121 |
Economía de la innovación y la digitalización del turismo: un estudio del mercado de Airbnb aplicando técnicas econométricas y redes neuronalesMás-Ferrando, Adrián 20 January 2023 (has links)
Esta tesis doctoral tiene como fin realizar una revisión de los principios económicos del turismo desde una perspectiva de la economía de la innovación, analizar el potencial impacto de la aplicación de IA en la industria turística a todos los niveles, y el estudio del mercado turístico más disruptivo de las últimas décadas: la economía de plataforma, ejemplificada en el caso de estudio de Airbnb. En este Capítulo I se establece el hilo conductor de los apartados de los que consta esta tesis en formato compendio, inspirada en diversos trabajos, entre los que se incluyen los publicados por el doctorando en esta etapa predoctoral. Para ello se presenta el diseño de la investigación, explicando detalladamente todo el proceso realizado para lograr el planteamiento de la tesis y la consecución de los objetivos y se dedica un breve apartado para presentar las principales conclusiones de la tesis. El Capítulo II de esta investigación está dedicado a la revisión de la evolución del concepto de innovación y su importancia en la teoría económica. Para ello nos basaremos en referentes teóricos que han estudiado el papel de la tecnología y la innovación en el crecimiento económico, como Schumpeter, Solow, Romer o Lucas. Con ello se pretende comprender el impacto que están teniendo los cambios disruptivos que vivimos en la economía, para posteriormente aplicarlos a la transformación de la estructura de la industria turística. En el Capítulo III se realiza un análisis aplicado de la innovación y del impacto de las nuevas tecnologías en el sector turístico. En él se estudiará el estado de la innovación del sector, realizando importantes aclaraciones sobre la capacidad que tiene la industria para adaptar o desarrollar tecnologías disruptivas. Además, se explicarán los principios digitales que están transformando la industria turística y el nuevo ciclo de investigación derivado de la aparición del Big Data y que está protagonizado por técnicas basadas en algoritmos de Machine Learning, justificando así la elección del sector turístico como caso de estudio. En el Capítulo IV se realiza una revisión completa del proceso transformador que está viviendo la estructura de la industria turística debido al cambio de paradigma tecnológico. Así, se estudia cómo estos procesos innovadores están desarrollando una nueva demanda turística basada en los datos, cómo se está reinventando la cadena de valor turística, cómo se fijan los precios turísticos en un mercado con información casi perfecta, qué retos supone para el mercado laboral y formativo del sector, y qué papel juegan en el surgimiento de nuevos competidores de base tecnológica en el sector. En los Capítulos V y VI se escoge como caso de estudio aplicado el mercado alojativo, utilizando la información de Airbnb. Sin duda, esta empresa representa muchos de los desafíos a los que se enfrenta el sector en cuestiones tecnológicas, de regulación política, intervención de mercado, reinterpretación de la cadena de valor turística, aparición de shocks económicos o pandémicos a los que se deben enfrentar los investigadores. El Capítulo V tiene como objeto de análisis la ciudad de Madrid, cuarto destino por número de anuncios de Airbnb en Europa. Para este caso aplicado se estudia si la pandemia de la COVID-19 tuvo un impacto significativo en la estructura de la oferta y de la demanda de Airbnb. Para ello, el estudio parte de un modelo logit de datos de panel hedónicos, se aplican diferentes métodos alternativos de selección de variables y pruebas de verosimilitud para confirmar la existencia del cambio estructural que afecte a la toma de decisiones a la hora de alquilar un apartamento de la Plataforma. El Capítulo VI centra el estudio en la Comunidad Valenciana, uno de los principales destinos turísticos de sol y playa, para realizar un análisis sobre la fijación de precios del alojamiento turístico en la plataforma. Este caso de estudio tiene por objetivo analizar si la aplicación de algoritmos de ML permite a las empresas optimizar precios de una manera más eficiente que modelos tradicionales. Para ello, se enfrenta el rendimiento de un modelo de precios hedónicos tradicional frente a un modelo de estimación basado en redes neuronales, comprobándose el mejor ajuste en la capacidad predictiva de las técnicas basadas en machine learning a la hora de fijar precios. De este modo la tesis doctoral constituye una valiosa y novedosa aportación al nuevo ciclo de investigación del sector. Propone una exhaustiva revisión de todas las implicaciones y las aplicaciones que tienen las nuevas tecnologías en el turismo y de las ventajas del uso de técnicas de análisis basadas machine learning para los investigadores en su estudio.
|
122 |
Darstellung neuer Organometallhalogenide mit Elementen der 13. und 14. Gruppe des Periodensystems und Versuche zur Synthese von Organogermanolen / Synthesis of novel organometal halides with elements of group 13 and 14 of the periodic system and attempts to prepare organogermanolesHohmeister, Holger 02 July 2003 (has links)
No description available.
|
123 |
An Urban Rainfall Storm Flood Severity IndexJobin, Erik 08 May 2013 (has links)
Extreme rainfall statistics are important for the design and management of the water resource infrastructure. The standard approach for extreme rainfall event severity assessment is the Intensity-Duration-Frequency (IDF) method. However, this approach does not consider the spatial context of rainfall and consequently does not properly describe rainfall storm severity, nor rarity. This study provides a critical account of the current standard practice and presents an approach that takes into consideration both the spatial context of rainfall storms, and indirectly incorporates runoff to produce a representative approach to assessing urban rainfall storm severity in terms of flood potential. A stepwise regression analysis was performed on a dataset of individual rainfall storm characteristics to best represent documented basement floodings in the City of Edmonton. Finally, the urban rainfall storm flood severity index was shown to be most representative of the documented basement floodings' severity when compared to that of the IDF method.
|
124 |
An Urban Rainfall Storm Flood Severity IndexJobin, Erik January 2013 (has links)
Extreme rainfall statistics are important for the design and management of the water resource infrastructure. The standard approach for extreme rainfall event severity assessment is the Intensity-Duration-Frequency (IDF) method. However, this approach does not consider the spatial context of rainfall and consequently does not properly describe rainfall storm severity, nor rarity. This study provides a critical account of the current standard practice and presents an approach that takes into consideration both the spatial context of rainfall storms, and indirectly incorporates runoff to produce a representative approach to assessing urban rainfall storm severity in terms of flood potential. A stepwise regression analysis was performed on a dataset of individual rainfall storm characteristics to best represent documented basement floodings in the City of Edmonton. Finally, the urban rainfall storm flood severity index was shown to be most representative of the documented basement floodings' severity when compared to that of the IDF method.
|
Page generated in 0.2814 seconds