پیش بینی رها کردن تجربه، کاوش فضایی و پذیرش پیشنهادهای تعاملی گردشگران در تجربه های واقعیت افزوده با رویکرد یادگیری ماشین

مقدمه و بیان مساله:با گسترش فناوری های غوطه ورکننده، واقعیت افزوده به یکی از ابزارهای کلیدی در طراحی تجربه های نوین گردشگری تبدیل شده است. اگرچه پژوهش های متعددی نشان داده اند که واقعیت افزوده می تواند نگرش، لذت و قصد استفاده گردشگران را تقویت کند، بخش عمده این مطالعات بر داده های خودگزارش شده و تحلیل های تبیینی متمرکز بوده اند. پرسش اصلی این پژوهش آن است که آیا می توان با اتکا بر داده های تعاملی واقعی گردشگران، رفتارهای کلیدی آنان را در بستر تجربه های واقعیت افزوده به صورت پیش بینانه مدل سازی کرد.روش شناسی:پژوهش حاضر با رویکرد کاربردی و مبتنی بر یادگیری ماشین انجام شد. داده های رفتاری ۵۲۰ نشست استفاده از یک اپلیکیشن واقعیت افزوده مکان محور در چهار مقصد گردشگری فرهنگی و تاریخی ایران گردآوری گردید. سه مسئله پیش بینی شامل رها کردن تجربه، بازدید از بخش های کم مراجعه و پذیرش پیشنهادهای تعاملی تعریف شد. پس از پیش پردازش داده ها و مهندسی ویژگی ها، شش الگوریتم یادگیری ماشین شامل رگرسیون لجستیک، درخت تصمیم، جنگل تصادفی، ماشین بردار پشتیبان، همسایه نزدیک ترین و شبکه عصبی چندلایه پیاده سازی و با استفاده از اعتبارسنجی متقاطع ده بخشی ارزیابی شدند.یافته ها:نتایج نشان داد که رفتار گردشگران در تجربه های واقعیت افزوده به طور معناداری قابل پیش بینی است. الگوریتم جنگل تصادفی در هر سه مسئله بهترین عملکرد را ارائه کرد و در پیش بینی رها کردن تجربه به دقت کلی ۰٫۸۶ و AUC برابر با ۰٫۹۱ دست یافت. متغیرهایی مانند زمان تعامل اولیه، تنوع نقاط بازدید شده، الگوی کاوش فضایی و پذیرش زودهنگام پیشنهادها به عنوان پیش بینی کننده های اصلی رفتار شناسایی شدند.نتیجه گیری:یافته های پژوهش نشان می دهد که تلفیق داده های تعاملی واقعیت افزوده با الگوریتم های هوشمند داده کاوی، امکان گذار از مدیریت واکنشی به مدیریت پیش نگر در مقاصد گردشگری را فراهم می کند. این رویکرد می تواند مبنایی عملی برای طراحی مداخلات شخصی سازی شده، توزیع بهینه جریان گردشگران و ارتقای کارایی مدیریت مقصدهای گردشگری هوشمند فراهم آورد.

کلیدواژه ها:

واقعیت افزوده ، گردشگری هوشمند ، داده کاوی ، پیش بینی رفتار گردشگر ، الگوریتم های یادگیری ماشین