Tradycyjne ankietowanie vs. wykorzystanie Big Data danych geolokalizacyjnych - analiza porównawcza na przykładzie badań turystów-kibiców sportowych uczestniczących w ME U21 2017 w Tychach

• Autorzy: Jakub Ryśnik , Danuta Żylak , Piotr Gibas

Warianty tytułu

Comparative Analysis of Traditional Polling and Profiling Using Big Data Analysis and Geolocalization Data on the Example of Research Among Sports Fans Participating in the 2017 UEFA European Under-21 Championship

• Języki publikacji: PL

Abstrakty

Cel. Celem pracy jest wieloaspektowe porównanie dwóch procedur badawczych użytych do badania popytu turystycznego tj.: klasycznego ankietowania oraz analiz danych użytkowników smartfonów z wykorzystaniem Analizy Big Data (ang. Big Data Analysis - BDA).
Metoda. Istotą zastosowanej metody jest analiza porównawcza dwóch różnych metodologii użytych w trakcie badania kibiców na meczach Mistrzostw Europy w Piłce Nożnej U21 w Tychach w czerwcu 2017, w zakresie wybranych aspektów organizowania tych badań oraz zalet i wad przebiegu procedur badawczych. Badanie popytu turystycznego przeprowadzono dwutorowo. W pierwszym podejściu wykorzystano klasyczną metodę ankietowania turystów w miejscu docelowym. Autorzy przeprowadzili ankietowanie zmodyfikowaną skalą MSSC (Motivation Scale for Sport Consumption) na 278 kibicach, którzy zostali dobrani w sposób celowy. W drugim zlecono podmiotowi zewnętrznemu analizę danych użytkowników smartfonów (w tym danych geolokalizacyjnych) z wykorzystaniem BDA.
Wyniki. Analiza procedur badawczych przyniosła szereg wniosków w zakresie zalet i wad stosowanych podejść oraz pozwoliła oszacować potencjał stosowania BDA w kontekście analizowania popytu turystycznego. Analiza podsuwa argumenty przeciwne do poglądu mówiącego o relatywnie wysokich kosztach i trudnościach związanych z wykonywaniem badań całości populacji w stosunku do badań jej części. Istnieje szereg przesłanek wynikających ze smartfonizacji społeczeństwa, które wskazują, że w warunkach narastającego wolumenu cyfrowych śladów aktywności turysty badania całościowe są coraz bardziej dostępne i ich przeprowadzenie możliwe.
Ograniczenia badań i wnioskowania. Przedstawiona analiza porównawcza jest w istocie studium przypadku, co dość mocno ogranicza możliwości całościowego wnioskowania na jej podstawie.
Implikacje praktyczne. Artykuł może stanowić pomoc dla zespołów badawczych planujących bądź prowadzących badania wykorzystujące dane o lokalizacji użytkowników smartfonów w oparciu o BDA, w tym analizujących badania popytu turystycznego.
Oryginalność. Nowość stanowi próba porównania procedur badawczych. W pracy częściowo zaprezentowano też niepublikowane do tej pory wyniki BDA kibiców Mistrzostw Europy w Piłce Nożnej U21 w Tychach w czerwcu 2017, która została przeprowadzona ex post przez podmiot zewnętrzny na zlecenie AWF Katowice.
Rodzaj pracy. Artykuł prezentujący wyniki badań empirycznych, częściowo o charakterze studium przypadku. (abstrakt oryginalny)

EN

Purpose. The aim of the paper was multifaceted comparison of two research procedures used to study tourism demand, i.e. classic poll survey and the analysis of smartphone user data using Big Data Analysis (BDA). The aim of the paper was also to review of potential analysis forms that can be performed using data from smartphone users that also contains geolocalization data.
Method. The essence of the research study is comparative analysis of two different research methodologies used during the examination of the sports fans of the U21 European Football Championship in Tychy in June 2017. Selected organisational aspects of these studies and the advantages and disadvantages of the research procedures were compared. The study on tourism demand was carried out in two ways. In the first approach, the classic poll method was used in order to survey the tourists at the destination place. The authors conducted a survey with the modified MSSC scale (Motivation Scale for Sport Consumption) on 278 spectators (targeted choice). The results were confronted with the analysis of smartphone users' data (including geolocalization data) using BDA, which was ca rried out ex-post by an external entity on behalf of AWF Katowice.
Findings. The analysis of research procedures brought forward a number of conclusions regarding the advantages and disadvantages of the applied research approaches and allows to estimate the potential of using BDA within the context of tourism demand research. The research analysis gives reasons to revise the classical methodological paradigm on the relatively high costs and difficulties associated with comprehensive research in relation to partial research. There are a number of premises resulting from the smartphoneisation of society, which provide arguments constituting a new paradigm stating that, in the conditions of digitisation of tourist activities, comprehensive research is more and more available and conducting this type of assessment is realistically possible.
Research and conclusions limitations. The presented comparative analysis is in fact a case study, which limits the conclusions formulated on its basis. Practical implications. The article may help research teams who plan to or conduct research using data from smartphone users based on BDA, including those who analyse tourist demand research at regional and local levels for public entities.
Originality. The novelty of this paper is the attempt to compare research procedures. The work also partially presents the unpublished results of BDA among the fans of the U21 European Football Championships in Tychy in June 2017, which was carried out ex-post by an external entity ordered by AWF Katowice.
Type of paper. An article presenting the results of empirical research partly as a case study.(original abstract)

Słowa kluczowe

PL

Turystyka; Sport; Popyt turystyczny; Big Data; Analiza trendu

EN

Tourism; Sport; Tourist demand; Big Data; Trend analysis

• Czasopismo: Folia Turistica / Akademia Wychowania Fizycznego im. B. Czecha w Krakowie
• Rocznik: 2019
• Numer: nr 53
• Strony: 227--262

Twórcy

autor

Jakub Ryśnik

• Akademia Wychowania Fizycznego w Katowicach

autor

Danuta Żylak

• Akademia Wychowania Fizycznego w Katowicach

autor

Piotr Gibas

• Uniwersytet Ekonomiczny w Katowicach

Bibliografia

• Alejziak W. (2009), TelSKART© - nowa metoda badań oraz pomiaru wielkości ruchu turystycznego, "Folia Turistica", nr 21/2009, s. 95-144.
• Bartoszewicz B., Marcińczak Sz. (2018), Commuting patterns and urban form: Evidence from Poland, "Journal of Transport Geography", Vol. 70, s. 31-39.
• Bartosiewicz B., Pielesiak I. (2019), Spatial patterns of travel behaviour in Poland, "Travel Behaviour and Society", no. 15, s. 113-122.
• Bilgili B., Özkul E. (2019), Industry 4.0-Tourism 4.0 And Human Factor: Voice Of Customer, "The European Proceedings of Social & Behavioural Sciences", EpSBS. Online: https://dx.doi.org/10.15405/epsbs.2019.01.02.55.
• Douglas L. (2012), The importance of Big Data: A Definition, Gartner. Online: http://www.gartner.com/resId=2057415 (21.06.2012).
• Chena C., Ma J. Susilo Y., Liu Y., Wang M., (2016), The promises of big data and small data for travel behavior (aka human mobility) analysis, "Transportation Research Part C: Emerging Technologies", Vol. 68, s. 285-299.
• Cottineau C., Vanhoof M. (2019), Mobile Phone Indicators and Their Relation to the Socioeconomic Organisation of Cities, "International Journal of Geo-Information", 8(1):19, DOI: 10.3390/ijgi8010019.
• Czornik M. (2005), Promocja miasta, "Prace Naukowe/Akademia Ekonomiczna w Katowicach", Katowice.
• Czornik M. (2012), Konsumpcja miejska. Ekonomiczne refleksje nad ewoluowaniem funkcji miejskich, Uniwersytet Ekonomiczny w Katowicach, Katowice.
• Frąckiewicz E. (2006), Marketing Internetowy, Wydawnictwo Naukowe PWN, Warszawa.
• Gibas P. (2018), Wymiar fraktalny polskiego organizmu przestrzennego, "Biuletyn KPZK PAN", z. 272, s. 359-371.
• Gibas P., Heffner K. (2018a), Koncentracja zabudowy na obszarach wiejskich, "Wieś i Rolnictwo", No 2 (179/2018), Instytut Rozwoju Wsi i Rolnictwa Polskiej Akademii Nauk, pp. 189-207.
• Gibas P., Heffner K. (2018b), Rozproszenie zabudowy mieszkaniowej a dostępność do usług rynkowych i publicznych, "Biuletyn KPZK PAN", z. 272, s. 303-315.
• Gibas P., Heffner K. (2018c), Społeczne i ekonomiczne koszty bezładu przestrzeni - osadnictwo obszarów wiejskich [w:] Kowalewski A., Markowski T., Śleszyński P., red., Studia nad chaosem przestrzennym. Tom II Koszty chaosu przestrzennego, "Studia Komitetu Przestrzennego Zagospodarowania Kraju Polskiej Akademii Nauk", Tom CLXXXII, Warszawa, s. 163-195.
• GUS (2017), Społeczeństwo informacyjne w Polsce 2017 r., Główny Urząd Statystyczny, Opracowanie sygnalne, Warszawa 20.10.2017. Online: https://stat.gov.pl/obszary-tematyczne/nauka-i-technika-spoleczenstwo- informacyjne/spoleczenstwo-informacyjne/spoleczenstwo-informacyjne- w-polsce-w-2017-roku,2,7.html. (1.03.2019).
• GUS (2018), Społeczeństwo informacyjne w Polsce, Wyniki badań statystycznych z lat 2014-2018, Główny Urząd Statystyczny Urząd Statystyczny w Szczecinie, Warszawa, Szczecin. Online: http://stat.gov.pl/obszary-tematyczne /nauka-i-technika-spoleczenstwo-informacyjne/ (1.03.2019).
• Haklay M., Jankowski P., Zwoliński Z. (2018), Selected modern methods and tools for public participation in urban planning - A review, "Quastiones Geographicae", 37(3), s. 127-149.
• Ho M. W. (2015), Sustainable cities as organisms, a circular thermodynamics perspective, "International Journal of Design & Nature and Ecodynamics", no. 2, s. 127-139.
• Jankowski P., Kaczmarek T., Zwoliński Zb., Bąkowska-Waldmann E., Brudka C., Czepkiewicz M., Mikuła Ł., Młodkowski M. (2018), Zastosowanie aplikacji geoankiety i geodyskusji w partycypacyjnym planowaniu przestrzennym - dobre praktyki, Bogucki Wydawnictwo Naukowe, Poznań.
• Jiang B., Yin J. (2014), Ht-Index for Quantifying the Fractal or Scaling Structure of Geographic Features, "Annals of the Association of American Geographers" 104(3), DOI: 10.1080/00045608.2013.834239.
• Jiang B. (2018 a), Editorial: Spatial Heterogeneity, Scale, Data Character, and Sustainable Transport in the Big Data Era, "International Journal of Geo-Information" 7(5), DOI: 10.3390/ijgi7050167.
• Jiang B. (2018 b), New Paradigm in Mapping: A Critique on Cartography and GIS. Online: https://www.researchgate.net/publication/329643348_ New_Paradigm_in_Mapping_A_Critique_on_Cartography_and_GIS (27.12.2018).
• Jiang B., Ren Z. (2017), Geographic Space as a Living Structure for Predicting Human Activities Using Big Data, "International Journal of Geographical Information Science", January, s. 764-779.
• Kachniewska M., Nawrocka E., Niezgoda A., Pawlicz A. (2012), Rynek Turystyczny, Ekonomiczne zagadnienia turystyki, Wolters Kluwer Polska Sp. z o.o., Warszawa.
• Kachniewska M. (2014), Big Data Analysis jako źródło przewagi konkurencyjnej przedsiębiorstw i regionów turystycznych, "Folia Turistica", nr 32, s. 35-54.
• Kaczmarek J., Stasiak. A., Włodarczyk B. (2010), Produkt Turystyczny, Pomysł Organizacja Zarządzanie, Polskie Wydawnictwo Ekonomiczne, Warszawa.
• Komninos N. (2018), Smart Cities, [w:] Warf, B., ed., The SAGE Encyclopedia of the Internet, s.783-789.
• Kumar N., Kumar J. (2019), Efficiency 4.0 for Industry 4.0, "Human Technology", Vol. 15(1), s. 55-78.
• Kwiek M. (2018), International Research Collaboration and International Research Orientation: Comparative Findings About European Academics, "Journal of Studies in International Education", Vol. 22(2), s.136-160.
• Law R., Cheng I., Chan Ch., Wang L. (2018), A comprehensive review of mobile technology use in hospitality and tourism, "Journal of Hospitality Marketing & Management", Vol. 27:6, s. 626-648.
• Majewska J., Napierała T., Adamiak M. (2016), Wykorzystanie nowych technologii i informacji do opisu przestrzeni turystycznej, "Folia Turistica", nr 41, s. 309-340.
• Mayr M., Navratil G. (2014), Open Street Map for Multi-Modal Freight Transport Planning, REAL CORP 2014 Proceedings/Tagungsband 21-23 May 2014. Online: https://conference.corp.at/fileadmin/proceedings/ CORP2014_proceedings.pdf (05-03-2019).
• Mazur G. (1996), Voice of customer analysis: a modern system of front-end QFD tools, with case studies. Online: http://www.mazur.net/works/ voice_of_customer.pdf (05-03-2019).
• Niezgoda A., Zmyślony P. (2006), Popyt turystyczny, Uwarunkowania i perspektywy rozwoju, Wydawnictwo Akademii Ekonomicznej w Poznaniu, Poznań.
• Niezgódka E. (2018), Profilowanie na podstawie danych geolokalizacyjnych na gruncie RODO, [w:] Szpor G., Czaplicki K., red., Internet. Informacja Przestrzenna, Wydawnictwo CH. Beck, Warszawa, s. 173-182.
• Olechnicka A., Ploszaj A., Celińska-Janowicz D. (2019), The Geography of Scientific Collaboration, Routledge Taylor & Francis Group, London and New York.
• Olmeda I., Sheldon P.J. (2001), Data Mining Techniques and Aplications for Tourism Internet Marketing, "Journal of Travel and Tourism Marketing", nr 2/3(11), s. 1-20.
• Orfin K. (2011), Popyt Turystyczny i rekreacyjny, [w:] Panasiuk A., red., Ekonomika Turystyki i Rekreacji, Wydawnictwo Naukowe PWN, Warszawa, s. 139-175.
• Pan B., Yang Y. (2016), Monitoring and Forecasting Tourist Activities with Big Data, [w:] Uysal M., Schwartz Z., Sirakaya-Turk E., eds., Management Science in Hospitality and Tourism, Theory, Practice and Aplications, CRC Press, Taylor & Francis Group, Boca Raton, s. 43-62.
• POLSKA.JEST.MOBI (2018), POLSKA.JEST.MOBI 2018, Mobee Dick blog jestem.mobi. Online: http://jestem.mobi/2018/04/raport-polska-jest-mobi- 2018-do-pobrania/ (1.03.2019).
• Pitrus E. (2007), Źródła informacji o turystyce, [w:] Kurek M., red., Turystyka, Wydawnictwo Naukowej PWN, Warszawa, s 495-508.
• Płaszczak P. (2013), Co to jest Big Data?, wystąpienie na konferencji Big Data & Business Intelligence, Warszawa. Online: http://oracle.gridwise. pl/2013/08/co-to-jest-big-data-.html (12.06.2013).
• Robinson A. C., Demšar U., Moore A. B., Buckley A., Jiang B., Field K., Kraak MJ, Camboim S. P., Sluter C. R. (2017), Geospatial big data and cartography: research challenges and opportunities for making maps that matter, "International Journal of Cartography", Vol. 3, s. 32-60.
• Ryśnik J., Zylak D., Tomik R. (2018), Propozycja skali pomiarowej motywacji kibiców do konsumpcji turystyki sportowej. Raport z badań pilotażowych, "Folia Turistica", nr 48, s. 87-116.
• Ryan Ch., (2008), Marketing obszarów turystycznych a nowe technologie, [w:] Pender L., Sharpley R. eds., Zarządzanie Turystyką, Polskie Wydawnictwo Ekonomiczne, Warszawa, s. 299-312.
• Sierpiński G. (2018), Open Street Map as a Source of Information for a Freight Transport Planning System, "Advances in Intelligent Systems and Computing", Vol. 631, 2194-5357.
• Trail G. T., James J. D. (2001), The motivation scale for sport consumption: Assessment of the scale's psychometric properties, "Journal of Sport Behavior", Vol. 24(1), s. 108-127.
• Śleszyński P., Sudra P. (2019), Zastosowanie minimalnego drzewa rozpinającego (minimum spanning tree) w ocenie efektywności i sprawności sieci osadniczej województwa mazowieckiego, "Przegląd Geograficzny", t. 91, z. 2. (w druku).
• Tur H. (2016), 5 kluczowych systemów Big Data na świecie. Online: https:// www.internetstandard.pl/news/5-kluczowych-systemow-Big-Data-naswiecie, 405232.html (28.04.2016).
• UEFA (2017), UEFA UNDER 21 Championship Poland 2017 Tournament Review. Online: https://www.uefa.com/MultimediaFiles/Download/Publications/ uefaorg/General/02/51/35/23/2513523_DOWNLOAD.pdf (20.02.2019).
• Wang Z., He S., Leung Y. (2017), Applying mobile phone data to travel behaviour research: A literature review, "Travel Behaviour and Society", April 2018, s. 141-155.

Identyfikatory

DOI

10.5604/01.3001.0013.7518