APRENDIZAJE AUTOMÁTICOAPLICADO AL ANÁLISIS DE SENTIMIENTOS EM EL TURISMO: UMA REVISÍON SISTEMÁTICA Y AGENDA DE INVESTIGACÍON FUTURA
DOI:
https://doi.org/10.55028/a7r9kf38Palabras clave:
Turismo, UGC, Inteligencia Artificial, Revisión SistemáticaResumen
El turismo es un fenómeno basado en la información. El análisis de datos es fundamental para el sector. El aprendizaje automático (ML) y el análisis de sentimientos (AS) ofrecen una solución para automatizar el análisis de datos de contenido generado por el usuario (UGC). En Brasil, sin embargo, la complejidad de estos modelos aún limita su aplicación metodológica y práctica. Esta investigación se justifica por el creciente uso de UGC e inteligencia artificial en el turismo. El objetivo es desarrollar una agenda de investigación futura para la aplicación de ML a la investigación de AS con datos textuales de UGC en turismo. Los objetivos específicos son: i) comprender el uso de ML en estudios de turismo y ii) identificar posibles brechas en la investigación sobre el uso de ML en turismo. Para ello, se realizó una revisión sistemática de la literatura en las bases de datos de revistas científicas Scopus y Web of Science. Se seleccionaron diez artículos para la revisión con base en la clasificación utilizando Methodi Ordinatio. Los resultados muestran el predominio de dos tipos de estudios: aquellos enfocados en comparar y/o desarrollar algoritmos para la investigación, y aquellos que aplican ML a AS como una de sus herramientas de investigación. Los estudios también abordan cuestiones teóricas, destacando la Computación Afectiva como eje común. Los principales modelos de aprendizaje automático son algoritmos supervisados o semisupervisados, con aplicaciones basadas en Naïve Bayes o SVM y el uso de Topic Modelling o ASBA para el análisis de sentimientos en texto. Futuros estudios deberían desarrollar modelos más complejos y adaptados al contexto, así como profundizar en la relación teórica entre turismo y Computación Afectiva. Además, es fundamental que los avances obtenidos se difundan, tanto entre los profesionales del sector como entre los turistas, para potenciar su aplicación práctica y promover un turismo más inteligente centrado en la experiencia humana.Descargas
Referencias
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
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Bruno Homann Zilli, Melise de Lima Pereira
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores/investigadores que publican en Ateliê do Turismo aceptan los siguientes términos:
1 - Derechos de autor.
Los autores/investigadores conservan sus derechos de autor, aunque conceden a Ateliê do Turismo, los derechos de explotación no exclusivos (reproducción, distribución y publicidad). Conceden a Ateliê do Turismo el derecho de primera publicación de su trabajo/investigación, que estará simultáneamente sujeto a la licencia indicada en el punto 2. Los autores podrán establecer otros acuerdos adicionales para la distribución no exclusiva de la versión del trabajo publicada en Ateliê do Turismo, siempre que se reconozca su publicación inicial en esta revista.
2 - Licencia.
Esta obra tiene una licencia de CC BY 4.0
Usted es libre de:
- Compartir — copiar y redistribuir el material en cualquier medio o formato para cualquier propósito, incluso comercialmente.
- Adaptar — remezclar, transformar y construir a partir del material para cualquier propósito, incluso comercialmente.
- La licenciante no puede revocar estas libertades en tanto usted siga los términos de la licencia
Bajo los siguientes términos:
- Atribución — Usted debe dar crédito de manera adecuada , brindar un enlace a la licencia, e indicar si se han realizado cambios . Puede hacerlo en cualquier forma razonable, pero no de forma tal que sugiera que usted o su uso tienen el apoyo de la licenciante.
- No hay restricciones adicionales — No puede aplicar términos legales ni medidas tecnológicas que restrinjan legalmente a otras a hacer cualquier uso permitido por la licencia.
