Aprendizado de máquina aplicado à análise de sentimentos no turismo: revisão sistemática e agenda de pesquisa.
DOI:
https://doi.org/10.55028/a7r9kf38Palavras-chave:
Turismo, UGC, Agenda de pesquisa, Revisão Sistemática, Inteligência ArtificialResumo
O turismo é um fenômeno baseado em informação. A análise de dados é fundamental para o setor. O Aprendizado de Máquina (ML) e a Análise de Sentimentos (AS) oferecem uma solução para a automatização da análise de dados de UGC (conteúdo gerado por usuário). No Brasil, entretanto, a complexidade desses modelos ainda limita sua aplicação metodológica e prática. A pesquisa justifica-se na crescente ascensão do uso do UGC e Inteligência Artificial no turismo. O objetivo é elaborar uma agenda de pesquisa futura da aplicação de ML para a pesquisa com AS com dados textuais de UGC em turismo. Os objetivos específicos são: i) compreender a utilização do ML nos estudos em turismo e ii) identificar possíveis lacunas nas pesquisas sobre o uso de ML no turismo. Para isso foi realizada uma revisão sistemática de literatura nas bases de periódicos científicos Scopus e Web of Science. Foram escolhidos 10 artigos para revisão a partir de ranqueamento com o Methodi Ordinatio. Os resultados mostram a predominância de dois tipos de estudo: aquele cujo foco está em comparar e/ou desenvolver algoritmos para pesquisa, e aquele que aplica o ML para AS como uma de suas ferramentas de pesquisa. Os estudos também abordam questões teóricas, destacando-se a Computação Afetiva como eixo comum. Os principais modelos de ML são algoritmos supervisionados ou semi-supervisionados, com aplicação baseada em Naïve Bayes ou SVM e utilização de Topic Modelling ou ASBA para mineração dos sentimentos no texto. Estudos futuros deverão desenvolver modelos mais complexos e contextualmente adaptados, além de aprofundar a relação teórica entre turismo e Computação Afetiva. Ademais, é fundamental que os avanços obtidos sejam disseminados, tanto para os profissionais do setor quanto para os turistas, de modo a potencializar sua aplicação prática e promover um turismo mais inteligente e centrado na experiência humana.
Downloads
Referências
Cândido, G. A., & Zucco, F. M. (2021). Turismo de base comunitária e desenvolvimento local: Estudo de caso em comunidades rurais do Rio Grande do Sul. Revista Brasileira de Pesquisa em Turismo, 15(1), 45–62. https://doi.org/10.7784/rbtur.v15i1.2004
Afzaal, M., Usman, M., & Fong, A. (2019). Tourism Mobile App with Aspect-Based Sentiment Classification Framework for tourist reviews. IEEE Transactions on Consumer Electronics, 65(2), 233–242. https://doi.org/10.1109/tce.2019.2908944
Afzal, S., Khan, H. A., Piran, M. J., & Lee, J. W. (2024). A comprehensive survey on affective computing: challenges, trends, applications, and future directions. IEEE Access, 12, 96150–96168. https://doi.org/10.1109/access.2024.3422480
Alaei, A. R., Becken, S., & Stantic, B. (2017). Sentiment Analysis in Tourism: Capitalizing on big data. Journal of Travel Research, 58(2), 175–191. https://doi.org/10.1177/0047287517747753
Aria, M., & Cuccurullo, C. (2017). bibliometrix: An R-tool for comprehensive science mapping analysis. Journal of Informetrics, 11(4), 959–975. https://doi.org/10.1016/j.joi.2017.08.007
Arya, R., Singh, J., & Kumar, A. (2021). A survey of multidisciplinary domains contributing to affective computing. Computer Science Review, 40, 100399. https://doi.org/10.1016/j.cosrev.2021.100399
Barbera, G., Araújo, L., & Fernandes, S. (2023). The Value of web Data Scraping: An application to TripAdvisor. Big Data and Cognitive Computing, 7(3), 121. https://doi.org/10.3390/bdcc7030121
Bigne, E., Ruiz, C., Cuenca, A., Perez, C., & Garcia, A. (2021). What drives the helpfulness of online reviews? A deep learning study of sentiment analysis, pictorial content and reviewer expertise for mature destinations. Journal of Destination Marketing & Management, 20, 100570. https://doi.org/10.1016/j.jdmm.2021.100570
Calderón-Fajardo, V., Anaya-Sánchez, R., & Molinillo, S. (2024). Understanding destination brand experience through data mining and machine learning. Journal of Destination Marketing & Management, 31, 100862. https://doi.org/10.1016/j.jdmm.2024.100862
Chen, W., Xu, Z., Zheng, X., Yu, Q., & Luo, Y. (2020). Research on Sentiment Classification of Online Travel Review text. Applied Sciences, 10(15), 5275. https://doi.org/10.3390/app10155275
Chen, J., Becken, S., & Stantic, B. (2022). Assessing destination satisfaction by social media: An innovative approach using Importance-Performance Analysis. Annals of Tourism Research, 93, 103371. https://doi.org/10.1016/j.annals.2022.103371
Cruz, M. M. D. (2018). Curitiba: um destino turístico inteligente? [Dissertação]. Universidade Federal do Paraná. https://acervodigital.ufpr.br/handle/1884/55445
Devillers, L., & Cowie, R. (2023). Ethical Considerations on Affective Computing: An Overview. Proceedings of the IEEE, 111(10), 1445–1458. https://doi.org/10.1109/jproc.2023.3315217
European Commission: Joint Research Centre, Delipetrev, B., Tsinaraki, C. and Kostić, U., AI watch, historical evolution of artificial intelligence – Analysis of the three main paradigm shifts in AI, Publications Office, 2020, https://data.europa.eu/doi/10.2760/801580
Gonçalves, G. da Costa, & Oliveira, F. Tavres de (2023). O uso do Data Science na análise dos indicadores do Turismo: uma revisão das pesquisas no Brasil (2012-2022). Revista Iberoamericana De Turismo, 13(1). https://www.each.usp.br/turismo/publicacoesdeturismo/ref.php?id=16542
Gour, A., Aggarwal, S., & Erdem, M. (2021). Reading between the lines: analyzing online reviews by using a multi-method Web-analytics approach. International Journal of Contemporary Hospitality Management, 33(2), 490–512. https://doi.org/10.1108/ijchm-07-2020-0760
Gursoy, D., Luongo, S., Della Corte, V., & Sepe, F. (2024). Smart tourism destinations: an overview of current research trends and a future research agenda. Journal of Hospitality and Tourism Technology. https://doi.org/10.1108/jhtt-10-2023-0339
Herath, H., & Mittal, M. (2022). Adoption of artificial intelligence in smart cities: A comprehensive review. International Journal of Information Management Data Insights, 2(1), 100076. https://doi.org/10.1016/j.jjimei.2022.100076
Hussain, A., & Cambria, E. (2017). Semi-supervised learning for big social data analysis. Neurocomputing, 275, 1662–1673. https://doi.org/10.1016/j.neucom.2017.10.010
Hu, M., Li, M., Chen, Y., & Liu, H. (2025). Tourism forecasting by mixed-frequency machine learning. Tourism Management, 106, 105004. https://doi.org/10.1016/j.tourman.2024.105004
Kar, A. K., Kumar, S., & Ilavarasan, P. V. (2021). Modelling the service experience encounters using User-Generated Content: a text mining approach. Global Journal of Flexible Systems Management, 22(4), 267–288. https://doi.org/10.1007/s40171-021-00279-5
Kesgin, M., & Murthy, R. S. (2019). Consumer engagement: the role of social currency in online reviews. Service Industries Journal, 39(7–8), 609–636. https://doi.org/10.1080/02642069.2018.1553237
Kirilenko, A. P., Stepchenkova, S. O., Kim, H., & Li, X. (2018). Automated Sentiment Analysis in Tourism: Comparison of approaches. Journal of Travel Research, 57(8), 1012–1025. https://doi.org/10.1177/0047287517729757
Kirtil, İ. G., & Aşkun, V. (2021). Artificial Intelligence in Tourism: A Review and Bibliometrics research. Advances in Hospitality and Tourism Research (AHTR), 9(1), 205–233. https://doi.org/10.30519/ahtr.801690
Knani, M., Echchakoui, S., & Ladhari, R. (2022). Artificial intelligence in tourism and hospitality: Bibliometric analysis and research agenda. International Journal of Hospitality Management, 107, 103317. https://doi.org/10.1016/j.ijhm.2022.103317
Kumar, S. (2021). Deep learning based affective computing. Journal of Enterprise Information Management, 34(5), 1551–1575. https://doi.org/10.1108/jeim-12-2020-0536
Leelawat, N., Jariyapongpaiboon, S., Promjun, A., Boonyarak, S., Saengtabtim, K., Laosunthara, A., Yudha, A. K., & Tang, J. (2022). Twitter data sentiment analysis of tourism in Thailand during the COVID-19 pandemic using machine learning. Heliyon, 8(10), e10894. https://doi.org/10.1016/j.heliyon.2022.e10894
Li, H., Yu, B. X., Li, G., & Gao, H. (2022). Restaurant survival prediction using customer-generated content: An aspect-based sentiment analysis of online reviews. Tourism Management, 96, 104707. https://doi.org/10.1016/j.tourman.2022.104707
Li, J., Xu, L., Tang, L., Wang, S., & Li, L. (2018). Big data in tourism research: A literature review. Tourism Management, 68, 301–323. https://doi.org/10.1016/j.tourman.2018.03.009
Li, Q., Li, S., Zhang, S., Hu, J., & Hu, J. (2019). A review of Text Corpus-Based Tourism Big Data Mining. Applied Sciences, 9(16), 3300. https://doi.org/10.3390/app9163300
Lima, J. I. M. P. de, Pessanha, G. R. G., De Araújo, M. V. P., De Almeida Alves, R. C., Cesário, M. F. P., & De Oliveira Rocha, A. C. F. (2022). Marca lugar Pernambuco: análise dos sentimentos dos usuários através das hashtags do Instagram. ReMark - Revista Brasileira De Marketing, 21(1), 154–184. https://doi.org/10.5585/remark.v21i1.20578
Lin, B., Zhang, Y. C., & Lee, W. (2024). Tourists’ perceptions of proximity tourism: Insights from sentiment analysis and fsQCA. Journal of Outdoor Recreation and Tourism, 49, 100848. https://doi.org/10.1016/j.jort.2024.100848
Liu, J., Hu, S., Mehraliyev, F., Zhou, H., Yu, Y., & Yang, L. (2023). Recognizing emotions in restaurant online reviews: a hybrid model integrating deep learning and a sentiment lexicon. International Journal of Contemporary Hospitality Management, 36(9), 2955–2976. https://doi.org/10.1108/ijchm-02-2023-0244
Lyu, J., Khan, A., Bibi, S., Chan, J. H., & Qi, X. (2022). Big data in action: An overview of big data studies in tourism and hospitality literature. Journal of Hospitality and Tourism Management, 51, 346–360. https://doi.org/10.1016/j.jhtm.2022.03.014
Maia, C. R., Maçada, A. C. G., Lunardi, G. L., & Sengik, A. R. (2024). Data monetization capability: from the systematic literature review to the proposition of a multidimensional model. Revista de Administração da UFSM, 17(2), e6. https://doi.org/10.5902/1983465986416
Manosso, F. C., & Ruiz, T. C. D. (2021). Using sentiment analysis in tourism research: A systematic, bibliometric, and integrative review. HAL (Le Centre Pour La Communication Scientifique Directe). https://doi.org/10.5281/zenodo.5548426
Marigliano, P. (2024). Analyzing tourism reviews using Deep Learning and AI to predict sentiments. Quality & Quantity. https://doi.org/10.1007/s11135-024-01840-x
Mountasser, I., Ouhbi, B., Frikh, B., & Hdioud, F. (2020). Big data research in the tourism industry. International Journal of Mobile Computing and Multimedia Communications, 11(4), 26–41. https://doi.org/10.4018/ijmcmc.2020100102
Neratika, R. R. (2016). O uso de indicadores em turismo: uma ferramenta para analisar a evolução dos destinos turísticos inteligentes [Trabalho de Graduação]. Universidade Federal do Paraná.
Nieves-Pavón, S., López-Mosquera, N., & Jiménez-Naranjo, H. (2024). The role emotions play in loyalty and WOM intention in a Smart Tourism Destination Management. Cities, 145, 104681. https://doi.org/10.1016/j.cities.2023.104681
Nnachi, A. B., Arinze, E. D., & Uchechukwu, A. J. (2024). Exploring the Frontiers of Data Analysis: A Comprehensive review. INOSR APPLIED SCIENCES, 12(1), 62–68. https://doi.org/10.59298/inosras/2024/12.1.62680
Pagani, R. N., Kovaleski, J. L., & Resende, L. M. (2015). Methodi Ordinatio: a proposed methodology to select and rank relevant scientific papers encompassing the impact factor, number of citation, and year of publication. Scientometrics, 105(3), 2109–2135. https://doi.org/10.1007/s11192-015-1744-x
Porto, A. P. D. S., Júnior, V. N. F., & Pozzebon, E. (2024). Contribuições Da Inteligência Artificial Para o Turismo. Revista Rosa Dos Ventos - Turismo E Hospitalidade, 15(4), 1028–1042. https://doi.org/10.18226/21789061.v15i4p1028
Romele, A., Severo, M., & Furia, P. (2018). Digital hermeneutics: from interpreting with machines to interpretational machines. AI & Society, 35(1), 73–86. https://doi.org/10.1007/s00146-018-0856-2
Santos, V. S. D., De Sousa, S. J. A., Santos, L. M. L., Filho, L. a. M. M., De Santana Porte, M., Da Silva Taveira, M., & De Oliveira Alexandre, M. L. (2024). Inteligência Artificial nos estudos e pesquisas em Turismo no Brasil. Revista Brasileira De Pesquisa Em Turismo, 18, 2896. https://doi.org/10.7784/rbtur.v18.2896
Sari, B. A., Alkhaldi, R., Alsaffar, D., Alkhaldi, T., Almaymuni, H., Alnaim, N., Alghamdi, N., & Olatunji, S. O. (2022). Sentiment analysis for cruises in Saudi Arabia on social media platforms using machine learning algorithms. Journal of Big Data, 9(1). https://doi.org/10.1186/s40537-022-00568-5
Schank, R. C. (1991). Where’s the AI? AI Magazine, 12(4), 38–49. https://doi.org/10.1609/aimag.v12i4.917
Silva, N. C. da. (2023). Big Data e demanda turística em destinos turísticos: uma análise do perfil dos visitantes da Região Sul do Brasil [Dissertação de Mestrado]. Universidade Federal do Paraná. Disponível em: https://acervodigital.ufpr.br/xmlui/bitstream/handle/1884/83881/R%20-%20D%20-%20NATALIA%20CRISTINA%20DA%20SILVA.pdf?sequence=1&isAllowed=y
Song, H., Qiu, R. T., & Park, J. (2023). Progress in tourism demand research: Theory and empirics. Tourism Management, 94, 104655. https://doi.org/10.1016/j.tourman.2022.104655
Tao, Y., Zhang, F., Shi, C., & Chen, Y. (2019). Social Media Data-Based Sentiment Analysis of Tourists’ air quality Perceptions. Sustainability, 11(18), 5070. https://doi.org/10.3390/su11185070
Troisi, O., Visvizi, A., & Grimaldi, M. (2023). Digitalizing business models in hospitality ecosystems: toward data-driven innovation. European Journal of Innovation Management, 26(7), 242–277. https://doi.org/10.1108/ejim-09-2022-0540
Tsai, C. W., Lai, C. F., Chao, H. C., & Vasilakos, A. V. (2015). Big data analytics: a survey. Journal of Big Data, 2(1). https://doi.org/10.1186/s40537-015-0030-3
Tsaih, R., & Hsu, C. C. (2018). Artificial Intelligence in Smart Tourism: A Conceptual Framework. AIS Electronic Library, 124–133. https://aisel.aisnet.org/iceb2018/89/
Veal, A. J. (2011). Metodologia de pesquisa em lazer e turismo. Aleph.
Wang, X., Zhu, F., Tang, J., Shen, L., & Liu, D. (2021). Applications, Experiences, and Challenges of Smart Tourism Development in China. the Journal of Urban Technology/Journal of Urban Technology, 29(4), 101–126. https://doi.org/10.1080/10630732.2021.1879605
Wang, Y., Song, W., Tao, W., Liotta, A., Yang, D., Li, X., Gao, S., Sun, Y., Ge, W., Zhang, W., & Zhang, W. (2022). A systematic review on affective computing: emotion models, databases, and recent advances. Information Fusion, 83–84, 19–52. https://doi.org/10.1016/j.inffus.2022.03.009
Weismayer, C., Gunter, U., & Önder, I. (2021). Temporal variability of emotions in social media posts. Technological Forecasting and Social Change, 167, 120699. https://doi.org/10.1016/j.techfore.2021.120699
Wu, J., You, H., & Du, J. (2025). AI generations: from AI 1.0 to AI 4.0. Frontiers in Artificial Intelligence, 8. https://doi.org/10.3389/frai.2025.1585629
Xiang, Z., Stienmetz, J., & Fesenmaier, D. R. (2021). Smart Tourism Design: Launching the annals of tourism research curated collection on designing tourism places. Annals of Tourism Research, 86, 103154. https://doi.org/10.1016/j.annals.2021.103154
Xu, Q. A., Chang, V., & Jayne, C. (2022). A systematic review of social media-based sentiment analysis: Emerging trends and challenges. Decision Analytics Journal, 3, 100073. https://doi.org/10.1016/j.dajour.2022.100073
Zang, Z., Fu, H., Cheng, J., Raza, H., & Fang, D. (2024). Digital threads of architectural heritage: navigating tourism destination image through social media reviews and machine learning insights. Journal of Asian Architecture and Building Engineering, 1–18. https://doi.org/10.1080/13467581.2024.2399681
Downloads
Publicado
Edição
Seção
Licença
Copyright (c) 2026 Bruno Homann Zilli, Melise de Lima Pereira
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Os autores/investigadores que publicam na Ateliê do Turismo concordam com os seguintes termos:
1 - Direitos autorais.
Os autores/investigadores mantêm seus direitos autorais, embora concedam à Ateliê do Turismo, os direitos de exploração não exclusiva (reprodução, distribuição e publicidade). Concedem à Ateliê do Turismo o direito de primeira publicação de seu trabalho/pesquisa, que estará simultaneamente sujeito à licença indicada no ponto 2. Os autores podem estabelecer outros acordos adicionais para a distribuição não exclusiva da versão do trabalho publicado na Ateliê do Turismo, desde que haja um reconhecimento de sua publicação inicial nesta revista.
2 - Licença.
Este obra está licenciado com uma Licença https://creativecommons.org/licenses/by/4.0/deed.pt-br
Você tem o direito de:
- Compartilhar — copiar e redistribuir o material em qualquer suporte ou formato para qualquer fim, mesmo que comercial.
- Adaptar — remixar, transformar, e criar a partir do material para qualquer fim, mesmo que comercial.
- O licenciante não pode revogar estes direitos desde que você respeite os termos da licença.
De acordo com os termos seguintes:
- Atribuição — Você deve dar o crédito apropriado , prover um link para a licença e indicar se mudanças foram feitas . Você deve fazê-lo em qualquer circunstância razoável, mas de nenhuma maneira que sugira que o licenciante apoia você ou o seu uso.
- Sem restrições adicionais — Você não pode aplicar termos jurídicos ou medidas de caráter tecnológico que restrinjam legalmente outros de fazerem algo que a licença permita.
