<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE ArticleSet PUBLIC "-//NLM//DTD PubMed 2.7//EN" "https://dtd.nlm.nih.gov/ncbi/pubmed/in/PubMed.dtd">
<ArticleSet>
<Article>
<Journal>
				<PublisherName>پژوهشکده گردشگری جهاد دانشگاهی</PublisherName>
				<JournalTitle>مطالعات اجتماعی گردشگری</JournalTitle>
				<Issn>2382-9664</Issn>
				<Volume>13</Volume>
				<Issue>31</Issue>
				<PubDate PubStatus="epublish">
					<Year>2025</Year>
					<Month>11</Month>
					<Day>22</Day>
				</PubDate>
			</Journal>
<ArticleTitle>Clustering Iranian Provinces Based on Hospitality Index: Netnography of the Couchsurfing Social Network</ArticleTitle>
<VernacularTitle>خوشه‌بندی استان‌های کشور بر اساس شاخص مهمان‌نوازی؛ نتنوگرافی شبکه اجتماعی کوچ سرفینگ</VernacularTitle>
			<FirstPage>32</FirstPage>
			<LastPage>57</LastPage>
			<ELocationID EIdType="pii">734946</ELocationID>
			
<ELocationID EIdType="doi">10.22034/jitor.2025.734946</ELocationID>
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>حمید</FirstName>
					<LastName>مسعودی</LastName>
<Affiliation>استادیار و عضو هیات علمی گروه جامعه‌شناسی دانشکده ادبیات و علوم انسانی، دانشگاه بیرجند، بیرجند، ایران</Affiliation>
<Identifier Source="ORCID">0000-0003-0497-434X</Identifier>

</Author>
<Author>
					<FirstName>عارف</FirstName>
					<LastName>ابراهیمی</LastName>
<Affiliation>دانشجوی کارشناسی ارشد پژوهشگری علوم اجتماعی، گروه جامعه‌شناسی دانشکده ادبیات و علوم انسانی، دانشگاه بیرجند، بیرجند، ایران</Affiliation>
<Identifier Source="ORCID">0009-0007-1824-1151</Identifier>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2025</Year>
					<Month>09</Month>
					<Day>18</Day>
				</PubDate>
			</History>
		<Abstract>This study set out to investigate the clustering of Iranian provinces based on the hospitality index and the quality of interactions between foreign tourists and local host communities, using the data collected from the Couchsurfing social network. The primary objectives were to assess the quality of interactions between foreign tourists and local hosts in Iran and to propose a novel social hospitality index for each province. To this end, a netnographic approach was employed, leveraging web-scraping tools and Python programming to extract and analyze data from approximately 480,000 profiles of local Iranian hosts published on the Couchsurfing platform. Following data collection, tourist satisfaction of the local hosts in each province was evaluated using netnography, and a hospitality index was calculated and presented for each province. The findings of the study revealed significant variations in the interaction experiences of foreign tourists across different regions in Iran. The Iranian provinces were then classified into four distinct clusters based on the hospitality index using cluster analysis. The index proposed in this study can serve as an effective tool for planning and enhancing tourism experiences across Iranian provinces. Moreover, by introducing a new measurement criterion and utilizing social network data, this study contributes to a deeper understanding of hospitality behaviors in Iran and their influence on attracting tourists.</Abstract>
			<OtherAbstract Language="FA">در این پژوهش، خوشه‌بندی استان‌های کشور بر اساس شاخص مهمان‌نوازی و کیفیت تعامل گردشگران خارجی با جامعه میزبان‌های محلی به تفکیک استان‌های ایران، با استفاده از داده‌های شبکه اجتماعی کوچ‌سرفینگ انجام شده است. هدف اصلی، بررسی کیفیت تعامل گردشگران خارجی با جامعه میزبانان محلی ایران و ارائه‌ی شاخص‌ اجتماعی جدید مهمان‌نوازی در هر استان است. بدین منظور، با استفاده از روش نتنوگرافی و با بهره‌گیری از ابزارهای وب‌اسکرپینگ و زبان برنامه‌نویسی پایتون، اطلاعات مرتبط با 480,000 پروفایل میزبانان محلی ایرانی در شبکه مهمان‌نوازی کوچ‌سرفینگ استخراج و تحلیل شده است. پس از جمع‌آوری داده‌ها، میزان رضایت گردشگران از میزبانان محلی هر استان با استفاده از نسبت تعداد نظرات مثبت به کل نظرات محاسبه و شاخص مهمان‌نوازی ارائه گردید. تحلیل خوشه‌ای سلسله‌مراتبی با روش کای میانگین استان‌های ایران را چهار خوشه طبقه‌بندی کرد: خوشه 1 شامل استان‌هایی مانند سیستان‌وبلوچستان، کردستان، کرمانشاه و گلستان با میانگین 69.5% بیشترین میزان مهمان‌نوازی و خوشه 4 شامل تهران و خراسان رضوی با میانگین 51% پایین‌ترین میزان مهمان‌نوازی را نشان داد. شاخص معرفی‌شده توانست به‌صورت کمی تفاوت‌های معنادار در رضایت و تعاملات گردشگری میان استان‌های مختلف نشان دهد و بازتاب‌دهنده سطح تعامل مثبت گردشگران با جامعه میزبانان محلی و کیفیت مهمان‌نوازی در هر منطقه باشد. این پژوهش با تمرکز بر توصیف وضعیت مهمان‌نوازی در استان‌های مختلف ایران، یک دیدگاه جامع و مقایسه‌ای ارائه کرده است.</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">مهمان نوازی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">کوچ سرفینگ</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">نتنوگرافی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">جامعه میزبان</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://www.journalitor.ir/article_734946_3ef999c2f678dd6c4cdb59cc3cf60e0b.pdf</ArchiveCopySource>
</Article>
</ArticleSet>
