EN中文

资源科学 >

2020 , Vol. 42 >Issue 5: 933 - 945

DOI: https://doi.org/10.18402/resci.2020.05.11

旅游资源

基于游客照片的皖南古村落目的地意象——以安徽宏村为例

  • 曹兴平 ,
  • 贺涵 ,
  • 冯琴 ,
  • 胡家镜 ,
  • 郭凌
展开
  • 四川农业大学旅游学院,都江堰 611830
胡家镜,女,重庆渝北人,博士,副教授,主要从事旅游目的地管理研究。E-mail:

曹兴平,女,四川宜宾人,博士,讲师,主要从事旅游市场营销、旅游目的地管理研究。E-mail: cxp@sicau.edu.cn

收稿日期: 2019-08-30

  要求修回日期: 2020-05-07

  网络出版日期: 2020-07-25

基金资助

国家社会科学基金项目(19BSH154)

四川省教育厅项目(15SB0002)

国家大学生创新性实验计划项目(201810626028)

版权

《资源科学》编辑部
收起

Destination imagery of ancient villages in southern Anhui Province based on tourists’photos: A case from Hongcun Village

  • CAO Xingping ,
  • HE Han ,
  • FENG Qin ,
  • HU Jiajing ,
  • GUO Ling
Expand
  • School of Tourism, Sichuan Agricultural University, Dujiangyan 611830, China

Received date: 2019-08-30

  Request revised date: 2020-05-07

  Online published: 2020-07-25

Fold

摘要

旅游目的地意象是目的地形象形成的前提,也是游客旅游决策的前置变量。成熟的游客将会投入更多资源参与决策过程,也更依赖目的地意象而非目的地形象作出旅游决策。本文以安徽宏村为案例地,以发表在旅游社交网站中的游客照片为研究样本,采用NVivo11软件进行内容编码,并用UCINET6社会网络分析软件对编码后的节点数据进行了共现网络的量化分析,从景观元素及元素组合两个层面解读游客对宏村的意象感知。结果表明,自然风光和建筑构成了游客凝视下宏村的主体意象元素。由徽派特色民居和古村落水景等元素构成的“水墨宏村”意象游客关注度最高。空间上,各种景观元素有机组合,人文建筑与自然风光交相辉映,田园景观与古村群落相互映衬,当地独特的文化元素和古村落乡村生活画卷相得益彰。本文还基于游客照片分析的目的地意象研究个案,解读了游客凝视焦点和核心诉求,总结了皖南古村落旅游开发及营销中存在的具体问题。研究结论有助于古村落目的地明确自身资源保护和利用方向,优化旅游产品开发和供给,精准打造古村落IP并进行市场营销。

关键词： 游客照片; 目的地意象; 古村落; 内容分析; 共现网络分析; 宏村

本文引用格式

曹兴平 , 贺涵 , 冯琴 , 胡家镜 , 郭凌 . 基于游客照片的皖南古村落目的地意象——以安徽宏村为例[J]. 资源科学, 2020 , 42(5) : 933 -945 . DOI: 10.18402/resci.2020.05.11

Abstract

Destination imagery (DY) is the premise of the formation of destination image (DI) and a determinant of tourists’ decision making. Mature tourists will invest more resources to participate in the decision-making process, and they rely more on DY than DI to make decisions. In this article, based on a case study of Hongcun Village in Anhui Province, the tourists’ photos published on the tourism social media website were analyzed. First, content coding was finished in NVivo11, then UCINET6 was used for co-occurrence network analysis of the encoded node data. Finally, the DY perception of tourists of Hongcun was interpreted from two aspects of landscape elements and element combination. The results show that, natural scenery and architecture constitute the main DY elements of Hongcun under the gaze of tourists. Tourists paid the highest attention to the image of “ink Hongcun,” which composed of the elements such as Huizhou style folk houses and ancient village waterscape. From a spatial perspective, various landscape elements were organically combined, cultural buildings and natural scenery were equally reflected, rural landscape and ancient village community were both present, and local unique cultural elements and ancient village life picture complemented each other. Based on the case study of destination imagery analyzed using tourists’ photos, this study interpreted the focus of tourists’ gaze and core demands, and summarized the specific problems existing in the development and marketing of ancient village tourism in southern Anhui. The conclusions could help ancient village destinations to define their own resource protection and utilization direction, optimize the development and supply of tourism products, accurately build ancient village identity, and carry out marketing strategies.

Key words： tourist photos; desitination imagery (DY); ancient villages; content analysis; co-occurrence network analysis; Hongcun Village

1 引言

古村落是指较好地保留了历史沿革,村落选址、村落内建筑环境和建筑风貌无较大变化,具有独特民风民俗,且至今仍为人们服务的村落[1]。古村落也被称为传统村落,是中国历史文化遗产的重要组成部分,具有历史、文化、美学、旅游和经济等多元价值形态。皖南古村落是中国传统村落的典型代表之一,作为国内外最重要的一类乡村旅游目的地一直备受关注。
已有文献围绕如何打破古村落旅游同质化、商业化现状,聚焦旅游开发[2]、空间形态[3]、文化遗产[4,5]、人居环境[6]等各方面,探寻古村落可持续发展道路进行了系列研究。近年来学界开始从消费者视角切入古村落旅游研究,如古村落旅游地写生游客满意度[7]、古村落游客拥挤感知与游憩情绪的相关性[8]等。虽然游客对特定目的地的感知、态度、选择意愿一直是旅游管理研究的核心课题,但有关目的地形象和意象的研究主要集中在国家或城市旅游目的地[9,10,11,12],而关于古村落目的地的实证研究非常少[13]。因此,本文拟对皖南古村落进行消费者体验视角下的实证分析。
旅游途中的摄影行为是旅游体验及游客行为的重要组成部分,摄影不仅是游客构建旅游体验的手段,还被用于捕捉记忆和分享经验感受[14],以及表达游客对目的地的情绪情感。文字在描述体验方面存在局限性,而照片能呈现或表达多重感官体验,拥有丰富的信息属性,能传达更为复杂的意义,对情绪和情感具有更强的唤醒功能[15]。根据Urry[16]的“凝视”理论,游客的“旅游凝视”是一种特定符号的生产与消费。而游客照片则是游客凝视的直接呈现,是游客的自我表达,是反映游客对目的地认知和情感的重要媒介[17]。随着智能手机、移动互联网的普及,以及“图像时代”的来临,信息交流的主要形式从“语言文字”转换为“图像”,游客照片被大量分享并成为游客决策信息。游客具有生产者和消费者双重角色属性,游客照片是非盈利性的自主信息源, 是游客对目的地意象最直接的反映,对于目的地形象塑造与传播越来越重要。
游客照片作为旅游研究材料具有多重优势,近年来越来越多的文献使用游客照片研究目的地形象[18,19,20,21]。首先,游客照片将游客抽象的旅行记忆具象化,为研究人员提供了旅游体验的海量信息。其次,游客照片弥合了文字和图像间的材料认知鸿沟,越过了研究者和游客之间的沟通障碍。新媒体和移动互联网普及前,游客照片作为私享物,不易被研究者获取,文字是研究长期依托的重点材料。随着游客照片在媒体平台的公开,利用游客照片进行学术研究具有了操作可能性。
本文拟以游客照片作为研究材料,在不干预条件下,以安徽省宏村为例深入研究游客眼中皖南古村落的旅游意象。通过游记和评论中的游客照片,解读游客对目的地的凝视焦点,分析游客关注的皖南古村落旅游符号元素,并通过元素共现分析,捕捉游客整体意义上的古村落意象画面。本文结果将帮助古村落从游客凝视角度了解自身的资源特点,以此优化旅游产品供给,丰富旅游开发的文化内涵,促进目的地更加精准地进行市场营销。

2 文献回顾

2.1 目的地意象及其对目的地形象的影响

游客对特定目的地选择依赖游客个人或群体对目的地的感知、感觉、思考和态度。现有文献通常使用“目的地形象”（Destination Image, DI）将“游客对旅游目的地的认知及情感”进行概念化。旅游决策时,形象良好的旅游目的地被放入“可实现的机会集”,否则将从“目的地机会集”中删除[22]。DI决定游客期望、满意度,影响目的地的口碑和游客忠诚度[23]。
目的地意象是目的地形象的前置变量。目的地形象感知是一个动态过程,是目的地与游客相互作用,以及各种信息渠道相互交织的结果。在旅游地、游客、营销力量等多重主体作用下,游客投入注意力资源,并通过与不同信息渠道建立关系,从而在认知、情感等心理机制影响下形成整体形象。在此过程中,游客评估目的地时所考虑的最重要变量就是目的地意象。Josiassen等[24]将目的地意象（Destination Imagery, DY）定义为游客对目的地的各种联想,包括个体对目的地相关的各种认知及其关联情感。目的地的联想具有认知属性,通常被称为“信念”（Beliefs）、“印象”（Impressions）或“模式”（Schemas）[25],可以是认知和情感描述符号,用于个人描述或表征目的地。Josiassen等[24]发展了对DY-DI二元模型中焦点概念的新理解和界定,其贡献在于指出DI是个人持有的对于目的地具有启发或思维捷径的整体形象,而DY往往不意味着某种评估,它们是目的地各种信息输入大脑后的分类、抽象和符号化产物。Kock等[25]的研究进一步将DY定义为“对旅游目的地的多维描述性认知”,将目的地描述性情感（Destination Affection, DA）从DY中抽离出来,成为与DY并列的另一个概念。作者在此基础上建立了DY-DA-DI的中介模型,通过一个心理评估过程将3个概念联系在一起。DY-DA-DI模型清晰地揭示了游客对目的感知及评价的心理机制,可以为旅游目的地管理者作出科学营销决策提供操作指南。在这个模型中,DA指“由DY引发的多维描述性游客情感体验”,DI指“对旅游目的地的单维度态度和总体评价”,这里的评价是“对某个对象某种程度的好或坏的感知”[26],是存在于个体头脑中的一维反思结构,可以容易地从记忆中引出,具有直接解释、模拟意图和行为的能力。DY是DI形成的直接刺激条件,具有非常重要的情景触发意义。认知层面的描述性输入是评价性输出的前提条件。DY作为客观存在于人脑意识中的图景再现,处于大脑知觉层面,具有多维描述性,通过影响旅游者情感,最终引导旅游者产生对目的地整体性的一维评价结果。因此,DY对目的地形象具有解释力和预测作用。
越来越多的研究开始关注目的地意象[27,28]。研究发现,不太熟悉和不太参与旅游决策的个人,往往会跳过多元的意象呈现,依赖DI快速作出判断,而成熟游客则更多使用多维度的目的地意象关联[29,30],并通过DY来检查已形成的DI是否具有持续准确性。随着旅游逐渐成为一种生活方式,游客需求的个性化发展和旅游决策日趋理性和成熟,未来的游客在决策过程中将会投入更多资源,也更加依赖DY而非直接的DI作出旅游决策。当前,目的地的营销重点已经不再是营销内容的生产,而是整合、管理各种营销资源,对各种营销资源进行挖掘、分析、重构,并在此基础上进行目的地管理,因此,重视DY研究具有很强的现实意义。

2.2 旅游目的地意象的测量和分析

对于DY的测量方法主要有结构化和非结构化两种形式。已有的结构化测量方法以封闭问卷形式为主,通过不同维度的属性指标来反映目的地不同类别的旅游意象。指标体系主要包括自然资源和环境（如气候、海滩等）、旅游基础设施（如餐厅、住宿、购物设施）、旅游吸引物（如文化、历史景点、水上乐园、旅游活动等）、社会环境（如安全性、友好、卫生、物价等）、支持系统（无障碍设施、可进入性、交通等）[31,32]。这种结构化的DY测度无法匹配不同类型目的地意象的特殊性。非结构化方法通常使用自由形式的描述来度量DY,通过焦点小组或开放式问卷调查等方法从受访者中收集数据,受访者自由地描述其对旅游目的地的感知意象,然后使用内容分析等分类技术来确定DY的具体维度。随着移动互联网的普及,网络游记、网络评论成为重要的非结构数据来源。非结构化方法最大的优势在于能捕捉到目的地的独特属性,即寻找到DY特质,挖掘旅游长尾市场。但非结构化方法操作也存在一些技术难度。如材料的完整性、研究对象个人的口头或写作技能、提供回应的意愿、统计分析方法等。
从分析材料来看,已有对DY的质性研究主要是以游记文字为分析对象,首先对游记内容进行关键词提炼,归纳出与DY相关的叙述句,然后将有意义的单元编码进行概念化,最后将类似的概念归纳为概念类别,并计算概念词频[33,34]。还有研究以照片为分析对象,通过拍照指数进行DY度量。拍照指数用拍摄某旅游景观的照片数占总数的比例大小来表明对目的地元素景观的偏好程度[35],是游客对凝视物凝视程度的具体量化。
无论是结构性还是非结构性的DY测度,现有研究主要集中在旅游目的地意象的属性归类和标度化,较少整合时空因素,缺乏对意象属性之间时空关系的深度分析。通过对古村落研究的文献梳理,仅有刘沛林等[13]一项研究借助聚落空间形象的方法,将中国古村落景观概括为山水意象、生态意象、宗族意象、趋吉意象等4个方面的多维空间立体图象。本文认为,游客照片元素是拍摄者认知空间、意识空间的直接输出,也是景观元素间物理空间关系的客观呈现。因此,对游客照片的分析,可以在原有度量方法上有所突破,以便更加全面系统地分析古村落的目的地意象。

3 研究方法

3.1 研究案例地选择

皖南古村落又称徽州古村落,是指发源于明清时期,具有历史、艺术、科学价值的民居、祠堂、书院、牌坊等徽派建筑群构成的村落,其分布的中心地带为原徽州府,即歙县、黟县、休宁、绩溪、祁门和婺源[36]。皖南古村落是中国目前现存面积最大,保存最完整的古村落集聚区,同时也是徽州文化的发祥地,是中国三大地方文化之一。
宏村地处安徽省黄山市黟县,是皖南文化的核心区域和皖南古村落的典型代表。拥有800多年历史的古村落宏村,是世界文化遗产和全国重点文物保护单位,也是中国历史文化名村。宏村旅游开发始于1986年,1997年以后开始迅猛发展,现为国家AAAAA级旅游景区和中国特色小镇,是中外游客趋之若鹜的乡村旅游地。2015年宏村游客年接待量达到185万人次,当年门票收入达到1.12亿元人民币,旅游总收入达到10亿元人民币[37],远远超过西递等其他皖南古村落。因此,本文以宏村为游客照片样本来源的案例地。

3.2 图片抽样

本文结合旅游用户属性及照片内容属性特征,选择携程、百度旅游、途牛、马蜂窝四大网站上游记、评论中的游客照片作为研究样本。马蜂窝是中国最大自助游平台,有大量旅游攻略、游记及游客照片;携程是中国市场上较具代表性的在线旅游代理平台,有大量分享的游记和旅游评论;百度旅游更易接触搜索引擎旅游用户;途牛与行业连接性强,旅游信息量大。
抽样方法上采用概率与规模成比例抽样方法。首先,以“宏村”为关键词,搜索并下载四大平台上2017年6月—2018年8月这个期间内游客发布的所有宏村相关游记照片和评论照片,并进行编号处理（如XC1706001,表示图片是携程平台上2017年6月的游记或评论照片,编序为001）。然后,计算出各平台照片的占比,以及每个平台不同月份的照片占比。最后,根据这些比例关系,通过Excel生成随机函数,根据随机数号对游客照片抽样。鉴于网络数据的动态性,数据集中在3天内搜集完成,样本总量和抽样结果如表1所示。马蜂窝和携程两个网站由于照片数量大,最终样本数量也多于途牛、百度旅游网站。时间覆盖全年并主要聚集在春季和夏季。因此,抽样结果符合客观实际,并具代表性、全面性。
表1 宏村游客照片初始数据来源分布

Table 1 Distribution of initial data sources for Hongcun travel photos

时间 马蜂窝 携程 途牛 百度旅游 总计 抽样 抽样比/%
2017.06 66 47 0 32 145 15 1.47
2017.07 118 85 0 57 260 26 2.64
2017.08 346 175 0 29 550 56 5.58
2017.09 304 166 0 1 471 48 4.78
2017.10 288 124 0 16 428 43 4.35
2017.11 233 98 85 15 431 44 4.38
2017.12 724 142 0 35 901 91 9.15
2018.01 72 79 142 53 346 35 3.51
2018.02 174 416 0 2 592 60 6.01
2018.03 482 508 0 0 990 101 10.05
2018.04 751 584 31 48 1414 144 14.36
2018.05 159 339 0 41 539 55 5.47
2018.06 308 547 311 0 1166 118 11.84
2018.07 162 412 181 0 755 77 7.67
2018.08 305 392 164 0 861 87 8.74
总计 4492 4114 914 329 9849 1000 100

3.3 图片分析

3.3.1 游客照片意象元素的提取
研究使用内容分析法来捕获宏村目的地意象的各种属性元素,该方法按照一定规则确定照片或文字的核心主题及内容的体系类别,分类解读材料的表征意义。内容分析法被广泛用来分析旅游目的地意象[38],文本、图片、音频、视频等形式的“文本”材料都可以作为内容分析的材料。本文借助NVivo11对游客照片的认知元素内容进行两个阶段的递进式编码,系统、全面地解读游客对于宏村感知意象的多维属性。
第一阶段对抽样出来的旅游照片内容进行自由节点编码。将每张照片都看作是一个单独的内容分析单元,编码者反复研读照片,深入体会照片表达的内容,运用NVivo11软件将照片内容的认知元素编码为自由节点。自由节点的生成标准首先参考借鉴黄燕等[28]的编码方法,同时将宏村的特殊性意象元素纳入编码体系。例如照片中“白墙灰瓦的房屋”“梁栋的特写”等反映当地徽派民居的内容,编码到“徽派特色民居”自由节点。一张照片中出现多个元素时,将其编码到不同的自由节点。如照片内容为“当地居民撑着竹筏在南湖中打捞物品”,将其编码到“当地居民活动”的自由节点之下,同时也将其中的南湖元素编码到“水景”的自由节点之下。在编码过程中,编码人员会根据每一节点下照片表述的具体内容对节点名称进行必要的修正。照片元素具有复杂性,往往可将其分为多类,本文将照片中的元素进行规范编码,规定每张照片中的元素归类最多不超过4类。在编码的节点都统一的前提下,编码工作先由两名编码员独立进行,第一轮编码完成后对存在分歧的编码元素与编码项进行商榷,以确定最后的编码归属。
第二阶段将前期生成的自由节点逐级编码到子节点和父节点之下,形成树状节点。通过对比不同节点下涵盖的照片内容,对一些节点进行合并和重组;且在初期编码中不断对树状节点的概念范畴进行深入探讨,并对部分子节点的位置及具体表述进行调整与修改。如“徽派特色民居”和“桥梁”都并入父节点“建筑”,每个子节点只能并入一类父节点中。
3.3.2 游客照片意象元素的共现网络分析
完成游客照片编码后,基于内容编码结果进行意象元素共现网络分析,归纳总结出游客凝视下目的地整体意象的主要画面。首先,将NVivo11中生成的子节点和父节点两类编码分别导出,利用EXCEL生成子节点和父节点共现网络的二模矩阵。子节点共现网络的二模矩阵节点为意象元素自由节点,事件为子节点共现的游客照片。父节点共现网络的二模矩阵节点为意象元素父节点,事件为父节点共现的游客照片。然后利用社会网络分析软件UCINET6将两个二模矩阵转换成一模矩阵。矩阵单元格的数据表示两类节点在同一张游客照片中的共现次数,代表意象元素在视觉空间范围有共存关系。最后,利用UCINET6的NetDraw模块对父节点共现网络、子节点共现网络分别进行主成分分析,以便直观呈现出节点共现网络的聚类情况。

4 研究结果

4.1 宏村意象元素

通过对所有游客照片第一阶段的自由编码分析,得出游客凝视下的安徽宏村目的地意象自由节点编码,编码说明如表2所示。
表2 宏村旅游照片自由节点编码说明

Table 2 Free-node coding explanatory of Hongcun tourism photo

自由节点 参考点说明
1桥梁;2徽派特色民居;3现代建筑 建筑是照片的主要焦点,不包括名人故居等历史遗迹（此类划分到历史文化遗存节点中）;其中徽派特色民居是指当地所特有的历史悠久的徽派建筑物;现代建筑民居区别于徽派特色,是具有现代感的整体或外部建筑,如现代酒店、民宿建筑。
1景区设施;2交通设施;3旅游服务设施 照片的某个焦点与旅游服务系统和旅游支持系统有关。主要包括以游客为主要消费和服务对象的场所,如酒店、饭店、旅游纪念品店、指示牌、游览图、游览道路（包括大交通和小交通）等。
1游客;2当地人 人物位于照片的中央或者是一个焦点,主要是特写形式。照片中只是一个人物对象的读取,不能反映出其他任何行为活动。
1当地人日常生活;2当地人劳动场景;3游客写生;4游客其他休闲活动 人物的活动为照片主要焦点,反映当地人真实的生活方式和环境;以及游客一系列自发活动的写实。
1地方美食;2其他食物 食物是照片的主要焦点或之一,地方美食指当地所特有的食物,如毛豆腐、臭鳜鱼、腊猪腿等。
其他食物是寻常饭店或商店的一些常见食物。
民族风俗礼俗展示 照片反映的主题是为旅游服务的、表演的、展示式的非本真的行为及活动,主要目的是利用当地特色文化吸引游客。
1农产品;2红灯笼;3其他当地特色 照片的焦点主要为农副产品和地方的特色物品,如辣椒、灯笼、茶叶、晾晒的竹笋等。照片通常以特写方式进行拍摄。
1古代物件;2名人故居;3遗址遗迹 照片焦点对象反映出历史文化感,主要表现的内容与文化、艺术、历史场景有关,如传统工艺品、史前人类活动场所、墓葬、名人故居等,其中古代物件指柱雕、木雕、飞檐等历史感强的物件。
1动物;2植物
 动植物是照片的主要焦点,包括动植物在内或动植物特写照片,其中大片成林树木组成的远景不归为此类,归为自然景观里的山景。
1农田景观;2油菜花;3荷花 与农活、农田作物、乡村田园相关的景观,如农田成片农作物的场景,以及其他作物景观,不包括当地居民劳作的场面。
1水景;2蓝天白云;3云雾;4雨;5夕阳;6山景 自然吸引物需在照片的焦点位置,主要包括受人为因素比较小,而自然形成的吸引物,如水景、山景等,天象气候景观也被纳入到其概念之下,如果处于照片最边缘且模糊不清的元素,则放弃。
小巷 深巷小道等狭窄路径为照片主要焦点,表现出幽深、宁静、徽派特色性的主题,如民居深处的小巷道。
街景 街道、两边商铺以及游人是照片的主要元素,展现出一种繁荣热闹的景象。
夜景 游客在晚上拍摄的景象,其时间鉴定为天黑之后。
其他 无关内容或无法归类到以上节点类别的照片。
通过对游客拍摄的1000张宏村旅游照片进行逐级编码,最终得到认知意象属性维度（父状节点）共15个,编码共计2030次;每类意象属性下具体景观元素（子节点）37个。节点编码统计结果如表3和表4所示。从意象属性维度看,自然风光、建筑、动植物编码频次位居前三,累计编码比率超过60%,表明这3类景观元素的游客凝视偏好最高,具有最大视觉捕获倾向。其中自然风光类意象维度编码自529张照片,编码次数比例达到26.6%,包含此类意象的照片比例超过总数量的50%,建筑和动植物编码次数分别为500和247次。当地特色物品、物质文化遗存分别编码133和127次,也累计贡献了近13%的节点率。红辣椒、竹笋等晾晒场景、红灯笼等当地特色物品,是“活着的村落”,与白墙黑瓦的建筑物及各种物质文化遗存之“古风古韵”相得益彰。数据统计表明,独具宏村特色的村落生活痕迹和文化元素对游客很有吸引力。
表3 宏村游客照片父节点频次数据统计

Table 3 Statistics on parent node frequency of Hongcun travel photos

父节点 照片数 节点比例/% 父节点 照片数 节点比例/%
自然风光 529 26.06 旅游支持系统 65 3.20
建筑 500 24.63 小巷 64 3.15
动植物 247 12.17 食物 48 2.36
当地特色物品 133 6.55 夜景 42 2.07
物质文化遗存 127 6.26 其他 28 1.38
人物活动 87 4.29 街景 13 0.64
田园风光 74 3.65 舞台化表演 2 0.10
人物 71 3.50
表4 宏村旅游照片子节点频次数据统计

Table 4 Statistics on child node frequency of Hongcun travel photos

父节点 子节点 频次 节点比例/% 父节点 子节点 频次 节点比例/%
旅游支持系统 旅游服务设施 36 1.48 动植物 植物 291 11.99
景区设施 18 0.74 动物 16 0.66
交通设施 13 0.54 建筑 徽派特色民居 486 20.02
人物 游客 67 2.76 桥梁 49 2.02
当地人 6 0.25 现代建筑 4 0.16
田园风光 荷花 36 1.48 自然风光 水景 434 17.88
农田 29 1.19 山景 157 6.47
油菜花 12 0.49 蓝天白云 156 6.43
人物活动 当地人居民活动 21 0.87 云雾 23 0.95
游客活动 83 3.42 夕阳 5 0.21
物质文化遗存 遗址遗迹 69 2.84 雨 2 0.08
古代物件 46 1.90 食物 地方美食 38 1.57
名人故居 30 1.24 其他食物 11 0.45
当地特色物品 其他当地特色 12 0.49 小巷 小巷 64 2.64
灯笼 120 4.94 夜景 夜景 42 1.73
农产品 8 0.33 其他 其他 28 1.15
舞台化表演 民族风俗礼俗展示 2 0.08 街景 街景 13 0.54
从自由节点元素来看,徽派特色民居、水景、植物、山景和蓝天白云等意象元素是游客凝视的焦点。编码频次百分比分别为20.02%、17.88%、11.06%、6.47%、6.43%。每个自由节点编码频次百分比均超过5%,表明游客对宏村意象感知呈现多元化特点。其中徽派特色民居编码频次高达486次,相当于近50%的照片都出现了宏村徽派特色民居,说明这类风格鲜明的群体布局建筑是宏村最具代表性的吸引物。宏村的徽派特色民居是宏村的一张名片,是游客最为偏好的意象。宏村的水景是游客偏向的另一景观,编码频次共计434次。南湖、月沼、小巷边的水渠共同构成的水景,成为游客眼中“水墨宏村”不可缺少的景致之一。结果证明打造的“水墨画卷”这张名片与游客眼中的宏村具有一致性。另外,树木、山景、蓝天白云等意象自由节点,编码频次均超过150次。灯笼编码超过100次,编码频次占比4.94%,也是游客镜头捕捉的重要意象元素。灯笼鲜艳的颜色与宏村淡雅的背景色互补,充分凸显了造景功能和氛围营造作用。遗址遗迹、小巷、游客及游客休闲活动这些意象节点编码超过了50次。民族风俗礼俗展示、现代建筑、当地人、当地人劳作场景、雨和夕阳等元素出现的频次则较少,均未超过10次。猜测其中的原因有二：一是宏村核心景区的生活化气息较淡,民风民俗展示力不强;二是游客不喜欢或难以捕捉此类景观。古村落土著居民传统生活延续的非物质文化遗产是古村落宝贵的旅游资源,值得后续研究进行进一步探讨,从而促进资源开发及目的地营销。值得注意的是,拍摄写生游客的照片超过了本地居民,编码比例接近1%。可见写生者不仅仅是宏村稳定而庞大的游客细分群体和景观凝视者,他们也被其他的游客凝视,并成为了宏村意象中的重要组成部分。写生游客不仅是一个非常值得重视的细分市场,还在客观上塑造和强化着宏村的旅游意象。

4.2 宏村的整体意象空间

父节点的共现网络一模矩阵清晰地展示了每两类景观元素之间的共现关系。由表5可见,建筑、自然风光、动植物这3类元素有最多的共现次数,成为宏村最基底的意象空间组合。其中自然风光与建筑共现次数399次,表明40%的游客照片将这两类元素拍到同一张照片中。自然风光与动植物共现次数为162次,建筑与动植物共现次数134次,自然风光与当地特色物品共现62次,田园风光与自然风光共现49次,建筑与人物活动共现41次,建筑分别与人物、小巷共现32次,建筑与田园风光共现29次,人物与自然风光共现27次。
表5 父节点共现网络的一模矩阵

Table 5 A module matrix of parent node co-occurrence network

当地特
色物品		 动植物 建筑 街景 旅游支
持系统		 其他 人物 人物
活动		 食物 田园
风光		 舞台化
表演		 物质文
化遗存		 小巷 夜景 自然
风光
当地特色物品 17 7 4 6 4 11 13 6 1 4 25 19 62
动植物 17 134 17 5 11 26 2 16 7 4 2 162
建筑 7 134 9 7 1 32 41 3 29 2 3 32 18 399
街景 4 9 2 2 1 4
旅游支持系统 6 17 7 1 4 8 1 1 1 3 7
其他 4 5 1 1 2 1 1 1 2
人物 11 11 32 2 4 2 1 1 8 7 12 2 27
人物活动 13 26 41 2 8 1 2 4 14 6 1 5
食物 6 2 3 1 2 2
田园风光 1 16 29 1 8 4 49
舞台化表演 2 2 2
物质文化遗存 4 7 3 1 1 7 14 1 5
小巷 25 4 32 1 1 12 6 1 4 7
夜景 19 2 18 1 3 1 2 1 2 4 18
自然风光 62 162 399 4 7 2 27 5 2 49 2 5 7 18
通过UCINET6中的NetDraw进一步分析并呈现共现网络关系。首先分析父节点共现网络,结果显示连线共计150条,即父节点之间存在150种共现关系。研究抽取了共现频次最高的7个节点及其形成的节点共现网络,结果如图1所示,图中节点之间的连线越粗,代表共现频率越高。
图1 重要的父节点共现网络

Figure 1 Important parent-node co-occurrence network

进一步通过子节点的共现网络分析发现,子节点共现网络的节点之间连线共计410条,即子节点间共410种共现关系。其中水景和徽派特色民居共现频率最高,达到328次,是游客重点捕捉的景观元素组合。其他的重要共现关系包括：植物与水景共现159次,植物与徽派特色民居共现147次,山景与水景共现122次,山景与徽派特色民居共现107次。
为了清晰地展示意象元素之间的空间关系,对子节点共现网络进行了主成分分析。节点共现次数大于10次（ties>10）的子节点网络如图2所示。图中线条粗细代表共现次数大小,节点颜色表示子节点所属父节点,节点大小代表被编码频次。
图2 子节点共现网络的主成分布局图

Figure 2 Principal component layout of a child-node co-occurrence network

根据图2可以判断节点共现网络形成的主要聚类成分组合。首先,人文建筑与自然风光交相辉映,构成第一类宏村旅游意象组合。以徽派特色民居、水景、植物为代表的宏村自然风光、建筑、动植物是宏村的基底意象元素组合。主要组合元素有荷花、桥梁、蓝天白云、山景、水景、徽派建筑、植物等,这类共现聚类组合的元素数量较多而且各要素之间的关联性极强。其中,水景和徽派特色民居意象元素共同出现的频次最高,徽派特色民居和水景成了游客对宏村感知的必备意象元素组合,这些元素共同构成宏村的“水墨魂”。以静谧的南湖、月沼为代表的水景为依托,以湖边粉墙黛瓦的徽派特色民居为主体对象,以悬湖的半月拱桥、亭亭玉立的荷花为点缀的秀美乡村图景成为了游客眼中典型的宏村意象。这些“映日荷花别样红”“山水长天,斜阳半抹”的自然风光,以及傍水而居,富有生活气息的村居生活,对游客具有巨大的感官吸引力。山水风光意象的捕捉偏好体现了游客对自然的亲近,徽派特色民居和建筑意象则体现了游客对传统建筑的审美情趣。
第1类宏村基底意象组合与其他意象类别构成另外2种主要的意象聚类组合。田园景观与古村群落相互映衬构成第2类宏村旅游意象。宏村所处的地理位置,背靠群山,山峦上的苍翠植被与山下的阡陌农田相互映衬。这种自然、人文与田园风景相映的山水田园聚落画面颇受游客偏爱。父节点网络显示田园景观与自然风光共现次数最多,其次是建筑。子节点网络显示,农田景观与山景之间的关联度较高,游客偏向于捕捉以油菜花为代表的农田景观元素。
古村落乡村生活画卷构成第3类宏村旅游意象。第3类宏村旅游意象的主要元素有小巷、灯笼、街景,以及茶叶、辣椒等农产品、当地居民等。这类共现聚类组合中灯笼、小巷两种意象元素常常与其他意象元素共同出现,灯笼与小巷成为了宏村别具一格的风光。大红灯笼是宏村随处可见的一种元素。行人在点缀红灯笼的蜿蜒小巷穿行而过,人、灯笼、小巷这种共现场景,突显出静谧的古村落生活之美,是一幅中国画里的乡村生活画卷。分析结果显示,人物活动、小巷、灯笼、徽派建筑等构成的夜晚街景是游客偏爱拍摄的景观组合。具有当地特色的辣椒、茶叶等农产品往往与当地居民一起出现在照片中,游客倾向于捕捉当地居民铺晒辣椒、茶叶等具有当地生活气息的劳作场景,这代表着游客对地方性文化的一种偏好与凝视。
人物和人物活动作为流动的风景,将所有的景观元素串接了起来。游客摆拍特写是分析游客凝视和游客自我展示的重要线索。这类照片不仅展示了游客的时空足迹,还代表了游客的注意力焦点和对意象元素的选择性记忆。人物照片中的其他元素往往包含特有的属性要素。首先是地方性或独特性,游客将自己放置于此类景观要素中拍照打卡并与他人分享。其次是构图美感,游客以此类景观作为背景或衬托物以展示自我之美。再次是与游客有特殊的关联性,如勾起乡愁等特殊的情感体验。通过分析此类照片的景观元素,可以帮助目的地筛选出自身的独特性资源,并发现游客的审美旨趣和情绪情感。本文进一步对比了游客和游客活动的共现网络,游客特写照片共计67张,共现节点最多分别是徽派特色民居、水景、植物、小巷和灯笼,共现次数分别是29、20、12、11、8次。游客活动照片共计83张,共现节点最多分别是水景、徽派特色民居、植物、桥梁、蓝天白云、遗址遗迹和灯笼,分别是43、38、25、9、8、8、8次。游客活动照片与游客摆拍不同,捕捉的是游客自然的旅游轨迹或旅游活动,是游客移动的主要空间场景呈现。可以通过游客活动的照片,大致推断游客在宏村主流的旅游体验。一是宏村建筑、水体景观的观光活动,二是参观遗址遗迹等物质文化遗存。照片中难以捕捉到游客在宏村的深度体验活动,以及游客与当地人之间的互动关系。
当地居民是地方性的重要承载,照片中的当地居民及其活动也是重要的分析内容。一方面反应了游客对当地人的深度凝视,同时通过游客镜头下的当地居民共现网络可以反映游客对“地方性”的解读。研究提取了当地居民和当地居民活动的个体网（图3、图4）,结果显示当地人特写的共现节点有小巷、灯笼、山景、水景、植物、徽派特色民居、遗址遗迹以及其他当地特色（图3）。当地居民活动的共现节点除以上节点,还包括动物、蓝天白云、游客活动、农产品和地方美食（图4）。
图3 当地人特写的节点共现网络

Figure 3 Co-occurrence network of nodes for local residents

图4 当地人居民活动的节点共现网络

Figure 4 Co-occurrence network of nodes for activities of local residents

5 结论、启示与展望

5.1 结论

在当下的网络语境中,政府与目的地营销商已不再是乡村旅游地进行营销的主要渠道,多样化的体验与表征生产形成了多群体介入的多元表征图象[39]。本文充分发挥网络时代信息挖掘与研究优势,利用内容分析法,依托照片载体,从马蜂窝、途牛、携程等网络渠道收集和抽样游客照片作为研究材料,借助NVivo11和UCINET6进行了内容分析、共现网络分析,深入解读了游客凝视下的宏村旅游意象。通过意象元素的内容分析,解读出游客凝视下的皖南古村落旅游意象维度及其对应的具体属性。结论如下：
（1）自然风光、建筑、动植物、当地特色物品、物质文化遗存是游客照片呈现最多的意象元素类别。而拍摄最多的具体意象元素包括徽派特色民居、水景、树木、山景、蓝天白云、灯笼等。
（2）进一步的网络共现分析揭示了这些意象维度及具体属性元素之间的关系,并清晰展示了皖南古村落主要的整体意象形态。这些意象元素相互交织,人文建筑与自然风光交相辉映、田园景观包围陪衬着古村落、当地独特的文化元素和古村落乡村生活画卷相得益彰,游客照片形成并传递出古村落具有整合性的画面感。

5.2 启示

随着移动互联网的普及,潜在游客越来越借助网络文字和图片进行决策,目的地营销中心逐渐向游客转移。本文基于游客凝视,通过游客照片进行目的地意象研究,对古村落旅游开发和营销有重要意义。通过本文研究可对宏村当前的旅游业开发提出以下几点启示：
（1）人地关系的文化资源挖掘不足。宏村的“水墨”画卷停留在建筑外观层面。作为一个一直在“生活着”的古村落,建筑与人、建筑与农耕文化尚有更多可以挖掘的关联性。保存完整的村落建筑、原住民生产生活状态形成的民俗文化及其他非物质文化、自然景观和谐共存,古村落才会活化。
（2）旅游吸引物的开发不够系统化。虽然农民、农村、农业是三农的有机组成部分,但是游客照片所呈现的意象元素中,这3个部分并未得到整体体现。一方面可能与游客凝视兴趣、社会规范相关,更可能是缺乏对这些旅游吸引物的开发和营销努力。皖南古村落不仅具有中国民居建筑之美,还集中体现了中国传统乡村的自然风光及农耕文化,是中国乡村聚居文化的集中呈现及典型代表。从可持续发展的角度看,古村落作为中国传统农耕文明的历史遗存,强调人居环境,是一种人地关系系统,是人、社会、经济与自然环境长期相互协调的结果,需要在开发中兼顾人文系统和生态系统的平衡关系。古村落旅游开发还应该更多融入当地“人”与“农事活动”等文化景观。
（3）缺乏旅游者深度体验的项目,游客参与价值创造较少。游客照片中没有太多涉及游客的本地深度文化体验场景,游客未能融入当地生活体验,且与当地人的互动较少。
随着游客的日益成熟,对古村落的体验不再满足于短暂的停留和观光,而是希望有深度的村居生活和对人居环境的整体体验,游客可以深入了解建筑文化以及当地人的生活习俗。以宏村为代表的皖南古村落可通过资源管理、景观设计、氛围营造等重构其人居环境,深度挖掘人文和农耕文化资源,进一步丰富古村落旅游产品的文化内涵,通过旅游产业活化古村落,全面提升古村落的旅游吸引力。

5.3 研究不足与展望

本文数据获取平台马蜂窝、携程、百度旅游和途牛的游记照片可能后期经过平台人为筛选,无法完全剔除以营销为目的的非游客照片样本。且平台的目标客户在人口统计学特征上无法覆盖各种类型的游客,可能使数据存在一定偏差。本文第一阶段的人工编码过程不可避免会受到研究者个人认知能力、思维意识等方面的制约,未来研究可以考虑结合人工编码与机器学习,提高材料的分析效率和分析精度,并减少个人主观判断造成的认知偏差。研究并未进一步探索皖南古村落旅游意象与游客情绪和情感之间的因果关系,未来可以将图片分析与文字分析结合起来,充分结合图片在目的地多元意象识别上以及文字材料在游客情绪和情感表达方面各自的优势,深入分析意象元素对游客情绪和情感的影响。

本文得到清华大学社会科学学院社会学系郑路副教授、集美大学图书馆刘爱原副研究馆员的无私帮助,特此表示衷心感谢！

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
康璟瑶, 章锦河, 胡欢, 等. 中国传统村落空间分布特征分析[J]. 地理科学进展, 2016,35(7):839-850.

[ Kang J Y, Zhang J H, Hu H, et al. Analysis on the spatial distribution characteristics of Chinese traditional villages[J]. Progress in Geography, 2016,35(7):839-850.]

[2]
刘逸, 黄凯旋, 保继刚, 等. 嵌入性对古村落旅游地经济可持续发展的影响机制研究: 以西递、宏村为例[J]. 地理科学, 2020,40(1):128-136.

[ Liu Y, Huang K X, Bao J G, et al. Impacts of embeddedness towards tourism economic sustainability of historic villages: A case of Xidi and Hongcun[J]. Scientia Geographica Sinica, 2020,40(1):128-136.]

[3]
卢松, 张小军. 徽州传统村落旅游开发的时空演化及其影响因素[J]. 经济地理, 2019,39(12):204-211.

[ Lu S, Zhang X J. Temporal-spatial distribution characteristics and impact factors of traditional villages in Huizhou area[J]. Economic Geography, 2019,39(12):204-211.]

[4]
刘春腊, 徐美, 刘沛林, 等. 传统村落文化景观保护性补偿模型及湘西实证[J]. 地理学报, 2020,75(2):382-397.

[ Liu C L, Xu M, Liu P L, et al. Cultural landscape protection compensation model of traditional villages and its application in Xiangxi[J]. Acta Geographica Sinica, 2020,75(2):382-397.]

[5]
杨立国, 龙花楼, 刘沛林, 等. 传统村落保护度评价体系及其实证研究: 以湖南省首批中国传统村落为例[J]. 人文地理, 2018,33(3):121-128.

[ Yang L G, Long H L, Liu P L, et al. The protection and its evaluation system of traditional village: A case study of traditional village in Hunan Province[J]. Human Geography, 2018,33(3):121-128.]

[6]
李伯华, 刘沛林, 窦银娣, 等. 中国传统村落人居环境转型发展及其研究进展[J]. 地理研究, 2017,36(10):1886-1900.

[ Li B H, Liu P L, Dou Y D, et al. Research progress on transformation development of traditional villages’ human settlement in China[J]. Geographical Research, 2017,36(10):1886-1900.]

[7]
卢松, 吴霞. 古村落旅游地写生游客满意度评价: 以黟县宏村为例[J]. 地理研究, 2017,36(8):1570-1582.

[ Lu S, Wu X. Assessment of tourist satisfaction of the painting tourism in the ancient villages: The case study of Hongcun Village, Yixian County[J]. Geographical Research, 2017,36(8):1570-1582.]

[8]
张圆刚, 余向洋, Wong I A, 等. 古村落景区游客拥挤感知维度与游憩情绪影响机制研究: 以西递、宏村为例[J]. 人文地理, 2018,33(2):138-146.

[ Zhang Y G, Yu X Y, Wong I A, et al. Research on the influential mechanism between the tourists’ crowding perception and emotions for recreation in ancient village scenic spot: A case study of Xidi and Hongcun ancient villages[J]. Human Geography, 2018,33(2):138-146.]

[9]
穆雪茗, 白长虹, 吴波, 等. 目的地国家形象与旅游产品类别的匹配效应: 基于刻板印象内容模型的实证研究[J]. 旅游学刊, 2017,32(6):64-74.

[ Mu X M, Bai C H, Wu B, et al. The Matching effect of destination country image and tourism product type: An empirical study based on the stereotype content model(SCM)[J]. Tourism Tribune, 2017,32(6):64-74.]

[10]
徐菲菲, 剌利青, Ye F. 基于网络数据文本分析的目的地形象维度分异研究: 以南京为例[J]. 资源科学, 2018,40(7):1483-1493.

[ Xu F F, La L Q, Ye F. A research on destination image and perceived dimension difference based on big data of tourists’ comments: A case of Nanjing[J]. Resources Science, 2018,40(7):1483-1493.]

[11]
邓宁, 刘耀芳, 牛宇, 等. 不同来源地旅游者对北京目的地形象感知差异: 基于深度学习的Flickr图片分析[J]. 资源科学, 2019,41(3):416-429.

[ Deng N, Liu Y F, Niu Y, et al. Different perceptions of Beijing’s destination images from tourists: An analysis of Flickr photos based on deep learning method[J]. Resources Science, 2019,41(3):416-429.]

[12]
蔡礼彬, 罗威. 基于扎根理论与文本分析的海洋旅游目的地意象研究: 以夏威夷为例[J]. 世界地理研究, 2019,28(4):201-210.

[ Cai L B, Luo W. Study on image of marine tourism destination based on grounded theory and text analysis: A case of Hawaii[J]. World Regional Studies, 2019,28(4):201-210.]

[13]
刘沛林, 董双双. 中国古村落景观的空间意象研究[J]. 地理研究, 1998,17(1):31-38.

[ Liu P L, Dong S S. Study of landscape-image of Chinese ancient village[J]. Geographical Research, 1998,17(1):31-38.]

[14]
Lo I S, Mckercher B. Ideal image in process: Online tourist photography and impression management[J]. Annals of Tourism Research, 2015,52:104-116.

[15]
Balomenou N, Garrod B, Georgiadou A. Making sense of tourists’ photographs using canonical variate analysis[J]. Tourism Management, 2017,61:173-179.

DOI

[16]
Urry J. The Tourist Gaze (Theory, Culture and Society Series)[M]. London: Sage Publications, 2002.

[17]
Stepchenkova S, Zhan F Z. Visual destination images of Peru: Comparative content analysis of DMO and user-generated photography[J]. Tourism Management, 2013,36:590-601.

DOI

[18]
Smith W W, Li X R, Pan B, et al. Tracking destination image across the trip experience with smartphone technology[J]. Tourism Management, 2015,48:113-122.

DOI

[19]
Hunter W C. The social construction of tourism online destination image: A comparative semiotic analysis of the visual representation of Seoul[J]. Tourism Management, 2016,54:221-229.

DOI

[20]
Balomenou N, Garrod B. Photographs in tourism research: Prejudice, power, performance and participant-generated images[J]. Tourism Management, 2019,70:201-217.

DOI

[21]
Mak A H N. Online destination image: Comparing national tourism organization’s and tourists’ perspectives[J]. Tourism Management, 2017,60:280-297.

DOI

[22]
Baloglu S, Mccleary K W. A model of destination image formation[J]. Annals of Tourism Research, 1999,26(4):868-897.

DOI

[23]
刘法建, 徐金燕, 吴楠. 基于元分析的旅游者重游意愿影响因素研究[J]. 旅游科学, 2019,33(1):33-53.

[ Liu F J, Xu J Y, Wu N. A research on the factors influencing tourists’ revisit willingness based on an meta-analysis[J]. Tourism Science, 2019,33(1):33-53.]

[24]
Josiassen A, Assaf A G, Woo L, et al. The imagery-image duality model: An integrative review and advocating for improved delimitation of concepts[J]. Journal of Travel Research, 2016,55(6):789-803.

DOI

[25]
Kock F, Josiassen A, Assaf A G. Advancing destination image: The destination content model[J]. Annals of Tourism Research, 2016,61:28-44.

DOI

[26]
Eagly A H, Chaiken S. The Psychology of Attitudes[M]. New York: Harcourt Brace Jovanovich College Publishers, 1993.

[27]
程德年, 周永博, 魏向东. 旅游目的地意象固化与更新的动力机制研究: 以苏州为例[J]. 旅游学刊, 2017,32(2):42-52.

[ Chen D N, Zhou Y B, Wei X D. Dynamic mechanism of the solidification and renewal of tourism destination image: A Suzhou case study[J]. Tourism Tribune, 2017,32(2):42-52.]

[28]
黄燕, 赵振斌, 褚玉杰, 等. 互联网时代的旅游地视觉表征: 多元建构与循环[J]. 旅游学刊, 2015,30(6):91-101.

[ Huang Y, Zhao Z B, Chu Y J, et al. The visual representation of tourism destinations in the internet era: Multiple constructions and circulations[J]. Tourism Tribune, 2015,30(6):91-101.]

[29]
Han C M. Country image: Halo or summary construct?[J]. Journal of Marketing Research, 1989,26(2):222-229.

[30]
Josiassen A, Lukas B A, Whitwell G J. Country-of-origin contingencies: Competing perspectives on product familiarity and product involvement[J]. International Marketing Review, 2008,25(4):423-440.

[31]
San Martín H, Rodríguez del Bosque I A. Exploring the cognitive-affective nature of destination image and the role of psychological factors in its formation[J]. Tourism Management, 2008,29(2):263-277.

[32]
Chi C G Q, Qu H L. Examining the structural relationships of destination image, tourist satisfaction and destination loyalty: An integrated approach[J]. Tourism Management, 2008,29(4):624-636.

[33]
蔡礼彬, 罗威. 基于扎根理论与文本分析的海洋旅游目的地意象研究: 以夏威夷为例[J]. 世界地理研究, 2019,28(4):201-210.

[ Cai L, Luo W. Study on image of marine tourism destination based on grounded theory and text analysis: A case of Hawaii[J]. World Regional Studies, 2019,28(4):201-210.]

[34]
胡家镜, 万秋, 吕兴洋, 等. 古镇慢旅游特质要素识别与分析: 基于游客体验的视角[J]. 资源科学, 2019,41(3):467-474.

[ Hu J J, Wan Q, Lyu X Y, et al. Characteristic elements of ancient town slow tourism: Based on tourist experiences[J]. Resources Science, 2019,41(3):467-474.]

[35]
胡传东, 李露苗, 罗尚焜. 基于网络游记内容分析的风景道骑行体验研究: 以318国道川藏线为例[J]. 旅游学刊, 2015,30(11):99-110.

[ Hu C D, Li L M, Luo S K. Cycling tourists’ experience of scenic byways based on content analysis of travel blogs: A case study of the Sichuan-Tibet section of National Highway 318[J]. Tourism Tribune, 2015,30(11):99-110.]

[36]
刘昌雪, 汪德根. 皖南古村落可持续旅游发展限制性因素探析[J]. 旅游学刊, 2003,18(6):100-105.

[ Liu C X, Wang D G. An analysis of some restrictive factors for sustainable tourism development of vernacular villages in Southern Anhui[J]. Tourism Tribune, 2003,18(6):100-105.]

[37]
尹寿兵, 郭强, 刘云霞. 旅游小企业成长路径及其驱动机制: 以世界文化遗产地宏村为例[J]. 地理研究, 2018,37(12):2503-2516.

[ Yin S B, Guo Q, Liu Y X. The growth path and mechanism of small tourism businesses: Taking world cultural heritage site Hongcun as an example[J]. Geographical Research, 2018,37(12):2503-2516.]

[38]
Hunter W C. China’s Chairman Mao: A visual analysis of Hunan Province online destination image[J]. Tourism Management, 2013,34:101-111.

[39]
汪旭晖, 陈鑫. 用户生成内容的图文匹配对消费者感知有用性的影响[J]. 管理科学, 2018,31(1):101-115.

[ Wang X H, Chen X. Fit of graph and text in user-generated contents and its effect on the perceived usefulness for consumers[J]. Journal of Management Science, 2018,31(1):101-115.]

Options
文章导航

/

〈 〉