ارائه مدلی مبتنی بر یادگیری ماشین برای پیش بینی اقبال عمومی به رویدادها و اماکن فرهنگی-تاریخی به منظور بهینه سازی برنامه ریزی مدیریت امور فرهنگی شهری (مطالعه موردی: شهر یزد)

مدیریت هوشمند رویدادها و اماکن فرهنگی-تاریخی یکی از الزامات اساسی شهرهای میراث محور همچون یزد است؛ شهری که با ثبت جهانی بافت تاریخی خود در یونسکو، سالانه میزبان حجم قابل توجهی از گردشگران داخلی و خارجی و نیز برگزارکننده رویدادهای متعدد فرهنگی و آیینی است. با این حال، برنامه ریزی برای استقبال از این جمعیت، از تخصیص نیروی انسانی و امکانات پذیرایی گرفته تا تنظیم ساعات بازدید و ظرفیت اماکن، همچنان عمدتا بر پایه تجربه مدیران فرهنگی و بدون بهره گیری نظام مند از داده های موجود صورت می گیرد. در این پژوهش، مدلی مبتنی بر یادگیری ماشین برای پیش بینی روزانه اقبال عمومی به اماکن و رویدادهای فرهنگی-تاریخی شهر یزد ارائه شده است. داده های مورد استفاده شامل آمار روزانه بازدید اماکن تاریخی، حجم جست وجوی اینترنتی مرتبط با جاذبه های یزد، تقویم رویدادهای فرهنگی و مذهبی، وضعیت تعطیلات رسمی و داده های هواشناسی طی یک دوره دوساله است. چهار مدل رگرسیون خطی، جنگل تصادفی، تقویت گرادیان شدید و شبکه حافظه طولانی کوتاه مدت پیاده سازی و با یکدیگر مقایسه شدند. نتایج نشان داد مدل تقویت گرادیان شدید با میانگین خطای مطلق ۸۶ نفر در روز و ضریب تعیین ۰.۸۷ بهترین عملکرد را در میان مدل های بررسی شده داشت و شبکه حافظه طولانی کوتاه مدت با اختلاف اندکی در رتبه دوم قرار گرفت. تحلیل اهمیت ویژگی ها نشان داد نزدیکی به تعطیلات رسمی، حجم جست وجوی اینترنتی و روز هفته مهم ترین عوامل پیش بینی کننده اقبال عمومی هستند. یافته های این پژوهش می تواند مبنای طراحی سامانه ای پشتیبان تصمیم برای واحدهای مدیریت امور فرهنگی شهرداری ها و سازمان های میراث فرهنگی قرار گیرد تا با پیش بینی زودهنگام روزهای پرتراکم، برنامه ریزی نیروی انسانی، ایمنی و کیفیت خدمات رسانی فرهنگی بهبود یابد.

کلیدواژه ها:

یادگیری ماشین ، مدیریت امور فرهنگی ، گردشگری فرهنگی ، پیش بینی اقبال عمومی ، میراث فرهنگی