تأثیر قابلیت‌های سازمانی بر عملکرد شرکت‌های گردشگری و مهمان‌نوازی با نقش میانجی پذیرش هوش تجاری و نقش تعدیل‌کننده جهت‌گیری فناورانه

نوع مقاله : مقاله پژوهشی

نویسندگان

1 استادیار، گروه مدیریت، واحد تربت حیدریه، دانشگاه آزاد اسلامی، تربت حیدریه، ایران

2 دانشجوی دکتری، گروه مدیریت، واحد تربت حیدریه، دانشگاه آزاد اسلامی، تربت حیدریه، ایران

چکیده

هدف: صنعت گردشگری و مهمان‌نوازی در سال‌های اخیر تحت تأثیر تحول دیجیتال، افزایش رقابت و تغییر الگوهای رفتار مشتریان، نیازمند توسعه قابلیت‌های سازمانی و بهره‌گیری از فناوری‌های داده‌محور شده است. در این میان، قابلیت‌های سازمانی همچون قابلیت سازماندهی منابع، قابلیت‌های هوش مصنوعی و قابلیت‌های بازاریابی دیجیتال می‌توانند زمینه ایجاد ارزش و بهبود عملکرد سازمانی را فراهم کنند؛ با این حال، نحوه تبدیل این قابلیت‌ها به نتایج عملکردی از طریق سازوکارهای تحلیلی و فناورانه همچنان نیازمند بررسی بیشتر است. بر همین اساس، هدف پژوهش حاضر بررسی تأثیر قابلیت‌های سازمانی شامل قابلیت سازماندهی منابع، قابلیت‌های هوش مصنوعی و قابلیت‌های بازاریابی دیجیتال بر عملکرد شرکت‌های گردشگری و مهمان‌نوازی با تأکید بر نقش میانجی پذیرش هوش تجاری و نقش تعدیل‌کننده جهت‌گیری فناورانه است.
روش:  پژوهش حاضر از نظر هدف، کاربردی و از نظر ماهیت، توصیفی–تحلیلی است. جامعه آماری پژوهش شامل مدیران، معاونان، سرپرستان و کارشناسان شاغل در هتل‌های فعال شهر مشهد بود. با توجه به محدودیت دسترسی به چارچوب نمونه‌گیری کامل، نمونه‌گیری به روش در دسترس انجام شد و در نهایت ۱۳۶ پرسشنامه معتبر برای تحلیل مورد استفاده قرار گرفت. ابزار گردآوری داده‌ها پرسشنامه استاندارد مبتنی بر مطالعات پیشین در حوزه قابلیت‌های سازمانی، پذیرش هوش تجاری، جهت‌گیری فناورانه و عملکرد سازمانی بود. روایی و پایایی ابزار اندازه‌گیری بررسی و تأیید شد. برای آزمون مدل مفهومی پژوهش، از مدل‌سازی معادلات ساختاری مبتنی بر حداقل مربعات جزئی و نرم‌افزار SmartPLS3 استفاده شد.
یافته‌ها:  نتایج نشان داد که قابلیت سازماندهی منابع، قابلیت‌های هوش مصنوعی و قابلیت‌های بازاریابی دیجیتال تأثیر مثبت و معناداری بر پذیرش هوش تجاری دارند. این یافته بیانگر آن است که سازمان‌هایی که توانایی بیشتری در هماهنگ‌سازی منابع، بهره‌گیری از فناوری‌های هوشمند و مدیریت داده‌های دیجیتال دارند، آمادگی بیشتری برای پذیرش و استفاده اثربخش از سیستم‌های هوش تجاری خواهند داشت. همچنین، پذیرش هوش تجاری تأثیر مثبت و معناداری بر عملکرد شرکت‌های گردشگری و مهمان‌نوازی دارد و نقش میانجی آن در رابطه میان قابلیت‌های سازمانی و عملکرد سازمانی تأیید شد. به عبارت دیگر، قابلیت‌های سازمانی به‌تنهایی موجب بهبود عملکرد نمی‌شوند، بلکه زمانی به مزیت عملکردی منجر می‌شوند که از طریق فرآیندهای تحلیلی و تصمیم‌گیری مبتنی بر داده در سازمان مورد بهره‌برداری قرار گیرند. علاوه بر این، نتایج نشان داد که جهت‌گیری فناورانه اثر تعدیل‌کننده معناداری بر رابطه میان قابلیت‌های بازاریابی دیجیتال و پذیرش هوش تجاری ندارد؛ این موضوع نشان می‌دهد که صرف نگرش مثبت سازمان نسبت به فناوری، بدون وجود زیرساخت‌های داده‌ای، مهارت‌های تحلیلی و فرآیندهای سازمانی مناسب، الزاماً به پذیرش مؤثر هوش تجاری منجر نمی‌شود.
نتیجه‌گیری: یافته‌های پژوهش نشان می‌دهد که پذیرش هوش تجاری به‌عنوان یک سازوکار دانش‌محور، نقش مهمی در تبدیل قابلیت‌های دیجیتال و سازمانی به عملکرد برتر در صنعت گردشگری و مهمان‌نوازی ایفا می‌کند. بنابراین، مدیران هتل‌ها باید علاوه بر سرمایه‌گذاری در فناوری‌های نوین، بر توسعه قابلیت‌های داخلی سازمان، ارتقای مهارت‌های تحلیل داده کارکنان، ایجاد فرهنگ داده‌محور و یکپارچه‌سازی سیستم‌های اطلاعاتی تمرکز کنند. این اقدامات می‌تواند زمینه تصمیم‌گیری اثربخش‌تر، افزایش بهره‌وری عملیاتی و ارتقای عملکرد رقابتی هتل‌ها را فراهم سازد.
نوآوری: نوآوری پژوهش حاضر در ارائه یک مدل یکپارچه برای تبیین مسیر اثرگذاری قابلیت‌های سازمانی بر عملکرد شرکت‌های گردشگری و مهمان‌نوازی از طریق نقش میانجی پذیرش هوش تجاری است. همچنین، بررسی هم‌زمان قابلیت‌های سازمانی، هوش تجاری و جهت‌گیری فناورانه در بستر صنعت هتلداری ایران، به‌ویژه هتل‌های شهر مشهد به‌عنوان یکی از مهم‌ترین مقاصد گردشگری کشور، از جنبه‌های متمایز این پژوهش محسوب می‌شود.

کلیدواژه‌ها

عنوان مقاله [English]

The Impact of Organizational Capabilities on the Performance of Tourism and Hospitality Enterprises: The Mediating Role of Business Intelligence Adoption and the Moderating Role of Technological Orientation

نویسندگان [English]

  • Seyed Mohammad Tafreshi 1
  • Zahra Moradiyan 2
  • Hadi Mirmehrabi 2
1 Assistant Professor, Department of Management, Torbat Heydariyeh Branch, Islamic Azad University, Torbat Heydariyeh, Iran
2 Ph.D Student, Department of Management, Torbat Heydariyeh Branch, Islamic Azad University, Torbat Heydariyeh, Iran
چکیده [English]

Objective: The tourism and hospitality industry has increasingly been affected by digital transformation, intensifying competition, and changing patterns of customer behavior, creating a growing need for the development of organizational capabilities and the effective use of data-driven technologies. In this context, organizational capabilities, including resource orchestration capabilities, artificial intelligence capabilities, and digital marketing capabilities, can provide the foundation for value creation and improved organizational performance. However, the mechanism through which these capabilities are transformed into performance outcomes through analytical and technological processes remains insufficiently understood. Therefore, this study aims to examine the effect of organizational capabilities, including resource orchestration capabilities, artificial intelligence capabilities, and digital marketing capabilities, on the performance of tourism and hospitality companies by emphasizing the mediating role of business intelligence adoption and the moderating role of technological orientation.
Methods: This study is applied in terms of purpose and descriptive-analytical in terms of methodology. The statistical population consisted of managers, deputies, supervisors, and experts working in active hotels in Mashhad, Iran. Due to limitations in accessing a complete sampling framework, convenience sampling was employed. A total of 136 valid questionnaires were collected and used for the final analysis. Data were gathered using a standardized questionnaire based on previous studies in the fields of organizational capabilities,  business  intelligence  adoption, technological orientation, and organizational performance. The validity and reliability of the measurement instrument were assessed and confirmed. To test the proposed research model, partial least squares structural equation modeling (PLS-SEM) was employed using SmartPLS 3 software.
Results: The findings revealed that resource orchestration capabilities, artificial intelligence capabilities, and digital marketing capabilities have a positive and significant effect on business intelligence adoption. This indicates that organizations with greater abilities in coordinating resources, utilizing intelligent technologies, and managing digital customer and market data are more capable of adopting and effectively using business intelligence systems. Furthermore, business intelligence adoption was found to have a positive and significant effect on the performance of tourism and hospitality companies, and its mediating role in the relationship between organizational capabilities and organizational performance was confirmed. In other words, organizational capabilities alone do not necessarily lead to superior performance; rather, they generate performance improvements when they are effectively utilized through analytical processes and data-driven decision-making mechanisms. In addition, the results showed that technological orientation does not significantly moderate the relationship between digital marketing capabilities and business intelligence adoption. This finding suggests that merely having a positive attitude toward technology does not necessarily result in effective business intelligence adoption unless appropriate data infrastructures, analytical skills, and organizational processes are developed.
Conclusion: The findings demonstrate that business intelligence adoption, as a knowledge-based mechanism, plays a critical role in transforming digital and organizational capabilities into superior performance in the tourism and hospitality industry. Accordingly, hotel managers should not only invest in emerging technologies but also focus on developing internal organizational capabilities, enhancing employees’ data analytics skills, fostering a data-driven culture, and integrating information systems. Such initiatives can facilitate more effective decision-making, improve operational efficiency, and enhance the competitive performance of hotels.
Innovation: The innovation of this study lies in developing an integrated model to explain the pathway through which organizational capabilities influence the performance of tourism and hospitality companies through the mediating role of business intelligence adoption. Furthermore, the simultaneous examination of organizational capabilities, business intelligence, and technological orientation within the context of Iran’s hospitality industry, particularly hotels located in Mashhad as one of the country’s most important tourism destinations, represents a distinctive aspect of this research.

کلیدواژه‌ها [English]

  • Business Intelligence Adoption
  • Technological Orientation
  • Tourism
  • Organizational Capabilities
  • Organizational Performance

مراجع

اردکانی، محمد، رضایی، نادر، و موسوی، فاطمه. (۱۳۹۴). واکاوی هوش تجاری در دفاتر خدمات گردشگری با رویکرد فازی. مطالعات مدیریت گردشگری، ۱۰(۲)، ۷۵–۹۲.
باسویلی، فرهاد، کاشانی، محمود، و احمدی، هادی. (۱۴۰۴). شناسایی و بررسی پتانسیل‌های هوش مصنوعی در توسعه گردشگری پایدار ایران. مجله علوم گردشگری، ۱۸(۱)، ۴۵–۶۶.
جعفری، حمید، و فرهادی، مونا. (۱۳۹۹). سنجش نقش هوش تجاری در ارتقای کیفیت تصمیم‌گیری مدیران هتل‌ها. مجله مدیریت گردشگری، ۱۴(۳)، ۶۵–۸۳.
حسینی، علی، و حسینی، مریم. (۱۴۰۲). کاربرد هوش مصنوعی در صنعت گردشگری ایران: مطالعه توصیفی و موردی. مجله مدیریت گردشگری، ۱۷(۱)، ۲۵–۴۶.
تاج‌الدینی، سمیه، رضوی، علیرضا، و موسوی، پریسا. (۱۴۰۳). اثر تعدیل‌کننده جهت‌گیری فناورانه در پذیرش هوش تجاری در صنعت گردشگری. مجله فناوری و مدیریت گردشگری، ۹(۳)، ۱۱۲–۱۳۴.
تقی‌زاده، محمدرضا، احمدی، علی، و کریمی، حسن. (۱۳۹۹). تأثیر هوش تجاری بر عملکرد سازمانی با نقش میانجی قابلیت‌های پویا. مجله مدیریت فناوری اطلاعات، ۱۲(۳)، ۴۵–۶۲.
سلطانی، ناصر، و قنبری، شهرزاد. (۱۴۰۰). تأثیر قابلیت‌های تحلیلی مبتنی بر فناوری اطلاعات بر پایداری اقتصادی و زیست‌محیطی کسب‌وکارها. مجله مدیریت صنعتی، ۱۷(۲)، ۴۵–۶۶.
قاسمی، حسین، طاهری، لیلا، و صادقی، امیر. (۱۴۰۲). تحلیل تأثیر داده‌های بزرگ و هوش تجاری بر مزیت رقابتی پایدار. مجله مدیریت تحول، ۱۵(۱)، ۲۳–۴۱.
کاظمی، پویا، و پرویزی، فرشاد. (۱۳۹۸). مدل قابلیت‌های پویا در محیط رقابتی: نقش فرهنگ سازمانی و یادگیری. مجله مدیریت راهبردی، ۲۶(۱)، ۱–۲۳.
کریمی، سعید، و مرادی، نسرین. (۱۳۹۷). ارزیابی اثر قابلیت‌های پویا بر عملکرد سازمانی با نقش میانجی نوآوری. مجله مدیریت دولتی، ۱۰(۱)، ۵۵–۷۶.
محمدی، زهرا، رضایی، مهدی، و کاظمی، سارا. (۱۴۰۱). بررسی نقش هوش تجاری در بهبود تصمیم‌گیری و پایداری سازمانی در شرکت‌های خدماتی. فصلنامه پژوهش‌های مدیریت استراتژیک، ۲۸(۲)، ۷۵–۹۴.
مشایخی، بهنام، حسن‌زاده، شیما، سماوات، مهدی، و نظری، سحر. (۱۴۰۲). افشای مسئولیت اجتماعی شرکت و رفتار فرصت‌طلبانه مدیران با نقش تعدیل‌کننده حاکمیت شرکتی. بررسی‌های حسابداری و حسابرسی، ۳۰(۳)، ۵۶۰–۵۸۹.
موسوی، الهام، و عباسی، نادر. (۱۳۹۸). رابطه هوش تجاری و عملکرد سازمانی  در صنعت گردشگری. فصلنامه علمی‌پژوهشی مدیریت گردشگری ایران، ۱۳(۲)، ۹۹–۱۲۰.
نویدی، محمد، و بابایی، امیر. (۱۴۰۲). تأثیر مسئولیت اجتماعی شرکت بر توانایی مدیریتی و کارایی سرمایه‌گذاری در شرکت‌های پذیرفته‌شده در بورس اوراق بهادار تهران. فصلنامه مدیریت مالی، ۱۷(۲)، ۹۱–۱۱۲.
هاشمی، فرید، و یزدانی، محمد. (۱۴۰۱). رویکرد هوش تجاری در توسعه پایدار گردشگری شهری. مجله برنامه‌ریزی گردشگری، ۹(۴)، ۸۵–۱۰۴.
زنگوئی، رضا، کریمی، فاطمه، و نجفی، سجاد. (۱۴۰۰). هوشمندسازی صنعت گردشگری ایران با تأکید بر توانمندسازی اجتماعی و فرهنگی. مجله توسعه گردشگری، ۱۴(۴)، ۹۹–۱۲۱.   
Ardakani, S., Mousavi, S. M., & Shafiei Roodposhti, M. (2015). Exploring business intelligence in tourism service offices using a fuzzy approach. Tourism Management Studies.
Ardakani, M., Rezaei, N., & Mousavi, F. (2015). Investigating business intelligence in tourism service offices using a fuzzy approach. Tourism Management Studies, 10(2), 75–92. [In Persian].
Bailey, W., Karolyi, G. A., & Salva, C. (2006). The economic consequences of increased disclosure: Evidence from international cross-listings. Journal of Financial Economics, 81(1), 175–213.
Basvili, F., Kashani, M., & Ahmadi, H. (2025). Identifying and examining the potential of artificial intelligence in the development of sustainable tourism in Iran. Journal of Tourism Sciences, 18(1), 45–66. [In Persian]
Bekele, H., & Raj, S. (2024). Digitalization and digital transformation in the tourism industry: A bibliometric review and research agenda. Tourism Review.
Bhatiasevi, V., & Naglis, M. (2020). Elucidating the determinants of business intelligence adoption and organizational performance. Information Development, 36(1), 78–96.
Chen, H., Chiang, R. H. L., & Storey, V. C. (2021). Business intelligence and analytics: From big data to big impact. MIS Quarterly, 45(4), 2047–2064.
Deshpandé, R., Grinstein, A., Kim, S. H., & Ofek, E. (2013). Achievement motivation, strategic orientations and business performance in entrepreneurial firms. International Marketing Review, 30(3), 231–252.
Enholm, I. M., Papagiannidis, E., Mikalef, P., & Krogstie, J. (2022). Artificial intelligence and business value: A literature review. Information Systems Frontiers, 24(5), 1709–1734.
Ghasemi, H., Taheri, L., & Sadeghi, A. (2023). Analyzing the impact of big data and business intelligence on sustainable competitive advantage. Journal of Management Transformation, 15(1), 23–41. [In Persian]
Ghosh, R., Dwivedi, Y. K., & Rana, N. P. (2022). Analytics capabilities, business intelligence adoption and sustainable performance in hotels: The mediating role of dynamic capabilities. Information and Management, 59(5), 103–119.
Gupta, M., Meissonier, R., Drave, V. A., & Roubaud, D. (2020). Examining the impact of big data analytics on firm performance and sustainability. Technological Forecasting and Social Change, 150, 119763.
Gursoy, D., & Cai, R. (2025). Artificial intelligence: An overview of research trends and future directions. International Journal of Contemporary Hospitality Management, 37(1), 1–17.
Hashemi, F., & Yazdani, M. (2022). A business intelligence approach to sustainable urban tourism development. Tourism Planning Journal, 9(4), 85–104. [In Persian].
Hosseini, A., & Hosseini, M. (2023). Application of artificial intelligence in Iran’s tourism industry: A descriptive and case study. Journal of Tourism Management, 17(1), 25–46. [In Persian].
Hsu, C. H., Tan, G., & Stantic, B. (2024). A fine tuned tourism specific generative AI concept. Annals of Tourism Research, 104, 103723.
Hunt, S. D., & Madhavaram, S. (2020). Adaptive marketing capabilities, dynamic capabilities, and renewal competences. Industrial Marketing Management, 89, 129–139.
Ivanov, S., & Webster, C. (2021). Robots, artificial intelligence and service automation in hotels: Implications for sustainable performance. Journal of Hospitality and Tourism Management, 47, 365–374.
Karimi, S., & Moradi, N. (2018). Evaluating the effect of dynamic capabilities on organizational performance with the mediating role of innovation. Public Management Journal, 10(1), 55–76. [In Persian].
Kazemi, P., & Parvizi, F. (2019). A dynamic capabilities model in a competitive environment: The role of organizational culture and learning. Strategic Management Journal, 26(1), 1–23. [In Persian].
Khaddam, A. A., Alzghoul, A., Abusweilem, M. A., & Abousweilem, F. (2023). Business intelligence and firm performance: A moderated-mediated model. Service Industries Journal, 43(13–14), 923–939.
Kim, H., Park, J., & Jang, S. (2022). Business intelligence usage and triple bottom line performance in hotels: The mediating role of IT integration and dynamic capabilities. International Journal of Hospitality Management, 102, 1–13.
Knani, M., Echchakoui, S., & Ladhari, R. (2022). Artificial intelligence in tourism and hospitality: Bibliometric analysis and research agenda. International Journal of Hospitality Management, 107, 103317.
Kristoffersen, E., Mikalef, P., Blomsma, F., & Li, J. (2021). The effects of business analytics capability on circular economy implementation and firm performance. International Journal of Production Economics, 239, 108205.
Law, R., Lin, K. J., Ye, H., & Fong, D. K. C. (2024). Artificial intelligence research in hospitality: A state of the art review. International Journal of Contemporary Hospitality Management, 36(6), 2049–2068.
Li, H. (2025). Shedding light on new technology: How ambient luminance influences acceptance of AI technologies. International Journal of Hospitality Management, 127, 104119.
Li, L., & Fang, Y. (2022). Deep learning-based tourism demand forecasting and sustainable capacity management: A business intelligence perspective. Annals of Tourism Research, 92, 102–118.
Li, L., Hong, J., & Fang, Y. (2020). AI-based tourism demand forecasting and environmental sustainability: Integrating business intelligence dashboards. Sustainability, 12(18), 1–19.
Majhi, S. G., Mukherjee, A., & Anand, A. (2023). Business value of cognitive analytics technology: A dynamic capabilities perspective. VINE Journal of Information and Knowledge Management Systems, 53(6), 1231–1249.
Mariani, M., & Borghi, M. (2021). Customer review analytics, business intelligence and hotel performance: Evidence from European hotels. International Journal of Hospitality Management, 94, 1–12.
Mariani, M., & Borghi, M. (2023). Online reviews, business intelligence and hotel performance: A structural equation modeling approach. International Journal of Contemporary Hospitality Management, 35(4), 678–702.
Maroufkhani, P., Tseng, M. L., Iranmanesh, M., Ismail, W. K. W., & Khalid, H. (2022). Big data analytics adoption: Determinants and performance outcomes. Journal of Business Research, 141, 602–617.
Mashayekhi, B., Hassanzadeh, S., Samavat, M., & Nazari, S. (2023). Corporate social responsibility disclosure and managerial opportunistic behavior with the moderating role of corporate governance. Accounting and Auditing Reviews, 30(3), 560–589. [In Persian].
Mikalef, P., & Gupta, M. (2021). Artificial intelligence capability: Conceptualization and impact on organizational creativity. Information & Management, 58(3), 103434.
Mikalef, P., Boura, M., Lekakos, G., & Krogstie, J. (2020). Big data analytics and firm performance: The mediating role of dynamic capabilities. Information & Management, 57(2), 103169.
Mohammadi, Z., Rezaei, M., & Kazemi, S. (2022). Investigating the role of business intelligence in improving decision-making and organizational sustainability in service companies. Strategic Management Research Quarterly, 28(2), 75–94. [In Persian].
Mousavi, E., & Abbasi, N. (2019). The relationship between business intelligence and sustainable performance in the tourism industry. Iranian Journal of Tourism Management, 13(2), 99–120. [In Persian].
Mudau, T. N., Cohen, J., & Papageorgiou, E. (2024). Determinants and consequences of routine and advanced use of business intelligence systems. Information & Management, 61(1), 103888.
Navidi, M., & Babaei, A. (2023). The effect of corporate social responsibility on managerial ability and investment efficiency in firms listed on the Tehran Stock Exchange. Financial Management Quarterly, 17(2), 91–112. [In Persian].
Opazo Basáez, M., Vendrell Herrero, F., & Bustinza, O. F. (2022). Digital service innovation: A paradigm shift in technological innovation. Journal of Service Management, 33(1), 97–120.
Polisetty, A., Chakraborty, D., Kar, A. K., & Pahari, S. (2024). What determines AI adoption in companies? Mixed method evidence. Journal of Computer Information Systems, 64(3), 370–387.
Rialti, R., Zollo, L., Ferraris, A., & Alon, I. (2020). Big data analytics capabilities, business intelligence and firm performance in the hospitality industry: The role of organizational agility. International Journal of Hospitality Management, 90, 102–119.
Samara, D., Magnisalis, I., & Peristeras, V. (2020). Artificial intelligence and big data in tourism: A systematic literature review. Journal of Hospitality and Tourism Technology, 11(2), 343–367.
Sigala, M., & Mariani, M. (2023). Big data analytics, business intelligence and sustainable destination management. Journal of Travel Research, 62(3), 451–470.
Sirmon, D. G., Hitt, M. A., Ireland, R. D., & Gilbert, B. A. (2011). Resource orchestration to create competitive advantage. Journal of Management, 37(5), 1390–1412.
Sjödin, D., Parida, V., & Kohtamäki, M. (2023). Artificial intelligence enabling circular business model innovation in digital servitization. Technological Forecasting and Social Change, 197, 122903.
Soltani, N., & Ghanbari, S. (2021). The impact of IT-based analytical capabilities on the economic and environmental sustainability of businesses. Journal of Industrial Management, 17(2), 45–66. [In Persian].
Taghizadeh, M. R., Ahmadi, A., & Karimi, H. (2020). The impact of business intelligence on organizational performance with the mediating role of dynamic capabilities. Journal of Information Technology Management, 12(3), 45–62. [In Persian].
Tajeddini, S., Razavi, A., & Mousavi, P. (2024). The moderating effect of technological orientation on business intelligence adoption in the tourism industry. Journal of Tourism Technology and Management, 9(3), 112–134. [In Persian].
Tussyadiah, I., Neuhofer, B., & Seyitoğlu, F. (2023). AI-based recommender systems and tourist experience: Towards sustainable destination management. Tourism Management, 95, 104–126.
Zangoui, R., Karimi, F., & Najafi, S. (2021). Smartening Iran’s tourism industry with emphasis on social and cultural empowerment. Journal of Tourism Development, 14(4), 99–121. [In Persian].
Zhang, X., Li, Y., & Mariani, M. (2024). AI-driven business intelligence and sustainable performance in smart hotels: Evidence from European and Asian markets. Journal of Hospitality and Tourism Technology, 15(2), 123–145.

فایل ها

سابقه مقاله

  • تاریخ دریافت: 10 خرداد 1405
  • تاریخ بازنگری: 26 تیر 1405
  • تاریخ پذیرش: 30 تیر 1405
  • تاریخ اولین انتشار: 01 شهریور 1405
  • تاریخ انتشار: 01 شهریور 1405

هم رسانی

ارجاع به این مقاله

آمار