پژوهش‌های نوین در ارزیابی عملکرد

درباره نشریه

اهداف و چشم انداز

اصول اخلاقی انتشار مقاله

فرایند پذیرش مقالات

سیاست دسترسی آزاد

اطلاعات آماری نشریه

پرسش‌های متداول

پیوندهای مفید

اخبار و اعلانات

پیوستن به تیم داوری

شماره جاری

بر اساس شماره‌های نشریه

بر اساس نویسندگان

بر اساس موضوعات

نمایه نویسندگان

نمایه کلیدواژه ها

رتبه‌بندی کشورهای اروپایی در صنعت توریسم در سال 2019 با استفاده از تحلیل پوششی داده‌ها

نوع مقاله : مقاله کاربردی

نویسندگان

گروه مهندسی صنایع، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران.

چکیده

هدف: یکی از مسایل مهم در صنعت توریسم چگونگی افزایش گردشگران خارجی با کم­ترین هزینه است . بدین منظور پیدا کردن الگویی مناسب که در این صنعت دارای رتبه بالاتری ازلحاظ جذب گردشگر با کم­ترین هزینه هستند، ضرورت دارد. به همین منظور مقاله کنونی با هدف ارایه چهارچوبی علمی جهت رتبه‌­بندی عملکرد کشورهای اروپایی در صنعت توریسم تهیه شده است . هدف این ارزیابی و رتبه‌­بندی کشورهای اروپایی با استفاده از تحلیل پوششی داده­‌ها در صنعت توریسم در رسیدن به الگویی از کشورهای کارا در این صنعت و بررسی تاثیر ورودی­‌ها بر خروجی آن‌­ها که همان تعداد گردشگر ورودی در یک سال است می‌­باشد.
روش‌شناسی پژوهش: با توجه به هزینه­‌های کشورهای اروپایی در بخش‌­های مختلف صنعت توریسم و میزان جذب گردشگر در سال 2019 ، عملکرد آن‌­ها با استفاده از روش DEA  رتبه­‌بندی و بهترین کشور از لحاظ کارایی در صنعت توریسم معرفی شده است.
یافته‌ها: کشورهای اسپانیا، فرانسه، کرواسی، دانمارک، لهستان و مجارستان به عنوان کشورهای کارا در این رتبه‌­بندی مشخص شدند که با کم­ترین هزینه بیش­ترین جذب گردشگر را در سال 2019 داشته‌­اند. ضمنا کشورهای کارا با استفاده از روش کارایی متقاطع رتبه­‌بندی می‌شوند.
اصالت/ارزش افزوده علمی: با استناد به بررسی صنعت توریسم کشورهای اروپایی، می‌­توان به الگویی مناسب در جذب گردشگر با کم­ترین هزینه برای سازمان­‌های گردشگری فعال در ایران دست یافت.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Ranking of European countries in the tourism industry in 2019 using data coverage

نویسندگان [English]

  • Navid Niki
  • Hadi Shirouyehzad

Department of Industrial Engineering, Najaf Abad Branch, Islamic Azad University, Najaf Abad, Iran.

چکیده [English]

Purpose:  In the tourism industry, it is crucial to attract foreign tourists while keeping costs low. To achieve this, a suitable model with a high rank in attracting tourists at a low cost must be found. This article aims to provide a scientific framework for ranking European practices in the tourism industry. By evaluating and ranking European countries based on data coverage analysis in the tourism industry, the goal is to identify efficient countries in this industry and examine the impact of their entry and exit, which is the same number of incoming tourists in a year.
Methodology: Using the DEA method, European countries have been ranked based on their performance in the tourism industry in 2019. This was determined by analyzing their expenses in various sectors and level of tourist attraction. The ranking identifies the countries that are most efficient in the tourism industry.
Findings: The countries of Spain, France, Croatia, Denmark, Poland, and Hungary were identified as the most cost-effective tourist destinations in 2019, based on the cross-efficiency method.
Originality/Value: It is possible for tourism organizations in Iran to attract tourists with a low cost model based on a study of the European tourism industry.

کلیدواژه‌ها [English]

  • Ranking
  • Tourism industry
  • Data envelopment analysis
مراجع
[1]     Momeni, M. (2011). New topics of research in operations. Moalef Publication. (In Persian). https://telketab.com/book/
[2]     Tolou, M., & Khoshhalnakhjiri, Z. (2011). A new mixed integer linear model for selecting the most efficient decision unit with variable returns to scale approach. Industrial management (Tehran university), 8, 37–50. (In Persian). http://ensani.ir/fa/article/478460/
[3]     Safari, S., & Azar, A. (2004). Evaluation of the organization’s performance based on quality awards indicators - DEA approach. Business strategies, 2(8), 1–14. (In Persian). https://cs.shahed.ac.ir/article_1941.html?lang=en
[4]     Salehi Sarbijan, M., & Rahim, D. (2012). Examining the efficiency and the factors affecting it using the method of data coverage analysis and econometrics (applied study of comprehensive public universities of the country) [presentation]. The first international conference on econometrics, methods and applications (pp. 1–23). (In Persian). https://elmnet.ir/article/20204353-81842/
[5]     Zerafat Angiz Langroudi, M. (2011). A method for ranking options with the help of fuzzy concept and data envelopment analysis. Operations research in its applications (applied mathematics), 8(4), 49–57. (In Persian). https://jamlu.liau.ac.ir/index.php?slc_lang=en&sid=1
[6]     Hwang, C. L., & Lin, M. J. (2012). Group decision making under multiple criteria: methods and applications (Vol. 281). Springer Science & Business Media.
[7]     Cook, W. D., & Kress, M. (1990). A data envelopment model for aggregating preference rankings. Management science, 36(11), 1302–1310.
[8]     Chen, C. M. (2009). Evaluation and design of supply chain operations using DEA. Erasmus University Rotterdam.
[9]     Charnes, A., Cooper, W. W., & Rhodes, E. (1978). Measuring the efficiency of decision making units. European journal of operational research, 2(6), 429-444.
[10]   Catudan, J. M. J. (2016). The impact of tourist arrivals, physical infrastructures, and employment, on regional output growth. Procedia - social and behavioral sciences, 219, 175–184. DOI:10.1016/j.sbspro.2016.05.003
[11]   Massidda, C., & Etzo, I. (2012). The determinants of Italian domestic tourism: a panel data analysis. Tourism management, 33(3), 603–610. DOI:https://doi.org/10.1016/j.tourman.2011.06.017
[12]   Jovanoviä, S., & Ivana, I. (2016). Infrastructure as important determinant of tourism development in the countries of Southeast Europe. Ecoforum journal, 5(1), 288-294.
[13]   Emrouznejad, A., & Yang, G. (2018). A survey and analysis of the first 40 years of scholarly literature in DEA: 1978–2016. Socio-economic planning sciences, 61, 4–8. DOI:https://doi.org/10.1016/j.seps.2017.01.008
[14]   Farrell, M. J. (1957). The measurement of productive efficiency. Journal of the royal statistical society series a: statistics in society, 120(3), 253–281.
[15]   Banker, R. D., Charnes, A., & Cooper, W. W. (1984). Some models for estimating technical and scale inefficiencies in data envelopment analysis. Management science, 30(9), 1078–1092.
[16]   Karnameh Haghighi, H., & Taqvi, M. (2016). Evaluating the efficiency of the tourism industry using data envelopment analysis: a case study of Iran [presentation]. International conference on new approaches to human sciences in the 21st century. (In Persian). https://civilica.com/doc/641815/
[17]   Sexton, T. R., Silkman, R. H., & Hogan, A. J. (1986). Data envelopment analysis: Critique and extensions. New directions for program evaluation, 1986(32), 73–105. DOI:10.1002/ev.1441
پژوهش‌های نوین در ارزیابی عملکرد
دوره 2، شماره 1
خرداد 1402
صفحه 24-31
فایل ها
هم رسانی
ارجاع به این مقاله
آمار