businesses. Goodfellow Publishers Limited.
Moutinho, L., & Vargas-Sanchez, A. (Eds.). (2018). Strategic Management in Tourism, CABI Tourism Texts. Cabi.
Tirunillai, S., & Tellis, G. J. (2014). Mining marketing meaning from online chatter: Strategic brand analysis of big data using latent dirichlet allocation. Journal of Marketing Research, 51(4), 463-479.
Churchill, G. A., & Iacobucci, D. (2006). Marketing research: methodological foundations. New York: Dryden Press.
Wrenn, B., Stevens, R. E., & Loudon, D. L. (2013). Marketing research: Text and cases. Routledge.
Balducci, B., & Marinova, D. (2018). Unstructured data in marketing. Journal of the Academy of Marketing Science, 46(4), 557-590.
Zhang, H., Rao, H., & Feng, J. (2018). Product innovation based on online review data mining: a case study of Huawei phones. Electronic Commerce Research, 18(1), 3-22.
Ducange, P., Pecori, R., & Mezzina, P. (2018). A glimpse on big data analytics in the framework of marketing strategies. Soft Computing, 22(1), 325-342.
Chiang, W. Y. (2018). Applying data mining for online CRM marketing strategy: An empirical case of coffee shop industry in Taiwan. British Food Journal, 120(3), 665-675.
Xu, Z., Frankwick, G. L., & Ramirez, E. (2016). Effects of big data analytics and traditional marketing analytics on new product success: A knowledge fusion perspective. Journal of Business Research, 69(5), 1562-1566.
Fan, S., Lau, R. Y., & Zhao, J. L. (2015). Demystifying big data analytics for business intelligence through the lens of marketing mix. Big Data Research, 2(1), 28-32.
Tirunillai, S., & Tellis, G. J. (2014). Mining marketing meaning from online chatter: Strategic brand analysis of big data using latent dirichlet allocation. Journal of Marketing Research, 51(4), 463-479.
Erevelles, S., Fukawa, N., & Swayne, L. (2016). Big Data consumer analytics and the transformation of marketing. Journal of Business Research, 69(2), 897-904.
Usai, A., Pironti, M., Mital, M., & Aouina Mejri, C. (2018). Knowledge discovery out of text data: a systematic review via text mining. Journal of Knowledge Management, 22(7), 1471-1488.
Mahr, D., Stead, S., & Odekerken-Schröder, G. (2019). Making sense of customer service experiences: a text mining review. Journal of Services Marketing.
Amado, A., Cortez, P., Rita, P., & Moro, S. (2018). Research trends on Big Data in Marketing: A text mining and topic modeling based literature analysis. European Research on Management and Business Economics, 24(1), 1-7
Xu, Z., Frankwick, G. L., & Ramirez, E. (2016). Effects of big data analytics and traditional marketing analytics on new product success: A knowledge fusion perspective. Journal of Business Research, 69(5), 1562-1566.
Van Der Aalst, W. (2016). Data Mining. In Process Mining (pp. 89-121). Springer, Berlin, Heidelberg.
Giudici, P., & Figini, S. (2009). Applied data mining for business and industry (pp. 147-162). Chichester: wiley.
Vercellis, C. (2009). Business intelligence: data mining and optimization for decision making. New York: Wiley.
Bose, I., & Mahapatra, R. K. (2001). Business data mining—a machine learning perspective. Information & management, 39(3), 211-225.