הבנת אופן שבו מאפייני היעד מעצבים ביקורי תיירים על מסלולים תרבותיים באמצעות נתוני מדיה חברתית ולמידת מכונה ניתנת להבנה

מדוע מסלולי העלייה לרגל עדיין חשובים היום

מסלולים תרבותיים כמו קומאנו קודו העתיק ביפן היו בעבר מוצאים בהליכה של קיסרים ונזירים; כיום מטיילים בהם גם תיירים עם סמארטפונים. המחקר בוחן שאלה מעשית בעלת השלכות רחבות על המורשת והתיירות: לא למה אנשים אומרים שהם רוצים לנסוע, אלא כיצד המאפיינים הקונקרטיים של המקומות לאורך מסלול למעשה מעצבים את היעדים שבאים לבקר בהם. באמצעות כריית אלפי פוסטים גיאו-ממונים במדיה החברתית ושימוש בכלי למידת מכונה שקופים, המחברים מראים כיצד מקדשים, נופים, חנויות, מקומות לינה ואוטובוסים משתלבים ליצירת הגיאוגרפיה המודרנית של העלייה לרגל.

בעקבות עקבות דיגיטליות לאורך דרך עתיקה

במקום להסתמך על סקרים וזכרונות, החוקרים פנו לנתיבים שאנשים משאירים ברשת בזמן נסיעה. הם אספו 24,569 תמונות מסומנות גיאוגרפית מפליקר שצולמו בין 2010 ל־2025 באזור הרחב של קומאנו קודו. לאחר סינון קפדני של תושבים מקומיים וסיטואציות יומיות סבירות, כל תמונה שנשארה טופלה כביקור קונקרטי במרחב ובזמן. כדי לבדוק האם ההמון הדיגיטלי אכן הלך בשבילי תיירות, הצוות השווה את נקודותיו לנתונים עצמאיים מגוגל מפות וטריפאדווייזר. ביקורי הפליקר התקבצו חזק סביב אטרקציות מוכרות, מה שמרמז שפוסטים במדיה החברתית מספקים תמונה ריאליסטית של מקומות שבהם מבקרים אכן מבלים זמן.

מה מבקרים שמים לב אליו בדרך

השלב הבא היה להבין אילו סוגי מקומות חשובים ביותר לאורך המסלול ההיסטורי הזה. המחברים ניתחו את המילים שבאנשי הפליקר השתמשו בכותרות, בתגיות ובתיאורים, תרגמו וניקו את הטקסט ואז השתמשו במידול נושאים כדי למצוא תמות חוזרות. מהתמות האלה זיקקו 17 סוגי תכונות יעד, המאורגנות לארבע משפחות רחבות: משאבים תרבותיים ומורשתיים כגון מקדשים ומבנים מסורתיים; סביבות טבעיות כולל חופים, נהרות ויערות; שירותי תיירות ופנאי כמו מקומות לינה, מעיינות חמים, מסעדות וחנויות; ותשתיות נסיעה כגון דרכים, מסילות, תחנות וחניונים. לאחר מכן קישרו כל סוג לנתונים גאוגרפיים מפורטים — מפות של מקדשים, קווי רכבת, מדרונות, צמחייה ועוד — כדי לחקור כיצד תכונות אלה מסתדרות עם דפוסי הביקור הממשיים.

להכשיר מודל 'לקרוא' את הנוף

כדי לקשר בין השכבות הרבות הללו למקומות שבהם אנשים באמת ביקרו, החוקרים חילקו את האזור לרשת של משבצות בגודל קילומטר אחד. עבור כל משבצת סיכמו עד כמה היא קרובה לכל סוג אטרקציה או מתקן, ועד כמה כל תכונה טבעית חזקה שם. מספרים אלה הפכו לקלט של המודל; מספר ביקורי הפליקר המצופה הפך לפלט שיש להסביר. הם השוו כמה גישות של למידת מכונה וגילו שמודל יער אקראי, שהשתמש במדדי מרחק לכל תכונה, שחזר בצורה הטובה ביותר את דפוסי הביקור הנצפים. חשוב מזה, לאחר מכן הם "פתחו את הקופסה השחורה" עם כלים פרשניים המראים כיצד כל גורם מזיז את תחזית הביקורים למעלה או למטה, הן לבדו והן בשילוב עם אחרים.

כיצד מקדשים, שירותים ורחובות פועלים יחד

התוצאות מראות כי מוקדי עניין לאורך המסלול נדירים כשנובעים מאטרקציה בודדת בלבד. מקומות תרבותיים ומורשתיים — אתרים דתיים, רחובות מסורתיים, אנדרטאות ומוזיאונים — פועלים כמגנטים הראשיים: ככל שמשבצת רשת קרובה אליהם יותר, כך היא נוטה לקבל יותר ביקורים. עם זאת מגנטים אלה מתחזקים בחוזקה על ידי שירותים קרובים ונגישות קלה. אזורים עם מקומות לינה, מעיינות חמים, מסעדות וצמתי קניות, המקושרים לקווי רכבת, תחנות, דרכים וחניונים, מושכים הרבה יותר מבקרים מאשר מקדשים מבודדים במקומות קשים לגישה. תכונות טבעיות כמו הרים, נהרות וצמחייה צפופה משחקות תפקיד עדין יותר, מספקות רקע שיכול לחזק או לרכך את הדפוסים האלה ולא להניע אותם ישירות. האיזון בין מרכיבים אלה משתנה גם לפי עונות השנה, אמצעי נסיעה וסוגי מבקרים: למשל, מבקרים בחורף נוטים יותר לאטרקציות פנימיות ולמרכזי תחבורה, בעוד מטיילים ברגל נמשכים יותר לחלקים עשירי נוף הנתמכים בתחבורה ציבורית בסיסית.

להפוך תובנה למסלולים טובים יותר

לתחום הרחב, המסקנה המרכזית היא שמסלולים תרבותיים מצליחים פועלים פחות כמו אנדרטאות בודדות ויותר כמו רשתות חיות. המחקר מראה שאנשים נמשכים למקומות שבהם אתרי מורשת משמעותיים משולבים עם נוחות בסיסית ונגישות אמינה, הכל מסוגר בנוף מובחן. על ידי כימות מערכות יחסים אלו בהתבסס על התנהגות אמיתית במקום רק על כוונות מדווחות, המחברים מספקים מתכון מעשי שניתן להתאים למסלולים היסטוריים אחרים ברחבי העולם. חיזוק עוגני התרבות, תיאום שירותים ותחבורה סביבם והתאמת ניהול לעונות ולסגנונות מטיילים שונים יכולים לסייע לשמור על הדרכים העתיקות גם נוחות להליכה וגם משמעותיות במאה העשרים ואחת.

ציטוט: Lin, X., Teng, X., Shen, Z. et al. Understanding how destination attributes shaping tourist visitation on cultural routes through social media data and interpretable machine learning. npj Herit. Sci. 14, 197 (2026). https://doi.org/10.1038/s40494-026-02427-5

מילות מפתח: מסלולים תרבותיים, דפוסי תיירות, נתוני מדיה חברתית, ניהול מורשת, למידת מכונה