EN中文

Journal of Geo-information Science >

2023 , Vol. 25 >Issue 9: 1747 - 1764

DOI: https://doi.org/10.12082/dqxxkx.2023.220416

Tourism Information Science: Research on Theory and Practice under the Background of Interdisciplinary Integration

  • WEI Wei , 1, 2 ,
  • DING Shuangying 1, 2 ,
  • LIU Fangfang , 1, 2, * ,
  • LI Jinkai 1, 2 ,
  • ZHENG Peng 1
Expand
  • 1. School of Management, Zhengzhou University, Zhengzhou 450001, China
  • 2. Center for Energy, Environment＆Economy Research, Zhengzhou University, Zhengzhou 450001, China
* LIU Fangfang, E-mail:

Received date: 2022-06-19

  Revised date: 2022-11-10

  Online published: 2023-09-05

Supported by

National Natural Science Foundation of China(72001191)

Henan Province Philosophy and Social Science Planning Project(2020CZH009)

Fold

Abstract

With the widespread application of information technology in the field of tourism, the importance of tourism information science has gradually become prominent. In order to systematically summarize the research progress of tourism information science, this paper collects and organizes research literature in the field of tourism information science at home and abroad from 2011 to 2022, and comprehensively uses literature analysis method and LDA topic model to discuss the literature overview and research progress of tourism information science under the background of interdisciplinary integration. This study summarizes that: In the past 12 years, the research on tourism information science has shown a trend of rapid growth, which has attracted the attention of many disciplines such as tourism, geographic science, environmental science and ecology, and computer science at home and abroad. However, compared to the domestic research, the international research progress in this field is more remarkable in recent years, and Chinese scholars have played an important role in international studies. The methods and theories used in the research show obvious interdisciplinary characteristics. The introduction of multi-disciplinary theories such as the spatial theory of geography, the relationship theory of journalism and communication, and the decision theory of behavior and psychology, the innovation of data acquisition methods such as wireless sensor networks, data mining, and API interfaces, and the comprehensive application of various research methods such as empirical research, model algorithms, mathematical statistics, and econometric analysis have innovated the research ideas of tourism information science. The research content focuses on the promotion of diversified technologies such as geographic information technology, data mining technology, and network communication technology in the field of tourism, and the exploration of the core topics such as tourism information spatiotemporal evolution law, tourism data mining and forecasting, tourism information behavior characteristics, and tourism information technology innovation and application. There are still problems in the field of tourism information science, such as the insufficient cooperation and exchange at home and abroad, the imbalance between theoretical research and practical application, the inflexibility of data methods and technologies, and the lack of innovative and practical research content. Finally, this paper proposes that tourism information science should accelerate the localization process of international frontier research, focus on the sorting and discussion of basic theories and concepts, emphasize the integrated application of multiple technologies and methods, and strengthen the interaction of disciplines in research application.

Key words： tourism information science; tourism information; information technology; data mining; information behavior; information industry; multidisciplinary

Cite this article

WEI Wei , DING Shuangying , LIU Fangfang , LI Jinkai , ZHENG Peng . Tourism Information Science: Research on Theory and Practice under the Background of Interdisciplinary Integration[J]. Journal of Geo-information Science, 2023 , 25(9) : 1747 -1764 . DOI: 10.12082/dqxxkx.2023.220416

1 引言

随着数字技术与信息技术在旅游领域应用的不断深入，我国旅游信息化产学研迎来了蓬勃发展的时期，旅游信息系统、虚拟旅游、智慧旅游等新技术和新业态层出不穷。2022年1月，国务院印发《“十四五”旅游业发展规划》[1]，明确指出要加快新技术应用与技术创新，推动智慧旅游发展，以科技创新提升旅游业发展水平。信息化现已成为推动旅游业转型，实现高质量发展的必由之路。
目前学术界对于旅游信息的理解基本一致[2⇓-4]，认为“旅游信息是旅游过程中旅游主体、客体和介体之间相互传达的各类信息”，较为注重信息的功能属性及其在旅游活动中扮演的角色。基于信息的多元化和旅游的综合性，旅游信息呈现出数据量大、类型多样、时效性强等特点。旅游信息是旅游各子系统间联系的纽带，要研究旅游系统发展的内在规律，就必须探明旅游信息在其中的作用机制。鉴于旅游信息的复杂性和重要性，孙九林院士提出创建“旅游信息科学”的构想，也有学者将该领域的研究界定为“旅游信息学”或“观光情报学”，并围绕其体系结构、技术应用以及研究框架等问题发表了各自的见解。陈志辉等[5]自创了旅游信息学的体系结构，拓展了信息科学在旅游学中的应用领域。Shardar[6]认为自20世纪60年代计算机化航空订票系统兴起，旅游信息学的研究就步入了漫长的探索道路。其研究主要从信息和通信技术系统入手，说明了旅游推荐系统、社交社区、用户界面设计3个方面的最新研究及相互关系。Hitoshi[7]从信息技术的角度，就旅游信息学正在如何改变旅游这一问题进行了阐述，说明了旅游与信息技术结合的必要性。在多学科交叉融合的推动下，基于产业需求和学科发展需要，李君轶等[8]提出建立旅游信息科学学科体系，最早将旅游信息科学描述为以旅游信息（本质和运动规律）为研究对象，充分运用信息通讯技术研究旅游系统中信息的获取、管理、分析、传递和利用，探索旅游信息现象及其内在规律的科学。此定义明确指出了旅游信息科学的研究任务和目标，一方面，通过实践探索旅游信息的本质特征及规律，完善旅游信息科学的体系建设；另一方面，通过科学研究为旅游信息活动提供理论、数据、技术支撑，实现学术研究的社会化功能。
总的来说，旅游信息科学领域尚未形成较为统一的概念认知和学科发展体系，但从本质上来看，以上研究同根同源，研究内容无异，综合现有研究可以将旅游信息科学的研究定位为以旅游信息为研究对象，围绕信息技术在旅游产业中的实际应用和推广开展的系列研究和探索。目前国内外学者就该领域的重点研究内容，如智慧旅游、旅游移动技术与应用、在线旅游等，进行了详细综述[9⇓-11]。但旅游信息科学在实践层面上参与的主体和客体较为复杂，多学科融入导致研究内容较为分散，且大多数研究聚焦于旅游信息科学领域中更具体的问题，缺乏与旅游信息科学学科本身及其理论方法的进一步联系与探讨。因此，为深入探究多学科交叉融合背景下旅游信息科学的理论与实践进展，本文从发文量变化趋势、研究机构地域分布和载文期刊学科分类3个维度对文献概况进行统计和分析。并通过精读文献，结合文献分析法从理论支撑、数据源、研究方法和研究内容4个方面对旅游信息科学的研究进展进行梳理，综合运用NLPIR语义分析系统和Latent Dirichlet Allocation （LDA）主题模型，提炼出旅游信息科学研究的前沿领域和热点方向。LDA是经典的主题发现模型之一，通过利用3层贝叶斯概率模型可识别大规模文本数据或语料库中潜藏的主题信息[12]，在领域新兴主题的探测[13]以及政策主题量化[14]等文本类研究中应用较为广泛。本文的研究框架如图1所示。
图1 研究框架

Fig. 1 Research framework

2 文献概况

本文借助中国知网、万方数据库、Web of Science、Science Direct、EBSCOHost和Scopus数据库对中英文文献进行检索、筛选和收集。中文以“旅游信息科学”或“旅游信息学”为主题进行检索，外文以“tourism information science/tourism informatics” 为主题同时以“tourism/tourist/travel”为标题进行检索。但检索结果显示部分研究与旅游信息科学的相关性较低，例如旅游产业科学发展策略研究、旅游竞争力评价研究等部分涉及“科学”一词或以获取“信息”为前提所展开的研究。因此为确保本研究的准确性，本文对获取的文献进行逐篇人工识别筛选，根据现有研究中提出的旅游信息科学的研究主题、研究领域、研究内容等[2,8]，将文献的筛选标准确定为是否与旅游信息技术、旅游信息时空、旅游信息行为、旅游数据挖掘、旅游信息产业等主题相关。筛选后得到中文文献62篇，英文文献150篇，文献种类包括核心学术期刊、著作专题章节等。考虑到部分与旅游信息科学相关度极高的文献从属于计算机科学、地理科学等领域，为增强综述的严谨性，本文借鉴情报学中常用的引文追溯法[15]对文献进行二次收集。引文追溯法是指利用现有文献所附的参考文献查找相关文献的方法。例如“游客信息搜寻的人际关系来源选择及影响因素研究”[16]的参考文献中有一篇对搜寻动机和内容[17]的详细阐释，遂将其也纳入到文献综述的范围内。这种方法简单易行，针对性较强，且效率较高。此外，在撰写过程中本文还依据已检索文献的主题词、关键词、作者等相关主题语言进行了延伸检索和人工筛选，最终得到2011—2022年符合旅游信息科学研究主题的中文文献84篇，英文文献166篇，共计250篇。

2.1 发文量变化趋势

2011—2022年旅游信息科学领域的研究数量总体上呈增长趋势，其中英文文献的发文趋势更接近整体水平，中文文献则呈现波动性增长的趋势，并且英文文献数量在大多数时间段内要高于同期中文文献数量，如图2所示。2014年是旅游信息科学实践和研究的重要年份，2014年以前旅游信息科学文献呈现出小幅度波动的发展趋势，2014年以后文献数量呈现出明显的增长状态。通过对文献以及旅游信息科学发展实践的回顾，文献数量可能受到“智慧旅游”发展的影响。我国原国家旅游局将2014年定为“智慧旅游年”，并发布《关于促进智慧旅游发展的指导意见》等政策文件。与此同时，许多国家和旅游目的地积极地将智慧和创新纳入城市发展和旅游计划中[18]。通过对每一年的文献研究内容和主题进行对比分析，本研究发现，2014年及之前的研究主题侧重于在线旅游信息搜索、旅游信息服务以及旅游信息系统的功能探索。2014年之后，智慧旅游拓宽了学者们的研究视野，涉及移动互联网、云计算、人工智能等高新科技的研究主题开始出现。中文文献在研究主题上也有更新和拓展，但国内关注此领域的学者较少，中文文献的数量变化不明显。随着新型信息技术在旅游领域内的应用愈加广泛，例如智能手机、平板电脑等智慧终端的普及，大数据、4G网络等技术对旅游信息产业的提升，旅游社交网络、虚拟旅游社区、人机交互等新兴主题的出现，旅游信息科学引起了诸多学者的关注[19]，掀起了一股新的研究浪潮。2016年以后，旅游信息科学文献呈现出更加快速增长的趋势。从研究主题来看，与旅游大数据、网络文本分析、旅游时空特征等相关的研究迅速升温，个性化旅游推荐、虚拟旅游、GIS（Geographic Information System）旅游线路定制等主题也进入到旅游学术研究的范畴，旅游信息科学的研究边界和领域逐年拓宽。
图2 旅游信息科学发文量的变化趋势

Fig. 2 Trends in the number of publications on tourism information science

2.2 研究机构地域分布

欧洲、美洲、亚洲的学者是旅游信息科学研究的主体，如图3所示。欧洲国家以西班牙、英国所占比重较大，美洲国家以美国为主，亚洲则以中国和韩国较为集中。大多数文献研究者与研究对象的地域来源高度一致，较少有文献开展跨区域或者跨国家的研究。此外，同一篇文献研究者来源于2个甚至多个国家的占比约为20%，说明不同地域研究者之间存在一定的合作交流但还有待加强。从全球范围来看，国内外的研究进展并不协调，近几年英文文献呈持续增长的趋势，说明国际上在该领域的研究进展更为显著。但相对而言，中国学者在推动国内外旅游信息科学发展的过程中仍扮演着重要角色。通过对英文文献第一作者所属研究机构的国别进行统计，发现第一作者为中国学者的占比约为21%，且研究范围广泛，研究方法多样。国内的研究机构主要集中在陕西师范大学、中国科学院、南京大学等，多出自旅游管理、计算机应用、信息管理、自然地理等相关学科和专业。
图3 旅游信息科学研究机构的地域分布

Fig. 3 The geographical distribution of tourism information science research institutions

2.3 载文期刊学科分类

根据《中国知网学科分类表》①(①《中国知网学科分类表》具体查询方式参见中国知网期刊学科导航，网址为 https://navi.cnki.net/knavi/journals/index?uniplatform=NZKPT。)和《2021中国科学院文献情报中心期刊分区表》②(②《2021中国科学院文献情报中心期刊分区表》具体查询方式参见中国科学院文献情报中心科学计量中心在线平台，网址为 http://www.fenqubiao.com。)所划分的期刊分类，分别对中英文文献所属的学科领域进行归纳总结。分类结果显示，旅游信息科学的学科交叉属性明显，国内外文献的载文期刊所属的领域存在一定的差异，如图4所示。国内近75%的文献刊发在经济与管理科学和基础科学大类的期刊上，大多为旅游学界、地理学界以及环境资源领域较为主流和权威的期刊，例如《旅游学刊》、《地理与地理信息科学》、《长江流域资源与环境》等；基础综合部分包含的期刊主要是高校的自然科学版学报；此外，涉及旅游信息系统的设计和智慧旅游的开发等，有7%和6%的成果分别刊载在工程科技和信息科学大类的期刊上。相较而言，国外期刊涉及的领域更具跨越性，其中51%从属于管理学大类，大多数为酒店、休闲、体育与旅游子类中的期刊，例如旅游领域内的顶级期刊《Tourism Management》、《Annals of Tourism Research》、《Journal of Travel Research》等。基于旅游信息科学对信息环境以及信息技术的依赖，分别有16%的文献刊载在环境科学与生态学和计算机科学的期刊上，且发文质量高，部分期刊为领域内的权威期刊，例如《Information Processing & Management》、《Computers Environment and Urban Systems》等。此外，受到埃博拉病毒、新冠疫情的影响以及学者们对医疗旅游网站和信息服务的进一步关注，近4%的载文期刊属于医学大类。总的来说，旅游信息科学的研究已经引起了管理学、社会科学、地球科学、计算机科学、环境科学等多个领域的关注，多学科的交叉研究为旅游信息科学领域创新成果的产出奠定了基础。
图4 旅游信息科学文献的学科分类

Fig. 4 Disciplinary classification of tourism information science literature

3 研究进展

为深入了解多学科交叉融合背景下旅游信息科学理论与实践的发展进程及未来趋势，分别从理论支撑、数据源、研究方法、研究内容4个方面进行全面梳理。

3.1 理论支撑

旅游信息科学的理论基础相对多元，涉及众多旅游基础理论和学科前沿理论，相关理论贯穿于旅游信息活动的全过程。旅游信息科学的理论研究主要关注旅游信息的语义界定、产生机理以及旅游者的信息需求等，并在与行为学、心理学、新闻传播学和经济学等多学科交叉融合的过程中，理论已拓展至对在线旅游信息行为、网络旅游信息传播、旅游信息经济等的指导。旅游学内生理论和其他多学科理论共同构成了旅游信息科学的理论支撑体系，具体如图5所示。
图5 旅游信息科学的理论支撑

Fig. 5 The theoretical support of tourism information science

3.1.1 旅游学内生理论

旅游学起步较晚，在国内外旅游学者的不懈探索下，旅游学的理论框架逐渐完善。旅游信息科学的研究对象虽为旅游信息，但涉及的主要信息行为主体仍为旅游者，所处的环境仍是旅游产业大背景，关注点仍是旅游者的需求。因此旅游行为理论[20]、旅游产业发展理论[21]、旅游需求理论[22]等成熟且重要的旅游学术思想在旅游信息科学研究中的应用依旧十分广泛且深刻。例如，蔡霞等[23]基于Butler提出的旅游地生命周期理论，以海南省13年来的发展为例，尝试用信息衡量和描述旅游地的生命周期，为旅游过程的理解提供了创新视角。在旅游学内生理论的指导下，目前旅游信息科学的理论建构以对旅游学母学科的继承和优化为主，但解释的对象更偏向于互联网背景下涌现出的新的旅游信息活动或现象。例如，Deng等[24]提出了一种基于面部和照片内容识别技术来分析游客旅行模式及其偏好的新方法，并采用游客凝视理论来解释游客为何在拍摄的兴趣点和背景方面表达了不同的偏好。但旅游信息科学研究涉及的主体、客体较为复杂，主体包括旅游者、旅游企业、政府以及OTA等旅游信息的使用者和制造者，客体则包括以上行为主体产生的数据量庞大、类型多样且具有多重属性的旅游信息，因此仅凭内生理论难以解释并支撑所有的旅游信息活动及现象。王晓峰等[25]在对旅游信息分类编码时，以旅游三体理论和旅游六要素理论为基础对旅游信息的现状、特点进行分析，但在旅游信息分类体系构建时又引入了协同理论、信息组织理论等以实现信息提取的全面性和准确性。不仅验证了旅游信息科学研究对旅游学内生理论的依赖，还说明了旅游信息科学研究对多理论支撑的需求。

3.1.2 多学科理论

从旅游信息活动的特点和规律出发，李君轶等[2]认为旅游信息科学的主要理论支撑包括系统论、信息论、控制论、传输论和识别论；从研究涉及的学科属性出发，旅游信息科学普遍应用的理论有地理科学的空间理论、传播学的关系理论、行为学和心理学的决策理论等。学者们在进行旅游信息时空研究时，理论支撑主要包括为旅游资源开发提供空间认知基础的GIS空间分析理论[26]、广泛应用于区域网络结构研究的增长极理论[27]等。在旅游信息的传播过程中，关系传播理论[13]、创新扩散理论[28]、传播两级效果理论[3]等为不同的旅游信息传播模式提供了理论指导。例如， Dabphet等[29]运用扩散理论，探讨了可持续旅游发展理念在泰国克里特岛旅游利益相关者之间的传播扩散，以传播理论解释旅游信息在不同利益相关者之间的转移。行为学和心理学的理论主要用于旅游者信息搜索和决策的指导。因旅游信息的接受和使用与用户对于信息系统的接受机理高度相似，TAM理论被创新性地引入到旅游信息行为分析的研究中。例如，Lin 等[30]借助TAM理论，讨论了使用智能手机旅行APP的海外独立旅行者与感知有用性、感知易用性、使用态度、使用意图和信息搜索行为之间的关系。而在行为意图和影响因素的研究中，则会运用到前景理论、心理会计理论[31]、计划行为理论、保护动机理论[32]等行为学和心理学相关理论。除此之外，还有学者引入了成本收益理论[13]、扎根理论[33]、社会技术系统理论[34]等经济学、信息学、社会学相关理论，对旅游信息科学领域的研究以及旅游信息产业的发展具有较强的指导作用。
综上所述，旅游学内生理论的发展和多学科理论的引入完善了旅游信息科学的理论支撑体系，不仅拓宽了认识、管理和改造旅游系统的角度和思路，还增强了对旅游信息现象以及活动的解释力。但对多学科理论的过度依赖也导致旅游信息科学的研究缺乏内在的、一致性的理论和概念认知，且未能很好地融合其学科特色和研究特点，难以开发出具有自身针对性和旅游学普适性的理论和思想。另外，国内外的理论探索进程并不协调，国外的研究倾向于实践指导层面，适合中国情景的理论支撑体系也尚未完成构建。因此未来旅游信息科学的理论发展仍面临一定的质疑和挑战。

3.2 数据源

数据作为信息的载体和具体表现形式，大多数旅游信息科学领域的研究都以数据为驱动展开。其中包含数据量大、处理速度快、价值密度低、数据类型多样的多源大数据，也包含数据量小但具备多重属性的传统数据。但并非所有的旅游数据都可以称之为旅游信息，原始数据经过清洗、整理等处理步骤才能具有参考意义，从而转化为具有价值的旅游信息。在大数据环境以及开源数据集、网络数据挖掘、数据采集设备等[35]数据获取手段的支持下，旅游信息科学研究可获取的数据类型增多、时间成本下降、精确性提高、连续性增强，不仅有助于分析微观层面细节性的问题，还有助于从系统的角度总结整体的演化特征和规律。

3.2.1 传统数据

早在20世纪70年代，国外学者Nolan[36]就针对旅游信息源的评价问题展开探讨，使用的数据主要为相关企业的产品销售数据和旅游目的地游客的人口统计数据。目前依靠官方统计年鉴和公报间接获取旅游信息数据仍是研究者们的主流选择，此种数据公信力强，且系统全面。例如王晓峰等[25]在对旅游信息进行分类时，旅游统计年鉴和公报为其研究提供了旅游实体空间维、旅游者时间维以及旅游产业的属性维等多种尺度和维度的旅游信息。当研究没有现成数据可以参考时，研究者们大多通过调查问卷、实验观察、深度访谈等方式直接获取一手数据。此类数据搜集方法在进行旅游信息行为影响因素[37]、旅游者行为动机[38]、信息化建设可行性调查[39]研究时运用较多，可以真实了解被访者的情况。例如，吕婷等[40]在研究电子口碑对城市居民乡村旅游行为的影响时，结合问卷调查和深度访谈获取一手资料，构建了关系型虚拟社区的电子口碑作用模型。传统数据在获取方式、数据体量和类型上具备一定的局限性，Smallwood等[41]耗费12个月通过1 208次现场访谈才完成澳大利亚沿海公园游客旅行模式的收集和量化工作。但在具体的数据收集时，传统数据可采集较多的社会经济属性，且数据维度高。作为基本的数据获取方式，传统数据采集在旅游信息科学的研究中至关重要。

3.2.2 多源大数据

传统数据和大数据的区别主要体现在数据类型、获取方式、数据体量上[42]，具体的特征对比如表1所示。大数据时代，在无线传感器网络、GPS和LBS定位、数据挖掘算法、搜索引擎指数分析工具等的支持下，旅游数据的获取呈现出明显的规模化、标准化和高效化特征，多源异构大数据成为学者们进行旅游信息科学研究时的主要数据来源，数据类型包括：① 地理位置数据。位置数据的种类及获取方式很多，包括通过移动传感器、API接口、手机GPS定位等多种方式获取的旅游运动轨迹数据[43]、地理标记照片数据[44]、旅游者数字足迹[45]等，也有学者借助WebGIS、数据挖掘等技术构建了旅游地理信息系统[26]，以方便信息和数据的系统化管理和使用；② UGC数据。UGC指用户生成内容，在线社交网络中的分享、评论、互动等均属于UGC的范畴。在大数据范式下，旅游者在微博、推特、马蜂窝等社交网络平台和旅游虚拟社区中产生的文本、图片等数据都可以转化为高价值的知识。例如旅游者评价的情感捕捉[46]、目标客源市场细分和旅游选择预测[47]等；③ 旅游交互数据。网络旅游信息包含内容丰富且能实现多方互动，尤其是百度、Google、综合门户网站以及专门旅游网站具有明显的优势[37]。在信息搜寻以及旅游交易的过程中，产生了大量的网站访问、旅游产品消费记录等数据，可辅助旅游决策和预测。例如，Chen等[48]基于游客的公开信息、浏览购买和评分等操作行为数据，通过机器学习算法实现了对在线旅游购买行为的准确预测。除以上数据类型外，旅游信息科学研究中涉及的数据还包括旅游目的地水文、气象数据[49]、旅游交通数据[50]、射频识别数据[51]等。
表1 传统数据和多源大数据的特征对比

Tab. 1 Characteristics comparison of traditional data and multi-source big data

传统数据 多源大数据
数据类型 以结构化数据为主，例如旅游统计年鉴数据、问卷调查数据、实验观察数据等 包括结构化、半结构化和非结构化数据，例如地理位置数据、UGC数据、旅游交互数据等
获取方式 官方统计、抽样调查、实验观察等 无线传感器网络、GPS和LBS定位、数据挖掘算法、搜索引擎指数等
数据体量 数据量小，可采集多重社会经济属性 数据量大，波及范围广、维度高、实时性强
对比旅游学其他领域，旅游信息科学的研究更注重数据的应用以及信息的有效性。吕丽等[52]通过QAP相关分析发现，网络游记文本和问卷调查得到的旅游流空间矩阵在统计意义上具有高度的相关性，即，对网络平台的文本进行分析也能得到传统问卷调查分析的效果。此外，多源大数据挖掘还能在一定程度上弥补传统旅游研究数据获取困难、代表性不强、研究尺度局限等缺陷。但大数据并非完全科学，其本身也具有数据噪声、数据孤岛、有偏性、共享性低等问题[35]，限制了数据对多维现象的进一步解释，同时也对领域内学者的数学思维方式和技术应用能力提出了很大的挑战。

3.3 研究方法

基于多学科的理论支撑，旅游信息科学涉及的研究方法突破了常规旅游研究方法的约束，融合了多学科解决问题的思路和模型。基于多源异构数据的支撑，旅游信息科学研究方法的数理统计特征逐渐凸显，定性研究法和定量研究法为旅游信息规律的探索提供了多种思路和手段。在学科研究和实际应用的过程中，旅游信息科学逐渐形成了具有自身特色的方法论体系，为旅游系统复杂问题的解决提供了有效方案。

3.3.1 定性研究法

定性研究是指用文字来描述现象的研究方法。在旅游信息科学的研究中，常用的定性研究方法包括内容分析法、个案研究、深度访谈、参与观察法等。本文强调的内容分析是以定性为前提开展的，是一种对研究内容进行客观、系统描述的研究方法，主要以各种文献为分析对象，因此理论探讨和综述评论型研究[53]对内容分析法高度依赖。除此之外，内容分析法也常用于分析访谈、实验等一手记录材料。个案研究法可用于某一个案例地的旅游信息化演变进程或某一类人群的旅游信息行为特征的研究。Zajadacz等[54]为探究聋人的旅游信息来源，以波兰聋人社区为研究案例，发现聋人和听力障碍者的主要旅游信息来源是互联网和亲密人士的意见。通过具体的个案研究可为同类问题的解决提供借鉴，也可推广至一般情况，为其提供判断依据。较于其他定性研究，深度访谈是一种更为开放的研究方法，通过深入的交流和沟通，可突破结构式问题的局限，从而得到意想不到的收获。例如Bitsura-Meszaros等[55]基于PGIS，采用焦点小组质性研究法来确定利益相关者对旅游依赖社区的相关气候风险变化的真实看法，以确保政策指导和管理建议满足当地利益相关者的需要。以上定性研究法大多依靠传统数据展开，且在对获取的信息数据进行处理时较为注重对旅游信息现象的解释，描述性的分析和总结占据主要地位。

3.3.2 定量研究法

定量研究法是用数字和量度来描述的研究方法，根源于实证研究，较于定性研究更接近于科学[56]。在旅游信息科学的研究中，以调查问卷为基础展开的实证研究是学者们的主流选择，通过假设和验证能够从更为客观的角度探究旅游信息的本质属性和内在规律[13]。空间分析方面，最主要运用的工具为GIS，涉及的方法包括社会网络分析法、核密度分析法等，常用于旅游流的空间结构及演化[57]、旅游资源的空间分布特征[58]等相关主题的研究。在GIS的基础上还可以叠加数据和算法对资源节点进行最短路径识别并有序排列[59]，为快速定制旅游线路提供解决方案。文本分析方面，区别于定性研究中的文献内容分析，基于知识图谱的文献计量法实现了大量文献的关键词共现、作者合作网络分析、突显词检测等诸多功能[35]，借助元分析还可以实现对以往实证研究统计变量和结果的再统计[60]，为旅游文献信息的深度挖掘提供了有力支持。另外，在对UGC数据和旅游搜索等网络数据进行处理时，也不再局限于描述性统计或是简单的词频、情感分析，结合Matlab、Stata、Mathematica等数据处理软件，在密度聚类[61]、LDA模型[62]、TextRank算法[63]等方法的支持下，对旅游信息的处理进一步拓展到主题分类与聚类、关键因素提取、关系相似度分析等更为深层次的探索。数据预测方面，时间序列分解法[45]、logit模型和马尔可夫模型[64]等数理统计模型和方法以及核极限学习机（KELM）[65]、SHAP解释树模型和部分依赖图（PDP）[48]等机器学习算法被引入到旅游信息科学的研究中，在旅游现象形成机制挖掘以及信息化发展核心影响因素和趋势预测的研究中发挥了重要作用。
综上所述，目前旅游信息科学领域的研究方法正在从静态的描述性分析不断向动态的综合分析过渡。地理科学、社会学、数据科学等多学科方法论的引入使旅游信息科学的研究摆脱了固化思维，极大丰富了旅游信息科学的研究理念和研究思路。但目前在旅游信息科学的实际研究中，还无法较为灵活地运用以上多种方法，在同一类研究中研究方法的选取表现出高度的一致性，且单一的定性或定量方法说服力略显不足，无法深入探究并说明旅游信息现象及活动的规律。

3.4 研究内容

为进一步提炼出旅游信息科学研究的子领域，本文以中英文文献的标题、摘要和关键词为文本语料，构建了旅游信息科学领域的专业词典，采用NLPIR语义分析系统对上述文本语料进行分词处理，并借助LDA主题模型对250篇旅游信息科学文献中的主题信息进行了识别，处理过程如图6所示。
图6 旅游信息科学研究内容的主题识别过程

Fig. 6 The subject identification process of research content in tourism information science

中文、英文文献的主题识别结果以及各主题包含的部分词概率分布如表2所示。通过分析发现旅游信息科学的研究内容呈现以下特点：① 中英文文献的研究内容具有较高的重合度。从高频词来看，信息、技术、空间、旅游信息流以及大数据是旅游信息科学研究关注的重点内容；② 中英文文献研究内容都呈现出明显的学科交叉融合特征，主要涉及管理学、信息科学、计算机科学、地理科学等多个学科；③ 中文文献的研究内容更关注信息技术在产业的应用，例如，主题1中，模型、系统和旅游业、在线旅游的结合，主题2中，大数据、旅游信息流和时空、旅游资源的结合。英文文献的研究内容更关注创新技术的开发与应用。例如，Topic1中推荐、网站和数据挖掘、设计的结合，Topic3中网络、挖掘和机器学习的结合。为深入了解旅游信息科学的研究内容，根据LDA主题建模结果，结合对文献的阅读和理解，最终将旅游信息科学领域的研究内容归纳为以下4个方面，具体内容如图7所示。
表2 旅游信息科学中英文文献主题分布结果

Tab. 2 Topic distribution results of Chinese and English literature in tourism information science

中文文献 英文文献
主题1 主题2 主题3 Topic1 Topic2 Topic3 Topic4
特征词 概率 特征词 概率 特征词 概率 特征词 概率 特征词 概率 特征词 概率 特征词 概率
模型 0.040 信息 0.048 旅游信息 0.045 analysis 0.048 data 0.081 social 0.026 social media 0.022
空间 0.040 旅游资源 0.041 评价 0.021 network 0.028 technology 0.024 behavior 0.013 smart tourism 0.022
数据 0.028 旅游信息流 0.027 感知 0.019 design 0.018 value 0.015 implicati-ons 0.011 destinations
 0.012
系统 0.026 大数据 0.024 信息搜寻 0.014 managem-ent 0.016 impact 0.011 web 0.011 influence 0.011
技术 0.023 时空 0.021 传播 0.013 forecasting 0.012 quality 0.010 demand 0.010 marketing 0.011
旅游业 0.018 信息技术 0.021 网站 0.013 recommen-dation 0.012 satisfaction 0.009 mining 0.007 algorithm 0.009
在线旅游 0.015 产业 0.019 旅游产业 0.013 data mining 0.008 models 0.009 machine learning 0.007 spatial 0.009
智慧旅游 0.013 信息化 0.012 影响因素 0.012 websites 0.007 perceived 0.008 characteri-stics 0.006 activities 0.008
图7 旅游信息科学的研究内容及研究方法

Fig. 7 Research content and methods of tourism information science

3.4.1 旅游信息时空的演变规律与空间结构

基于旅游活动和旅游要素的时空属性，旅游时空信息复杂且多样，其特征主要表现在旅游现象和活动的地理位置、几何特征、实体间的拓扑关系以及空间属性随时间变化的动态趋势等[8]。目前旅游信息时空的研究成果较为丰富，研究主题主要集中在旅游资源空间分布、旅游流和旅游位置移动3个方面。
（1）旅游资源的空间分布与演变特征。此类研究中，GIS是最为普遍的应用工具。GIS可协助旅游目的地完成资源清单的梳理和数据库创建[66]，深入了解旅游资源的空间分布状态[58]及资源变化速率和范围[67]，完成从旅游资源识别、评价、格局到机理分析的全过程[26]，同时为后续旅游线路的开发与规划奠定基础[59]。
（2）旅游流的网络结构与流动规律。旅游流作为旅游地理学研究的核心内容之一，其结构演化、影响机制、流动规律以及集聚和扩散特征一直是国内外学者研究的重点。从宏观角度来看，大多从整体大环境各类现象的相互作用中揭示其原因，即从交通、经济、接待、景区等宏观数据探究与旅游流的耦合响应关系[68]。从微观的角度来看，现有研究更多的依据社交媒体数据[69]，从旅游网络关注度、旅游偏好等角度探究旅游信息流与客流之间的导引和互动关系[70]。
（3）旅游行为与地理位置的关系和规律。随着移动终端的广泛普及，在用于信息获取和分享的移动应用中，基于用户地理位置的服务已成为主流。根据移动应用的GPS位置记录可判断特定旅游地旅游者的热点行为，在厘清行为与地理位置之间关系规律的基础上，还可以预估未来旅游者的行为[64]甚至模拟其移动轨迹[71]，提升市场营销和管理决策的科学性。综合以上研究，无论是时间上对变化性、规律性、动态性的剖析，还是空间上对空间分布、构成、演化的探讨，信息时空思维在旅游信息科学中的运用都表现出高度的科学性和可靠性。

3.4.2 基于数据挖掘的旅游信息分析与预测

数据是一种信息资产，大数据时代的核心是数据的有效利用，借助数据挖掘可以找寻社会感知数据间的潜在关联，提取旅游者交互特征和行为规律[72]，并实现基于数据与模型的科学预测，在旅游信息科学中的应用愈加广泛。
（1）旅游数据挖掘与分析。数据挖掘是数据使用的前提，通过什么样的方式从海量的数据中甄别信息，是构建多种大数据分析框架的前提条件[73]。目前在旅游信息科学中应用较为广泛的数据挖掘技术与分析方法包括关联规则挖掘、数据库分割和聚类、文本和网页挖掘、情感分析等[74]。Sharma等[75]在其著作中介绍了不同数据挖掘算法的应用，并使用WEKA分析了印度的旅游业数据，试图运用数据挖掘探究印度境内外游客的构成、偏好以及行为模式，并成功将产业数据转换成用于管理和组织决策以及改进价值链的有效信息。
（2）旅游数据预测。在数据挖掘和分析的基础上，可以将所感知到的旅游信息各个节点及其之间的关系构成一个复杂网络，结合灰色线性回归组合模型[76]、SEM-ANFIS[77]等建模方法以及机器学习算法，实现对未来旅游者的需求、偏好以及旅游企业发展的决定性因素的合理预测。例如Park等[78]以香港为研究对象，首先挖掘并识别了与旅游需求相关的新闻关键主题及其含义，利用SARIMA模型研究了新闻主题对旅游到达人数的影响，以预测旅游需求。此外，还有学者利用旅游网站访问数据对旅游景点的访问量进行推断[79]，利用气候数据对旅游地气候旅游的潜力进行量化[49]。数据挖掘在旅游信息科学中的成功转化和应用，使得原始旅游数据更具有参考意义，更能发挥旅游信息的价值与作用。

3.4.3 旅游信息行为的特征规律与影响因素

旅游行为对信息具有一定的惯性和依赖，旅游者对旅游信息的接受与理解程度将会影响其具体行为，研究中涉及的旅游信息行为主要包括旅游信息的搜寻、分享和决策等。
（1）旅游信息搜寻行为。旅游信息搜寻是指旅游者有意识地激活记忆里所储存的知识或在周围环境中获取信息的过程[80]，该过程贯穿于整个出游的准备、游览以及评估阶段。目前国内外对旅游信息搜寻行为的研究主要聚焦在信息来源、搜寻动机、行为模式、影响因素等方面[13]。部分学者出于对旅游信息搜寻心理感知和视觉关注的深度探索，还创新性的开展了搜寻行为的追踪、模拟和预测研究[81]。
（2）旅游信息分享行为。在Web 3.0快速发展的时代，在线旅游社区为旅游者之间的信息分享、传播和评价提供了广阔平台，目前的研究以旅游信息分享动机、传播渠道以及信效度评价为主。基于社会交往需要和利他主义刺激，各类游记、旅行攻略层出不穷。Sparks等[82]的研究发现旅游者普遍把他人发布的信息视为最有用和最值得信任的，强调了在线旅游社区信息分享渠道的重要性。
（3）旅游信息决策行为。在获取信息后，旅游者需要加以判断和整理，剔除无关、低质的信息，做出有效旅游决策。在实际的研究中，旅游电子口碑、评论等经常被作为探究旅游决策行为的关键影响变量。吕婷等[40]以“口碑信任度”为中介变量，发现虚拟社区电子口碑的视觉线索正向影响城市居民的乡村旅游行为决策意向。综上所述，大范围、长时间、多主体的旅游信息行为数据为分析旅游者的行为特点和规律提供了依据，有助于深入剖析旅游信息行为本质。

3.4.4 旅游信息产业的智慧开发与管理营销

信息化时代，旅游业迎来了更为智能的发展空间，智慧旅游、在线旅游、数字旅游的开发建设推动了旅游信息产业的更新升级。信息通信技术在其中主要扮演着服务工具的角色，广泛应用于智慧旅游开发、旅游信息管理、旅游网络营销等多个方面。
（1）智慧旅游开发与实践。一系列前沿技术和信息化设施的开发和应用加快了旅游信息产业的智慧化进程。可穿戴设备和移动传感器为推荐系统的旅游者数据捕捉提供了支持[83]；机器人管家、机械臂调酒师以及机器人虚拟代理推动了酒店业的智能管理[84]；基于数字孪生、区块链、AI、云计算等核心技术以及VR和AR等交互设备构建的元宇宙[85]，则开辟了旅游沉浸式体验的新时代。Zaman等[86]探讨了新冠疫情旅行焦虑对元宇宙空间旅行准备的影响，为数字太空孪生系统在旅游中的进一步应用提供了新的见解。
（2）旅游信息管理与服务。旅游信息系统作为旅游业实现信息化管理的关键手段，目前国内外已面向不同层次的用户开发了旅游管理信息系统[87]等多种功能且可以实现资源共享的旅游信息系统，并根据其个性化需求设计了基于POI属性[88]、用户情感和时间动态[89]等多种因素的旅游推荐系统等。Xiao等[90]在传统推荐系统的基础上嵌入了多行为网络和旅游产品-内容知识图谱，能够从用户的隐式反馈以及产品之间的关系中捕获用户偏好。除此之外，旅游大数据平台、电子旅游平台等信息服务管理体系的完善也进一步提升了政府与企业的信息化管理水平。
（3）旅游网络营销与推广。旅游网站作为游客与运营商沟通互动的主要方式，受众范围广泛、传播形式多样。Zhelyu[91]的研究结果证实，旅游网站在趣味性、导航、信任、海外目的地种类、在线交易和信息质量等方面对客户满意度有正向影响。另一方面，以微商推广、直播带货、SNS社区为代表的社交媒体电子商务营销进一步创新了旅游网络的营销模式，使得互联网作为一种营销工具的优势得到了充分的体现。信息技术正在通过知识的再创造，不断拓宽旅游研究范式的边界，并开辟潜在功能以解决更加广泛的社会问题[92]。
信息时代背景下，学者们聚焦旅游信息科学的发展目标，以旅游信息为生产要素，以信息通信技术为着力点，一方面，深入剖析旅游信息活动及现象的本质特征及规律，推动了旅游信息科学的体系建设。另一方面，利用多元化技术为满足市场需求和提高产业效率提供科学支撑，促进了科学研究的社会功能转化。但目前的研究中，同质化、模式化的问题依然存在，缺乏创新性的观点。此外，相较于国际，国内在技术层面上的研究先进性不足，对信息环境的变化缺乏敏感性。且国内外部分技术的开发设计以及大数据的分析预测仍停留在研究层面上，未投入到旅游信息产业的实际应用中，而另一部分已转化为应用的研究也因旅游信息产业后续人才供给不足导致实际运行效果一般，不利于旅游信息化的深层推进。

4 结论与展望

4.1 结论

本文依托旅游信息科学现有的研究基础，对2011—2022年旅游信息科学领域的国内外相关文献进行了梳理。通过理论、数据、方法和内容4个方面的总结，探讨了旅游信息科学在多学科交叉背景下的理论研究以及实践现状。目前旅游信息科学尚未形成较为统一的概念，综合现有研究可以将旅游信息科学定义为以旅游信息为研究对象，围绕信息技术在旅游产业中的实际应用和推广，探索旅游信息活动和现象及其内在规律的科学。综合旅游信息科学的文献概况和研究进展，可得出以下3方面结论：
（1）目前旅游信息科学的研究处于快速发展阶段，2011—2022年文献数量呈现整体增长的趋势，新兴主题持续涌现，研究边界不断拓宽。从全球空间范围来看，较之国内，近几年国际上在该领域的研究进展更为显著，中国学者在其中也贡献了一定的力量。从载文期刊来看，旅游信息科学的研究已经得到了国内外多个学科领域的关注，在旅游学界较为主流和权威的期刊以及地球科学、计算机科学、环境科学与生态学等领域的核心期刊上皆有载文。
（2）随着学科融合和旅游信息化程度的提高，旅游信息科学领域的研究取得了显著成果。在旅游学内生理论和地理学、行为学、传播学等多学科理论的共同指导下，研究围绕传统问卷、访谈等数据和多源异构大数据展开，且数据获取、数据分析方式的革新使旅游信息科学的研究从静态的现象描述和分析，逐渐发展到实证研究、数理统计与计量分析、模型算法等方法的综合应用，突破了传统旅游学研究的思维定式，为旅游系统中复杂问题的解决提供了创新思路和具体的方法论指导。
（3）旅游信息科学的研究内容以旅游信息为生产要素，围绕多元化技术在旅游领域内的应用而展开，注重对旅游信息活动本质特征和规律的探索。在地理信息技术、数据挖掘技术、网络通信技术的支撑下，主要聚焦于旅游信息时空的演变规律与空间结构、基于数据挖掘的旅游信息分析与预测、旅游信息行为的本质规律与影响因素、旅游信息产业的智慧开发与管理营销4个方面。多主题的学科研究切实推动了旅游信息科学的学科发展和产业应用。

4.2 展望

综上所述，通过对旅游信息科学研究成果的梳理，我们认为旅游信息科学正在朝着更具综合性、动态性、实操性的方向发展。目前旅游信息科学存在国内外研究合作交流不充分、理论研究与实践应用不平衡、数据方法和技术运用不灵活、研究内容创新性与实践性不足等问题，因此本研究提出4个方面的建议：
（1）研究产出方面，加快国际前沿研究的本土化进程。为进一步加快国内旅游信息科学的研究进展并提升其在国际上的话语权和影响力，应把握好“中国特色、世界一流”的核心要求。一方面以国际发表和前沿热点为引领和启发，学习国外优秀的信息技术开发创新思路以及多领域的集成协作成果，形成国内国际研究双循环的良性互动。另一方面，结合中国情境选择适宜的研究主题、理论和方法，解读中国实践，将重要研究写在中国大地上。
（2）理论基础方面，侧重对基础理论和概念的梳理与探讨。旅游学中普遍存在的“实践超前、理论滞后”的问题[2]在旅游信息科学的研究中仍有体现。因此在进行具体的研究时，应注重不同语境下对旅游信息本质以及内涵的探讨，吸取不同学科优秀的理论思维逻辑，结合旅游特色，形成系统的理论框架。此外，在增强理论普适性的同时也要建立起符合中国政治、经济、文化等情景的理论体系。从而给予不同层次、不同领域的研究以指导，进一步促进理论与实践的协调发展。
（3）数据方法方面，强调多元技术和方法的集成式应用。为提升数据应用的客观性，应兼顾信息数据的深度和广度，融合跨领域、跨行业、跨平台的多种数据并进行交叉验证，同时佐以多种数据挖掘和信息技术的集成协作，为旅游产业发展的动态预测、旅游空间信息的可视化呈现、旅游行为规律的归纳总结等提供多影响维度、长时空跨度的数据和技术支撑。在研究方法上，加强定性研究和定量研究方法的联系，综合利用多种方法以实现对旅游信息“质”的揭示和“量”的探讨，从而更全面地看待旅游信息科学中客观存在以及系统内部更深层次的问题。
（4）研究内容方面，加强学科间的互动交流与应用研究。在多学科研究协同整合的基础上，应进一步加强不同学科研究之间的互动，使多个领域的研究在学科差异的基础上不断打破与旅游学之间的边界，产生创新性成果，形成研究互动、优势互补、统筹兼顾的良好态势。同时在研究的过程中还要提高对新技术、新业态、新政策的敏感性，在经典话题的基础上推陈出新，着重关注新业态与旅游信息化的结合、新媒体时代的旅游信息共享、数字经济背景下旅游信息产业的发展模式等方向。另一方面，结合研究的现实需要和产业发展的实际需求，引进专业人才，切实推进GIS线路定制研究在旅游资源规划开发中的应用、大数据研究在市场用户画像分析以及旅游精准营销中的应用、创新数字技术开发研究在旅游信息产业服务管理中的应用等，促进产学研相结合，加速成果落地和产业孵化，使得旅游信息科学研究成果实现更为广泛的社会化功能。
旅游信息科学作为旅游学的重要组成部分和前沿研究领域，不断为旅游科学的研究和应用提供方法论支撑，稳步推进了旅游研究的现代化以及旅游业的信息化进程。由于旅游信息科学的研究范围较为广泛，在文献搜索时未能一一覆盖，存在一定的局限性；此外囿于篇幅，本文在具体呈现时，仅从发文量、载文期刊和主题倾向上对国内外的研究进行对比，未能更深入地探讨国内外的发文变化趋势和特征，且部分与旅游信息科学相关的方法、技术和主题未在文中展开叙述。未来我们将运用CiteSpace、VOSviewer等文献计量学方法更为全面地探究旅游信息科学的突现词变化、主题路径演化、作者合作网络特征等问题，并对国内外的研究差异进行对比。在多学科交叉融合的背景下，旅游信息科学体系的构建刻不容缓，需集众家之长，取自我之道，吸取交叉学科先进且创新的方法论，不断促进自身研究方法和手段的革新，形成旅游信息科学领域特有的研究范式，实现旅游科学研究的现代化。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
国务院. 关于印发“十四五”旅游业发展规划的通知[EB/OL]. http://www.gov.cn/gongbao/content/2022/content_5674298.htm

[2]
李君轶, 张柳, 孙九林, 等. 旅游信息科学:一个研究框架[J]. 旅游学刊, 2011, 26(6):72-79.

[Li J Y, Zhang L, Sun J L, et al. Tourism information science: A research framework[J]. Tourism Tribune, 2011, 26(6):72-79.] DOI:10.3969/j.issn.1002-5006.2011.06.016

DOI

[3]
庞闻, 马耀峰, 郑鹏. 五种旅游信息传播模式的比较与整合[J]. 旅游学刊, 2012, 27(5):74-79.

[Pang W, Ma Y F, Zheng P. Comparison and integration of five kinds of tourism information dissemination models[J]. Tourism Tribune, 2012, 27(5):74-79.] DOI:10.3969/j.issn.1002-5006.2012.05.015

DOI

[4]
Marrocu E, Paci R. Different tourists to different destinations. Evidence from spatial interaction models[J]. Tourism Management, 2013, 39:71-83. DOI:10.1016/j.tourman.2012.10.009

DOI

[5]
陈志辉, 陈小春. 旅游信息学[M]. 北京: 中国旅游出版社, 2003.

[Chen Z H, Chen X C. Tourism informatics[M]. Beijing: China Travel & Tourism Press, 2003.]

[6]
Sharda N. Tourism informatics: Visual travel recommender systems, social communities, and user interface design[M]. IGI Global: Information Science Reference, 2009.

[7]
Hitoshi M, Masahito Y, Hidenori K, et al. Tourism informatics: Application of information technology to tourism(Where system & information technology meet tourism)[J]. Systems, Control and Information, 2013, 57(8):316-322

[8]
李君轶. 旅游信息科学导论[M]. 北京: 科学出版社, 2014.

[Li J Y. Introduction to Tourism Science[M]. Beijing: Science Press, 2014.]

[9]
Li Y P, Hu C, Huang C, et al. The concept of smart tourism in the context of tourism information services[J]. Tourism Management, 2017, 58:293-300. DOI:10.1016/j.tourman.2016.03.014

DOI

[10]
Dorcic J, Komsic J, Markovic S. Mobile technologies and applications towards smart tourism-state of the art[J]. Tourism Review, 2019, 74(1):82-103. DOI:10.1108/tr-07-2017-0121

DOI

[11]
夏少颜, 韩元军. 境外在线旅游研究新进展[J]. 旅游学刊, 2017, 32(3):29-37.

[Xia S Y, Han Y J. Review of international online tourism studies[J]. Tourism Tribune, 2017, 32(3):29-37.] DOI:10.3969/j.issn.1002-5006.2017.03.009

DOI

[12]
Wei W, Guo C H. A text semantic topic discovery method based on the conditional co-occurrence degree[J]. Neurocomputing, 2019, 368:11-24. DOI:10.1016/j.neucom.2019.08.047

DOI

[13]
范云满, 马建霞. 利用LDA的领域新兴主题探测技术综述[J]. 现代图书情报技术, 2012(12):58-65.

[Fan Y M, Ma J X. Review on the LDA-based techniques detection for the field emerging topic[J]. New Technology of Library and Information Service, 2012(12):58-65.] DOI:CNKI:SUN:XDTQ.0.2012-12-014

DOI

[14]
刘冰洁, 曾嘉悦, 赵彦云. 旅游产业的政策量化及其影响分析[J]. 经济问题探索, 2021(12):71-82.

[Liu B J, Zeng J Y, Zhao Y Y. Quantitative analysis of tourism policy and its impact[J]. Inquiry into Economic Issues, 2021(12):71-82.]

[15]
秦殿启. 大数据环境下情报语言的拓展及运用[J]. 情报理论与实践, 2015, 38(10):33-37.

[Qin D Q. Expansion and application of intelligence language under big data environment[J]. Information Studies: Theory ＆ Application, 2015, 38(10):33-37.] DOI:10.16353/j.cnki.1000-7490.2015.10.007

DOI

[16]
杜莹莹, 李君轶. 游客信息搜寻的人际关系来源选择及影响因素研究[J]. 旅游学刊, 2020, 35(1):121-132.

[Du Y Y, Li J Y. Study on interpersonal information sources selection behavior and its influencing factors in tourist information seeking[J]. Tourism Tribune, 2020, 35(1):121-132.] DOI:10.19765/j.cnki.1002-5006.2020.01.016

DOI

[17]
胡兴报, 苏勤, 张影莎. 国内旅游者网络旅游信息搜寻动机与搜寻内容研究[J]. 旅游学刊, 2012, 27(11):105-112.

[Hu X B, Su Q, Zhang Y S. Research into the motivations and contents of domestic tourists' online information search[J]. Tourism Tribune, 2012, 27(11):105-112.] DOI:10.3969/j.issn.1002-5006.2012.11.027

DOI

[18]
Bilgihan A, Nejad M. Innovation in hospitality and tourism industries[J]. Journal of Hospitality and Tourism Technology, 2015, 6(3):203-228. DOI:10.1108/jhtt-08-2015-0033

DOI

[19]
邹建琴, 明庆忠, 史鹏飞, 等. 智慧旅游研究:历程、主题与趋势[J]. 资源开发与市场, 2022, 38(7):850-858.

[Zou J Q, Ming Q Z, Shi P F, et al. Smart tourism research: History, themes and trends[J]. Resource Development ＆ Market, 2022, 38(7):850-858.] DOI:10.3969/j.issn.1005-8141.2022.07.011

DOI

[20]
杨敏, 李君轶, 徐雪. ICTs视角下的旅游流和旅游者时空行为研究进展[J]. 陕西师范大学学报(自然科学版), 2020, 48(4):46-55.

[Yang M, Li J Y, Xu X. The progress of tourist flow and tourist spatio-temporal behavior based on ICTs[J]. Journal of Shaanxi Normal University(Natural Science Edition), 2020, 48(4):46-55.] DOI:10.15983/j.cnki.jsnu.2020.04.020

DOI

[21]
王兆峰, 谢娟. 信息化促进民族地区旅游产业发展的动力机制研究[J]. 山东社会科学, 2013(11):175-179.

[Wang Z F, Xie J. Research on the dynamic mechanism of the development of informatization promoting the development of tourism industry in ethnic areas[J]. Shandong Social Sciences, 2013(11):175-179.] DOI:10.14112/j.cnki.37-1053/c.2013.11.031

DOI

[22]
Wu D, Song H Y, Shen S J. New developments in tourism and hotel demand modeling and forecasting[J]. International Journal of Contemporary Hospitality Management, 2017, 29(1):507-529. DOI:10.1108/IJCHM-05-2015-0249

DOI

[23]
蔡霞, 徐颂军, 杨菁. 基于信息论的旅游地生命周期理论探讨——以海南省国内旅游为例[J]. 地理与地理信息科学, 2011, 27(6):101-104,112.

[Cai X, Xu S J, Yang J. Exploring of tourism destination evolution cycle based on informatics: Taking Hainan Province as an example[J]. Geography and Geo-Information Science, 2011, 27(6):101-104,112.]

[24]
Deng N, Liu J Y. Where did you take those photos? Tourists' preference clustering based on facial and background recognition[J]. Journal of Destination Marketing & Management, 2021, 21:100632. DOI:10.1016/j.jdmm.2021.100632

DOI

[25]
王晓峰, 刘艳艳, 王俊霞. 基于三维分类法的旅游信息分类体系与编码初探[J]. 旅游学刊, 2013, 28(11):75-83.

[Wang X F, Liu Y Y, Wang J X. A preliminary study of classification and coding of tourism information based on a three-dimensional classification system[J]. Tourism Tribune, 2013, 28(11):75-83.] DOI:10.3969/j.issn.1002-5006.2013.011.009

DOI

[26]
王英杰, 张桐艳, 李鹏, 等. GIS在中国旅游资源研究与应用中的现状及趋势[J]. 地球信息科学学报, 2020, 22(4):751-759.

DOI

[Wang Y J, Zhang T Y, Li P, et al. Research on the application status and trends of GIS used in tourism resources in China[J]. Journal of Geo-information Science, 2020, 22(4):751-759.] DOI:10.12082/dqxxkx.2020.200209

DOI

[27]
Jin P B, Fu Z W, Ban M S. Karst cave tourism system in Zhejiang Province based on resource regional analysis[J]. Chinese Geographical Science, 2012, 22(4):496-506. DOI:10.1007/s11769-012-0552-y

DOI

[28]
Agag G, El-Masry A A. Understanding consumer intention to participate in online travel community and effects on consumer intention to purchase travel online and WOM: An integration of innovation diffusion theory and TAM with trust[J]. Computers in Human Behavior, 2016, 60:97-111. DOI:10.1016/j.chb.2016.02.038

DOI

[29]
Dabphet S, Scott N, Ruhanen L. Applying diffusion theory to destination stakeholder understanding of sustainable tourism development: A case from Thailand[J]. Journal of Sustainable Tourism, 2012, 20(8):1107-1124. DOI:10.1080/09669582.2012.673618

DOI

[30]
Lin S Y, Juan P J, Lin S W. A TAM framework to evaluate the effect of smartphone application on tourism information search behavior of foreign independent travelers[J]. Sustainability, 2020, 12(22): 9366. DOI:10.3390/su12229366

DOI

[31]
Chung N, Koo C. The use of social media in travel information search[J]. Telematics and Informatics, 2015, 32(2):215-229. DOI:10.1016/j.tele.2014.08.005

DOI

[32]
Seow A N, Choong Y O, Moorthy K, et al. Predicting medical tourism behavioural intention using social cognition models[J]. Tourism Review, 2021, 76(2):374-391. DOI:10.1108/tr-06-2019-0267

DOI

[33]
Ho C I, Lin M H, Chen H M. Web users' behavioural patterns of tourism information search: From online to offline[J]. Tourism Management, 2012, 33(6):1468-1482. DOI:10.1016/j.tourman.2012.01.016

DOI

[34]
Lim C, Mostafa N, Park J. Digital omotenashi: Toward a smart tourism design systems[J]. Sustainability, 2017, 9(12): 2175. DOI:10.3390/su9122175

DOI

[35]
陆保一, 韦俊峰, 明庆忠, 等. 基于知识图谱的中国旅游大数据应用研究进展[J]. 经济地理, 2022, 42(1):230-240.

[Lu B Y, Wei J F, Ming Q Z, et al. Research progress of tourism big data application in China based on knowledge map[J]. Economic Geography, 2022, 42(1):230-240.] DOI:10.15957/j.cnki.jjdl.2022.01.027

DOI

[36]
Nolan S D Jr. Tourists' use and evaluation of travel information sources: Summary and conclusions[J]. Journal of Travel Research, 1976, 14(3):6-8. DOI:10.1177/004728757601400302

DOI

[37]
王兆峰, 谢娟. 旅游网站信息搜寻对旅游者行为决策影响的评价分析[J]. 人文地理, 2013, 28(6):142-146.

[Wang Z F, Xie J. Analysis on information search in tourism website on tourists' decision-making behavior[J]. Human Geography, 2013, 28(6):142-146.] DOI:10.13959/j.issn.1003-2398.2013.06.024

DOI

[38]
Yu G P. What motivates tourists to share online?[J]. International Journal of Electronic Business, 2018, 14(3):256. DOI:10.1504/IJEB.2018.095977

DOI

[39]
Kuklina M, Trufanov A, Bayaskalanova T, et al. Network platform for tourism sector: Transformation and interpretation of multifaceted data[J]. Sustainability, 2020, 12(16):6314. DOI:10.3390/su12166314

DOI

[40]
吕婷, 李君轶, 代黎, 等. 电子口碑对乡村旅游行为意向的影响——以西安城市居民为例[J]. 旅游学刊, 2018, 33(2):48-56.

[Lyu T, Li J Y, Dai L, et al. The influence of e WOM on rural tourism behavioral intentions as illustrated by Xi'an urban residents[J]. Tourism Tribune, 2018, 33(2):48-56.] DOI:10.3969/j.issn.1002-5006.2018.02.010

DOI

[41]
Smallwood C B, Beckley L E, Moore S A. An analysis of visitor movement patterns using travel networks in a large marine park, north-western Australia[J]. Tourism Management, 2012, 33(3):517-528. DOI:10.1016/j.tourman.2011.06.001

DOI

[42]
杨俊, 由浩琳, 张育庆, 等. 从传统数据到大数据+的人居环境研究进展[J]. 地理科学进展, 2020, 39(1):166-176.

DOI

[Yang J, You H L, Zhang Y Q, et al. Research progress on human settlements: From traditional data to big data+[J]. Progress in Geography, 2020, 39(1):166-176.] DOI:10.18306/dlkxjz.2020.01.016

DOI

[43]
Park S, Yuan Y Q, Choe Y. Application of graph theory to mining the similarity of travel trajectories[J]. Tourism Management, 2021, 87:104391. DOI:10.1016/j.tourman.2021.104391

DOI

[44]
Miah S J, Vu H Q, Gammack J, et al. A big data analytics method for tourist behaviour analysis[J]. Information & Management, 2017, 54(6):771-785. DOI:10.1016/j.im.2016.11.011

DOI

[45]
易嘉伟, 杜云艳, 涂文娜. 基于位置大数据的国庆假期青藏高原人群分布时空变化模式挖掘[J]. 地球信息科学学报, 2019, 21(9):1367-1381.

DOI

[Yi J W, Du Y Y, Tu W N. Spatiotemporal pattern of population distribution in the Qinghai-Tibet Plateau during the national day holidays: Based on geospatial big data mining[J]. Journal of Geo-information Science, 2019, 21(9):1367-1381.] DOI:10.12082/dqxxkx.2019.190067

DOI

[46]
Alaei A R, Becken S, Stantic B. Sentiment analysis in tourism: Capitalizing on big data[J]. Journal of Travel Research, 2019, 58(2):175-191. DOI:10.1177/0047287517747753

DOI

[47]
Ahani A, Nilashi M, Ibrahim O, et al. Market segmentation and travel choice prediction in Spa hotels through TripAdvisor's online reviews[J]. International Journal of Hospitality Management, 2019, 80:52-77. DOI:10.1016/j.ijhm.2019.01.003

DOI

[48]
Chen S X, Wang X K, Zhang H Y, et al. Customer purchase forecasting for online tourism: A data-driven method with multiplex behavior data[J]. Tourism Management, 2021, 87:104357. DOI:10.1016/j.tourman.2021.104357

DOI

[49]
Brosy C, Zaninovic K, Matzarakis A. Quantification of climate tourism potential of Croatia based on measured data and regional modeling[J]. International Journal of Biometeorology, 2014, 58(6):1369-1381. DOI:10.1007/s00484-013-0738-8

DOI PMID

[50]
Tikunov V S, Belozerov V S, Panin A N, et al. Geoinformation monitoring of key queries of search engines, and geotagging photos in the North-Caucasian segment of the tourist route ‘Great Silk Road’[J]. Annals of GIS, 2018, 24(4):255-260. DOI:10.1080/19475683.2018.1501606

DOI

[51]
Tsai C Y, Chung S H. A personalized route recommendation service for theme parks using RFID information and tourist behavior[J]. Decision Support Systems, 2012, 52(2):514-527. DOI:10.1016/j.dss.2011.10.013

DOI

[52]
吕丽, 陆林, 凌善金. 上海世博会旅游者空间扩散网络分析[J]. 旅游学刊, 2013, 28(6):111-119.

[Lyu L, Lu L, Ling S J. An analysis on the spatial diffusion network of Shanghai world expo tourists[J]. Tourism Tribune, 2013, 28(6):111-119.] DOI:10.3969/j.issn.1002-5006.2013.06.012

DOI

[53]
Baggio R, Micera R, Del Chiappa G. Smart tourism destinations: A critical reflection[J]. Journal of Hospitality and Tourism Technology, 2020, 11(3):559-574. DOI:10.1108/jhtt-01-2019-0011

DOI

[54]
Zajadacz A. Sources of tourist information used by Deaf people. Case study: The Polish Deaf community[J]. Current Issues in Tourism, 2014, 17(5):434-454. DOI:10.1080/13683500.2012.725713

DOI

[55]
Bitsura-Meszaros K, Seekamp E, Davenport M, et al. A PGIS-based climate change risk assessment process for outdoor recreation and tourism dependent communities[J]. Sustainability, 2019, 11(12): 3300. DOI:10.3390/su11123300

DOI

[56]
张宏梅. 旅游研究方法的分析及示例[D]. 芜湖: 安徽师范大学, 2005.

[Zhang H M. Analysis and examples of tourism research methods[D]. Wuhu: Anhui Normal University, 2005.]

[57]
Liu F J, Zhang J H, Zhang J, et al. Roles and functions of tourism destinations in tourism region of south Anhui: A tourist flow network perspective[J]. Chinese Geographical Science, 2012, 22(6):755-764. DOI:10.1007/s11769-012-0557-6

DOI

[58]
王昕, 齐欣, 韦杰. 中国黑色旅游资源空间分布研究[J]. 重庆师范大学学报(自然科学版), 2013, 30(1):101-105.

[Wang X, Qi X, Wei J. The spatial features of dark tourist resources in China[J]. Journal of Chongqing Normal University (Natural Science), 2013, 30(1):101-105.] DOI:10.11721/cqnuj20130122

DOI

[59]
曹阳, 葛军莲, 龙毅, 等. 时空协同的城市旅游行程规划模型构建[J]. 地球信息科学学报, 2019, 21(6):814-825.

DOI

[Cao Y, Ge J L, Long Y, et al. Urban tourism itinerary planning from a spatiotemporal perspective[J]. Journal of Geo-information Science, 2019, 21(6):814-825.] DOI:10.12082/dqxxkx.2019.190062

DOI

[60]
Zou W B, Wei W, Ding S Y, et al. The relationship between place attachment and tourist loyalty: A meta-analysis[J]. Tourism Management Perspectives, 2022, 43:100 983. DOI:10.1016/j.tmp.2022.100983

DOI

[61]
秦静, 李郎平, 唐鸣镝, 等. 基于地理标记照片的北京市入境旅游流空间特征[J]. 地理学报, 2018, 73(8):1556-1570.

DOI

[Qin J, Li L P, Tang M D, et al. Exploring the spatial characteristics of Beijing inbound tourist flow based on geotagged photos[J]. Acta Geographica Sinica, 2018, 73(8):1556-1570.] DOI:10.11821/dlxb201808012

DOI

[62]
叶凡, 孙玉, 陈崇成, 等. 基于地理标记照片的个性化景点推荐方法[J]. 地球信息科学学报, 2021, 23(8):1391-1400.

DOI

[Ye F, Sun Y, Chen C C, et al. A personalized attraction recommendation method based on geotagged photos[J]. Journal of Geo-information Science, 2021, 23(8):1391-1400.] DOI:10.12082/dqxxkx.2021.200608

DOI

[63]
Joshi M L, Joshi N, Mittal N. SGATS: Semantic graph-based automatic text summarization from Hindi text documents[J]. ACM Transactions on Asian and Low-Resource Language Information Processing, 2021, 20(6):102. DOI:10.1145/3464381

DOI

[64]
Phithakkitnukoon S, Horanont T, Witayangkurn A, et al. Understanding tourist behavior using large-scale mobile sensing approach: A case study of mobile phone users in Japan[J]. Pervasive and Mobile Computing, 2015, 18:18-39. DOI:10.1016/j.pmcj.2014.07.003

DOI

[65]
Sun S L, Wei Y J, Tsui K L, et al. Forecasting tourist arrivals with machine learning and Internet search index[J]. Tourism Management, 2019, 70:1-10. DOI:10.1016/j.tourman.2018.07.010

DOI

[66]
Albuquerque H, Costa C, Martins F. The use of geographical information systems for tourism marketing purposes in Aveiro region (Portugal)[J]. Tourism Management Perspectives, 2018, 26:172-178. DOI:10.1016/j.tmp.2017.10.009

DOI

[67]
Boori M S, Voženílek V, Choudhary K. Land use/cover disturbance due to tourism in Jeseníky Mountain, Czech Republic: A remote sensing and GIS based approach[J]. The Egyptian Journal of Remote Sensing and Space Science, 2015, 18(1):17-26. DOI:10.1016/j.ejrs.2014.12.002

DOI

[68]
郑鹏. 基于社会宏观与个体微观视角的入境旅游流驱动模式[J]. 地理科学进展, 2013, 32(10):1501-1510.

DOI

[Zheng P. Driving force model for inbound tourist flow from macroscopic and microcosmic perspectives[J]. Progress in Geography, 2013, 32(10):1501-1510.] DOI:10.11820/dlkxjz.2013.10.008

DOI

[69]
Chua A, Servillo L, Marcheggiani E, et al. Mapping Cilento: Using geotagged social media data to characterize tourist flows in southern Italy[J]. Tourism Management, 2016, 57:295-310. DOI:10.1016/j.tourman.2016.06.013

DOI

[70]
龙茂兴, 龙珍付. 旅游地网络关注度的客流时序响应——以张家界和遵义为例[J]. 商业时代, 2013(17):57-58.

[Long M X, Long Z F. Time series response of tourist flows to network attention of tourist destinations: A case study of Zhangjiajie and Zunyi[J]. Commercial Times, 2013(17):57-58.]

[71]
Crandall D, Snavely N. Modeling people and places with Internet photo collections[J]. Communications of the ACM, 2012, 55(6):52-60. DOI:10.1145/2184319.2184336.

DOI

[72]
李君轶, 唐佳, 冯娜. 基于社会感知计算的游客时空行为研究[J]. 地理科学, 2015, 35(7):814-821.

DOI

[Li J Y, Tang J, Feng N. Tourists' spatio-temporal behavior based on socially aware computing[J]. Scientia Geographica Sinica, 2015, 35(7):814-821.] DOI:10.13249/j.cnki.sgs.2015.07.002

DOI

[73]
张博, 邓浩坤, 安宁, 等. 大数据背景下国内人文地理研究进展与方法审视[J]. 人文地理, 2019, 34(3):14-21,90.

[Zhang B, Deng H K, An N, et al. The re-examination of human geography research and the research methods in the context of big data[J]. Human Geography, 2019, 34(3),14-21,90.] DOI:10.13959/j.issn.1003-2398.2019.03.003

DOI

[74]
Gomez S G, Gil A R. Knowledge management and value creation through big data in the tourism sector[J]. Revista Internacional De Organizaciones, 2020, 24:211-239.

[75]
Sharma P, Meena U, Sharma G K. Application of data mining algorithms for tourism industry[M]// Intelligent Computing and Applications. Singapore: Springer Singapore, 2020:481-495. DOI:10.1007/978-981-15-5566-4_43

DOI

[76]
祖培福, 褚文杰. 基于灰色线性回归组合预测模型的牡丹江旅游人数预测研究[J]. 数学的实践与认识, 2020, 50(13):280-286.

[Zu P F, Chu W J. Study on forecast of tourist number in Mudanjiang based on grey linear regression combination forecasting model[J]. Mathematics in Practice and Theory, 2020, 50(13):280-286.]

[77]
Yadegaridehkordi E, Nilashi M, Nasir M H N B M, et al. Predicting determinants of hotel success and development using Structural Equation Modelling (SEM)-ANFIS method[J]. Tourism Management, 2018, 66:364-386. DOI:10.1016/j.tourman.2017.11.012

DOI

[78]
Park E, Park J, Hu M M. Tourism demand forecasting with online news data mining[J]. Annals of Tourism Research, 2021, 90:103273. DOI:10.1016/j.annals.2021.103273

DOI

[79]
Khatibi A, Belém F, Couto da Silva A P, et al. Fine-grained tourism prediction: Impact of social and environmental features[J]. Information Processing & Management, 2020, 57(2):102057. DOI:10.1016/j.ipm.2019.102057

DOI

[80]
Engel J F, Blackwe R D, Minard P W. Consumer behavior(the 5th Edition)[M]. Chicago: The Dryden Press, 1986:318-320.

[81]
赵莹, 梁锦鹏, 颜力祺, 等. 标识设置对游客寻路行为的影响研究——基于眼动追踪的实验分析[J]. 旅游学刊, 2020, 35(9):63-73.

[Zhao Y, Liang J P, Yan L Q, et al. The influences of guidance system on tourists' wayfinding behaviour: A case study based on eye-tracking techniques[J]. Tourism Tribune, 2020, 35(9):63-73.] DOI:10.19765/j.cnki.1002-5006.2020.09.011

DOI

[82]
Sparks B A, Perkins H E, Buckley R. Online travel reviews as persuasive communication: The effects of content type, source, and certification logos on consumer behavior[J]. Tourism Management, 2013, 39:1-9. DOI:10.1016/j.tourman.2013.03.007

DOI

[83]
Santamaria-Granados L, Mendoza-Moreno J F, Ramirez-Gonzalez G. Tourist recommender systems based on emotion recognition-a scientometric review[J]. Future Internet, 2021, 13(1):2. DOI:10.3390/fi13010002

DOI

[84]
Tung V W S, Law R. The potential for tourism and hospitality experience research in human-robot interactions[J]. International Journal of Contemporary Hospitality Management, 2017, 29(10):2498-2513. DOI:10.1108/ijchm-09-2016-0520

DOI

[85]
冯学钢, 程馨. 文旅元宇宙:演化路径与产业逻辑[J]. 上海经济研究, 2022, 34(7):70-83.

[Feng X G, Cheng X. Culture-tourism metaverse: Evolutionary path and industrial logic[J]. Shanghai Journal of Economics, 2022, 34(7):70-83.] DOI:10.19626/j.cnki.cn31-1163/f.2022.07.005

DOI

[86]
Zaman U, Koo I, Abbasi S, et al. Meet your digital twin in space? profiling international expat's readiness for metaverse space travel, tech-savviness, COVID-19 travel anxiety, and travel fear of missing out[J]. Sustainability, 2022, 14(11):6441. DOI:10.3390/su14116441

DOI

[87]
Tussyadiah I P, Inversini A. Information and communication technologies in tourism 2015: Proceedings of the international conference in Lugano, Switzerland, February 3-6, 2015[C]. Berlin:Springer, 2015.

[88]
Santos F, Almeida A, Martins C, et al. Using POI functionality and accessibility levels for delivering personalized tourism recommendations[J]. Computers, Environment and Urban Systems, 2019, 77:101173. DOI:10.1016/j.compenvurbsys.2017.08.007

DOI

[89]
Zheng X Y, Luo Y L, Sun L P, et al. A tourism destination recommender system using users' sentiment and temporal dynamics[J]. Journal of Intelligent Information Systems, 2018, 51(3):557-578. DOI:10.1007/s10844-018-0496-5

DOI

[90]
Xiao L P, Lei P R, Peng W C. Hybrid embedding of multi-behavior network and product-content knowledge graph for tourism product recommendation[J]. Journal of Information Science & Engineering, 2022, 38(3):547-570. DOI:10.6688/JISE.20220538(3).0004

DOI

[91]
Vladimirov Z. Customer satisfaction with the Bulgarian tour operators and tour agencies' websites[J]. Tourism Management Perspectives, 2012, 4:176-184. DOI:10.1016/j.tmp.2012.07.003

DOI

[92]
Cai W J, McKenna B, Wassler P, et al. Rethinking knowledge creation in information technology and tourism[J]. Journal of Travel Research, 2020, 60(1):1-8. DOI:10.1177/0047287520946100

DOI

Options
Outlines

/

〈 〉