����������������������������������������������������������������������������������

 

 

Inteligencia Artificial Aplicada al Sector Tur�stico: Evoluci�n y Tendencias de Investigaci�n

 

Artificial Intelligence Applied to the Tourism Sector: Evolution and Research Trends

 

Intelig�ncia Artificial Aplicada ao Sector do Turismo: Evolu��o e Tend�ncias de Investiga��o

Esther del Carmen Mullo-Romero I
emullo@upse.edu.ec
https://orcid.org/0000-0002-4013-261X

,Narcisa Brusela V�squez-Farf�n II
nvasquez@upse.edu.ec
https://orcid.org/0000-0002-7065-4216
Hamilton Ramiro Ch�vez-Escobar III
hamiltonchavezso@gmail.com
https://orcid.org/0009-0009-6163-4713
 

 

 

 

 

 

 

 

 

 

 


Correspondencia: emullo@upse.edu.ec

 

Ciencias T�cnicas y Aplicadas

Art�culo de Investigaci�n

 

 

* Recibido: 05 de septiembre de 2024 *Aceptado: 06 de octubre de 2024 * Publicado: �18 de noviembre de 2024

 

        I.            Doctora en Ciencias Econ�micas, Docente en la Universidad Estatal Pen�nsula de Santa Elena, Santa Elena, Ecuador.

      II.            Mag�ster en Planificaci�n Tur�stica, Docente Investigador en Universidad Estatal Pen�nsula de Santa Elena, Santa Elena, Ecuador.

   III.            Mag�ster en Turismo Menci�n Gesti�n de Destinos Tur�sticos, Presidente en Colibry SAS; Guaranda, Ecuador.


Resumen

Con el acelerado avance de la ciencia y la tecnolog�a, la Inteligencia Artificial (IA) ha sido ampliamente integrada en diversos sectores, incluido el turismo. El potencial transformador de la IA en este �mbito ha superado las expectativas, impulsando nuevas aplicaciones y soluciones inteligentes. Este estudio bibliom�trico analiza el impacto emergente de la IA en el sector tur�stico, con el objetivo de mapear la evoluci�n de la producci�n cient�fica y las principales tendencias de investigaci�n. Se realiz� un an�lisis bibliom�trico y de redes basado en registros de la base de datos Scopus, utilizando herramientas como RStudio, Bibliometrix y Biblioshiny. Los resultados revelan que entre 2020 y 2024 la producci�n cient�fica creci� un 257%, destacando a China, India y Estados Unidos como los pa�ses l�deres en publicaciones sobre IA aplicada al turismo. Aunque se trata de una tem�tica reciente, los estudios han prosperado significativamente en los �ltimos a�os, evidenciando una mayor dedicaci�n de investigadores y centros acad�micos para explorar la influencia de la IA en este sector. Las aplicaciones emergentes de IA en el turismo se centran en la optimizaci�n operativa, la toma de decisiones informadas, la mejora de la experiencia del cliente y el uso de tecnolog�as rob�ticas en entornos tur�sticos. Este estudio no solo aporta al conocimiento actual sobre la IA en el turismo, sino que tambi�n sugiere l�neas de investigaci�n futuras para continuar explorando su impacto en el desarrollo de un turismo m�s inteligente y eficiente.

Palabras clave: inteligencia artificial; turismo; optimizaci�n operativa; sistemas inteligentes.

 

Abstract

With the accelerated advancement of science and technology, Artificial Intelligence (AI) has been widely integrated into various sectors, including tourism. The transformative potential of AI in this area has exceeded expectations, driving new intelligent applications and solutions. This bibliometric study analyzes the emerging impact of AI in the tourism sector, with the aim of mapping the evolution of scientific production and the main research trends. A bibliometric and network analysis was performed based on records from the Scopus database, using tools such as RStudio, Bibliometrix and Biblioshiny. The results reveal that between 2020 and 2024, scientific production grew by 257%, highlighting China, India and the United States as the leading countries in publications on AI applied to tourism. Although it is a recent topic, studies have prospered significantly in recent years, evidencing greater dedication by researchers and academic centers to explore the influence of AI in this sector. Emerging applications of AI in tourism focus on operational optimization, informed decision making, improving customer experience, and the use of robotic technologies in tourism environments. This study not only contributes to current knowledge about AI in tourism, but also suggests future lines of research to continue exploring its impact on the development of smarter and more efficient tourism.

Keywords: artificial intelligence; tourism; operational optimization; intelligent systems.

 

Resumo

Com o avan�o acelerado da ci�ncia e da tecnologia, a Intelig�ncia Artificial (IA) tem sido amplamente integrada em v�rios setores, incluindo o turismo. O potencial transformador da IA ​​nesta �rea superou as expectativas, impulsionando novas aplica��es e solu��es inteligentes. Este estudo bibliom�trico analisa o impacto emergente da IA ​​no setor do turismo, com o objetivo de mapear a evolu��o da produ��o cient�fica e as principais tend�ncias de investiga��o. Foi realizada uma an�lise bibliom�trica e de rede com base nos registros da base de dados Scopus, utilizando ferramentas como RStudio, Bibliometrix e Biblioshiny. Os resultados revelam que entre 2020 e 2024 a produ��o cient�fica cresceu 257%, destacando a China, a �ndia e os Estados Unidos como os pa�ses l�deres em publica��es sobre IA aplicada ao turismo. Embora seja um tema recente, os estudos t�m prosperado significativamente nos �ltimos anos, evidenciando maior dedica��o de pesquisadores e centros acad�micos em explorar a influ�ncia da IA ​​neste setor. As aplica��es emergentes de IA no turismo centram-se na otimiza��o operacional, na tomada de decis�es informadas, na melhoria da experi�ncia do cliente e na utiliza��o de tecnologias rob�ticas em ambientes tur�sticos. Este estudo n�o s� contribui para o conhecimento atual sobre a IA no turismo, mas tamb�m sugere futuras linhas de investiga��o para continuar a explorar o seu impacto no desenvolvimento de um turismo mais inteligente e eficiente.

Palavras-chave: intelig�ncia artificial; turismo; otimiza��o operacional; sistemas inteligentes.

 

Introducci�n

En la �ltima d�cada, la Inteligencia Artificial (IA) ha emergido como una de las tecnolog�as m�s disruptivas, influyendo de manera significativa m�ltiples sectores. Esta tecnolog�a no solo ha transformado la forma en que las empresas operan, sino tambi�n como interact�an los consumidores con los servicios. Dado el crecimiento exponencial de los datos y la necesidad de mejorar la experiencia del usuario, la IA se ha posicionado como una tecnolog�a clave para optimizar procesos, predecir comportamientos y personalizar servicios en m�ltiples industrias.

Malik et al. (2024) destaca el papel que est� desempe�ando la Inteligencia Artificial IA como un factor crucial para la transformaci�n de diversos sectores al ofrecer soluciones innovadoras que mejoran la eficiencia y reducen costos. Estas soluciones inteligentes ya est�n siendo implementadas en campos como la industria alimentaria, la farmac�utica, el comercio electr�nico, la qu�mica, la industria textil, la cosm�tica, el turismo, la automotriz, la mec�nica, la gesti�n ambiental, as� como en los videojuegos y el entretenimiento. Adem�s, t�cnicas de IA como el aprendizaje autom�tico (Machine Learning, ML), el aprendizaje profundo (Deep Learning, DL) y el procesamiento del lenguaje natural (Natural Language Processing, NLP) son fundamentales para el an�lisis de grandes vol�menes de datos y facilitar la toma de decisiones informadas.

Estas tecnolog�as inteligentes, han generado en los �ltimos a�os oportunidades significativas para los sectores de turismo, los viajes y la hosteler�a. Las innovaciones han permitido el desarrollo de est�ndares comerciales �nicos, una mayor integraci�n del consumidor y una amplia variedad de beneficios. El principal objetivo de estas tecnolog�as es promover nuevas experiencias para los clientes (Busila & Cristache, 2021).

La IA, en particular, est� remodelando profundamente la industria al generar nuevas oportunidades para la innovaci�n. Aplicaciones basadas en ML, NLP y la visi�n por computadora est�n revolucionando la experiencia del viajero, optimizando las operaciones y mejorando la planificaci�n de los viajes. La transformaci�n impulsada por la IA en el turismo es sustancial y promete un futuro lleno de avances significativos. A medida que estas tecnolog�as evolucionan, su integraci�n en la industria tur�stica augura experiencias de viaje m�s personalizadas, eficientes, seguras y satisfactorias, adaptadas a las preferencias y necesidades individuales (Traversa, 2024).�

Seg�n Knani et al. (2022), en las �ltimas 2 d�cadas se ha producido una adopci�n creciente de las Tecnolog�as de la Informaci�n y Comunicaci�n (TIC) para crear valor, ofrecer servicios m�s eficientes y enriquecer las experiencias de los turistas antes, durante y despu�s del viaje. Estas tecnolog�as han sido fundamentales para personalizar las experiencias tur�sticas y mejorar las interacciones a trav�s de soluciones tecnol�gicas.

Este crecimiento ha sido acompa�ado por un aumento considerable de investigaciones que abordan el potencial de la IA en la gesti�n de recursos, el an�lisis de grandes vol�menes de datos y la creaci�n de experiencias m�s personalizadas para los viajeros. De acuerdo con Kazak et al. (2020), la IA facilita la creaci�n de servicios que se adaptan mejor a las necesidades individuales de los clientes al procesar grandes vol�menes de datos y aprender tanto de su propia experiencia como de las experiencias previas de otros usuarios. Esto otorga a las marcas tur�sticas una fuerte ventaja competitiva en la creaci�n de experiencias personalizadas.

El turismo, como otros sectores, avanza hacia un futuro m�s automatizado. Los proveedores tur�sticos han comenzado a utilizar recursos inteligentes en sus operaciones (Tussyadiah, 2020). Por ejemplo, la IA puede predecir cancelaciones en los hoteles (S�nchez et al. 2020), mejorar la seguridad en los aeropuertos (Jupe & Keatley, 2020), y optimizar la gesti�n de recursos humanos (A. Malik et al., 2023). Asimismo, la IA es capaz de predecir costos y modelar la demanda en los servicios de transporte (Rathore et al., 2024; Yan et al., 2020), estimar el tiempo de viaje y las zonas de congesti�n en tiempo real (Akhtar & Moridpour, 2021; Boukerche & Wang, 2020), y analizar la utilidad de las rese�as de restaurantes para la toma de decisiones de los clientes (Lee et al., 2021). Estas aplicaciones son solo algunos ejemplos del avance y el potencial transformador de la IA en el sector tur�stico.

Sin duda, la transformaci�n impulsada por la IA en el turismo es integral y prometedora, dando forma al futuro de los viajes con el prop�sito de satisfacer las preferencias y las necesidades individuales (Traversa, 2024). No obstante, persiste una escasez de estudios exhaustivos que analicen sistem�ticamente las tendencias emergentes en este campo. Dada la creciente relevancia de la IA en los �ltimos a�os y su aplicaci�n en el turismo como una prioridad emergente, este estudio tiene como objetivo contribuir al conocimiento sobre la IA en el turismo a trav�s de las siguientes preguntas de investigaci�n:

         �Cu�l es la estructura actual de conocimiento en este sector?

         �Qu� autores, trabajos, revistas, instituciones y pa�ses son los m�s influyentes en el tema?

         �Cu�les son las tendencias emergentes en la investigaci�n sobre las aplicaciones de la Inteligencia Artificial en el turismo en los �ltimos a�os?

En vista que la IA tiene el potencial de transformar profundamente la forma en que se gestionan los servicios tur�sticos, es crucial contar con un marco te�rico s�lido que oriente futuras investigaciones y pr�cticas en este sector. Hasta el momento, no se han identificado estudios que examinen de manera sistem�tica las tendencias emergentes en este �mbito y que respondan a las preguntas de investigaci�n que gu�an el presente trabajo. De acuerdo con Duque & Oliva (2022), en �reas emergentes y de r�pido crecimiento, realizar an�lisis bibliom�tricos de manera recurrente es una necesidad para identificar continuamente las tendencias del campo y contribuir as� a su avance sostenido.

Por ello, el objetivo de este estudio es realizar un mapeo cient�fico sobre las aplicaciones de la IA en el sector tur�stico, proporcionando una visi�n integral de este campo. Para lograrlo, se analiz� la evoluci�n de la producci�n cient�fica y las tendencias emergentes mediante t�cnicas de an�lisis bibliom�trico. Este proceso se llev� a cabo utilizando herramientas como RStudio, Bibliometrix y Biblioshiny, que permitieron visualizar la evoluci�n de la producci�n cient�fica, las redes de colaboraci�n, las tem�ticas de investigaci�n y su impacto en el desarrollo del turismo. Este estudio no solo contribuir� al cuerpo existente de conocimiento, sino que tambi�n ofrecer� una agenda investigativa que guiar� futuros estudios sobre las aplicaciones de la IA en el turismo.

El documento est� organizado de la siguiente manera: 1) se presenta la introducci�n al tema, 2) se describe detalladamente la metodolog�a, la selecci�n de estudios y las herramientas empleadas, 3) se expone el an�lisis bibliom�trico de los documentos, las redes de autores, instituciones y pa�ses, as� como las redes de colaboraci�n, co-ocurrencia y las tendencias resultantes del an�lisis de cl�steres; y, finalmente, 4) se exponen las conclusiones y limitaciones del estudio.

 

Metodolog�a

La metodolog�a de esta investigaci�n se fundamenta en el uso de t�cnicas bibliom�tricas. Seg�n Herrera-Franco et al. (2020), el an�lisis bibliom�trico es una herramienta eficaz para representar la estructura del conocimiento en un campo cient�fico, a trav�s de la evaluaci�n y medici�n de publicaciones en bases de datos. Este enfoque permite la creaci�n de mapas bibliom�tricos que facilitan el estudio de la estructura cognitiva de un �rea acad�mica espec�fica, as� como su evoluci�n a lo largo del tiempo.

El an�lisis bibliom�trico se llev� a cabo utilizando el software de c�digo abierto RStudio y el lenguaje de programaci�n R, a trav�s del paquete Bilbliometrix y su interfaz Bilbioshiny (B�y�kkıdık, 2022). Esta herramienta ha ganado gran popularidad en la literatura cient�fica debido a su capacidad para realizar mapeo cient�fico (Bador et al., 2020; Logatti & Nazareth, 2022; Olufunke & Okuoyo, 2023; Technology, s. f.; Zardari et al., 2022). Adem�s, gracias a su compatibilidad con m�ltiples bases de datos, una amplia gama de funciones disponibles, acceso gratuito y una interfaz amigable como Biblioshiny (Duque & Oliva, 2022), ha consolidado el uso de Bibliometrix en investigaciones Bibliom�tricas.

Los datos utilizados en este estudio fueron extra�dos de la base de datos SCOPUS, reconocida tradicionalmente como una de las principales fuentes para el an�lisis bibliom�trico (Singh et al., 2021). Esta base de datos no solo es l�der mundial en citas, sino que tambi�n ha sido cada vez m�s utilizada en art�culos acad�micos (Zhu & Liu, 2020). Por lo tanto, la elecci�n de SCOPUS permiti� llevar a cabo un mapeo exhaustivo de la producci�n cient�fica sobre la Inteligencia Artificial aplicada al turismo. En la Tabla 1 se presentan los criterios de b�squeda utilizados en esta investigaci�n.

 

Tabla 1. Criterios y resultados de b�squeda

Par�metro

Criterio

Base de datos

SCOPUS

Espacio de tiempo

No se especifica un per�odo de b�squeda, pero se infiere que incluye todos los a�os disponibles en la base de datos hasta la fecha de la consulta.

Fecha de consulta

8/10/2024

Campo de b�squeda

T�tulo, resumen y palabras clave

Cadena de b�squeda

( TITLE-ABS-KEY ( "artificial intelligence" OR "AI" ) AND TITLE-ABS-KEY ( "tourism" OR "smart tourism" OR "tourist services" ) AND TITLE-ABS-KEY ( "application" OR "implementation" OR "opportunities" OR "trends" OR "innovations" ) ) AND ( LIMIT-TO ( LANGUAGE , "English" ) OR LIMIT-TO ( LANGUAGE , "Spanish" ) )

Estudios encontrados

1142

 

A partir de una b�squeda inicial, se identificaron 1160 estudios relacionados con el tema de investigaci�n. Tras una revisi�n y la eliminaci�n de documentos duplicados y retirados, se retuvieron un total de 1142 publicaciones para el an�lisis final.

Para realizar el an�lisis bibliom�trico, se adopt� un enfoque cuantitativo, ya que la bibliometr�a comprende un conjunto de m�todos estad�sticos y matem�ticos dise�ados para evaluar tanto la calidad como la cantidad de art�culos, libros y otras formas de publicaci�n cient�fica. Este enfoque es fundamental ya que las actividades relacionadas con la informaci�n y comunicaci�n cient�fica se basan en un an�lisis cuantitativo que permiten examinar la producci�n, difusi�n y uso de la informaci�n extra�da de colecciones bibliogr�ficas y bases de datos, como SCOPUS (B�y�kkıdık, 2022).

 

 

Desarrollo y resultados

Tendencias de las publicaciones

Para analizar la evoluci�n de la Inteligencia Artificial en el sector tur�stico, se examin� la producci�n cient�fica anual. El resumen de la evaluaci�n se presenta en la Figura 1.

Seg�n los datos obtenidos, el primer estudio relacionado con la Inteligencia Artificial aplicada al turismo se public� en 1998, lo que indica que este campo tiene m�s de dos d�cadas de historia en t�rminos de investigaci�n acad�mica. Sin embargo, se identific� que el per�odo con mayor productividad se encuentra entre 2020 y 2024, siendo 2024 el a�o con mayor n�mero de publicaciones (293 art�culos). Este per�odo representa el auge en la producci�n cient�fica. De hecho, si consideramos los �ltimos cinco a�os (2020-2024) se publicaron aproximadamente 881 estudios que, comparado con el total de 1,147 art�culos, representan cerca del 77% del total de publicaciones registrados en el �rea.

El an�lisis del per�odo entre 2020 y 2024, la tasa de crecimiento es impresionante. En 2020 se publicaron 82 art�culos, mientras que en 2024 esta cifra creci� a 293, lo que representa un crecimiento del 257% en solo cuatro a�os. Este crecimiento anual promedio refleja la expansi�n reciente del tema como �rea de investigaci�n emergente. Aunque los primeros estudios datan de 1998, la mayor parte de la producci�n cient�fica se ha concentrado en los �ltimos cinco a�os, lo que sugiere que la aplicaci�n de la IA al turismo ha ganado impulso recientemente, impulsada por avances tecnol�gicos como el aprendizaje autom�tico, los sistemas de recomendaci�n y la personalizaci�n digital, que han impactado profundamente en la industria tur�stica.

 

Gr�fico, Gr�fico de l�neas

Descripci�n generada autom�ticamente

Figura 1. Hist�rico de art�culos

 

Revistas m�s importantes

De acuerdo con Joshi (2014), la evaluaci�n de la calidad y cantidad de las publicaciones cient�ficas se lleva a cabo utilizando un conjunto de �ndices estad�sticos y matem�ticos llamados indicadores bibliom�tricos Estos indicadores son utilizados para comparar el rendimiento de los investigadores, las revistas y las instituciones. Son fundamentales en decisiones relacionadas a nombramientos, promociones y asignaci�n de fondos de investigaci�n.� En la Tabla 2 se presenta un resumen de las revistas con mayor relevancia dentro de este campo, destacando indicadores relevantes como el cuartil y el �ndice SJR (Scimago Journal Rank) del a�o 2023. Las clasificaciones de cuartiles se calculan para cada revista en cada categor�a tem�tica.

Entre las revistas con mayor n�mero de publicaciones, se destaca Lecture Notes In Computer Science, incluyendo sus subseries Lecture Notes In Artificial Intelligence y Lecture Notes In Bioinformatics, con un total de 54 art�culos, lo cual representa el 4.7% de los documentos analizados. Le siguen Journal Of Physics: Conference Series y Lecture Notes In Networks And Systems, con 30 y 27 publicaciones, correspondientes al 2.6% y el 2.3% respectivamente.

En este campo emergente, no se observa el predominio de una �nica revista, ya que ninguna concentra un volumen significativamente mayor de publicaciones en comparaci�n con las dem�s. En conjunto, las tres principales revistas representan aproximadamente el 9.73% del total de publicaciones en el �rea de investigaci�n. Al sumar las diez revistas m�s relevantes, se llega a un total de 247 art�culos, lo que equivale al 21.65% de las 1,142 publicaciones analizadas. Estos datos indican que, si bien las revistas m�s destacadas contribuyen considerablemente a la literatura sobre Inteligencia Artificial aplicada al turismo, no existe una hegemon�a clara de ninguna revista en este �mbito.

 

Tabla 2. Revistas m�s importantes en publicaciones

Revista

Publicaciones

SJR

Cuartil

SJR 2023

Lecture Notes In Computer Science (Including Subseries Lecture Notes In Artificial Intelligence And Lecture Notes In Bioinformatics)

54

Q2

0.61

Journal Of Physics: Conference Series

30

-

0.18

Lecture Notes In Networks And Systems

27

Q4

0.17

Acm International Conference Proceeding Series

24

-

0.25

Communications In Computer And Information Science

23

Q4

0.2

Springer Proceedings In Business And Economics

19

-

0.15

Sustainability (Switzerland)

19

Q1

0.67

Advances In Intelligent Systems And Computing

16

-

0

Ceur Workshop Proceedings

14

-

0.19

Smart Innovation, Systems And Technologies

12

Q4

0.17

 

Autores m�s relevantes

La colaboraci�n de los investigadores es una norma debido a las caracter�sticas interdisciplinarias y complejas de la ciencia moderna (Woo et al., 2013). El estudio de las redes de colaboraci�n en la cienciometr�a permite visualizar y medir el rendimiento de los miembros de una red espec�fica (Strotmann et al., 2009), facilitando que otros investigadores ampl�en sus campos de investigaci�n o se integren a grupos que realizan estudios relacionados (Wu et al., 2019). La red de colaboraci�n de autores permite reconocer a los autores m�s influyentes, quienes act�an como "nodos centrales" en la comunidad, es fundamental para entender su papel en la difusi�n de nuevas ideas y tendencias, as� como para fomentar futuras colaboraciones y potenciar la producci�n cient�fica.

En la Figura 2 se presenta la red de colaboraci�n de los autores. El tama�o del nombre de cada autor en la red es proporcional a su nivel de colaboraci�n: cuanto m�s grande es el nombre, mayor es el n�mero de colaboradores con los que ha trabajado. Este tama�o refleja su centralidad en la red, lo que indica que los autores con nombres m�s destacados est�n m�s conectados y tienen un papel predominante dentro de la comunidad cient�fica. Por lo tanto, se puede afirmar que, en el campo de la Inteligencia Artificial y su aplicaci�n en el turismo, algunos de los autores m�s influyentes son Lamya Benaddi, Abdeslam Jakimi, Yuanjing Zhang, Dimitrios Buhalis, Anil Bilgihan, Ainiao Wang, Jie Li, quienes han liderado las principales comunidades de producci�n cient�fica.

Imagen que contiene Esquem�tico

Descripci�n generada autom�ticamente

Figura 2. Red de autores m�s relevantes

 

La Figura 3 ilustra la producci�n de los autores m�s relevantes a lo largo del tiempo, destacando su contribuci�n cient�fica en diferentes per�odos. Este an�lisis es fundamental para comprender las tendencias de publicaci�n y evaluar el impacto temporal de los investigadores en el campo.

Se observa que la mayor�a de los autores experimentaron un incremento en su producci�n a partir de 2019, con un notable n�mero de publicaciones en los a�os 2022 y 2023. La distribuci�n de los puntos revela que la producci�n cient�fica est� concentrada en los �ltimos a�os, lo que sugiere que el campo de estudio es actualmente muy activo, con numerosos investigadores contribuyendo con trabajos relevantes. Adem�s, algunos autores que tuvieron una mayor producci�n en los primeros a�os han disminuido su actividad, mientras que otros han mantenido un ritmo constante de publicaciones.


Figura 3. Producci�n cient�fica de los autores a lo largo del tiempo

 

Instituciones m�s relevantes

La red de colaboraci�n entre instituciones permite identificar y visualizar las conexiones entre universidades y centros de investigaci�n que abordan temas comunes, lo que facilita oportunidades de colaboraci�n y el intercambio de conocimiento. Esta red permite descubrir nodos clave en la investigaci�n, fomenta el desarrollo conjunto de investigaciones m�s robustas y de mayor impacto, y ayuda a comprender c�mo ciertos centros acad�micos se posicionan como l�deres en sus campos. Adem�s, resulta �til para investigadores que buscan nuevos socios o instituciones con las cuales colaborar.

La Tabla 3 muestra que las instituciones m�s relevantes en t�rminos de producci�n de documentos son Amity University, con 25 publicaciones; Lovely Professional University, con 19; y Wuhan Business University, con 13. La influencia de estas instituciones es notable, ya que el total de documentos publicados (57) representa el 49.14% de la producci�n total de los diez principales centros de investigaci�n, lo cual refleja su gran peso en la producci�n cient�fica dentro de esta red de colaboraci�n.

 

Tabla 3. Red de instituciones m�s relevantes

Instituci�n

Documentos

Red de colaboraci�n entre instituciones

Amity University

25

Lovely Professional University

19

Wuhan Business University

13

University Of Macau

12

The Hong Kong Polytechnic University

11

Shandong Xiehe University

8

Bina Nusantara University

7

Swansea University

7

University Of Florida

7

University Of Surrey

7

 

Pa�ses m�s relevantes

La red de colaboraci�n entre pa�ses permite identificar las relaciones internacionales en la producci�n cient�fica, revelando c�mo los pa�ses colaboran en proyectos de investigaci�n y generan conocimientos conjuntos. Esta red es esencial para visualizar las din�micas globales de colaboraci�n, destacando los pa�ses que act�an como nodos centrales en la red y aquellos que conectan diferentes regiones del mundo. Esto, a su vez, fomenta la innovaci�n y la diseminaci�n de ideas. Adem�s, facilita la identificaci�n de posibles socios de investigaci�n para futuras colaboraciones y muestra c�mo los pa�ses con alta producci�n cient�fica trabajan juntos para abordar problemas complejos de manera interdisciplinaria.

La Tabla 4 muestra los pa�ses con m�s publicaciones, destac�ndose China, India y Estados Unidos, seguidos de Espa�a y Reino Unido. China lidera este campo con 413 publicaciones, seguida de India con 318 y Estados Unidos con 162. En total, la producci�n cient�fica de estos pa�ses asciende a 893 documentos, lo que representa el 78.2% del total de publicaciones analizadas en este estudio bibliom�trico.

 

Tabla 4. Red de pa�ses m�s relevantes

Pa�s

Documentos

Nro. Citas

Red de colaboraci�n entre pa�ses

China

413

2082

India

318

488

Usa

162

931

Spain

123

1000

UK

110

2339

Portugal

100

141

Indonesia

87

87

Italy

87

557

Malaysia

61

224

Turkey

56

131

 

Documentos seminales

El n�mero de citaciones de un documento es un indicador fundamental de su influencia e impacto en el campo cient�fico. Cuanto m�s citado es un trabajo, mayor es su relevancia en la comunidad acad�mica, ya que otras investigaciones lo consideran una base s�lida para el desarrollo de nuevos conocimientos. Los documentos con un alto n�mero de citas se destacan por su capacidad para influir en investigaciones futuras y por su reconocimiento dentro del �mbito cient�fico.

La Tabla 5 presenta los 10 documentos m�s citados a nivel global, proporcionando informaci�n clave como el n�mero de citaciones por a�o y el total de citas acumuladas. Se observa que los trabajos de Dwivedi et al. (2023), Zeng et al. (2020) y Buhalis et al. (2019) tienen el mayor n�mero de citas por a�o, lo que indica que est�n teniendo un impacto significativo en la actualidad, siendo altamente citados en el breve per�odo transcurrido desde su publicaci�n. Por otro lado, los documentos con m�s citas totales son los estudios de Dwivedi et al. (2023), Ye et al. (2009) y Buhalis et al. (2019), que han demostrado una mayor relevancia hist�rica y se han establecido como pilares en este campo de estudio.

Al analizar las fechas de publicaci�n de estos estudios, se pueden clasificar en recientes (2019 en adelante) y antiguos (antes de 2019), encontrando 6 trabajos recientes y 4 antiguos. Esto sugiere que el tema de an�lisis es relativamente nuevo.� Sin embargo, se resalta la importancia de los estudios anteriores, que siguen generando una considerable cantidad de citas, lo que indica que la base te�rica del tema tiene experiencia y profundidad.

 

Tabla 5. Documentos m�s citados

Autor y a�o

Doi

Citas por a�o

Total citas

Dwivedi et al. (2023)

10.1016/j.ijinfomgt.2023.102642

644.50

1289

Ye et al. (2009)

10.1016/j.eswa.2008.07.035

33.05

529

Buhalis et al. (2019)

10.1108/JOSM-12-2018-0398

81.00

486

Zeng et al. (2020)

10.1080/14616688.2020.1762118

86.00

430

Borr�s et al. (2014)

10.1016/j.eswa.2014.06.007

37.18

409

Tussyadiah (2020)

10.1016/j.annals.2020.102883

80.80

404

de Kervenoael et al. (2020)

10.1016/j.tourman.2019.104042

67.00

335

Akehurst (2008)

10.1007/s11628-008-0054-2

20.19

323

Navigli & Velardi (2005)

10.1109/TPAMI.2005.149

14.15

283

Cho (2003)

10.1016/S0261-5177(02)00068-7

10.50

231

 

Red de co-ocurrencia

La red de co-ocurrencia conecta dos o m�s t�rminos cuando aparecen juntos en el mismo documento (t�tulo, resumen, keywords, etc.). En el an�lisis bibliom�trico, estas redes muestran relaciones entre t�rminos clave y c�mo est�n asociados en la literatura. Cada nodo en la red representa un t�rmino o palabra clave (como una keyword o un t�rmino del t�tulo o resumen). Las aristas o enlaces conectan los nodos, mostrando cu�ntas veces esos t�rminos han aparecido juntos en un mismo documento. Las agrupaciones de diferentes colores corresponden a diferentes cl�steres tem�ticos que representan �reas o subtemas dentro de la investigaci�n.

Este tipo de red permite identificar �reas clave de investigaci�n, relaciones entre temas e identificar vac�os u oportunidades de investigaci�n. Los temas que aparecen con mayor frecuencia y m�s interconectados (los nodos m�s grandes como "artificial intelligence", "tourism", etc.) indican las principales �reas de investigaci�n dentro del campo que est�s analizando. Se puede ver que t�rminos como "artificial intelligence" est�n relacionados con "data mining", "machine learning", etc., lo cual te da una idea de qu� temas suelen investigarse juntos. Si ciertos temas est�n poco conectados o aparecen aislados, esto puede sugerir �reas que han sido menos exploradas y donde hay oportunidad para futuras investigaciones (Ver Figura 4).

 

Figura 4. Red de co-ocurrencia

 

Tendencias emergentes de investigaci�n

A trav�s de la revisi�n de los Keywords en los documentos analizados, se identificaron 4 principales l�neas de investigaci�n mediante un algoritmo de clusterizaci�n. El an�lisis de la co-ocurrencia de las palabras clave puede evidenciar perspectivas recientes dentro del campo (Yin et al., 2022). La Tabla 6 resume estos grupos junto a los documentos relevantes en cada l�nea de investigaci�n.

 

Tabla 6. Principales temas de investigaci�n

Cl�ster

L�nea de investigaci�n

Documentos

1

Decision Support Systems

Liu (2022)

Wang et al. (2010)

Yeung et al. (1998)

Myronidis & Theofanous (2021)

Papa & La Rocca (2017)

2

Learning Systems

Tsihrintzis et al. (2024)

Ye et al. (2009)

Anacleto et al. (2011)

Majeed et al. (2019)

Refanidis et al. (2014)

3

Artificial Intelligence

Liu et al. (2022)

K�rle et al. (2018)

Yang et al. (2012)

Li & Zhang (2020)

Karami et al. (2023)

4

Tourism

Tuomi et al. (2020)

Binesh & Baloglu (2023)

Herawan et al. (2023)

Afsahhosseini & Al-Mulla (2020)

Zhao & Huang (2022)

 

Cl�ster 1: Sistemas de ayuda a la toma de decisiones

Esta perspectiva se enfoca en los Sistemas de Ayuda a la Toma de Decisiones (DSS) como herramientas inform�ticas dise�adas para apoyar el proceso de toma de decisiones. Con el progreso de la sociedad humana, las personas prestan cada vez m�s atenci�n a los recursos naturales y culturales, y los recursos del turismo tambi�n han recibido una amplia atenci�n. Al mismo tiempo, con el continuo desarrollo de la ciencia y la tecnolog�a, la Inteligencia Artificial se ha integrado ampliamente en este campo, mejorando su capacidad para evaluar y desarrollar recursos tur�sticos de manera integral, desempe�ando un papel crucial en la promoci�n de un desarrollo tur�stico sostenible y saludable (Liu, 2022).

Con este enfoque, Wang et al. (2010) propusieron un sistema inteligente de apoyo a la toma de decisiones basado en datos, orientado a resolver problemas de toma de decisiones de gesti�n tur�stica en entornos complejos. Este estudio presenta algunos m�todos de an�lisis de datos utilizados en el sistema, incluyendo categor�as de informaci�n tur�stica, patrones espacio-temporales del estado del turismo, planificaci�n y navegaci�n tur�stica, as� como alertas tempranas sobre el estado del turismo e incidentes de seguridad, adem�s de varias aplicaciones de este sistema.

Yeung et al. (1998) implementaron un Quiosco para la industria tur�stica que permite a los usuarios acceder a informaci�n actualizada a trav�s de cualquier navegador web. Este sistema incluye un conjunto de agentes de software gestionan diversas categor�as de informaci�n, como hoteles, centros comerciales, cines, etc., informando al usuario para la toma de decisiones. Por otro lado, la b�squeda de modalidades de movimiento inspiradas en la movilidad blanda, una alternativa al uso del autom�vil representa una oportunidad para promover la sostenibilidad en el uso territorial. En este contexto, Papa & La Rocca (2017) proponen caracterizar una red de rutas tur�sticas culturales como una oportunidad de desarrollo que facilite la toma de decisiones para la promoci�n del turismo, considerando tambi�n la aplicaci�n de tecnolog�as de Sistemas de Informaci�n Geogr�fica (GIS) para apoyar tanto la planificaci�n como el uso de dichas rutas tur�sticas.

 

Cl�ster 2: Sistemas de aprendizaje

La inteligencia es necesaria para gestionar la informaci�n y extraer conocimiento de ella. Por esta raz�n, se est�n desarrollando Sistemas de Informaci�n y Multimedia con un nivel de inteligencia cada vez mayor. Como resultado, surgen nuevas tecnolog�as, protocolos y aplicaciones innovadoras. Los avances en IA han tenido un impacto significativo en los sistemas de informaci�n inteligentes, impulsando la innovaci�n y mejorando diversos aspectos de la sociedad moderna (Tsihrintzis et al., 2024).

El r�pido crecimiento de las aplicaciones con respecto al turismo ha generado lugar a una enorme cantidad de rese�as personales y de informaci�n relacionada con los viajes. Ante esta situaci�n, Ye et al. (2009) utilizaron enfoques de aprendizaje autom�tico supervisado para clasificar las opiniones y rese�as sobre destinos tur�sticos que se encuentran en l�nea. En concreto, incorporaron t�cnicas de an�lisis de sentimientos al dominio de la miner�a de rese�as de blog de viajes para siete destinos populares en Estados Unidos y Europa, alcanzando una precisi�n de al menos el 80% en el algoritmo.

Considerando la importancia de la planificaci�n y recomendaci�n, Anacleto et al. (2011) present� un sistema de recomendaci�n y planificaci�n m�vil denominado PSiS Mobile, dise�ado para ofrecer un apoyo efectivo durante las visitas tur�sticas, proporcionando informaci�n contextual y recomendaciones sobre puntos de inter�s, bas�ndose en las preferencias y el contexto de los turistas. De igual manera,� Majeed et al. (2019) propusieron un sistema de recomendaci�n h�brido para una aplicaci�n m�vil. Este sistema es capaz de proporcionar recomendaciones personalizadas, diversas y fortuitas para la estancia en un destino tur�stico, sugiriendo lugares para cenar, relajarse y posibilidades para actividades deportivas.

 

 

 

Cl�ster 3: Inteligencia Artificial

La Inteligencia Artificial (IA) se ha convertido en un componente esencial en la transformaci�n del sector tur�stico, ofreciendo soluciones innovadoras que mejoran tanto la experiencia del cliente como la eficiencia operativa de las empresas. Sin embargo, la barrera sigue siendo un desaf�o significativo, tanto para los viajeros como para los proveedores de servicios tur�sticos. Esta brecha se puede reducir mediante la utilizaci�n de aplicaciones o sistemas de traducci�n asistidas por computador. Adem�s, la integraci�n de la IA puede mejorar la precisi�n de la traducci�n, facilitando una� comunicaci�n efectiva, lo cual es esencial para garantizar una experiencia tur�stica satisfactoria (Li & Zhang, 2020).

Yang et al. (2012) desarrollaron un nuevo enfoque basado en el algoritmo Ant Colony Optimization (ACO) para resolver problemas de planificaci�n tur�stica. Este sistema de planificaci�n organiza todos los recursos tur�sticos disponibles recopilados de la web, como puntos de inter�s, hoteles y opciones de transportes, generando itinerarios de alta utilidad con efectividad y eficiencia. Por su parte, Karami et al. (2023) discuten la implementaci�n de un sistema tur�stico basada en simulaciones habilitadas por Inteligencia Artificial. Utilizando el algoritmo de Artificial Bee Colony (ABA), el sistema permite que los turistas, representados como personajes no jugables (NPC), eviten colisiones con objetos y otros NPC en el entorno. Adem�s, se puede implementar una simulaci�n tur�stica que utilice medios interactivos para alinear las expectativas de los turistas con su experiencia real.

 

Cl�ster 4: Turismo

Las tendencias actuales en el turismo reflejan un cambio hacia enfoques m�s sostenibles y personalizados. La pandemia por COVID-19 ha transformado muchos aspectos del sector de la hosteler�a y el turismo, impulsando la adopci�n de soluciones tecnol�gicas y sistemas sin contacto (Binesh & Baloglu, 2023). Ante el creciente uso de robots en turismo y hosteler�a, ha surgido un aumento significativo en investigaciones relacionadas con la tecnolog�a rob�tica.�Herawan et al. (2023), en su an�lisis bibliom�trico, indican que gran parte de los art�culos vinculados con esta tem�tica se publican en revistas cient�ficas, d�nde han recibido el mayor n�mero de citas, evidenciando que es un tema de inter�s creciente.

En la era de los grandes datos, se auguran grandes logros en Inteligencia Artificial y tecnolog�a de simulaci�n virtual. En la industria tur�stica, se espera una mayor integraci�n de la realidad virtual (VR) en el contexto del turismo inteligente, facilitando as� experiencias de turismo virtual (Zhao & Huang, 2022). Con la ayuda del aprendizaje autom�tico, se puede prever la demanda tur�stica, y los sistemas de recomendaci�n en tel�fonos inteligentes pueden ayudar a los turistas en sus viajes. Adem�s, mediante el an�lisis de sentimientos, las rese�as de los turistas podr�an aprovecharse para mejorar la planificaci�n tur�stica futura (Afsahhosseini & Al-Mulla, 2020).

 

Conclusiones

Este trabajo presenta un examen exhaustivo de la literatura cient�fica sobre el estado del arte de la Inteligencia Artificial aplicada al sector tur�stico, abarcando el per�odo desde 1998 hasta 2024. El an�lisis bibliom�trico, basado en la base de datos Scopus, permiti� mapear la estructura del conocimiento, las redes de colaboraci�n y explorar las tendencias emergentes en esta �rea. Las preguntas de investigaci�n planteadas han demostrado ser claves para comprender las din�micas de producci�n cient�fica y la creciente relevancia de la IA en la optimizaci�n de servicios tur�sticos. Este estudio resalta la importancia de continuar investigando las oportunidades que la IA ofrece en este sector.

En cuanto a la estructura de conocimiento en esta �rea, se observ� que la investigaci�n sobre IA en el turismo ha experimentado un crecimiento acelerado, particularmente en los �ltimos 5 a�os, lo que evidencia una fase de consolidaci�n. El campo est� fuertemente influenciado por tecnolog�as como el aprendizaje autom�tico que aplican t�cnicas avanzadas de an�lisis de grandes vol�menes de datos para los sistemas de recomendaci�n, planificaci�n, predicci�n y mejora de experiencias a partir del an�lisis de rese�as y emociones de los clientes.

Los autores, trabajos, revistas, instituciones y pa�ses m�s frecuentes incluyen a China, india y Estados Unidos como l�deres en producci�n cient�fica, con revistas como Lecture Notes in Computer Science y Journal of Physics: Conference Series destac�ndose como las principales fuentes de publicaci�n. Autores como Autores como Lamya Benaddi y Dimitrios Buhalis han sido pioneros en el desarrollo de investigaciones clave en este campo, consolidando redes de colaboraci�n influyentes a nivel global.

Los resultados muestran que las tendencias emergentes en la investigaci�n sobre IA y turismo se centran en la personalizaci�n de servicios, el uso de sistemas de apoyo a la toma de decisiones y la implementaci�n de sistemas de aprendizaje autom�tico para la mejora integral del servicio. Estas tendencias reflejan un inter�s creciente en la creaci�n de experiencias m�s eficientes y personalizadas para los turistas, impulsadas por avances tecnol�gicos como la visi�n por computadora, el procesamiento de lenguaje natural y la realidad virtual y las tecnolog�as rob�ticas.

A pesar de la relevancia, amplitud y profundidad del tema, es necesario considerar algunas limitaciones. Aunque el an�lisis de la producci�n cient�fica se realiz� de manera objetiva, bas�ndose en un enfoque cuantitativo, es importante se�alar que el an�lisis del contenido de cada cl�ster y los estudios fueron revisados por los autores, lo que podr�a introducir un sesgo en los resultados. Si bien las t�cnicas bibliom�tricas y las herramientas empleadas est�n ampliamente validadas por la comunidad cient�fica, para que los hallazgos sean m�s concluyentes, se sugiere contrastar los resultados con otras herramientas y ampliar el an�lisis a bases de datos adicionales. Esto ofrecer�a una visi�n m�s completa del estado actual de la investigaci�n.

 

Trabajos futuros

Se recomienda que futuros estudios realicen un an�lisis longitudinal que considere la variable temporal, lo cual permitir�a identificar con mayor precisi�n la evoluci�n de las aplicaciones de la IA en el turismo y las posibles tendencias a lo largo del tiempo. Esto contribuir�a a una mejor comprensi�n del impacto de la IA en el sector tur�stico e identificar nichos y oportunidades a medida que la tecnolog�a sigue avanzando.

 

Referencias

1.      Afsahhosseini, F., & Al-Mulla, Y. (2020). Machine Learning in Tourism. En ACM International Conference Proceeding Series (pp. 53-57). Association for Computing Machinery. https://doi.org/10.1145/3426826.3426837

2.      Akehurst, G. (2008). User generated content: The use of blogs for tourism organisations and tourism consumers. Service Business, 3, (51-61). https://doi.org/10.1007/s11628-008-0054-2

3.      Akhtar, M., & Moridpour, S. (2021). A Review of Traffic Congestion Prediction Using Artificial Intelligence. Journal of Advanced Transportation, (1), 8878011. https://doi.org/10.1155/2021/8878011

4.      Anacleto, R., Figueiredo, L., Luz, N., Almeida, A., & Novais, P. (2011). Recommendation and planning through mobile devices in tourism context. En N. P, 4710-057 Universidade do Minho Departamento de Informatica, Braga, P. D, B.-3001 Katholieke Universiteit Leuven Department of Computer Science, Heverlee, C. J.M, & 37008 Universidad de Salamanca Facultad de Ciencias, Salamanca (Eds.), Advances in Intelligent and Soft Computing (Vol. 92, pp. 133-140). https://doi.org/10.1007/978-3-642-19937-0_17

5.      Bador, E., Abdel-Magid, I., Ahmad, S., & Akhter, M. (2020). Bibliometric analysis of wastewater literature published in Web of Science 2019 to 2020. Library Philosophy and Practice, 2020, 1-21. https://acortar.link/yqQbgd

6.      Binesh, F., & Baloglu, S. (2023). Are we ready for hotel robots after the pandemic? A profile analysis. Computers in Human Behavior, 147, 107854. https://www.sciencedirect.com/science/article/pii/S0747563223002054

7.      Borr�s, J., Moreno, A., & Valls, A. (2014). Intelligent tourism recommender systems: A survey. Expert Systems with Applications, 41(16), 7370-7389. https://doi.org/10.1016/j.eswa.2014.06.007

8.      Boukerche, A., & Wang, J. (2020). Machine Learning-based traffic prediction models for Intelligent Transportation Systems. Computer Networks, 181, 107530. https://doi.org/10.1016/j.comnet.2020.107530

9.      Buhalis, D., Harwood, T., Bogicevic, V., Viglia, G., Beldona, S., & Hofacker, C. (2019). Technological disruptions in services: Lessons from tourism and hospitality. Journal of Service Management, 30(4), 484-506). https://doi.org/10.1108/JOSM-12-2018-0398

10.  Busila, A., & Cristache, N. (2021). Managing artificial intelligence as a driver for future tourism. Proceedings of the 15th International Management Conference: Managing People and Organizations in a Global Crisis, November 4�5, 2021, Bucharest, Romania, 15(1), 902-915. https://conferinta.management.ase.ro/archives/2021/pdf%20IMC%202021/5%20PDF%20S5%20IMC%202021/5_8.pdf

11.  B�y�kkıdık, S. (2022). A Bibliometric Analysis: A Tutorial for the Bibliometrix Package in R Using IRT Literature. Journal of Measurement and Evaluation in Education and Psychology, 13(3), 164-193. https://doi.org/10.21031/epod.1069307

12.  Cho, V. (2003). A comparison of three different approaches to tourist arrival forecasting. Tourism Management, 24(3), 323-330. https://doi.org/10.1016/S0261-5177(02)00068-7

13.  de Kervenoael, R., Hasan, R., Schwob, A., & Goh, E. (2020). Leveraging human-robot interaction in hospitality services: Incorporating the role of perceived value, empathy, and information sharing into visitors� intentions to use social robots. Tourism Management, 78. https://doi.org/10.1016/j.tourman.2019.104042

14.  Duque, P., & Duque, E. (2022). Tendencias emergentes en la literatura sobre el compromiso del cliente: un an�lisis bibliom�trico. Estudios Gerenciales, 38(162), 120-132. https://doi.org/10.18046/j.estger.2022.162.4528

15.  Dwivedi, Y. K., Kshetri, N., Hughes, L., Slade, E. L., Jeyaraj, A., Kar, A. K., Baabdullah, A. M., Koohang, A., Raghavan, V., Ahuja, M., Albanna, H., Albashrawi, M. A., Al-Busaidi, A. S., Balakrishnan, J., Barlette, Y., Basu, S., Bose, I., Brooks, L., Buhalis, D., Carter, L., Wright, R. (2023). �So what if ChatGPT wrote it?� Multidisciplinary perspectives on opportunities, challenges and implications of generative conversational AI for research, practice and policy. En International Journal of Information Management (Vol. 71). Elsevier Ltd. https://doi.org/10.1016/j.ijinfomgt.2023.102642

16.  Herawan, T., Sunyoto, S., Widodo, W., Disma, F., Budidharmanto, L., Damiasih, D., & Sari, E. (2023). The Emergence of Robotics in Tourism and Hospitality: A Bibliometric Analysis from 2017 to 2023. En G. O, M. B, S. F, R. A.M.A.C, G. C, K. Y, & T. C.M (Eds.), Lecture notes in computer science (Vol. 14111, pp. 470-488). Springer. https://doi.org/10.1007/978-3-031-37126-4_31

17.  Herrera-Franco, G., Montalv�n-Burbano, N., Carri�n-Mero, P., Apolo-Masache, B., & Jaya-Montalvo, M. (2020). Research Trends in Geotourism: A Bibliometric Analysis Using the Scopus Database. Geosciences, 10(10), 379. https://doi.org/10.3390/geosciences10100379

18.  Joshi, M. (2014). Bibliometric indicators for evaluating the quality of scientifc publications. The Journal of Contemporary Dental Practice, 15(2), 258-262. https://doi.org/10.5005/jp-journals-10024-1525

19.  Jupe, L., & Keatley, D. (2020). Airport artificial intelligence can detect deception: Or am i lying? Security Journal, 33(4), 622-635. https://doi.org/10.1057/s41284-019-00204-7

20.  Karami, A., Arif, Y., Sandi, A., & Nurhayati, H. (2023). Non-Playable Character Movement Controls For Tour Guides And Tourist Activity Simulation Using Artificial Bee Colonies. En Proceedings�IEIT 2023: 2023 International Conference on Electrical and Information Technology (pp. 331-335). Institute of Electrical and Electronics Engineers Inc. https://doi.org/10.1109/IEIT59852.2023.10335526

21.  K�rle, E., Şimşek, U., Panasiuk, O., & Fensel, D. (2018). Building an ecosystem for the tyrolean tourism knowledge graph. En P. C, S. K, R. J.M.M, & S.-F. F (Eds.), Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics)(Vol. 11153 LNCS, pp. 260-267). Springer Verlag. https://doi.org/10.1007/978-3-030-03056-8_25

22.  Kazak, A., Chetyrbok, P., & Oleinikov, N. (2020). Artificial intelligence in the tourism sphere. IOP Conference Series: Earth and Environmental Science, 421(4), 042020. https://doi.org/10.1088/1755-1315/421/4/042020

23.  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

24.  Lee, M., Kwon, W., & Back, K.-J. (2021). Artificial intelligence for hospitality big data analytics: Developing a prediction model of restaurant review helpfulness for customer decision-making. International Journal of Contemporary Hospitality Management, 33(6), 2117-2136. https://doi.org/10.1108/IJCHM-06-2020-0587

25.  Li, C., & Zhang, H. (2020). The Application of Computer Aided Translation in Practice�Taking the Chinese-English Translation of Tourism Texts in Hetao Region as an Example. En Journal of Physics: Conference Series (Vol. 1693, N�mero 1). IOP Publishing Ltd. https://doi.org/10.1088/1742-6596/1693/1/012005

26.  Liu, C. (2022). Construction of Models for Evaluation and Development of Urban Tourism Resources Based on Artificial Intelligence. En Lecture Notes on Data Engineering and Communications Technologies (Vol. 123, pp. 871-878). Springer Science and Business Media Deutschland GmbH. https://doi.org/10.1007/978-3-030-96908-0_108

27.  Liu, Y., Wang, R., & Zhao, T. (2022). Interaction Design in Residence Mode of Health and Tourism. En S. N.A & K. S (Eds.), Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics) (Vol. 13325 LNCS, pp. 72-89). Springer Science and Business Media Deutschland GmbH. https://doi.org/10.1007/978-3-031-05463-1_6

28.  Logatti, B., & Nazareth, C. (2022). City Information Modeling (CIM) and Smart Cities (SC): A Bibliometric Analysis with VOSViewer and R Software with Bibliometrix Package (2010-2020). Revista Nacional de Gerenciamento de Cidades, 10(81). https://doi.org/10.17271/23188472108120223349

29.  Majeed, T., St�mpfli, A., Liebrich, A., & Meier, R. (2018). Personalized hybrid recommendations for daily activities in a tourist destination. En N. P, D. D, J. J.J, F.-C. A, N. E, G. P, C. D, V. G. G, P. A, & C. A.T (Eds.), Advances in Intelligent Systems and Computing (Vol. 806, pp. 155-165). Springer Verlag. https://doi.org/10.1007/978-3-030-01746-0_18

30.  Malik, A., Budhwar, P., & Kazmi, B. A. (2023). Artificial intelligence (AI)-assisted HRM: Towards an extended strategic framework. Human Resource Management Review, 33(1), 100940. https://doi.org/10.1016/j.hrmr.2022.100940

31.  Malik, S., Muhammad, K., & Waheed, Y. (2024). Artificial intelligence and industrial applications-A revolution in modern industries. Ain Shams Engineering Journal, 15(9), 102886. https://doi.org/10.1016/j.asej.2024.102886

32.  Myronidis, D., & Nikolaos, T. (2021). Changes in climatic patterns and tourism and their concomitant effect on drinking water transfers into the region of South Aegean, Greece. En Stochastic Environmental Research and Risk Assessment (Vol. 35, N�mero 9, pp. 1725-1739). Springer Science and Business Media Deutschland GmbH. https://doi.org/10.1007/s00477-021-02015-y

33.  Navigli, R., & Velardi, P. (2005). Structural semantic interconnections: A knowledge-based approach to word sense disambiguation. En IEEE Transactions on Pattern Analysis and Machine Intelligence (Vol. 27, N�mero 7, pp. 1075-1086). https://doi.org/10.1109/TPAMI.2005.149

34.  Olufunke, O., & Okuoyo, O. (2023). A Bibliometric Analysis and Science Mapping of Recommendation Systems Research from 1987 to 2022. 2023 International Conference on Science, Engineering and Business for Sustainable Development Goals (SEB-SDG), (Vol. 1, pp. 1-11. https://doi.org/10.1109/SEB-SDG57117.2023.10124525

35.  Papa, R., & La Rocca, R. A. (2017). New forms of mobility for an alternative territorial fruition: The rediscovery of tourist footpaths. En W. F & D. G (Eds.), Transport Infrastructure and Systems�Proceedings of the AIIT International Congress on Transport Infrastructure and Systems, TIS 2017 (pp. 669-676). CRC Press/Balkema. https://doi.org/10.1201/9781315281896-87

36.  Rathore, B., Sengupta, P., Biswas, B., & Kumar, A. (2024). Predicting the price of taxicabs using Artificial Intelligence: A hybrid approach based on clustering and ordinal regression models. Transportation Research Part E: Logistics and Transportation Review, 185, 103530. https://doi.org/10.1016/j.tre.2024.103530

37.  Refanidis, I., Emmanouilidis, C., Sakellariou, I., Alexiadis, A., Koutsiamanis, R.-A., Agnantis, K., Tasidou, A., Kokkoras, F., & Efraimidis, P. S. (2014). myVisitPlannerGR: Personalized itinerary planning system for tourism. En Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics): Vol. 8445 LNCS (pp. 615-629). Springer Verlag. https://doi.org/10.1007/978-3-319-07064-3_53

38.  S�nchez, E. C., S�nchez-Medina, A. J., & Pellejero, M. (2020). Identifying critical hotel cancellations using artificial intelligence. Tourism Management Perspectives, 35, 100718. https://doi.org/10.1016/j.tmp.2020.100718

39.  Singh, V. K., Singh, P., Karmakar, M., Leta, J., & Mayr, P. (2021). The journal coverage of Web of Science, Scopus and Dimensions: A comparative analysis. Scientometrics, 126(6), 5113-5142. https://doi.org/10.1007/s11192-021-03948-5

40.  Strotmann, A., Zhao, D., & Bubela, T. (2009). Author name disambiguation for collaboration network analysis and visualization. Proceedings of the American Society for Information Science and Technology, 46(1), 1-20. https://doi.org/10.1002/meet.2009.1450460218

41.  Technology, T. (s. f.). Innovative Teaching: A Bibliometric Analysis From 2013 to 2023. Recuperado 16 de octubre de 2024, de https://www.eu-jer.com/innovative-teaching-a-bibliometric-analysis-from-2013-to-2023

42.  Traversa, F. (2024). Artificial Intelligence in Tourism. En Reference Module in Social Sciences. Elsevier. https://doi.org/10.1016/B978-0-443-13701-3.00344-3

43.  Tsihrintzis, G. A., Virvou, M., Bourbakis, N. G., & Jain, L. C. (2024). Introduction to Advances in Information, Intelligence, Systems and Applications. En B. N, T. G.A, V. M, & J. L.C (Eds.), Lecture Notes in Networks and Systems: Vol. 1093 LNNS (pp. 1-9). Springer Science and Business Media Deutschland GmbH. https://doi.org/10.1007/978-3-031-67426-6_1

44.  Tuomi, A., Tussyadiah, I., Ling, E. C., Miller, G., & Lee, G. (2020). x=(tourism_work) y=(sdg8) while y=true: Automate(x). En Annals of Tourism Research (Vol. 84). Elsevier Ltd. https://doi.org/10.1016/j.annals.2020.102978

45.  Tussyadiah, I. (2020). A review of research into automation in tourism: Launching the Annals of Tourism Research Curated Collection on Artificial Intelligence and Robotics in Tourism. En Annals of Tourism Research (Vol. 81). Elsevier Ltd. https://doi.org/10.1016/j.annals.2020.102883

46.  Wang, S., Du, J., Zhou, Y., Sun, Z., & Jia, Y. (2010). Study on data based tourism management decision support system. En 2010 International Conference on Networking, Sensing and Control, ICNSC 2010 (pp. 217-222). https://doi.org/10.1109/ICNSC.2010.5461501

47.  Woo, S.-H., Kang, D.-J., & Martin, S. (2013). Seaport Research: An Analysis of Research Collaboration using Social Network Analysis. Transport Reviews, 33(4), 460-475. https://doi.org/10.1080/01441647.2013.786766

48.  Wu, W., Xie, Y., Liu, X., Gu, Y., Zhang, Y., Tu, X., & Tan, X. (2019). Analysis of Scientific Collaboration Networks among Authors, Institutions, and Countries Studying Adolescent Myopia Prevention and Control: A Review Article. Iranian Journal of Public Health, 48(4), 621.

49.  Yan, X., Liu, X., & Zhao, X. (2020). Using machine learning for direct demand modeling of ridesourcing services in Chicago. Journal of Transport Geography, 83, 102661. https://doi.org/10.1016/j.jtrangeo.2020.102661

50.  Yang, L., Zhang, R., Sun, H., Guo, X., & Huai, J. (2012). A tourist itinerary planning approach based on ant colony algorithm. En Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics): Vol. 7418 LNCS (pp. 399-404). https://doi.org/10.1007/978-3-642-32281-5_39

51.  Ye, Q., Zhang, Z., & Law, R. (2009). Sentiment classification of online reviews to travel destinations by supervised machine learning approaches. En Expert Systems with Applications (Vol. 36, N�mero 3 PART 2, pp. 6527-6535). Elsevier Ltd. https://doi.org/10.1016/j.eswa.2008.07.035

52.  Yeung, C., Tung, P.-F., & Yen, J. (1998). Multi-agent based Tourism Kiosk on Internet. En Proceedings of the Hawaii International Conference on System Sciences (Vol. 4, pp. 452-461). Institute of Electrical and Electronics Engineers Computer Society. https://www.scopus.com/inward/record.uri?eid=2-s2.0-0031599742&partnerID=40&md5=3b956c0066fe07f5948afb6326a73908

53.  Yin, H., Yang, X., Peng, L., Xia, C., Zhang, D., Cui, F., Huang, H., & Li, Z. (2022). Trends of calcium silicate biomaterials in medical research and applications: A bibliometric analysis from 1990 to 2020. Frontiers in Pharmacology, 13. https://doi.org/10.3389/fphar.2022.991377

54.  Zardari, S., Alam, S., Al Salem, H. A., Al Reshan, M. S., Shaikh, A., Malik, A. F. K., Masood ur Rehman, M., & Mouratidis, H. (2022). A Comprehensive Bibliometric Assessment on Software Testing (2016�2021). Electronics, 11(13), Article 13. https://doi.org/10.3390/electronics11131984

55.  Zeng, Z., Chen, P.-J., & Lew, A. A. (2020). From high-touch to high-tech: COVID-19 drives robotics adoption. En Tourism Geographies (Vol. 22, N�mero 3, pp. 724-734). Routledge. https://doi.org/10.1080/14616688.2020.1762118

56.  Zhao, L., & Huang, M. (2022). Application of computer virtual simulation technology in tourism industry. En 2022 3rd International Conference on Big Data, Artificial Intelligence and Internet of Things Engineering, ICBAIE 2022 (pp. 371-376). Institute of Electrical and Electronics Engineers Inc. https://doi.org/10.1109/ICBAIE56435.2022.9985798

57.  Zhu, J., & Liu, W. (2020). A tale of two databases: The use of Web of Science and Scopus in academic papers. Scientometrics, 123(1), 321-335. https://doi.org/10.1007/s11192-020-03387-8

 

� 2024 por los autores. Este art�culo es de acceso abierto y distribuido seg�n los t�rminos y condiciones de la licencia Creative Commons Atribuci�n-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)

(https://creativecommons.org/licenses/by-nc-sa/4.0/).