واکافت شبکه مقاصد گردشگری، رویکرد تئوری تحلیل شبکه‌های اجتماعی

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشیار دانشکده فنی و مهندسی، گروه مهندسی صنایع دانشگاه تربیت مدرس، تهران

2 دانشجوی کارشناسی ارشد مهندسی صنایع، دانشگاه تربیت مدرس، تهران

چکیده

امروزه، صنعت گردشگری به عنوان یکی از بزرگترین منابع اقتصادی جهان محسوب شده و پیش‌بینی می‌شود در سال 2020 میلادی به صنعت شماره یک جهان تبدیل شود. بیشتر تحقیقات انجام شده در حوزه گردشگری تا کنون، از جنبه‌های جامعه شناسی،‌ جغرافیایی و مدیریتی به گردشگری و توسعه آن پرداخته و کمتر از رویکردهای کمّی و ریاضی برای مطالعه و برنامه‏ریزی سیستم گردشگری استفاده گردیده است. این تحقیق، تکنیک‏ها و مقیاس‏هایی از تجزیه و تحلیل شبکه را که برای بررسی مشخصه‌های ساختاری اجزای شبکه مناسب هستند، معرفی نموده و ضمن تعمیم آن به صنعت گردشگری، یک متدولوژی برای واکافت شبکه مقاصد گردشگری ارائه نموده است. سپس این مقیاس‏ها را برای شبکه مقاصد گردشگری استان مازندران به عنوان یکی از مناطق معروف گردشگری در کشور ایران، اندازه‏گیری نموده و نتایج آن را تحلیل می‌نماید.

کلیدواژه‌ها


عنوان مقاله [English]

Tourism Destinations Network Analysis, Social Network Analysis Approach

نویسندگان [English]

  • Mohammad Mehdi Sepehri 1
  • Adress Babaei 2
1 Associate Professor, Industrial Engineering Department, Tarbiat Modares University, Tehran, Iran
2 M.SC Student Industrial Engineering, Tarbiat Modares University, Tehran,
چکیده [English]

The tourism industry is becoming one of the world's largest economical sources, and is expected to become the world's first industry by 2020. Previous studies have focused on several aspects of this industry including sociology, geography, tourism management and development, but have paid less attention to analytical and quantitative approaches. This study introduces some network analysis techniques and measures aiming at studying the structural characteristics of tourism networks. More specifically, it presents a methodology to analyze tourism destinations network. We apply the methodology to analyze MAZANDARAN’s Tourism destination network, one of the most famous tourism areas of Iran.

کلیدواژه‌ها [English]

  • Tourism
  • Social Network Analysis
  • Tourism Destinations Management
  • Centrality Measures

1-    مقدمه

امروزه صنعت گردشگری به عنوان یکی از بزرگترین منابع اقتصادی جهان محسوب گردیده و پیش بینی شده است در سال 2020 میلادی به صنعت شماره یک جهان تبدیل شود. در سال 2008 بالغ بر 922 میلیون نفر در جهان اقدام به گردشگری نموده و درآمد ناشی از صنعت گردشگری در حدود یک
 تریلیون دلار بوده ‌است. اگرچه کشور ایران از نظر منابع تاریخی و فرهنگی جزو 10 کشور اول جهان بوده و طبق رتبه‏بندی یونسکو،‌ به لحاظ تنوع جاذبه‏های زیستی و طبیعی در رتبه پنجم جهان قرار دارد،‌ سهم اندکی در جذب گردشگران خارجی داشته است به گونه‏ای که در سال گذشته تنها 750 هزار گردشگر خارجی وارد کشور شده اند(یو اِن دبلیو تی ا،2008ُ).

از موضوعاتی که امروزه توجه بسیاری از محققان صنعت گردشگری را به خود جلب نموده، بررسی مشخصه‌های مقاصد گردشگری و توسعه آنها است. (اینرایت و نیوتن، 2004؛ پاولُویچ، 2003؛ پیکِ، 2002؛ ویوِر، 2000). مقاصد گردشگری به عنوان مهمترین جزو محصولات صنعت گردشگری محسوب می‌شود که دارای متغیرها و محدویت‏های متعددی هستند (بیِرلی و مارتین، 2004) به گونه‏ای که بر روی عمر محصولات گردشگری تأثیر مستقیمی داشته (باتلر، 1980) و به عنوان هسته اصلی این صنعت شناخته می شوند (ریتچی و کِروچ، 2003).

اگرچه مطالعه مقاصد گردشگری به وفور در ادبیات موضوع یافت می شود (بوهالیس و اِسپادا، 2000؛ اینرایت و نیوتن، 2004؛ لیپِر،2004؛ پالمر و بِجو،1995؛ پیکه، 2002؛ ریتچی و کِروچ، 2003)، بیشتر این مطالعات، تنها به بررسی مشخصه‌های مقاصد به صورت وجهه استنباط شده از مقصد پرداخته و کمتر از دیدگاه شبکه‌ای و بررسی مشخصه‌های مقصد در شبکه مقاصد، استفاده شده است (اِچ سین، 2006).

از طرفی، کشور ایران به علت عواملی همچون پایین بودن هزینه سفر،‌ تعدّد تعطیلی‌ها و تنوع آب و هوایی، زمینه مناسبی را برای گردشگری با خودروی شخصی داراست به طوری که بنابر اعلام سازمان راهداری و حمل و نقل جاده ای ایران، بیش از 80% از سفرهای برون شهری کشور، با خودوری شخصی انجام می‌شود. مشخصه بارز این نوع گردشگری، انعطاف‌پذیری آن است؛ بدین صورت که گردشگر می‌تواند دایماً برنامه سفر (مسیر گردشگری) خود را تغییر داده و نسبت به وضعیت موجود، مقاصد مختلفی را انتخاب نموده و درخصوص میزان اقامت در آنها، تصمیم گیری نماید. در واقع، آنچه که به عنوان متغیر اصلی تصمیم‏گیری در گردشگری با خودروی شخصی تعیین می‌گردد، مشخصه‌های مقاصد و میزان جاذبه‏ای است که این مقاصد برای گردشگران به وجود می‌آورند و از آنجا که این مقاصد با هم در ارتباط هستند، تشکیل یک شبکه را می‌دهند.

میزان رونق گردشگری داخلی وابسته به عواملی همچون برنامه‌ریزی سازمان‏های دولتی یا محلیِ گردشگری از نظر شناسایی و تأمین نیازهای گردشگران، جانمایی مناسب تسهیلات و نیز اطلاع‏رسانی مناسب برای انتخاب مسیر توسط گردشگر، است. یک روش بسیار مناسب برای اجرای این موارد، استفاده از تکنیک‏های تئوری شبکه است (کُستا و همکاران، 2007).اگرچه رویکرد تحلیل شبکه‌های اجتماعی به تازگی در ادبیات گردشگری معرفی شده، پیشتر از تحلیل شبکه‌های اجتماعی نتایج معنی داری استخراج شده است (باگیو، 2008). ترکیب نتایج کمّی و کیفی تحلیل یک شبکه اجتماعی گردشگری،‌ ضمن درک توپولوژی شبکه، می‌تواند به شناسایی مشخصه‌ها و عملکرد اجزای شبکه، پیش بینی رفتار شبکه، شناسایی اجزای (مقاصد) بحرانی شبکه و مدیریت بهینه وجوه مختلف گردشگری از قبیل مقاصد گردشگری، کمک نماید(باگیو، 2007؛کوپر و اسکات،2005؛اسکات و همکاران، 2008).

بخش دوم این مقاله، ادبیات اجزای اصلی گردشگری را بررسی می نماید. بخش سوم، تکنیک‏های تجزیه و تحلیل شبکه و مقیاس‏هایی را که برای استفاده در شناسایی مشخصه‌های ساختاری شبکه‌های چند مقصدی مناسب هستند، معرفی می‏کند. در بخش چهارم، مشخصه‌های شبکه‌ای[1] مقاصد گردشگری استان مازندران با استفاده از مقیاس‌های معرفی شده و بر اساس اطلاعات جمع آوری شده، بررسی گردیده و تسهیلات و سرویس‏های مناسب برای هر مقصد بر‌اساس وضعیتش در شبکه مقاصد، پیشنهاد می شوند. در بخش پنجم نیز نتایج تحقیق بررسی خواهند شد.

 

2- مرور ادبیات گردشگری

قرن بیست و یکم به تعبیری انقلاب جهانی گردشگری است. امروزه کشورهای پیشرفته و درحال توسعه تمام سعی خود را برای بالابردن توان رقابت در این بازار وسیع به کار گرفته و گسترش صنعت گردشگری را در صدر برنامه‌های خود قرار داده‌اند.
 شکل و نوع مسافرت به عواملی همچون انگیزه گردشگر،‌ مقصد گردشگر و شخصیت گردشگر بستگی دارد. در منابع تحقیق، انواع مختلفی از سفر مانند سفرهای داخلی و خارجی، ‌درون منطقه‏ای یا برون منطقه‏ای، ‌درون مرزی یا برون مرزی،‌ شناسایی شده‏اند (کوپر و مایکل هال، 2005). گردشگری داخلی[2] نوعی از سفر است که گردشگران مقصدهایی را درون مرزهای یک کشور بازدید می‌کنند. گردشگری داخلی نمایانگر خونی در رگ‏های صنعت گردشگری برای کشورها محسوب گردیده و امروزه به عنوان یک بخش صنعتی به آن نگریسته می‏شود چرا که این بخش توانسته است سهم بالایی را در ایجاد اشتغال و کسب درآمد به خود اختصاص دهد و در نتیجه جایگاه عظیمی را در چرخه اقتصاد ملی دارا است. به عنوان مثال، بالغ بر 90 درصد گردشگری در آمریکا و استرالیا از نوع گردشگری داخلی می‌باشد (جعفری،2000).

 

2-1- گردشگری و سیستمهای پیچیده

در سال‏های اخیر،‌ بیشتر تحقیقات صورت گرفته در حوزه گردشگری،‌ رویکردی سیستماتیک به این صنعت داشته‌اند. نکته قابل ذکر این است که تقریباً‌ در تمامی این تحقیقات، محققان با مطالعه مشخصه‌های سیستم گردشگری از قبیل توزیع جغرافیایی، وجود ذینفعان متعدد، وابستگی اجزا و غیر خطی بودن، به این نتیجه رسیده‌اند که سیستم گردشگری، یک سیستم پیچیده است.، لذا آشنایی با ادبیات سیستم‏های پیچیده برای تحلیل صنعت گردشگری توصیه گردیده است (فارِل و تونینگوارد،2004؛فالکنر و راسل 1997؛ مک کِرچِر، 1999).

در سال‏های اخیر چندین ابزار برای تحلیل یا واکافت[3] سیستم‏های پیچیده معرفی شده اند. آمارال و اُتینو (2004) سه ابزار تئوری‌شبکه[4]، دینامیک‏های غیرخطی[5] و فیزیک آماری[6]را برای این منظور پیشنهاد نموده‏اند. از میان این تکنیک‌ها،‌ استفاده از تئوری شبکه برای مدل‏سازی سیستم‏های پیچیده،‌ بیشتر توصیه شده است (واتس، 2004). اما استفاده از تئوری شبکه در تحقیقات گردشگری بسیار محدود بوده است (کوپر و اسکات، 2005؛ پاولویچ، 2003؛ پاولویچ و کیرینس، 2004؛ پی فُر، 2006؛ باگیو، 2008).

 

2-2- واکافت شبکه

نخستین بار اویلر (1736) در سال 1736 و با حل مسئاله پل‏های کانیگزبرگ، ‌چارچوب تئوری شبکه را بنا نهاد. از آن پس استفاده از تکنیک‏های تئوری شبکه به راه حل مناسبی برای بسیاری از مسائل پیچیده دنیای امروزی تبدیل شده است (بُکالِتی و همکاران،2006).

با استفاده از واکافت شبکه که از تئوری گراف مشتق شده است، بسیاری از سیستم‏های دنیای واقعی را می‏توان به صورت شبکه‌ای از یا‏ل‏ها و گره‏ها در نظر گرفت. مدل‏سازی اجزای یک سیستم و تحلیل روابط بین آنها با استفاده از الگوی یال‏ها و گره‌ها، می‏تواند به درک بهتر سیستم و تعاملات آن کمک کند (کُستا و همکاران، 2007). در ادبیات تحلیل سیستم‏ها،‌ واکافت شبکه به عنوان ابزاری برای تحلیل سیستم‏های پیچیده معرفی گردیده است(واتس، 2004). بر این اساس، ‌ساختار (توپولوژی) یک شبکه، خاصیتی قابل پیش بینی است که تأثیر شدیدی از رفتار درونی شبکه گرفته و برخی از فرآیندهایی را که منجر به افزایش استحکام شبکه در برابر تغییرات محیطی و نیز بهبود ارتباطات مؤلفه‌های شبکه می‌شوند، تشریح می نماید. تکنیک‏های واکافت شبکه برای جمع آوری، تحلیل داده‏ها و در نهایت پیش‌بینی ساختارهای اجتماعی الگوهای ارتباطی در میان شبکه‌ها، استفاده می‌شوند (بُکالِتی و همکاران، 2006).

این مطالعه، تجزیه و تحلیل شبکه را برای کاوش مشخصه‌های ساختاری چندین مقصد گردشگری به کار می‌گیرد که در آن مقاصد گردشگری را به عنوان گره و مسیرهای گردشگری را به عنوان مجموعه‏ای از خطوط ارتباطی (یال) در نظر می‌گیریم. در واقع، مسیرهای حرکتی گردشگران از مقصدی به مقصد دیگر در استان مازندران، تشکیل گرافی را می دهد که در این تحقیق بررسی خواهد شد. ماتریس مجاورت چنین گرافی بدین‏گونه ساخته می شود که سطرها  و ستونها ، نمایشگر مقاصد در گراف بوده و در ‌صورتی که یک خط ارتباطی برای دار از  به  وجود داشته باشد ارزش سلول  برابر با 1 و در غیر این صورت، برابر با صفراست. به بیان دیگر اگر مقصد  مقصد قبلی مقصد باشد آنگاه ارزش سلول  برابر 1 و در غیر این صورت برابر صفر خواهد بود. به عنوان مثال، در صورتی که یک منطقه دارای 6 مقصد گردشگری A،B،C،D،E،F باشد و یک گردشگر ابتدا مقصد A سپس D بعد E بعد C و در انتها F را بازدید نماید، گراف و ماتریس مجاورت آن به صورت شکل(1) است.

 

F

E

D

C

B

A

 

0

0

1

0

0

-

A

0

0

0

0

-

0

B

1

0

0

-

0

0

C

0

1

-

0

0

0

D

0

-

0

1

0

0

E

-

0

0

0

0

0

F

 

 

 

 

 

شکل(1): نمونه‏ای از گراف یک شبکه مقاصد گردشگری به همراه ماتریس مجاورت آن

 

یکی از کاربردهای اصلی تجزیه و تحلیل شبکه، شناسایی نقاط بحرانی (گره‌های مهم) در شبکه است (واسِرمن و همکاران،1994). گره‌های بحرانی معمولاً محل‌های استراتژیک یک شبکه هستند. برای تعیین اجزای بحرانی یک شبکه که در واقع اعضای تأثیرگذار آن شبکه نیز محسوب می شوند،‌ لازم است شاخص‌ها و معیارهایی تعریف شده و سپس با توجه به ویژگی‌های شبکه،‌ مقیاس‌های جامعی برای بررسی اهمیت اجزا،‌ تعیین شود. معیارهای مرکزیت[7] گره‌ها یکی از جدیدترین نظریه‌هایی است که برای شناسایی اهمیت و قدرت گره‏ها در تجزیه و تحلیل شبکه‌های اجتماعی دنبال می‌شود. همچنین، استفاده از این معیارها برای کشف مشخصه‌های بالقوۀ هر گره در درون شبکه، پیشنهاد شده است(اسکات،2000؛ باگیو، 2008؛ اسکات و همکاران، 2008). فریمن(2006) سه معیار مرکزیت درجه‏ای[8]، میان‏داری[9] و نزدیکی[10] را برای تحلیل شبکه‏های اجتماعی معرفی نموده است. در ادامه به تشریح هریک از این نوع مرکزیت‏ها می‌پردازیم.

2-2-1- مرکزیت درجه ای

مرکزیت درجه‏ای یک گره،‌ برابر با تعداد یال‏های مجاور آن گره است. در گراف‏های جهت دار دو نوع مرکزیت درجه‏ای ورودی و خروجی مطرح است.(کِینُک و بارت،1983). مرکزیت درجه ورودی  یک شبکه از رابطه (1) و مرکزیت درجه خروجی  از رابطه(2) محاسبه می شود:

 

مقدارهای و  به ترتیب تعداد یال‏های وارد شونده یا خارج شونده نسبت به گره  را نشان می‏دهند و  نشانگر تعداد کل گره‌های موجود در شبکه است. مرکزیت درجه ورودی یک گره ، برابر با مجموع تعداد گره‌های  در شبکه که به طور مستقیم از گره  به گره   وصل(وارد) شده است، مرکزیت درجه خروجی یک گره  نیز برابر با مجموع تعداد گره‌های  در شبکه که از گره  به گره  وصل (خارج) شده‌اند، است.(کِینُک و بارت،1983).

در تحقیق حاضر، از این دو شاخص برای تحلیل مشخصه‌های شبکه مقاصد گردشگری به عنوان ارتباطات وارد شونده به/ خارج شونده از، یک مقصد که به ترتیب پذیرش و یا انتقال گردشگر از مسیرهای گردشگری را نشان می دهد، استفاده می‌شود. مقایسه مقدار مرکزیت درجه ورودی و خروجی یک مقصد می تواند وضعیت ساختاری آن را در شبکه، مانند نقطه شروع، مرکز و یا نقطه انتهایی برای مقاصد مختلف گردشگری، تعیین نماید.

 

2-2-2- مرکزیت نزدیکی

مقیاس مرکزیت نزدیکی نشان می دهد یک گره چه اندازه به سایر گره‌های موجود در شبکه نزدیک است (واسِرمن و همکاران،1994). مرکزیت نزدیکی یک گره به صورت رابطه(3) تعریف می‌شود:

 

در رابطه 3، مقدار  نشان دهنده کوتاهترین فاصله میان گره‌های  و  است.

در واقع، مرکزیت نزدیکی گره اُم شبکه برابر با معکوس مجموع فاصله ژئودسیک[11] گره  از سایر گره های شبکه است. کاربرد این شاخص در تحقیق حاضر بدین صورت است که هرچه میزان این شاخص برای یک مقصد بیشتر باشد، نشانگر این است که تعداد گردشگر بیشتری ، زمانی که در مقصد قبلی بوده‏اند، این مقصد را به عنوان مقصد بعدی انتخاب نموده اند.

2-2-3- مرکزیت میان‌داری

سومین معیار مرکزیت گره که در این مقاله استفاده می‏شود، مرکزیت میان‌داری گره است. این معیار برابر با جمع احتمال شمول یک گره در تماس با هر دو گره موجود دیگر است. احتمال شمول برابر است با نسبت کوتاهترین مسیرهای بین دو گره که شامل گره میانی نیز است. به بیان دیگر، مرکزیت میان‌داری گره اُم یک شبکه عبارت است از نسبت تعداد کوتاهترین مسیرهای بین همه جفت گره‏های شبکه که از
 گره اُم می‌گذرد،‌ به کل تعداد کوتاهترین مسیرهای شبکه و آن را با  نمایش داده و از رابطه(4) محاسبه می‌نمایند.

 

در رابطه(4)،  برابر است با احتمال اینکه برای هر جفت گره  و ، گره به ژئودستیک تعلق داشته باشد(اسکات، 2000).

استفاده از این شاخص در مقاله حاضر بدین گونه است که یک مقصد که دارای مرکزیت میان‌داری بالایی است به عنوان یک واسطه بحرانی مابین دو مقصد دیگر شناخته می شود، بدین صورت که بیشتر گردشگران در زمان سفر میان دو مقصد مورد نظر، مجبورند از این مقصد نیز عبور نمایند. این شاخص در برنامه‏ریزی‏های گردشگری از اهمیت بالایی برخوردار است. مقاصدی که دارای مرکزیت میان‌داری بالایی در شبکه باشند، از مزیت رقابتی برخوردار هستند. از طرفی، به کمک این شاخص می‏توان ارتباطات اضافی در شبکه را شناسایی و با رفع آنها، ساختار شبکه را بهبود داد.

شکل(2) مقایسه میان مرکزیت درجه ای و مرکزیت میان‌داری را نشان می دهد که در آن گره A دارای بالاترین مرکزیت میان‌داری و گره B دارای بالاترین مرکزیت درجه ای است.

 

شکل(2): مقایسه مرکزیت درجه ای و مرکزیت میان‌داری

 

2-2-4- شاخص ضریب سفر (TI)[12]

یکی از شاخص‏های پر استفاده برای شناسایی الگوی رفتاری گردشگران نسبت به یک مقصد، مقدار شاخص ضریب سفر (TI) است.. این شاخص که بر مبنای میزان اقامت گردشگر در مقصد محاسبه می‏شود، از رابطه(5) به دست می‌آید
 (پیِرس و اِلیوت،1983؛ لِئو و مک کِرچِر،2002):

 

 

در این رابطه، بیانگر تعداد شب‏هایی است که یک گردشگر در یک مقصد مشخص اقامت داشته و  بیانگر تعداد کل شب‏هایی است که آن گردشگر در طول سفر سپری کرده است. هر چه مقدار این شاخص به صفر نزدیک‏تر باشد، نشان دهنده این است که مقصد مورد نظر یک گذرگاه و یا اقامتگاه موقت است و هر چه این شاخص به 100 نزدیک‏تر باشد، نشان دهنده این است که مقصد مورد نظر یک مقصد انحصاری[13]و اقامت‏گاه شبانه است..

 

3- قلمرو و روش تحقیق

شبکه‌ای که ما در این تحقیق بررسی می‌نماییم، شبکه مقاصد بازدید شده توسط گردشگرانی است که با خودروی شخصی به استان مازندران سفر نموده‌اند.

 

3-1- علت انتخاب استان مازندران

استان‌ مازندران دارای ‌۶۴۵۴۶ کیلومتر مربع‌ مساحت‌ است و از این‌ نظر یازدهمین‌ استان‌ کشورمان محسوب می‌شود‌. این استان به لحاظ موقعیت طبیعی و جغرافیایی به عنوان یکی از قطب‌های گردشگری کشور به شمار می رود. طبق آمار اعلام شده توسط سازمان میراث فرهنگی، صنایع دستی و گردشگری استان مازندران، هر ساله نزدیک به 15 میلیون گردشگر داخلی و ده ها هزار توریست خارجی به منظور گذراندن اوقات فراغت از این استان دیدن می‏کنند. همچنین، بنابر اعلام این سازمان، از میان مناطق مختلف این استان، شهرهای مندرج در جدول(1) پذیرای بیشترین میزان گردشگر هستند

 

       

جدول(1): مقاصد گردشگری استان مازندران

نام مقصد

نشانگر

نام مقصد

نشانگر

نام مقصد

نشانگر

نام مقصد

نشانگر

رامسر

D1

چالوس

D5

نور

D9

بابل

D13

تنکابن

D2

مرزن آباد

D6

محمودآباد

D10

ساری

D14

عباس آباد

D3

کلاردشت

D7

آمل

D11

قائم شهر

D15

نمک آبرود

D4

نوشهر

D8

بابلسر

D12

بهشهر

D16

 

3-2- جمع آوری اطلاعات

از آنجا که، بیشترین حجم سفر به استان مازندران در دو برهه تعطیلات نوروز و سفرهای تابستانی [14]صورت می‌گیرد، اطلاعات مود نیاز این تحقیق در این دو مقطع زمانی جمع آوری گردیده است. برای جمع آوری اطلاعات، پرسشنامه‌ای تهیه گردید که در آن پس از استخراج مشخصات دموگرافی مخاطبان، از آنان خواسته شد بیان کنند کدامیک از مقاصد مورد نظر را با چه ترتیبی بازدید کرده و مدت اقامتشان در هر مقصد به چه میزان بوده است. شایان ذکر است، در این تحقیق، شهرهایی از استان مازندران را به عنوان مقصد در نظر گرفته ایم که گردشگر حداقل چهار ساعت در آنجا توقف نموده است.

جامعه آماری این پژوهش متشکل از کلیه گردشگرانی است که در تعطیلات نوروز و تابستانی سال 1388، با خودروی شخصی اقدام به سفر به استان مازندران نموده‏اند. از آنجا که، طبق اعلام سازمان راهداری و حمل و نقل جاده ای کشور، بیش از 90% سفرهای انجام شده به استان مازندارن از طریق یکی از محورهای فیروزکوه، هراز و چالوس است، قلمرو مکانی پژوهش، نقاطی از این سه جاده است. نمونه آماری آن را نیز گردشگرانی تشکیل می‏دهند که در روزهای 14 فروردین و 22 مرداد ماه سال 1388 در نقاط ذکرشده از محورهای ارتباطی برگشت از استان مازندران به تهران، به پرسشنامه پاسخ داده‌اند. برای دقیق‏تر شدن نتایج، افرادی که فقط یک مقصد گردشگری را بازدید کرده بودند، از نمونه آماری حذف شدند. همچنین، در خصوص افرادی که به صورت خانوادگی یا گروهی به مسافرت آمده بودند، از هر گروه یک نفر برای پاسخگویی به پرسشنامه انتخاب گردید که با توجه به جمع آوری 348 پرسشنامه معتبر، حجم نمونه آماری این تحقیق را می‏توان بالغ بر 1600 نمونه، برآورد نمود.
(در پرسشنامه مذکور تعداد همراهان هر فرد نیز خواسته شده بود).

 

 

 

شکل(3): گراف شبکه مقاصد گردشگری استان مازندران

 

 

4- تجزیه و تحلیل نتایج

همانگونه که در بخش دوم تحقیق حاضر توضیح داده شد، مسیر پیموده شده توسط هر گردشگر، گرافی را تشکیل می دهد. در نتیجه، شبکه مقاصد گردشگری، شامل گرافی است که گره‌های آن نمایانگر مقاصد (شهرها) و یال‏های آن نمایانگر مسیر مستقیم گردشگری، است. شکل(3) گراف شبکه مقاصد گردشگری استان مازندران را نمایش می‏دهد. همچنین جدول(2) شاخص‌های اندازه‏گیری شده برای شبکه مقاصد گردشگری استان مازندران را که با استفاده از نرم افزارUCINE  ویرایش 6.237 محاسبه شده است، نشان می‏دهد. در جدول(3) نیز، مشخصات شبکه‏ای هر یک از مقاصد که از تحلیل شاخص‌های آن مقصد استنتاج شده (مطابق آنچه که در بخش 2 این مقاله بیان گردید)، ارائه گردیده است. براین اساس، برخی از اقدامات توسعه ای استراتژیک نیز به عنوان خروجی‏های حاصل از این تحقیق، پیشنهاد شده است.

 

                     جدول(2): شاخص‏های شبکه مقاصد گردشگری با خودرو در استان مازندران

        مقصد

مرکزیت درجه ای

مرکزیت نزدیکی

مرکزیت میان‌داری

ضریب سفر (TI)

درجه ورودی

درجه خروجی

نزدیکی ورودی

نزدیکی خروجی

رامسر (D1)

184

184

36.59

19.23

28.33

12.07

تنکابن (D2)

157

157

28.85

17.05

1.00

1.53

عباس آباد (D3)

140

99

46.88

17.86

60.17

4.69

نمک آبرود (D4)

157

198

37.50

17.65

14.00

2.30

چالوس (D5)

225

182

42.86

19.74

42.67

5.36

مرزن آباد (D6)

41

41

6.25

18.52

0.00

0.38

کلاردشت (D7)

41

68

6.67

18.29

14.00

5.12

نوشهر (D8)

130

157

31.92

20.83

56.00

19.54

نور (D9)

138

160

34.09

22.73

60.33

1.10

محمودآباد (D10)

53

53

27.27

23.08

6.83

16.48

آمل (D11)

140

35

31.92

22.39

54.00

2.11

بابلسر (D12)

48

81

29.41

26.32

89.67

24.38

بابل (D13)

30

28

18.07

23.08

30.50

1.63

ساری (D14)

80

30

25.42

18.07

38.50

1.05

قائم شهر (D15)

13

63

20.55

20.55

11.50

0.34

بهشهر (D16)

32

32

21.13

20.55

12.50

0.29

مجموع

1568

1568

445.36

325.92

520.00

100

 

 

گرچه برخی از نتایج واکافت شبکه مقاصد گردشگری استان مازندران در جدول(3) ارائه شده، با تحلیل بیشتر، می‌توان به نتایج بهتری نیز دست یافت. به عنوان مثال، یکی از خروجی های این تحلیل، شناسایی گره‌های بحرانی شبکه مقاصد گردشگری استان مازندران است. یافته‌های تحلیل نشان می دهد شبکه مقاصد گردشگری با خودروی شخصی در استان مازندران، دارای چهار گره (مقصد) بحرانی شامل شهرهای رامسر، نمک‏آبرود، چالوس و بابلسر است. با شناسایی اجزای بحرانی شبکه مقاصد گردشگری استان،‌ می‏توان ضمن برنامه‏ریزی اثربخش‏تر، مقاصد گردشگری را به صورت بهینه مدیریت نموده و بهره‌وری را در حوزه‌های مختلف صنعت گردشگری از قبیل ایجاد توسعه پایدار، بازاریابی مقاصد و‌ شناسایی اولویت‏های سرمایه‏گذاری، ارتقاء داد.

 

 

5- نتیجه گیری

رویکردهای سیستماتیک به صنعت گردشگری،‌ محققان را به این نتیجه رسانده است که گردشگری در طبقه‏بندی سیستم‌های پیچیده جای می‏گیرد. لذا برای مطالعه آن، می‏توان از ابزارهای مطالعه سیستم‌های پیچیده استفاده نمود. یکی از ابزارهای مطالعه سیستم‏های پیچیده که در سال‏های اخیر توجه زیادی به آن شده است؛ تئوری شبکه و استفاده از ابزارهای تحلیلی آن است.در این مقاله، معیارهایی از رویکرد تئوری تحلیل شبکه‌های اجتماعی معرفی و پیشنهاد گردید که می‌توانند برای شناسایی مشخصه‌های ساختاری اجزای شبکه مقاصد گردشگری، سودمند باشند.

 

 

              جدول(3): مشخصات شبکه ای هر یک از مقاصد گردشگری با خودروی شخصی در استان مازندران

    مقصد 

       مشخصات شبکه‏ای

     استراتژی‏های پیشنهادی حاصل از تحلیل

رامسر (D1)

آغازگاه بحرانی- مقصد میانی

ایجاد مراکز اطلاع‌رسانی سفر- ایجاد مرکز توریستی

تنکابن (D2)

مقصد میانی

ایجاد مرکز توریستی

عباس آباد (D3)

دسترسی بالا

ایجاد مراکز اقامتی- معرفی جاذبه‌های توریستی- تأسیس مجتمع‌های پذیرایی

نمک آبرود (D4)

آغازگاه بحرانی- توقفگاه کوتاه مدت

ایجاد مراکز اطلاع‌رسانی سفر- تسهیلات کوتاه مدت و تفریحی

چالوس (D5)

آغازگاه بحرانی- مقصد میانی- ترمینال بحرانی

ایجاد مراکز اطلاع‌رسانی سفر- ایجاد مرکز توریستی- ایجاد مراکز فروش سوغات-ایجاد مراکز استراحت موقت- ایجاد رستوران

مرزن آباد (D6)

دارای مشخصه برجسته نیست.

با توجه به اینکه از نظر جغرافیایی، یک شهر آغازین است، می‌توان ‌ضمن ایجاد مزایای رقابتی برای آن، از استراتژی‏های مربوط به آغازگاه استفاده‌نمود

کلاردشت(D7)

ترمینال محلی

ایجاد مراکز استراحت موقت- ایجاد رستوران- مراکز خرید

نوشهر (D8)

دارای ضریب سفر (TI) بالا

ایجاد مراکز اقامتی- ایجاد مراکز توریستی

نور (D9)

ترافیک بالا

ایجاد تسهیلات پارکینگ- ایجاد پمپ بنزین و تسهیلات مکانیک خودور

محمودآباد (D10)

ترمینال بحرانی

ایجاد مراکز فروش سوغات-ایجاد مراکز استراحت موقت- ایجاد رستوران

آمل (D11)

ترمینال بحرانی

ایجاد مراکز فروش سوغات-ایجاد مراکز استراحت موقت- ایجاد رستوران

بابلسر (D12)

دسترسی بالا- ترافیک بالا- TI بالا

ایجاد مراکز اقامتی- معرفی جاذبه‌های توریستی – ایجاد تسهیلات پارکینگ- ایجاد پمپ بنزین و تسهیلات مکانیک خودور

بابل (D13)

دارای مشخصه برجسته نیست.

با توجه به اینکه این شهر، دومین شهر بزرگ استان بوده و امکانات مناسبی را دارد، پتانسیل خوبی دارد تا به عنوان مرکز مقصد توقفگاه شبانه انتخاب شود.

ساری (D14)

دارای مشخصه برجسته نیست.

این شهر مرکز استان است و نیازمند ایجاد و تبلیغ جاذبه‌های گردشگری است. پتانسیل خوبی دارد تا به عنوان مرکز مقصد توقفگاه شبانه انتخاب شود.

 قائم شهر (D15)

ترمینال بحرانی

ایجاد مراکز فروش سوغات-ایجاد مراکز استراحت موقت- ایجاد رستوران

بهشهر (D16)

دارای مشخصه برجسته نیست.

 

         

 

از آنجا که بیش از 80% از سفرهای تفریحی در کشورمان با خودروی شخصی انجام می شود، برای مدیریت مقاصد و ایجاد توریسم پایدار، می توان از مشخصه‌های شبکه‌ای هر مقصد برای تدوین استراتژی‏های توسعه‌ای آن استفاده نمود. یکی از خروجی‏های این تحقیق، ارائه روشگانی برای تصمیم‏گیری در خصوص این چالش است که چه تسهیلاتی و در کجا باید ایجاد نمود تا ضمن اثربخش بودن، موجب بهینه‏سازی شبکه مقاصد نیز گردد. شاخص‏های پیشنهادی در این مطالعه، برای شبکه مقاصد گردشگری استان مازندران (به عنوان بیشترین جاذب گردشگران داخلی) اندازه‏گیری و بر اساس تحلیل نتایج آن، پیشنهادهایی برای مدیریت اثربخش و استراتژیک مقاصد، ارائه گردید.

به طور کلی، خروجی‏های حاصل از متدولوژی ارائه شده در این تحقیق، می‌تواند به عنوان ورودی‏های فرآیندها و فعالیت‏های دیگری نظیر موارد ذیل به کار گرفته شود:

  • وسیله خوشه‏بندی مقاصد بر اساس خروجی‏های متدولوژی ارائه شده در این تحقیق و تطبیق آن با تمایلات و محدودیت‏های مورد نظر گردشگران، می‏توان بسته‌های گردشگری بهینه ارائه نموده و با استفاده از مدل‏های تصمیم‌گیری چند معیاره و نیز سامانه‌های پیشنهاد دهنده، مسیرهای مناسبی را به گردشگر توصیه کرد. در این زمینه طراحی یک پرتال ملی نیز توصیه می گردد. مطالعه بر روی این مورد به عنوان یکی از زمینه‌های تحقیقات آتی پیشنهاد می‏شود.
  • با توجه به اینکه هر مقصد گردشگری دارای دو پارامتر مجزا شامل موقعیت جغرافیایی و وجهه استنباط شده است، خروجی این متدولوژی می تواند به برنامه‏ریزان کلان گردشگری در برنامه‏ریزی توریسم پایدار به صورت اثربخش کمک کرده و با تلفیق دو پارامتر فوق، از پتانسیل‌های موجود بهره‏برداری بیشتری نمود.
  • برنامه‏ریزی استراتژیک و کنترل پویای شبکه خصوصاً در زمانی که ترافیک شبکه بالا است. (مانند تعطیلات)، از دیگر خروجی‏های این متدولوژی است.


[1]- Network Characteristics

[2]- Domestic tourism

[3]- Analyzing

[4]- Network Theory

[5]- Nonlinear Dynamics

[6]- Statistical Physics

[7]- Centrality

[8]- degree centrality

[9]- betweenness centrality

[10]- closeness centrality

[11]- Geodesic Distance

[12] - Trip Index

[13] - sole destination

[14] - به علت تقارن شهریور ماه  سال 1388 با ماه مبارک رمضان، در این تحقیق، تعطیلات انتهایی تابستان، نیمه دوم مرداد ماه در نظر گرفته شده‌است.

 

 

Amaral, L. A. & Ottino, J. M. (2004) "Complex Networks-Augmenting the framework for the study of complex systems", The European Physical Journal, 38, 147-62.

Baggio, R. (2007) "Symptoms of complexity in a tourism system". Tourism Analysis, (accepted, preprint at: http://arxiv.org/abs/physics/0701063(.

Baggio, R. (2008) "Network analysis of a tourism destination", School of Tourism. Queensland, the University of Queensland.

Beerli, A. & Martn, J. D. (2004) "Tourists’ characteristics and the perceived image of tourist destinations: A quantitative analysis—a case study of Lanzarote", Spain. Tourism Management, 25, 623-636.

Boccaletti, Latora, V., Moreno, Y., Chavez, M. & Hwang, D. (2006) "Complex networks: Structure and dynamics". Physics Reports, 424, 175-308.

Buhalis & Spada (2000) "Destination management systems: criteria for success – an exploratory research". Information Technology & Tourism, 3(1), 41-58.

Butler, R. W. (1980) "The concept of a tourist area cycle of evolution: Implications for management of resources". Canadian Geographer, 24, 4–12.

Cooper, C. & Michael Hall, C. (2005) "Oceania: A Tourism Handbook (Aspects of Tourism)" Channel View Publications

Cooper, C. & Scott, N. (2005)" Structure of the Australian Tourism Sector. Gold Coast", Sustainable Tourism Cooperative Research Centre.

Costa, L. D. F., Rodrigues, A., Traviesco, G. & Villas Boas, P. R. (2007) "Characterization of complex networks: A survey of measurements". Advances in Physics, 56(1), 167-242.

Enright, M. J. & Newton, J. (2004) "Tourism destination competitiveness: A quantitative approach". Tourism Management, 25, 777-788.

Euler, L. (1736) "Solutio problematis ad geometriam situs pertinentis". Commentarii Academiae Scientiarum Imperialis Petropolitanae, 8.

Farrel, B. H. & Twining-Ward, L. (2004) "Reconceptualizing Tourism". Annals of Tourism Research, 31(2), 274-295.

Faulkner, B. & Russeli, R. (1997) "Chaos and complexity in tourism: in search of a new perspective". Pacific Tourism Review, 1, 93-102.

Freeman, L. (2006) The Development of Social Network Analysis, Vancouver, Empirical Pres.

Hsin (2006) "Network characteristics of drive tourism destinations: An application of network analysis in tourism". Tourism Management, 27, 10.

Jafari, J. (2000) encyclopedia of tourism, London&NewYork, Routledge.

Knoke, D. & Burt, R. S. (1983) "Prominence. In R. S. Burt, & M. J. Minor (Eds.)", Applied network analysis Publications., Beverly Hills, CA: Sage.

Lew, A. & Mckercher, B. (2002) "Trip destinations, gateways and itineraries: the example of Hong Kong". Tourism Management, 23.

Lieper, N. (2004) Tourism management, Arnold.

Mckercher, B. (1999) "A Chaos Approach to Tourism". Tourism Management, 20, 425-434.

Palmer, A. & BEJOU, D. (1995) "Tourism destination marketing alliances". Annals of Tourism Research, 22, 616-29.

Pavlovich, K. (2003) "The evolution and transformation of a tourism destination network": The Waitomo Caves. Tourism Management, 24, 203–216.

Pavlovich, K. & Kearins, K. (2004) "Structural Embeddedness and Community-Building through Collaborative Network Relationships". Management, 7, 195-214.

Pearce, D. G. & Elliott, J. M. C. (1983) "The trip index", Journal of Travel Research, 22, 4.

Pforr, C. (2006) "Tourism Policy in the Making: An Australian Network Study". Annals of Tourism Research, 33(1), 87-108.

Pike, S. (2002) "Destination image analysis—A review of 142 papers from 1973 to 2000". Tourism Management, 23, 541-549.

Ritchie, J. R. B. & Crouch, G. I. (2003) "The competitive Destination": A sustainable Tourism Perspective, Oxon, CABI.

Scott, J. (2000) Social network analysis: A handbook. London, Sage Publications.

Scott, N., Cooper , C. & Baggio, R. (2008) Network Analysis and Tourism: From Theory to Practice (Aspects of Tourism) Channel View Publications.

Uneto (2008) Tourism Highlights.

Wasserman, Stanley & Faust, K. (1994) Social Network Analysis: Methods and Applications, Cambridge, Cambridge University Press.

Watts, D. J. (2004) The "New" Science of Networks. Annual Review of Sociology, 30.

Weaver, D. B. (2000) "A broad context model of destination development scenarios". Tourism Management, 21, 217-244.