بهیه باوان پوری، حسنعلی فرجی سبکبار، سیدعلی بدری، ندا زرندیان،
دوره 0، شماره 0 - ( 11-1404 )
چکیده
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.
