الگوی فضایی زمانی رفتار گردشگران (موردمطالعه: مقاله‌های مبتنی بر کلان داده‌ها)

رفتار گردشگران نشان‌دهندۀ ترجیحات، خصوصیات روحی، تصمیمات و نگرش آن‌هاست که ابتدا در ذهن شکل می‌گیرد و سپس در قالب حرکات فیزیکی نمایان می‌شود. برای شناسایی رفتار گردشگران، بررسی تحرکات آنان در طول زمان اجتناب‌ناپذیر است. بنابراین، هدف این مقاله ارائۀ الگویی برای تبیین ویژگی‌های رفتار گردشگران و عوامل تاثیرگذار در رفتار آنان براساس تحرکاتشان در بعد زمان و با استفاده از داده‌های مبتنی بر کلان‌داده‌ها است. این پژوهش از حیث هدف توسعه‌ای  بنیادی و از نظر رویکرد استقرایی است و در قالب پژوهش کیفی و راهبرد فراترکیب انجام شده است. جامعۀ آماری پژوهش شامل مقالات، کتب و رساله‌های منتشرشده در پایگاه‌های دادۀ معتبر خارجی و داخلی در بازۀ زمانی 2000 تا 2024 است. پس از سه مرحله غربالگری، 78 مقاله با روش نمونه‌گیری هدفمند انتخاب شده است. داده‌های کیفی حاصل از این مقالات با استفاده از یادداشت‌برداری جمع‌آوری و سپس با نرم‌افزار مکس‌کیو‌دی‌ای (max qda) و به‌صورت دستی کدگذاری و مقوله‌بندی شده است. درنهایت، الگوی رفتار فضایی  زمانی گردشگران در پنج مقولۀ رفتار فضایی، رفتار زمانی، متغیرهای توصیف‌کنندۀ گردشگر، درک و انتخاب مقصد و نوآوری ارائه شده است. الگوی پیشنهادشده به توسعه و گسترش ادبیات پژوهش در زمینۀ مدل‌های رفتار گردشگران کمک خواهد کرد.

tourist spatiotemporal behavior pattern: the case of big data articles

tourist behavior reflects their preferences, mental characteristics, decisions, and attitudes, initially formed in the mind and then manifested in physical movements. to identify tourist behavior inevitably requires examining their movements over time. using the data collected from big data, the present study aimed to present a model for explaining the characteristics of tourist behavior and influential factors in their behavior based on their movements over time. as a developmental–fundamental inquiry, the study relied on an inductive approach and a qualitative metasynthesis design. the population of the study consisted of articles, books, and theses published and recorded in reputable domestic and foreign databases from 2000 to 2024. after three stages of screening, 78 articles were selected through the purposive sampling. the note-taking method was then used to collect the qualitative data from the identified sources. the data was then coded and categorized manually through maxqda software. finally, the research proposed a model of tourist spatiotemporal behavior. the model is comprised of five components: spatial behavior, temporal behavior, the variables describing tourists, destination perception and selection, and innovation. the proposed model will contribute to the development and expansion of literature on tourist behavior models.