แอปพลิเคชันแพลตฟอร์มแนะนำการท่องเที่ยวรายบุคคลแบบปรับตัว และการบริหารจัดการการท่องเที่ยวโดยชุมชน ตำบลตะเคียนเตี้ย อำเภอบางละมุง จังหวัดชลบุรี
Article Sidebar
Main Article Content
บทคัดย่อ
การท่องเที่ยวโดยชุมชนมุ่งเน้นการส่งเสริมคุณค่าของทรัพยากรทางวัฒนธรรมและธรรมชาติของชุมชน โดยนักท่องเที่ยวจะได้รับประสบการณ์จริงจากวิถีชีวิต และภูมิปัญญาท้องถิ่นในชุมชน ดังนั้นการมีแอปพลิเคชันที่สามารถนำเสนอและแนะนำสถานที่ท่องเที่ยวในรูปแบบที่ตรงกับความต้องการของนักท่องเที่ยวแต่ละบุคคล และระบบบริหารจัดการการท่องเที่ยวโดยชุมชนให้เป็นไปอย่างมืออาชีพจึงเป็นสิ่งจำเป็น งานวิจัยนี้นำเสนอการพัฒนาแอปพลิเคชันแพลตฟอร์มสำหรับแนะนำการท่องเที่ยวรายบุคคลแบบปรับตัว โดยมีวัตถุประสงค์เพื่อสร้างแบบจำลองแนะนำการท่องเที่ยวรายบุคคลแบบปรับตัวด้วยวิธีการกรองแบบร่วมมือ และเพื่อพัฒนา แอปพลิเคชันข้ามแพลตฟอร์มสำหรับนักท่องเที่ยวและผู้ประกอบการชุมชนในการบริหารจัดการการท่องเที่ยวโดยชุมชนที่รองรับการใช้งานบนระบบปฏิบัติการ Android และ iOS โดยพัฒนาด้วยภาษา React, Node.js และ Flutter จัดการฐานข้อมูลด้วยโปรแกรม MongoDB ผู้วิจัยได้ประเมินประสิทธิภาพของแบบจำลองแนะนำการท่องเที่ยวรายบุคคลแบบปรับตัวด้วยค่า Mean Absolute Error (MAE) และ Root Mean Square Error (RMSE) ผลการวิจัยพบว่า Euclidean distance เป็นอัลกอริทึมที่นำมาประยุกต์ใช้เพื่อหาค่าความคล้ายคลึงกันระหว่างผู้ใช้ที่ให้ประสิทธิภาพการแนะนำได้ดีที่สุด และจำนวนโหนดเพื่อนบ้านที่เหมาะสมในการให้คำแนะนำสถานที่ท่องเที่ยวคือ 25 โหนด และผลการประเมินประสิทธิภาพของแอปพลิเคชันแพลตฟอร์มโดยผู้เชี่ยวชาญอยู่ในระดับดี การประเมินความพึงพอใจของผู้ใช้งานแอปพลิเคชันแพลตฟอร์มจากกลุ่มตัวอย่าง จำนวน 40 คน ประกอบด้วย ผู้ประกอบการชุมชน จำนวน 10 คน และนักท่องเที่ยว จำนวน 30 คน พบว่า ผลการประเมินความพึงพอใจของผู้ใช้งานโดยรวมอยู่ในระดับดีมาก (=4.52, S.D.= 0.51) โดยมีความพึงพอใจด้านความถูกต้องในการทำงานของระบบ มีค่าเฉลี่ยสูงสุด (
=4.56, S.D.=0.52) รองลงมาความพึงพอใจด้านความสามารถในการทำงานตามความต้องการผู้ใช้ (
=4.53, S.D.=0.49) ความพึงพอใจด้านการใช้งานระบบ (
=4.50, S.D.=0.52) และความพึงพอใจด้านความปลอดภัยของระบบและข้อมูล (
=4.48, S.D.=0.51) ตามลำดับ
Article Details
References
J. Lu, D. Wu, M. Mao, W. Wang, and G. Zhang. "Recommender system application developments: A survey." Decision Support System, Vol. 74, pp. 12–32, June, 2015.
Wikipedia, Tourism in Thailand. Available Online at https://en.wikipedia.org/wiki/Tourism_in_Thailand, accessed on 15 March 2022.
K. Chaudhari and A. Thakkar. "A Comprehensive Survey on Travel Recommender Systems." Archives of Computational Methods in Engineering, Vol. 27, pp. 1545–1571, November, 2020.
X. Sun, Z. Huang, X. Peng, Y. Chen, and Y. Liu. "Building a model-based personalised recommendation approach for tourist attractions from geotagged social media data." International Journal of Digital Earth, Vol. 12, No. 6, pp. 661-678, 2019.
P. Kumar and R. S. Thakur. "Recommendation system techniques and related issues: a survey." International Journal of Information Technology, Vol. 10, No. 4, pp. 495-501, April, 2018.
R. Hassannia, A. V. Barenji, Z. Li, and H. Alipour. "Web-Based Recommendation System for Smart Tourism: Multiagent Technology." Sustainability, Vol. 11, No. 2, pp. 1-18, January, 2019.
K. Kesorn, W. Juraphanthong, and A. Salaiwarakul. "Personalized Attraction Recommendation System for Tourists Through Check-In Data." IEEE Access, Vol. 5, pp. 26703-26721, November, 2017.
Z. Wang and B. Liu. "Tourism recommendation system based on data mining." Journal of Physics: Conference Series, Vol. 1345, November, 2019. Available: 10.1088/1742-6596/1345/2/022027.
J. Coelho, P. Nitu, and P. Madiraju. "A Personalized Travel Recommendation System Using Social Media Analysis." Proceedings of 2018 IEEE International Congress on Big Data (BigData Congress), San Francisco, CA, USA, pp. 260-263, July, 2018. Available: 10.1109/BigDataCongress.2018.00046.
M. AI-Ghobari, A. Muneer, and S. M. Fati. "Location-Aware Personalized Traveler Recommender System (LAPTA) Using Collaborative Filtering KNN." Computers, Materials and Continua, Vol. 69, pp. 1553-1570, July, 2021.
W. Supanich and S. Kulkarineetham. "Personalized Tourist Attraction Recommendation System Using Collaborative Filtering on Tourist Preferences." Proceedings of the 19th International Joint Conference on Computer Science and Software Engineering (JCSSE), Bangkok, Thailand, pp. 1-6, July, 2022.
F. Fkih. "Similarity measures for Collaborative Filtering-based Recommender Systems: Review and experimental comparison." Journal of King Saud University-Computer and Information Sciences, Vol. 34, pp. 7645-7669, September, 2021.