آینده‌نگاری مقابله با بحران کرونا در مقاصد گردشگری با استفاده از مدل شبکه عصبی مصنوعی

صنعت گردشگری، مهم‌ترین منبع درآمد و ایجاد فرصت‌های شغلی برای بسیاری از کشورهای دنیاست که موتور توسعه محسوب می‌شود. بدون‌شک، چنین صنعتی در مقایسه با انواع بحران‌های طبیعی، انسانی و بیولوژیک آسیب‌پذیر است و شیوع بحران‌ها این صنعت را با چالش‌های جدی مواجه می‌کند. هدف از انجام این پژوهش، ارائه یک سیستم تصمیم‌یار مبتنی بر رویکرد شبکه عصبی است که با الگوبرداری از تجربیات کشورهای مختلف در مقابله با بحران‌های گردشگری ایجاد شده است. مدل شبکه عصبی پیشنهادی با تکیه بر قابلیت تعمیم دهی خود قادر است تا با مدل‌سازی دینامیک‌های موجود بین «سیاست‌ها/ عوامل و شرایط» حاکم بر اکوسیستم‌ها و «میزان اثربخشی سیاست های اتخاذ شده»، اثربخشی سیاست های پیش‌رو را برای بحرانهای احتمالی در اکوسیستم های مختلف پیش بینی کند. نحوه طراحی و پیاده سازی سیستم پیشنهادی برای بحران کرونا موردکاوی شد. خروجی‌های مدل بیانگر آن است که بهترین سیاست اتخاذشده برای بازگشت به شرایط گردشگری قبل از این بحران بیولوژیک در ایران، بهره گیری از سیاست‌ «ترکیبی اقتصادی و مالی با آمادگی در مقابله با بحران» در وهله اول و سیاست «ترکیبی تمرکز بر گردشگری داخلی همراه با آمادگی» در مرتبه بعدی است که با توجه به معیارهای توسعه پایدار گردشگری و شرایط تحریم‌های اقتصادی در ایران، سیاست دوم برطبق معیار تعریف شده مدل، کاربردی‌تر خواهد بود.

Foresight and Crisis Management of Tourism Industry in Covid-19 Pandemic Using an Artificial Neural Network Model

Tourism industry, as the most diverse and largest industry in the world, is the most important source of income and creation of job opportunities for many countries of the world, which is considered as the engine of development. Undoubtedly, such an industry is very vulnerable to all kinds of natural, human, and biological crises. The outbreak of Covid-19 crisis around the world has posed serious challenges to the industry. The purpose of this study wasto present a neural network model that has been developed by modeling the experiences of different countries in dealing with crises and their policies. Relying on its generalizability, the proposed neural network model is able to model the dynamics between the “policies/factors and conditions” governing ecosystems and the “effectiveness of the adopted policies” to determine the effectiveness of the forthcoming policies for the Corona Pandemic Crisis. Using the proposed neural network model and providing information about the policies/factors and conditions governing the Iranian tourism industry, the outputs of the model indicate that the best policy adopted to return to pre-crisis climate conditions in Iran is using the “combined” policy. &Economic and financial preparedness to deal with the crisis& in the first place and with a slight difference in policy &combined focus on domestic tourism with preparedness to deal with the crisis& is the next, which according to the criteria of sustainable tourism development and economic sanctions in Iran, the second policy is much more practical. Therefore, solutions are suggested forthese conditions, such as traditional tourism planning for domestic tourists and virtual tourism planning for foreign tourists, development of rural tourism and emphasis on creative and safe tourism.