EN中文

中国生态旅游 >

2022 , Vol. 12 >Issue 3: 374 - 385

DOI: https://doi.org/10.12342/zgstly.20220047

研究综述

媒体数据在西方旅游学中的应用研究进展

  • 张静 , 1 ,
  • 卢松 , 2, * ,
  • 段鹏霄 2 ,
  • 孙颖 2 ,
  • 胡凯霖 2
展开
  • 1.上海师范大学旅游学院,上海 200234
  • 2.上海师范大学环境与地理科学学院,上海 200234
*卢松（1974-）,男,安徽黄山人,博士,教授,研究方向为旅游地理。E-mail:

张静（1996-）,女,江苏靖江人,硕士研究生,研究方向为旅游管理。E-mail:

收稿日期: 2022-04-28

  修回日期: 2022-06-20

  网络出版日期: 2022-08-26

基金资助

国家自然科学基金项目(41971171)

上海市哲学社会科学规划项目(2018BGL030)

收起

Review on the application of media data in Western tourism studies

  • Zhang Jing , 1 ,
  • Lu Song , 2, * ,
  • Duan Pengxiao 2 ,
  • Sun Ying 2 ,
  • Hu Kailin 2
Expand
  • 1. School of Tourism, Shanghai Normal University, Shanghai 200234, China
  • 2. School of Environmental and Geographical Sciences, Shanghai Normal University, Shanghai 200234, China
*Lu Song. E-mail:

Received date: 2022-04-28

  Revised date: 2022-06-20

  Online published: 2022-08-26

Fold

摘要

随着Web2.0技术和社会化媒体的快速发展,媒体数据在旅游学术研究中得到了广泛应用。本文以Web of Science核心合集数据库中应用媒体数据开展旅游学术研究的外文文献为对象,评估媒体数据在西方旅游学研究中的应用情况。分析发现：媒体数据在旅游学研究中的应用经历了起始探索到快速发展两个阶段;媒体数据来源以网络社交媒体为主,以传统大众媒体为辅;媒体数据应用领域主要集中在旅游目的地形象与品牌特性、媒体在危机事件中扮演的角色、旅游行为足迹与旅游流、旅游需求/动机/偏好、游客体验与情绪分析等5个方面。已有研究在媒体数据应用上存在结论的普适性、媒体数据来源的代表性、媒体数据的真实有效性等局限,建议从旅游学相关数据库、旅游媒体大数据分析方法等方面不断建设与完善。

关键词： 媒体数据; 旅游研究; 应用领域; 研究进展; 研究局限; 外文文献

本文引用格式

张静 , 卢松 , 段鹏霄 , 孙颖 , 胡凯霖 . 媒体数据在西方旅游学中的应用研究进展[J]. 中国生态旅游, 2022 , 12(3) : 374 -385 . DOI: 10.12342/zgstly.20220047

Abstract

With the rapid development of Web2.0 technology and social media, data generated via social media has been widely used in tourism research. This paper evaluates the application of social media data in Western tourism research based on the literature in the core collection database of Web of Science. The results show that the application of social media data in tourism research has experienced two stages from initial exploration to rapid development. The main sources of data are from online social media, supplemented by traditional mass media. The application of social media data mainly focuses on five areas: the image and brand characteristics of tourist destinations, the role of media in crisis events, tourist behavior footprint and tourist flow, tourist demand/motivation/preference, tourist experience and emotion analysis. Existing studies have limitations in the application of media data, such as the generalizability of conclusions, the representativeness of social media data sources, and the reliability and validity of media data. It is suggested that future research should put emphasis on construction of tourism related database and the improvement of analytical methods regarding big data generated via tourism social media.

Key words： media generated big data; application fields; research limitations; research progress; international literature

1 引言

随着Web2.0网络技术的发展以及社会化媒体迅速普及,媒体经历了从独立的大众媒体技术（报纸、电视、广播等）到移动媒体技术和平台的转变,拓宽了信息沟通空间,改变了人们的日常生活方式,也让旅游业进入了“数字旅游时代”[1]。媒体作为大数据的一种形式,在旅游业的许多方面都发挥着重要作用。旅游者可以随时关注、评价和讨论旅游地各种类型的网络信息,包括主流媒体报道、旅游营销宣传,甚至包括游客的用户生成内容（user-created content/user-generated content,UGC）,这些网络信息会影响旅游者的旅游动机和旅游决策,同时对当地的旅游服务质量发挥着监督作用[2]。随着新媒体特别是自媒体的大量涌现,越来越多的旅游者在网络平台分享自己的旅游体验,分享的内容往往包含文本、图片和地理位置信息等,这为研究旅游者行为、旅游偏好和旅游体验等提供了大量易得的实时更新数据。在旅游发展实践中,旅游目的地政府与企业积极利用大众媒体、社交媒体等互联网平台进行旅游目的地宣传和营销,也已积累了丰富的经验。信息和通信技术的发展,尤其是互联网和电子商务的发展,给旅游业带来了前所未有的挑战和机遇。消费端的旅游需求不断增加,供给端追逐效率和客户满意度提升的动力不断强化,使得媒体数据和网络信息在旅游和酒店管理工作中的作用与日俱增。更重要的是,信息技术的发展为整个行业带来了广泛的业务流程重组,已经彻底改变了行业运营和战略管理模式[3]。媒体数据在旅游者决策以及旅游运营和管理中的作用与应用,在旅游和酒店业研究中得到广泛关注和讨论[4],出现了相关的研究综述[4-5]和大量的案例研究[6⇓⇓⇓-10],如Leung等针对社交媒体在旅游和酒店业中的影响进行了文献综述[4],Schuckert等对酒店和旅游在线评论的近期趋势和未来方向进行了阐述[5]。
内容分析法是社会学研究的主要工具,可以通过定量和定性的方式来解释和描述诸如文字或图片等传播内容的特性[11]。内容分析法诞生后,被运用到许多领域的研究当中,对自然科学、社会科学产生了广泛影响。在大数据旅游时代,内容分析法也为如何利用媒体数据提供了规范的研究方案,推动了分析媒体数据的研究发展。本文以Web of Science核心合集数据库中旅游期刊上的外文文献为研究对象,意图描述媒体数据在旅游学研究中的应用发展阶段,分析媒体数据在旅游学研究中的主要应用领域,并探讨相关研究的不足,以期为未来旅游研究中更好地应用媒体数据提供学术借鉴。

2 载文总体特征

2.1 数据来源

文章所分析的文献来源于“Web of Science核心合集”数据库（时间范围是1900年至今）,内容涵盖自然科学、工程技术、生物科学、社会科学艺术与人文等领域,基本能够涵盖运用媒体内容分析的旅游学领域的国际学术期刊。将“主题”设置为“media content analysis”,“Web of Science类别”设置为“tourism”,检索后共得到709篇文献样本,检索后获得的文献跨度为1985—2022年,检索截止日期为2022年6月18日①(①文献数据检索的样本量在论文修改阶段进行了扩充。)。

2.2 文献量年际变化特征与被引频次特征

研究文献的数量是反映科学知识积累情况的重要指标之一。本研究选取文献数量指标,以直观地展示1985年至今旅游权威核心期刊中关于运用媒体数据内容分析的文献积累量和变化情况（图1）。从1985年至今,媒体数据在旅游研究中的载文量大体呈现阶段性上升趋势,年发文量从1985年的1篇增加到2020年的146篇,大致可以分为两个阶段：2010年之前为起步探索阶段,每年的论文总数都不超过3篇,论文数量的增幅较为平缓;2010年至今是载文量快速发展阶段,增幅变化较大。另外,高被引频次指标能够客观反映论文的学术影响力,本文列出了被引频次前十位的高被引文献（表1）,高被引文献也均出现在载文量的快速发展阶段。被引频次最高的文献是2013年发表在《Journal of Travel & Tourism Marketing》的《Social media in tourism and hospitality: A literature review（旅游和酒店业的社交媒体：文献综述）》一文,该文回顾和分析了2007年至2011年期间在学术期刊上发表的所有社交媒体相关研究文章（主要涉及旅游和酒店领域）,研究结果充分证明了社交媒体对旅游竞争力的战略重要性,共被引627次。
图1 1985年至今旅游类期刊中以媒体数据研究的年度发文量和被引频次趋势图

Fig. 1 Trend of annual publication volume and citation frequency of research using media data in tourism journals from 1985 to present

表1 旅游类期刊中以媒体数据研究的高被引文献引用信息统计（频次前十位）

Tab. 1 Statistics of citation information of highly-cited literature using media data in tourism journals (Top ten by frequency)

排名 第一作者 时间 被引频次 文献名称 来源期刊
1 Daniel Leung 2013 627 Social media in tourism and hospitality: A literature review Journal of Travel & Tourism Marketing
2 Stephanie Hays 2013 390 Social media as a destination marketing tool: Its use by national tourism organisations Current Issues in Tourism
3 Yue Guo 2017 360 Mining meaning from online ratings and reviews: Tourist satisfaction analysis using latent dirichlet allocation Tourism Management
4 Rob Law 2014 312 Progress on information and communication technologies in hospitality and tourism International Journal of Contemporary Hospitality Management
5 Karen L. Xie 2014 307 The business value of online consumer reviews and management response to hotel performance International Journal of Hospitality Management
6 Markus Schuckert 2015 278 Hospitality and tourism online reviews: Recent trends and future directions Journal of Travel & Tourism Marketing
7 Svetlana Stepchenkova 2013 224 Visual destination images of Peru: Comparative content analysis of DMO and user-generated photography Tourism Management
8 Estela Marine-Roig 2015 176 Tourism analytics with massive user-generated content: A case study of Barcelona Journal of Destination Marketing & Management
9 Ali Reza Alaei 2019 172 Sentiment analysis in tourism: Capitalizing on big data Journal of Travel Research
10 Ioannis S. Pantelidis 2010 166 Electronic meal experience:
A content analysis of online
restaurant comments		 Cornell Hospitality Quarterly

3 研究内容

3.1 媒体类型及数据选取

媒体数据主要来源于社交媒体和传统大众网络媒体,其中社交媒体主要包括TripAdvisor、Flickr、Twitter、Facebook、Instagram、Travelblog等,传统大众网络媒体主要为数字报纸、在线新闻网站和旅游官方网站。作者统计了《Tourism Management》《Annals of Tourism Research》和《Journal of Travel Research》三大旅游权威期刊上2010—2020年的75篇样本文献的媒体数据来源,据不完全统计,发现主要的媒体数据来源于社交媒体,约占到79%（其中,全球领先的在线旅行数据平台TripAdvisor占17%,雅虎旗下图片分享网站占11%,美国热门社交网络媒体Twitter占10%）,报纸与在线新闻网站约占21%。
社交媒体数据选取以旅游博客、在线评论文字、新闻报道内容等文本数据为主,还包括图片、签到数据等非文本数据。博客、在线评论等文本记录是一种易于访问的媒体,能够用于研究不同年龄阶段、国籍和旅行方式游客的真实体验。中国游客的博客已被用来调查各种研究问题,例如社交媒体上的二次危机沟通如何引发旅游抵制[12],以及中国房车旅行者在陌生国家开展旅游活动的动机研究[13]。而西方背景下的旅行博客通常被认为是个人旅行经历的体现,博客主要用于表达个人身份,如借助旅行博客的内容研究英国背包客的旅游经历[14]、利用Twitter研究黑人旅行者在旅行中受到种族歧视的经历[15],以及依据44个居民Twitter账号发布的8038条推文将居民分类为不同的在线大使角色。由于媒体平台在线签到功能的普及,诸如微博、Facebook和Twitter之类的流行社交媒体平台已将签到功能纳入其系统中,研究人员可以结合用户的签到数据来研究游客的旅游流网络[16]、旅游偏好[17]、旅游消费水平[18]等。除博客文本外,最常使用的另一个文本数据是在线评论文本,Vu等基于TripAdvisor上170 000条在线餐厅评论数据集,从美食、用餐体验和餐厅特色等方面全面了解游客的就餐偏好[19]。此外,新闻媒体报道为研究旅游政策、旅游发展历史提供了依据[20-21],学者可以利用媒体新闻数据库来量化研究一些新兴的概念和关系[22],如Leung等基于有关共享经济的340则美国新闻报道对共享经济的概念进行探索[23]。也有学者将量化的报道数据用于目的地形象研究[24]及危机中的目的地形象恢复[25]。
在旅游研究中,媒体中出现的图像（包括景物、人物甚至是动态视频）通常被视为“文本”的一种形式,也可以进行内容分析。图像的内容分析是基于属性的,主要涉及定量描述图像中涉及的某些主题和景物,从而可以确定图片中的焦点主题及其频率、共现、聚类和其他相关内容。一些旅游研究已将内容分析应用于照片,Stepchenkova等对Facebook等社交媒体上不同国别游客上传照片的类别、地理位置信息进行了编码,以研究旅游摄影中反映出的目的地形象是否能反映游客自身的民族文化[26]。此外,她还利用目的地营销组织和Flickr上的用户生成图像进行比较研究,以评估秘鲁官方的旅游宣传图像和游客感知图像之间的差异[8]。

3.2 关键词词频分析

从高频关键词、前沿术语的时间演化来探寻学科或领域的研究前沿,是一种相对科学合理的方法。文章借助CiteSpace软件对“Web of Science”核心合集数据库检索到的1985—2022年709篇旅游学期刊中运用媒体数据进行内容分析的文献,进行关键词共现分析。选择节点类型（Node Types）=“Keyword”、时间切片（Time Slicing）=“1985—2022”,设置“Years Per Slice =1”。将“Selection Criteria”赋值为“TopN=50”,通过寻径网络算法（Pathfinder）进行热点分析得到关键词共现知识图谱（图2）,为进一步分析奠定基础。图谱共有421个节点,1 419个连接,网络密度为0.0161,图中的节点越大表示关键词出现的次数较多。通常情况下,频次越多、中心性超过0.1的关键词认为其影响力越大,说明通过该关键词展开的研究更多,更具有重要意义。
图2 关键词共现知识图谱

Fig. 2 Keyword co-occurrence knowledge graph

通过图2可以直观地展现整体概况,节点较大的关键词“social media（社交媒体）”“tourism（旅游）”“media（媒体）”“impact（影响）”“word of mouth（口头宣传）”“content analysis（内容分析）”“hospitality（好客）”“destination image（目的地形象）”“sport（运动）”等出现频次最多且中心性较高,其次是“image（图像）”“experience（体验）”“management（管理）”“user generated content（用户生成内容）”“performance（行为）”“perception（感知）”“satisfaction（满意度）”“online review（在线评论）”等关键词。结果表明,关键词主要集中在出版物的主题上（例如目的地形象、游客行为、游客体验满意度、危机沟通等）,还包括研究的数据来源（例如大数据、用户生成内容和图像等）和媒体数据来源平台（例如Facebook等）。由于媒体对象主要集中在互联网等线上媒体平台,因此社交媒体是文献中最常见的关键词。在关键词分析的基础上也发现了一些新的主题：线上旅游酒店评分、旅游细分市场、旅游目的地品牌特性、关于旅游事件的讨论等。分析大类显示,媒体视角下内容分析法往往会结合其他分析方法,如质化研究方法中的民族志、网络志、批判性话语分析等。同时,除旅游者体验外,旅游流以及旅游活动等也是研究的重点。

3.3 主要应用领域

在西方旅游文献中,媒体内容数据被广泛用于研究各类旅游问题,主要涉及以下领域。

3.3.1 旅游目的地形象与品牌特性研究

旅游研究已经探索了媒体在构建目的地形象中的作用[27],媒体内容也是旅游目的地形象定性测量的常用数据源,媒体的图文（如报纸媒体提供的旅游报道、旅游官方媒体提供的旅游指南以及社交媒体上旅游者的旅游博客）包含着大量关于目的地旅游形象的信息,不同的媒体来源以不同的方式促进了旅游目的地形象的呈现,为识别目的地形象[28]、分析目的地的独特属性[29]、确定旅游吸引力[30]提供了丰富依据。由于媒体报道具有很高的信誉度和专业能力,尤其对跨国别的旅游目的地形象构建具有显著影响,Castelltort和Mäder从瑞士德语报纸中有关西班牙作为旅游胜地的报道数量、来源和性质出发,探讨媒体内容积极或消极的态度倾向可能对旅游目的地产生的潜在影响[24]。因此,如何将媒体内容的影响整合到目的地品牌与形象的整体管理策略中也是值得探讨的问题[25]。

3.3.2 媒体在危机事件中扮演的角色

研究主要涉及4个方面：媒体如何影响游客的风险感知、如何使用媒体来管理品牌和声誉、如何利用媒体恢复目的地或企业的形象以及如何将媒体纳入旅游企业的危机传播管理中。在Web 2.0时代,媒体在危机事件中的影响力变得越来越重要和强大。旅游研究主要采用媒体内容分析来捕获游客对旅游危机事件和旅游服务质量的看法,Su和Teng根据游客对博物馆的负面评论来提取服务失败的类别[31]。Su等从危机沟通和形象恢复的角度研究了在线公众对服务失败事件的响应,认为在线公众舆论对公司形象和声誉产生了重大且长远的影响[32];以地理加权回归模型探讨促成公众参与服务失败事件讨论的地理和个人邻近度,以说明地区层面公众反应的空间变化[33]。Luo和Zhai通过分析香港“占中”事件在微博上的二次危机沟通中表达的主题和情感,探讨政治事件如何转变为旅游抵制,显示出了媒体二次危机沟通对旅游目的地的负面影响[12];社交媒体平台使游客能够参与二次危机沟通,甚至对目的地采取集体行动,以相对剥夺理论探究游客二次危机沟通的认知、情感和行为机制,认为游客感知到的群体相对剥夺会导致负面旅游意图[34]。Dolan等基于Facebook上的游客对澳大利亚大型航空公司的投诉内容分析来探究游客在实现价值共创或造成价值共毁中所扮演的角色[35]。

3.3.3 旅游行为足迹与旅游流研究

如今,很多人都会在互联网上留下带有地理标记的图文,这些数字足迹数据所附带的空间信息可以扩展传统媒体数据收集的信息,有助于识别旅游景点和土地利用的热度。Giglio等利用社交媒体上游客上传的地理标记照片确定了意大利6个城市的旅游吸引力所在[30]; Ghermandi等通过Flickr上本地和国际游客分享的地理位置信息发现国际游客的足迹热点仅限于沿海地区知名且方便到达的地点[36]。除了地理位置信息外,学者还将时间维度与地理位置数据一同纳入研究以识别旅游者活动顺序、旅游偏好以及旅游路线等。Vu等人证明了这种方法的有效性,借助Flickr上带有地理标记的照片成功追踪了澳大利亚出境旅游者的旅行行为与旅行足迹[37];Chua等使用Twitter上带有地理标签的数据来表征Cilento（意大利南部的一个旅游胜地）旅游流的时空特征[38];Jin等以南京市为例,利用媒体UGC分析旅游流的时间异质性[39]。

3.3.4 旅游需求、旅游动机与旅游偏好研究

大多数旅游者在做旅游决策之前都会使用社交媒体、报纸媒体或互联网媒体寻找有效信息,因此这些媒体信息都可以用于旅游需求研究。Stepchenkova将量化的新闻报道媒体信息纳入旅游需求模型[40];Önder等通过Flickr数据来预测奥地利城市的旅游需求[41]。媒体数据也是了解旅游者活动偏好[17]、就餐偏好[19]的宝贵信息来源。Cong等通过分析TripAdvisor上对成都大熊猫繁育研究基地的游客评论,了解国际游客动机、偏好以及满意度[42];Frost探讨了电影媒体中投射的旅游目的地形象,并就其如何诱发旅游动机作了进一步研究[43];Wu和Pearce使用旅游博客来分析中国房车旅行者前往陌生国家驾驶的旅游动机[13]。

3.3.5 情绪分析与游客体验研究

情绪分析指识别和提取媒体数据中的主观信息,旨在确定公众对某个主题的态度或整篇报道上下文的情感极性。由于难以检测和发现文本中的隐含方面,情绪分析仍然是一个具有挑战性的问题。Fu等对中国大陆以及港澳台的旅游新闻进行了情感分析[44]。Rahmani等提取游客体验博客中的情感内容来测算游客对旅游目的地的情绪反应[45]。Liu等运用情感分析模型来捕捉中国游客与国际游客对澳大利亚目的地的评价,通过比较研究发现中国游客的情绪往往更为复杂和多样化[46]。社交媒体数据库包含照片和叙事,储存着丰富的游客经历、态度[47]和人口统计信息,并可用于分析游客的行为和情感,因此,有学者通过旅行博客来挖掘搭便车游客[48]、背包客[14]等特殊旅游者的旅游体验。

3.4 关于局限性的讨论

对检索到的样本文献的局限性讨论进行了整理,观察得出在旅游学研究中运用媒体数据分析的局限性,讨论主要围绕研究结论的普适性、媒体数据选取的代表性和媒体数据的真实有效性3个方面展开。

3.4.1 研究结论的普适性

运用媒体数据进行内容分析得出的研究结论的普适价值是学者经常探讨的话题,一是由于大部分研究文献通常基于网站的受欢迎程度而仅使用单一数据源。仅关注一个文化语境的媒体平台而忽略了其他国家的媒体平台,或仅依托新闻报道而忽略了其他形式的媒体,使得研究结论存在一定的空间适用性或群体适用性。有学者仅通过TripAdvisor上的旅游目的地的评论文本来对旅游社交媒体用户角色进行分类探讨,认为它是世界上最大的旅游相关评论网站,而没有考虑到TripAdvisor并不是在所有国家地区使用最广泛的旅行社交评论平台,如大多数中国游客使用马蜂窝等其他平台,可以看出有些研究的数据选取仅适用于英语语境,而把使用其他语言的用户排除在分析之外。二是由于不同国家的媒体之间存在跨文化差异。上文提到了西方与中国语境下的旅行博客的作用不同,前者主要体现个人旅行经历、表达个人身份,而后者的主要目的是告知他人,因此旅游研究人员需要更加注意跨文化研究中以媒体数据进行内容分析的等效性。例如,随着共享经济在全球各地快速发展,仅通过13个美国新闻媒体机构来定义共享经济的概念发展的研究结论适用范围较窄,可以将其他国家和地区的新闻媒体机构纳入研究范围,对不同文化之间共享经济的媒体框架进行比较研究[23]。另外,由于每种语言具有不同的表达方式,跨文化的媒体文本分析仍然存在相当大的挑战。

3.4.2 媒体数据来源的代表性

媒体数据的代表性不足是来自媒体网站数据的另一个问题,如常用的媒体数据库Twitter、微博、TripAdvisor、Flickr等人口统计显示其用户更偏向年轻群体,65岁以上的用户数量有限,因此不能确定收集到的数据是否能够代表所有人群,导致研究结论只能代表实际游客的特定部分[38]。当利用Foursquare、Twitter上的场所签到数据进行活动偏好、行程分析时,需要考虑并非所有旅游者都会将行程完整地同步到社交媒体上,且签到主体是年轻人群体,因此调查结果的代表性会受到影响[49]。当利用TripAdvisor上的文本内容分析法来研究老年游客的行为以及市场时,其研究结论对于该年龄组的代表性也会受到限制[50]。此外,仅基于互联网数据而忽略了非互联网用户作为可能的参与者,会将那些不使用Twitter或不使用标签来分享想法的人排除在外。

3.4.3 媒体数据的真实有效性

样本真实性的质疑主要针对非官方媒体的UGC,一方面“伪造评论”的存在影响了样本的真实性;另一方面非官方媒体是否能揭示实际经验尚有争议,用户上传的文本、图像、地理位置等信息属于主观叙述,没有验证依据。是否在用媒体数据进行内容分析时选用大量样本有助于抵消主观性的影响?这也引出了另一个局限：样本有效性。在对每篇文献研究数据的数量统计后,发现没有一定数量的社交媒体观察被认为是足以进行定量或定性分析的,如对新闻报道进行分析的研究样本数量从1家报纸机构4篇典型新闻[51]到135家报纸机构的11 321条新闻文章[44]不等。此外,当研究人员利用旅游博客来提取游客体验中的情感内容时,游客体验的内含性使得这种提取始终是部分的。因此,为保证样本的有效性,亟须对数据的真实性和科学数量展开探讨。总体而言,一些媒体数据的质量几乎没有经过讨论和评估,尤其是这些数据是否能如实反映旅游业以及消费者体验,这也在一定程度上限制了社交媒体分析研究在旅游业中的推广。

4 结论与展望

上述分析表明,媒体数据尤其是社交媒体在旅游研究中得到越来越广泛的应用。从时间上看,2010年前文献较少,伴随着大数据时代的到来,近10年相关文献呈现出爆发式增长态势;从媒体数据来源上看,文献研究中以社交媒体为主,以传统大众媒体为辅;从热门研究主题上看,主要集中在旅游目的地形象与品牌特性、媒体在危机事件中扮演的角色、旅游行为足迹与旅游流、旅游需求/动机/偏好、游客体验与情绪分析等方面;同时对已有文献中针对媒体数据应用的局限性进行了较深入的讨论。
大数据之风开始于2010年,云计算、物联网、社交网络、区块链等新兴技术和服务促使人类社会的数据种类和规模正以前所未有的速度增长。大数据时代正式到来,大数据分析方法引发了科学研究范式的转变[52-53]。媒体数据是一种典型的大数据类型,具有大量化、多样化、快速化等特征[54]。可以预见未来旅游研究中使用社交媒体与互联网媒体数据的情况会越来越多。基于数字技术的发展趋势和大数据分析方法的特征,结合旅游业发展的复杂性,未来应用媒体大数据进行旅游研究时需注意以下几点。
一是充分利用各种媒体数据源,完善旅游学科数据库建设。数字化时代,人们通过Twitter、Facebook、YouTube等自媒体方式每天生成海量的“用户生成数据”（UGC）,数以百万计的游客以在线评论、照片、社交媒体互动、签到等形式留下了数字足迹。旅游学者可以利用庞大的UGC数据,来主动获取并持续纪录旅游业相关利益群体的社会感知和情绪状态,同时构建人群及其流动的时空间数据库[55]。未来研究还可以结合不同国家和地区的多种社交媒体平台,对不同的城市、国家或地区进行比较研究,并考虑将不同类型媒体收集的数据进行整合和比较。
二是推动形成旅游学研究中媒体大数据应用的研究方法体系。一方面虽然大数据宣称具有全样本进行数据分析的优势,但是其本身也存在冗余信息多、数据质量、数据隐私等方面的缺点,未来需要在旅游媒体大数据的采集、清洗、融合、挖掘以及质量和安全管理等方面不断创新和变革,进一步提高媒体大数据分析方法的科学性、准确性、智能性和合规性。另一方面大数据还有数据偏性[53],未来研究中需要加强大数据研究方法与传统定量定性研究方法的交叉融合,寻找合适的解决方案,来保证研究结果的稳定性和科学性。
另外,当前新一轮科技革命和产业变革正扑面而来,2021年更是开启了“元宇宙时代”,各种新技术新媒体新算法日新月异。一方面旅游学研究可以广泛利用VR、AR、5G、可穿戴技术、3D全息影像等新技术不断拓展和丰富媒体大数据的来源和渠道;另一方面利用人工智能、机器学习、区块链、云计算等新技术来不断提升媒体大数据分析和处理的能力和水平。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Jansson A. Rethinking post-tourism in the age of social media[J]. Annals of Tourism Research, 2018, 69: 101-110.

DOI

[2]
Minazzi R. Social Media Marketing in Tourism and Hospitality[M]. Germany: Springer International Publishing, 2015: 47-71.

[3]
Law R, Buhalis D, Cobanoglu C. Progress on information and communication technologies in hospitality and tourism[J]. International Journal of Contemporary Hospitality Management, 2014, 26(5): 727-750.

DOI

[4]
Leung D, Law R, van Hoof H, et al. Social media in tourism and hospitality: A literature review[J]. Journal of Travel & Tourism Marketing, 2013, 30(1-2): 3-22.

[5]
Schuckert M, Liu X W, Law R. Hospitality and tourism online reviews: Recent trends and future directions[J]. Journal of Travel & Tourism Marketing, 2015, 32(5): 608-621.

[6]
Hays S, Page S J, Buhalis D. Social media as a destination marketing tool: Its use by national tourism organisations[J]. Current Issues in Tourism, 2013, 16(3): 211-239.

DOI

[7]
Guo Y, Barnes S J, Jia Q. Mining meaning from online ratings and reviews: Tourist satisfaction analysis using latent dirichlet allocation[J]. Tourism Management, 2017, 59: 467-483.

DOI

[8]
Stepchenkova S, Zhan F Z. Visual destination images of Peru: Comparative content analysis of DMO and user-generated photography[J]. Tourism Management, 2013, 36: 590-601.

DOI

[9]
Marine-Roig E, Anton Clavé S. Tourism analytics with massive user-generated content: A case study of Barcelona[J]. Journal of Destination Marketing & Management, 2015, 4(3): 162-172.

[10]
Alaei A R, Becken S, Stantic B. Sentiment analysis in tourism: Capitalizing on big data[J]. Journal of Travel Research, 2019, 58(2): 175-191.

DOI

[11]
Hannam K, Knox D. Discourse analysis in tourism research: A critical perspective[J]. Tourism Recreation Research, 2005, 30(2): 23-30.

DOI

[12]
Luo Q J, Zhai X T. “I will never go to Hong Kong again!” How the secondary crisis communication of “Occupy Central” on Weibo shifted to a tourism boycott[J]. Tourism Management, 2017, 62: 159-172.

DOI

[13]
Wu M Y, Pearce P L. Chinese recreational vehicle users in Australia: A netnographic study of tourist motivation[J]. Tourism Management, 2014, 43: 22-35.

DOI

[14]
Bosangit C, Hibbert S, McCabe S. “If I was going to Die I should at least be having fun”: Travel blogs, meaning and tourist experience[J]. Annals of Tourism Research, 2015, 55: 1-14.

DOI

[15]
Dillette A K, Benjamin S, Carpenter C. Tweeting the black travel experience: Social media counternarrative stories as innovative insight on Traveling While Black[J]. Journal of Travel Research, 2019, 58(8): 1357-1372.

DOI

[16]
Stienmetz J L, Fesenmaier D R. Destination value systems: Modeling visitor flow structure and economic impact[J]. Journal of Travel Research, 2019, 58(8): 1249-1261.

DOI

[17]
Vu H Q, Li G, Law R. Cross-country analysis of tourist activities based on venue-referenced social media data[J]. Journal of Travel Research, 2020, 59(1): 90-106.

DOI

[18]
Vu H Q, Li G, Law R. Discovering highly profitable travel patterns by high-utility pattern mining[J]. Tourism Management, 2020, 77: 104008.

DOI

[19]
Vu H Q, Li G, Law R, et al. Exploring tourist dining preferences based on restaurant reviews[J]. Journal of Travel Research, 2019, 58(1): 149-167.

DOI

[20]
de Jong A, Varley P. Food tourism policy: Deconstructing boundaries of taste and class[J]. Tourism Management, 2017, 60: 212-222.

DOI

[21]
Hwang D, Stewart W P, Ko D W. Community behavior and sustainable rural tourism development[J]. Journal of Travel Research, 2012, 51(3): 328-341.

DOI

[22]
Ma S D, Kirilenko A P. Climate change and tourism in English-language newspaper publications[J]. Journal of Travel Research, 2020, 59(2): 352-366.

DOI

[23]
Leung X Y, Xue L, Wen H. Framing the sharing economy: Toward a sustainable ecosystem[J]. Tourism Management, 2019, 71: 44-53.

DOI

[24]
Castelltort M, Mäder G. Press media coverage effects on destinations: A monetary public value (MPV) analysis[J]. Tourism Management, 2010, 31(6): 724-738.

DOI

[25]
Avraham E. Destination image repair during crisis: Attracting tourism during the Arab Spring uprisings[J]. Tourism Management, 2015, 47: 224-232.

DOI

[26]
Stepchenkova S, Kim H, Kirilenko A. Cultural differences in pictorial destination images[J]. Journal of Travel Research, 2015, 54(6): 758-773.

DOI

[27]
Yacouel N, Fleischer A. The role of cybermediaries in reputation building and price premiums in the online hotel market[J]. Journal of Travel Research, 2012, 51(2): 219-226.

DOI

[28]
Sun Y T, Liang C Y, Chang C C. Online social construction of Taiwan’s rural image: Comparison between Taiwanese self-representation and Chinese perception[J]. Tourism Management, 2020, 76: 103968.

DOI

[29]
Toral S L, Martínez-Torres M R, Gonzalez-Rodriguez M R. Identification of the unique attributes of tourist destinations from online reviews[J]. Journal of Travel Research, 2018, 57(7): 908-919.

DOI

[30]
Giglio S, Bertacchini F, Bilotta E, et al. Using social media to identify tourism attractiveness in six Italian cities[J]. Tourism Management, 2019, 72: 306-312.

DOI

[31]
Su Y H, Teng W C. Contemplating museums’ service failure: Extracting the service quality dimensions of museums from negative on-line reviews[J]. Tourism Management, 2018, 69: 214-222.

DOI

[32]
Su L J, Stepchenkova S, Kirilenko A P. Online public response to a service failure incident: Implications for crisis communications[J]. Tourism Management, 2019, 73: 1-12.

DOI

[33]
Su L J, Kirilenko A P, Stepchenkova S. The effect of geographical and personal proximity on online discussions of service failure incidents[J]. Current Issues in Tourism, 2020, 23(18): 2230-2234.

DOI

[34]
Zhai X T, Luo Q J, Wang L. Why tourists engage in online collective actions in times of crisis: Exploring the role of group relative deprivation[J]. Journal of Destination Marketing & Management, 2020, 16: 100414.

[35]
Dolan R, Seo Y, Kemper J. Complaining practices on social media in tourism: A value co-creation and co-destruction perspective[J]. Tourism Management, 2019, 73: 35-45.

DOI

[36]
Ghermandi A, Camacho-Valdez V, Trejo-Espinosa H. Social media-based analysis of cultural ecosystem services and heritage tourism in a coastal region of Mexico[J]. Tourism Management, 2020, 77: 104002.

DOI

[37]
Vu H Q, Li G, Law R, et al. Travel diaries analysis by sequential rule mining[J]. Journal of Travel Research, 2018, 57(3): 399-413.

DOI

[38]
Chua A, Servillo L, Marcheggiani E, et al. Mapping Cilento: Using geotagged social media data to characterize tourist flows in southern Italy[J]. Tourism Management, 2016, 57: 295-310.

DOI

[39]
Jin C, Cheng J Q, Xu J. Using user-generated content to explore the temporal heterogeneity in tourist mobility[J]. Journal of Travel Research, 2018, 57(6): 779-791.

DOI

[40]
Stepchenkova S, Eales J S. Destination image as quantified media messages: The effect of news on tourism demand[J]. Journal of Travel Research, 2011, 50(2): 198-212.

DOI

[41]
Önder I, Koerbitz W, Hubmann-Haidvogel A. Tracing tourists by their digital footprints: The case of Austria[J]. Journal of Travel Research, 2016, 55(5): 566-573.

DOI

[42]
Cong L, Wu B H, Morrison A M, et al. Analysis of wildlife tourism experiences with endangered species: An exploratory study of encounters with giant pandas in Chengdu, China[J]. Tourism Management, 2014, 40: 300-310.

DOI

[43]
Frost W. Life changing experiences[J]. Annals of Tourism Research, 2010, 37(3): 707-726.

DOI

[44]
Fu Y, Hao J X, Robert Li X, et al. Predictive accuracy of sentiment analytics for tourism: A meta learning perspective on Chinese travel news[J]. Journal of Travel Research, 2019, 58(4): 666-679.

DOI

[45]
Rahmani K, Gnoth J, Mather D. A psycholinguistic view of tourists’ emotional experiences[J]. Journal of Travel Research, 2019, 58(2): 192-206.

DOI

[46]
Liu Y, Huang K X, Bao J G, et al. Listen to the voices from home: An analysis of Chinese tourists’ sentiments regarding Australian destinations[J]. Tourism Management, 2019, 71: 337-347.

DOI

[47]
Kim H, Stepchenkova S. Effect of tourist photographs on attitudes towards destination: Manifest and latent content[J]. Tourism Management, 2015, 49: 29-41.

DOI

[48]
Zhou L X. Hitchhiking tourism and social trust: Exploring Chinese experiences through travel blogs[J]. Annals of Tourism Research, 2020, 81: 102853.

DOI

[49]
Vu H Q, Li G, Law R, et al. Tourist activity analysis by leveraging mobile social media data[J]. Journal of Travel Research, 2018, 57(7): 883-898.

DOI

[50]
Kazeminia A, del Chiappa G, Jafari J. Seniors’ travel constraints and their coping strategies[J]. Journal of Travel Research, 2015, 54(1): 80-93.

DOI

[51]
Schweinsberg S, Darcy S, Cheng M M. The agenda setting power of news media in framing the future role of tourism in protected areas[J]. Tourism Management, 2017, 62: 241-252.

DOI

[52]
孟小峰, 慈祥. 大数据管理: 概念、技术与挑战[J]. 计算机研究与发展, 2013, 50(1): 146-169.

[Meng Xiaofeng, Ci Xiang. Big data management: Concepts, techniques and challenges[J]. Journal of Computer Research and Development, 2013, 50(1): 146-169.]

[53]
宋长青. 地理学研究范式的思考[J]. 地理科学进展, 2016, 35(1): 1-3.

DOI

[Song Changqing. On paradigms of geographical research[J]. Progress in Geography, 2016, 35(1): 1-3.]

DOI

[54]
王元卓, 靳小龙, 程学旗. 网络大数据: 现状与展望[J]. 计算机学报, 2013, 36(6): 1125-1138.

[Wang Yuanzhuo, Jin Xiaolong, Cheng Xueqi. Network big data: Present and future[J]. Chinese Journal of Computers, 2013, 36(6): 1125-1138.]

DOI

[55]
杨振山, 龙瀛, Douay N. 大数据对人文经济地理学研究的促进与局限[J]. 地理科学进展, 2015, 34(4): 410-417.

DOI

[Yang Zhenshan, Long Ying, Douay N. Opportunities and limitations of big data applications to human and economic geography: The state of the art[J]. Progress in Geography, 2015, 34(4): 410-417.]

DOI

Options
文章导航

/

〈 〉