Big Data Sources Applied to Rural Tourism
[ES] Los avances tecnológicos de los últimos años han permitido la aparición de nuevas fuentes de datos y con ello, el almacenamiento de grandes cantidades de datos o `Big Data' se ha cobrado cada vez mayor importancia. Cada vez más y más estudios científicos utilizan estas fuentes de `Big...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis doctoral |
| Fecha de publicación: | 2024 |
| País: | España |
| Institución: | Universitat Politècnica de València (UPV) |
| Repositorio: | RiuNet. Repositorio Institucional de la Universitat Politécnica de Valéncia |
| Idioma: | inglés |
| OAI Identifier: | oai:riunet.upv.es:10251/206090 |
| Acceso en línea: | https://riunet.upv.es/handle/10251/206090 |
| Access Level: | acceso abierto |
| Palabra clave: | Demanda turística Turismo rural Online Data Google Trends Tourism demand Rural tourism ECONOMIA APLICADA 08.- Fomentar el crecimiento económico sostenido, inclusivo y sostenible, el empleo pleno y productivo, y el trabajo decente para todos 11.- Conseguir que las ciudades y los asentamientos humanos sean inclusivos, seguros, resilientes y sostenibles |
| Sumario: | [ES] Los avances tecnológicos de los últimos años han permitido la aparición de nuevas fuentes de datos y con ello, el almacenamiento de grandes cantidades de datos o `Big Data' se ha cobrado cada vez mayor importancia. Cada vez más y más estudios científicos utilizan estas fuentes de `Big Data' para tratar de mejorar el entendimiento en diversos campos científicos. En la economía del turismo ya se han utilizado muchas de estas fuentes para predecir el comportamiento de variables reales. En turismo, la utilidad de estas nuevas fuentes de datos reside en que pueden ayudar a entender el comportamiento de los turistas, desde sus patrones espaciotemporales hasta qué atracciones y actividades son las más populares en el destino, y por tanto, pueden ayudar en la toma de decisiones de los agentes económicos. Por tanto, esta tesis intenta entender mejor cuáles son las fuentes de Big Data que resultan más útiles a la hora de lidiar con variables turísticas y además proponer mejoras metodológicas para que dichas fuentes se puedan aplicar al campo del turismo rural, y más concretamente, a la predicción de turistas. En esta tesis se presentan varios avances en este aspecto: Primero, una clasificación de fuentes de datos que genera todo turista durante su proceso turístico y que componen su huella digital. Después, respecto a esta clasificación, se escoge Google Trends como la fuente más adecuada para ayudar a predecir la demanda turística, pero se encuentran problemas de precisión, que son demostrados y ejemplificados. Más adelante, se demuestra cómo se genera este error de precisión a través del proceso de muestreo de GT y se proponen soluciones para aliviar este error, a saber, obteniendo más extracciones y utilizando su media. Finalmente, este método se pone a prueba para la predicción de pernoctaciones mensuales en alojamientos de turismo rural en España. En resumen, la contribución que esta tesis pretende hacer es aportar una mayor comprensión de las fuentes de Big Data y ayudar a generar buenas prácticas en el uso de las mismas para que se puedan aplicar a la predicción de variables reales en el turismo rural, de forma que agilice y mejore la toma de decisiones de los agentes económicos. |
|---|