تحول سیستم های توصیه گر هوشمند در گردشگری مرور تحلیلی بر الگوریتم های توضیح پذیر، فناوری های نوین و چالش های بومی ایران

پژوهش حاضر یک مرور نظام مند مبتنی بر چارچوب PRISMA از مطالعات سال های ۲۰۱۷ تا ۲۰۲۵ پیرامون تحول سیستم های توصیه گر گردشگری از مدل های ترکیبی کلاسیک تا نسل جدید مبتنی بر هوش مصنوعی مولد (GenAI) و یادگیری فدرالی (FL) است. هدف پژوهش شناسایی روندهای علمی، شکاف های پژوهشی و چالش های بومی ایران در توسعه گردشگری هوشمند است. یافته ها نشان می دهد که مطالعات جهانی به سوی ادغام مدل های زبانی بزرگ (LLMS)، یادگیری چندعامله (MARL)، شبکه های گرافی (CNN) با سازوکارهای حفظ حریم خصوصی حرکت کرده اند در حالی که در ایران همچنان ضعف در پردازش زبان فارسی و نبود پایگاه داده ملی چالش آفرین است. بر اساس ترکیب نتایج بین المللی و بومی، چارچوب مفهومی چهاروجهی (Data-Emotion-Explainability-Trust (DEET) پیشنهاد شد که تلفیقی از یادگیری عمیق هیبریدی، تحلیل احساسات زبان فارسی، هوش توضیح پذیر (XAI) و منطق فازی اعتمادساز را ارائه می کند. تحلیل مدل گیمیفیکیشن P۷ با استفاده از مدل سازی معادلات ساختاری (SEM) بر داده های ۳۸۴ گردشگر ایرانی نشان داد که گیمیفیکیشن تاثیر مثبت و معناداری بر تمامی ابعاد آمیخته بازاریابی خدمات دارد؛ یافته ای که اهمیت اعتماد و انگیزش در طراحی سیستم های توصیه گر هوشمند را تایید می کند. چارچوب DEET نقشه راهی نظری و کاربردی برای توسعه نسل بعدی سیستم های توصیه گر اخلاقی، شفاف و کارآمد در صنعت گردشگری ایران ارائه می دهد.

کلیدواژه ها:

گردشگری هوشمند ، سیستم توصیه گر ، مدل هیبریدی ، SEM ، PRISMA ، DEET