English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Plus monthly

Global: Zendy Tools annual

Global: Zendy Tools monthly

Global: Zendy Free Plan

Barcelona es una importante ciudad turistica en el mundo. Segun el Informe Anual de Turismo de Barcelona (2014), mas de 7,5 millones de turistas la visitaron este ano. Los estudios relacionados con el turismo en Barcelona son numerosos, sin embargo, la comparacion de actividades y usos del espacio entre turistas y residentes es poco analizada. De hecho, el turismo puede ser un factor dominante del desarrollo urbano, asi como una fuente de conflicto social. Por lo tanto, es crucial comprender la situacion de convivencia de turistas y residentes en una ciudad turistica. El objetivo principal del estudio es identificar usuarios turisticos y usuarios locales a traves de sus comportamientos de Foursquare. Ademas, explora la diferencia entre las actividades geoespaciales y los usos de los puntos de interes (POIs) entre los dos grupos. El periodo analizado abarca desde abril de 2012 a septiembre de 2013, segun el intervalo de monitoreo de los datos de Foursquare. Despues de la filtracion, el total de los registros durante este periodo son 80,936 provenientes de 4,250 usuarios de Foursquare. Los POIs de Foursquare son 13,887 en Barcelona. El rango geografico de los datos cubre aproximadamente la conurbacion central del area metropolitana de Barcelona.La metodologia incluye cuatro partes. El primer paso es seleccionar indicadores de comportamiento y estandarizacion. El segundo paso consiste en seleccionar dos muestras de corto periodo y clasificarlas en turistas y locales por agrupacion de K-means. Despues del examen manual del resultado inicial, se introduce un umbral de clasificacion para mejorar el resultado. Finalmente, el mismo metodo de identificacion se aplica a todo el conjunto de datos.De acuerdo con el resultado, la diferencia de uso de POIs verifica que la identificacion sea efectiva, reflejando las actividades tipicas de turistas y residentes por separado en la ciudad. Los POIs mas visitados de los turistas son: complejos turisticos al aire libre, transporte, restaurantes, hoteles y tiendas. El rango correspondiente de los residentes es: restaurantes, lugares de trabajo, centros turisticos al aire libre, lugares educativos y transporte.Ademas, independientemente de la duracion del periodo de analisis, los dos grupos tienen diferentes comportamientos de Foursquare. En general, los comportamientos de los turistas: la duracion de la estadia, el numero de registros y la distancia total de viaje son menores que los del grupo de locales. El cluster de K-means puede identificar efectivamente a los usuarios que poseen los valores extremos de los atributos. Sin embargo, es inevitable introducir una intervencion artificial para usuarios sin caracteristicas extremas.Ademas, la distribucion geoespacial y el tiempo activo tambien representan diferencias entre los lugarenos y los turistas. En terminos de escala de movimiento, los turistas parecen mas concentrados que los residentes. Con respecto al tiempo activo, el periodo activo de los turistas es similar todos los dias. Por el contrario, los residentes muestran una evidente variacion periodica diaria y semanal.Es innegable que este trabajo presenta limitaciones. En primer lugar, los datos de Foursquare tienen sesgo. La alta proporcion de check-ins en restaurantes es producto de que Foursquare tiene como objetivo proporcionar informacion practica sobre los lugares para los usuarios. Ademas, la falta de informacion demografica de los usuarios tambien limita el alcance del estudio, debido a su politica de privacidad.En resumen, este estudio demuestra que es posible distinguir a los turistas de los residentes a traves de los datos de Foursquare, aunque se reconoce la incertidumbre de los datos. Como mejorar la precision de la identificacion no supervisada y cooperar con otros conjuntos de datos sera objeto de investigacion adicional. Ademas, si el modelo de identificacion puede aplicarse universalmente es otro tema que vale la pena probar en el futuro.

Identifying the urban space for locals and tourists through “Foursquare” data in Barcelona