طراحی مدل شبکه عصبی کار آفرینی ورزشی در بستر گردشگری

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دانشگاه آزاد اسلامی واحد قزوین ایران

2 گروه مدیریت ورزشی، دانشکده مدیریت وحسابداری، دانشگاه آزاد اسلامی ، واحد قزوین ، ایران

10.22034/sms.2025.143670.1501

چکیده

با هدف درک عمیق‌تر عوامل مؤثر بر کارآفرینی ورزشی در گردشگری ایران، این پژوهش به طراحی مدلی مبتنی بر شبکه عصبی جهت تبیین و پیش‌بینی این پدیده پرداخت. پژوهش حاضر به‌صورت کاربردی و با روش تحقیق آمیخته (ترتیبی اکتشافی) انجام شد. در بخش کیفی، داده‌ها از طریق مصاحبه با ۱۲ خبره دانشگاهی و اجرایی و مرور ادبیات گردآوری و با تحلیل مضمون بررسی شدند. در بخش کمی، ۲۸۲ فعال حوزه ورزش و گردشگری با پرسشنامه‌ای شامل ۵۲ گویه و ۹ سازه مورد مطالعه قرار گرفتند که روایی آن از طریق لاوشه و پایایی آن با آلفای کرونباخ (86/0) تأیید شد. داده‌ها با تحلیل عاملی اکتشافی و شبکه عصبی پرسپترون چندلایه بررسی شدند. پیش از ورود داده‌ها به شبکه عصبی، کلیه متغیرها در بازه [۰-۱] نرمال‌سازی شدند. یافته‌ها ۹ سازه اصلی شامل عوامل فرهنگی، اقتصادی، کاربر/مصرف‌کننده، تبلیغات اینترنتی، رضایت، باورپذیری، اعتماد، مدیریت ارتباط با مشتری و کارآفرینی ورزشی در گردشگری را شناسایی کردند. ساختار ۹ عاملی با تبیین 83/61% از واریانس کل تأیید شد. مدل شبکه عصبی توسعه‌یافته، توانایی پیش‌بینی بالایی از خود نشان داد و اثر مستقیم، مثبت و معنادار هشت سازه مستقل بر کارآفرینی ورزشی را تأیید کرد. عوامل فرهنگی (با اهمیت نرمال‌شده 100%) و اقتصادی (4/99%) بیشترین نقش را داشتند. این مدل چارچوبی مفهومی و کاربردی برای تحلیل و تقویت کارآفرینی ورزشی ارائه می‌دهد. نوآوری پژوهش، طراحی و اعتبارسنجی نخستین مدل پیش‌بینی‌کننده جامع در این حوزه است.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Designing a Neural‑Network Model for Sport Entrepreneurship in the Tourism Context

نویسندگان [English]

  • mehri mohammadi 1
  • akram sadat hosseini semnani 2
  • zahra nobakht 2
1 Student of Islamic Azad University \Qazvin \ Iran
2 Department of Sports Management, Faculty of Management and Accounting, Islamic Azad University, Qazvin Branch, Iran
چکیده [English]

Aiming to deepen understanding of the factors that shape sport entrepreneurship within Iranian tourism, this study develops a neural‑network model to explain and predict the phenomenon. The applied research employed an exploratory sequential mixed‑methods design. In the qualitative phase, data were gathered through interviews with 12 academic and industry experts and a literature review, and then analyzed thematically. In the quantitative phase, 282 sport‑ and tourism‑sector practitioners completed a researcher‑made questionnaire containing 52 items across nine constructs; content validity was verified via the Lawshe method and reliability via Cronbach’s alpha (0.86). Data were examined using exploratory factor analysis (EFA) and a multilayer perceptron (MLP) neural network. Before entering the network, all variables were normalized to the [0–1] range. The analysis identified nine principal constructs—cultural factors, economic factors, consumer/user, online advertising, satisfaction, credibility, trust, customer‑relationship management, and sport entrepreneurship in tourism. The nine‑factor structure explained 61.83 % of the total variance. The developed MLP model displayed high predictive power and confirmed a direct, positive, and significant impact of all eight independent constructs on sport entrepreneurship. Cultural (normalized importance = 100%) and economic factors (99.4%) were the most influential. The model offers a conceptual and practical framework for analyzing and fostering sport entrepreneurship. The chief innovation lies in designing and validating the first comprehensive predictive model for this domain.

کلیدواژه‌ها [English]

  • Sport entrepreneurship
  • sport tourism
  • artificial neural networks
  • economic factors
  • cultural factors