نوع مقاله : مقاله پژوهشی

نویسندگان

• آمنه خدیور ¹
• زینب هاشمی باغی ²

¹ دانشیار گروه مدیریت، دانشکده علوم اجتماعی و اقتصادی، دانشگاه الزهرا، تهران، ایران

² دانشجوی دکتری مدیریت بازاریابی، دانشکده علوم اجتماعی و اقتصاد، دانشگاه الزهرا، تهران، ایران.

چکیده

این تحقیق از نظر هدف کاربردی و از نظر روش جزء تحقیقات کیفی و کمی است. تحلیل‌های بخش کتاب سنجی مربوط به بخش کیفی و تحلیل های شبکه عصبی مربوط به بخش کمی می باشد روش بررسی کتاب سنجی سیستماتیک با نرم افزار VOSviewer و زبان برنامه نویسی R انجام شد. سه خوشه اصلی در بخش تجزیه و تحلیل هم رخدادی واژگان شناسایی شد، که شامل: (1) نوآوری در جاذبه های گردشگری رویداد (2) درگیری ذهنی نسبت به دلبستگی مقصد گردشگری رویداد (3) تجربیات گردشگری رویداد در رسانه های اجتماعی. در بخش کمی پس از نتایج چارچوب TCM-ADO در تحلیل های شبکه عصبی روی خوشه‌ها برای پیش‌بینی قصد بازدید مجدد گردشگری رویداد انجام شد. نتایج حاکی از آن است که متغیرهای رسانه های اجتماعی، تجربه و جاذبه های گردشگری، رضایت، وفاداری، نگرش های، درگیری ذهنی و وابستگی به محل برقصد بازدید مجدد اثرگذار می باشد.

کلیدواژه‌ها

• کتاب سنجی
• گردشگری رویداد
• شبکه‌های عصبی
• جاذبه‌های گردشگری

موضوعات

• گردشگری فرهنگی

عنوان مقاله [English]

Identifying factors affecting event tourism: bibliometric approach and artificial neural networks (ANN)

نویسندگان [English]

• Ameneh Khadivar ¹
• Zeinab Hashemi baghi ²

¹ Associated Professor, Department of Management, Faculty of Social Sciences and Economics, Alzahra University, Tehran, Iran.

² Ph.D Student, Marketing Management, Faculty of Social Sciences and Economics, Alzahra University, Tehran, Iran.

چکیده [English]

This research is a part of qualitative and quantitative research in terms of practical purpose and terms of method. The analyses of the bibliometric section are related to the qualitative section and the neural network analyses are related to the quantitative section. The method of systematic bibliometric review was carried out with VOSviewer software and R programming language. Three main clusters were identified in the vocabulary co-occurrence analysis section, which include: (1) innovation in event tourism attractions (2) mental engagement towards event tourism destination attachment (3) event tourism experiences in social media. In the quantitative section, following the results of the TCM-ADO framework, neural network analyses were performed on the clusters to predict event tourism revisit intention. The results indicate that the variables of social media, experience, and tourist attractions, satisfaction, loyalty, attitudes, mental involvement and dependence on the place effect revisiting.

کلیدواژه‌ها [English]

• bibliometric
• event tourism
• neural networks
• tourist attractions