NAGIOS: RODERIC FUNCIONANDO

What drives the helpfulness of online reviews? A deep learning study of sentiment analysis, pictorial content and reviewer expertise for mature destinations

Repositori DSpace/Manakin

IMPORTANT: Aquest repositori està en una versió antiga des del 3/12/2023. La nova instal.lació está en https://roderic.uv.es/

What drives the helpfulness of online reviews? A deep learning study of sentiment analysis, pictorial content and reviewer expertise for mature destinations

dc.contributor.author	Bigné Alcañiz, J. Enrique
dc.contributor.author	Ruiz Mafé, Carla
dc.contributor.author	Cuenca Ballester, Antonio Carlos
dc.contributor.author	Pérez Cabañero, Carmen
dc.contributor.author	García, Aitor
dc.date.accessioned	2022-03-29T10:48:01Z
dc.date.available	2022-03-30T04:45:05Z
dc.date.issued	2021	es_ES
dc.identifier.citation	Enrique Bigne, Carla Ruiz, Antonio Cuenca, Carmen Perez, Aitor Garcia, What drives the helpfulness of online reviews? A deep learning study of sentiment analysis, pictorial content and reviewer expertise for mature destinations, Journal of Destination Marketing & Management, Volume 20, 2021, 100570, ISSN 2212-571X, Elsevier.	es_ES
dc.identifier.uri	https://hdl.handle.net/10550/82074
dc.description.abstract	Los destinos turísticos se ven cada vez más afectados por la información relacionada con los viajes que se comparte a través de las redes sociales. Basándose en teorías de proceso dual sobre cómo los individuos procesan la información, este estudio examina el papel de las rutas de procesamiento de información central y periférica en la formación de las percepciones de los consumidores sobre la utilidad de las reseñas en línea de destinos maduros. Llevamos a cabo un proceso de dos pasos para abordar la utilidad percibida del contenido generado por el usuario, un análisis de sentimiento utilizando técnicas avanzadas de aprendizaje automático (aprendizaje profundo) y un análisis de regresión. La base de datos constaba de 2023 comentarios publicados en TripAdvisor sobre dos atracciones culturales icónicas de Venecia, la Plaza de San Marcos (una atracción abierta y gratuita) y el Palacio Ducal (que cobra una tarifa de entrada). Usando técnicas de aprendizaje profundo, con regresión logística, primero identificamos qué factores influyeron en si una revisión recibió un voto de "útil". En segundo lugar, seleccionamos aquellas reseñas que recibieron al menos un voto útil para identificar, a través de una regresión lineal, los determinantes significativos del comportamiento de voto de los usuarios de TripAdvisor. Los resultados mostraron que la experiencia del revisor influye tanto en las atracciones gratuitas como en las de pago, aunque el impacto de las señales centrales (polaridad del sentimiento, subjetividad, contenido pictórico) difiere para ambas atracciones. Nuestro estudio sugiere que se debe mirar más allá de las calificaciones individuales y enfocarse en el análisis de sentimientos de las reseñas en línea, que se basan en la naturaleza de la atracción (gratis o de pago).	es_ES
dc.description.abstract	Tourist destinations are increasingly affected by travel-related information shared through social media. Drawing on dual-process theories on how individuals process information, this study examines the role of central and peripheral information processing routes in the formation of consumers' perceptions of the helpfulness of online reviews of mature destinations. We carried out a two-step process to address the perceived helpfulness of user-generated content, a sentiment analysis using advanced machine-learning techniques (deep learning), and a regression analysis. The database was 2023 comments posted on TripAdvisor about two iconic Venetian cultural attractions, St. Mark's Square (an open, free attraction) and the Doge's Palace (which charges an entry fee). Using deep-learning techniques, with logistic regression, we first identified which factors influenced whether a review received a “helpful” vote. Second, we selected those reviews which received at least one helpful vote to identify, through linear regression, the significant determinants of TripAdvisor users' voting behaviour. The results showed that reviewer expertise is influential in both free and paid-for attractions, although the impact of central cues (sentiment polarity, subjectivity, pictorial content) differs for both attractions. Our study suggests that managers should look beyond individual ratings and focus on the sentiment analysis of online reviews, which are shown to be based on the nature of the attraction (free vs. paid-for).	en_US
dc.language.iso	en	es_ES
dc.subject	perceived helpfulness	es_ES
dc.subject	dual-processing theory	es_ES
dc.subject	user-generated content	es_ES
dc.subject	sentiment analysis	es_ES
dc.subject	deep learning	es_ES
dc.subject	mature destinations	es_ES
dc.title	What drives the helpfulness of online reviews? A deep learning study of sentiment analysis, pictorial content and reviewer expertise for mature destinations	es_ES
dc.type	journal article	es_ES
dc.subject.unesco	UNESCO::CIENCIAS ECONÓMICAS	es_ES
dc.identifier.doi	10.1016/j.jdmm.2021.100570	es_ES
dc.accrualmethod	S	es_ES
dc.embargo.terms	0 days	es_ES
dc.rights.accessRights	open access	es_ES