大數(shù)據(jù)旅游研究和應用中的幾個問題

楊旸+劉法建

科學研究的發(fā)展往往始于技術(shù)的進步。近年來，在信息科學、網(wǎng)絡技術(shù)的進步和融合的推動下，獲取便捷、類型多樣的大數(shù)據(jù)開始為眾多研究領(lǐng)域所關(guān)注。大數(shù)據(jù)也成為國內(nèi)外旅游學界和業(yè)界的熱門話題，尤其在旅游流、旅游體驗等對數(shù)據(jù)精度、規(guī)模、結(jié)構(gòu)要求日益嚴苛的領(lǐng)域，大數(shù)據(jù)使得一些原本數(shù)據(jù)搜集復雜或者可操作性低的研究課題可以得到實施。然而，隨著研究領(lǐng)域、數(shù)據(jù)來源的不斷拓展，一些大數(shù)據(jù)應用的問題也隨之而來。

一、 虛假評論數(shù)據(jù)

作為最具代表性的旅游大數(shù)據(jù)來源，在線顧 客評論在已有的旅游大數(shù)據(jù)研究中占有重要的 地位。此類研究，往往基于在線評論能客觀反映 旅游服務設施接待水平和游客體驗的前提下展開分析。但事實上，一些點評網(wǎng)站并不能識別評論 者是否購買過該項服務（如TripAdvisor），這導致了大量虛假評論的滋生，勢必會影響到分析結(jié)果的 有效性和科學性。目前，在國際頂級的商學期刊上，已有使用機器學習和人工智能方法來篩選和 過濾虛假在線評論的研究成果發(fā)表。因此，相關(guān)旅游研究在使用在線評論數(shù)據(jù)時，也要特別注意可能存在的虛假評論，并且基于研究情境考慮使用合適的方法篩選出可能的虛假評論，提高數(shù)據(jù)本身的可信度。

二、 不同大數(shù)據(jù)源之間的交互驗證

對于同一個研究目的/研究問題，不同的數(shù)據(jù)源可能提供來自不同側(cè)面的重要信息。這些數(shù)據(jù)本身或多或少會存在系統(tǒng)性及非系統(tǒng)性誤差，使用時就需要對數(shù)據(jù)源進行交互驗證（triangulation），以確定這些誤差可能的來源，并為后續(xù)數(shù)據(jù)匯總過程中的誤差控制提供思路。例如，在使用酒店在線評論數(shù)據(jù)時，很多研究者會從不同的酒店評論平臺采集數(shù)據(jù)。但由于不同的平臺可能是面向不同層次、不同類型的住客群體，這些評論數(shù)據(jù)存在系統(tǒng)差異。研究過程中首先就需要對這些平臺數(shù)據(jù)進行交互驗證，這不僅有助于降低誤差，提高評論數(shù)據(jù)綜合后的結(jié)果可信度，而且可以了解不同樣本群體的特性差異，增強對結(jié)果的理解和解釋。

三、 數(shù)據(jù)樣本的代表性

在傳統(tǒng)的數(shù)據(jù)采集中，樣本的代表性（representativeness）是統(tǒng)計推斷是否穩(wěn)健和有效的重要前提。在社會統(tǒng)計和商業(yè)調(diào)查中，面對不具代表性的數(shù)據(jù)樣本，再強大的統(tǒng)計模型也很難得出準確的、可以推廣的分析結(jié)論。因此，科學、有效的抽樣調(diào)查方法在傳統(tǒng)數(shù)據(jù)獲取中被普遍重視。在大數(shù)據(jù)時代，尤其是在大數(shù)據(jù)的旅游業(yè)應用中，如何確保樣本和數(shù)據(jù)的有效性、代表性也是業(yè)界和學界重點關(guān)心的問題。實際上，很多大數(shù)據(jù)源產(chǎn)生的數(shù)據(jù)，并不能有效的代表完整的研究目標群體。最明顯的例子就是從互聯(lián)網(wǎng)獲得的大數(shù)據(jù)中，中老年群體的樣本比例嚴重不足。傳統(tǒng)統(tǒng)計學中可使用的權(quán)重調(diào)整方法這時也較難使用，因為此類大數(shù)據(jù)樣本中個體屬性，尤其是社會人口屬性特征往往缺失，使得權(quán)重的估計也變得難以操作。此外，計量經(jīng)濟學中常見的樣本選擇偏差（sample selection bias）也會導致樣本的代表性問題。一個常見的例子就是不滿意的酒店住客可能傾向于在評論網(wǎng)站上留下詳細的評論。如果這種樣本選擇偏差不得以修正，就容易過度放大負面信息，得出與事實出入很大的結(jié)果。

四、 游客樣本的甄別

除一些旅游業(yè)專用大數(shù)據(jù)源外，旅游研究中還會使用到一些綜合性的、非定制的大數(shù)據(jù)源，比如微博數(shù)據(jù)、汽車GPS軌跡數(shù)據(jù)和手機信令數(shù)據(jù)。這時，首先需要解決如何甄別有效游客樣本的問題。一般常用的方法是建立統(tǒng)計模型對數(shù)據(jù)中的時空信息進行數(shù)據(jù)挖掘，識別出游客群體。由于建立統(tǒng)計模型需要識別諸多參數(shù)，這可以通過小規(guī)模的實地調(diào)查來獲得，從而有效提升游客樣本的甄別準確率。當然，由于不同地方的景點規(guī)模、目的地空間尺度、空間結(jié)構(gòu)、交通設施水平的差異，不同地區(qū)的實地調(diào)查結(jié)果不能盲目推廣。

五、 研究方法“舊瓶裝新酒”

許多標稱“大數(shù)據(jù)應用”的旅游研究文章，使用的仍是傳統(tǒng)和基礎的統(tǒng)計和數(shù)據(jù)發(fā)掘方法。嚴格意義上說，難以納入“大數(shù)據(jù)”研究的范疇。因為它們并沒有涉及到“大數(shù)據(jù)革命”的核心之一：對于海量實時數(shù)據(jù)處理方法的革新。很多情況下，這些大數(shù)據(jù)旅游實證文章，僅僅是從大數(shù)據(jù)源中獲得常規(guī)數(shù)據(jù)，增加的只是數(shù)據(jù)量，并沒有帶來創(chuàng)新性的，突破性的研究方法，未能實現(xiàn)研究思路和研究框架上的質(zhì)變。

綜上所述，在旅游的大數(shù)據(jù)研究和應用中，不應該盲目迷信和崇拜大數(shù)據(jù)源獲得的數(shù)據(jù)。大數(shù)據(jù)與生俱來的諸多弊端，需要使用者在數(shù)據(jù)的獲取、處理和分析過程中時刻注意和警惕。首先，研究人員和從業(yè)人士不能簡單地把大數(shù)據(jù)分析看成一個“黑箱”，不假思索、教條式地使用統(tǒng)計或者人工智能的方法分析數(shù)據(jù)。而應把一部分注意力放在保證數(shù)據(jù)的質(zhì)量上，增加針對性的數(shù)據(jù)清理和調(diào)試，以確保數(shù)據(jù)的有效性和科學性。其次，在大數(shù)據(jù)的應用領(lǐng)域，不同大數(shù)據(jù)源信息的融合越來越被重視。這種信息的匯總、融合可以提高數(shù)據(jù)的精度，提升結(jié)果的可靠性。最后，對于學界而言，大數(shù)據(jù)的興起與流行并未給傳統(tǒng)的旅游研究范式帶來根本性的改變。作為社會科學的分支，旅游研究的 “問題導向”（research question）和“理論建構(gòu)”并重的屬性依然關(guān)鍵，其學術(shù)研究的價值在很大程度上仍取決于研究問題的水平和質(zhì)量。endprint