杨若琛 苏畅 赵建晔 章俊华*
新时代背景下,建设生态宜居的美丽乡村,让居民望得见山、看得见水、记得住乡愁,是实施乡村振兴战略的一项重要任务。经济性上可持续地保护乡村景观的完整性和特色性,挖掘乡村景观的旅游价值是此过程中的必要环节之一[1],在全球化的今时今日,开展面向国际的乡村旅游,对于乡村品牌形象打造、缩小城乡发展差距以及提升国家对外形象均具有积极的现实作用[2]。
乡村景观指乡村地域范围内,由不同生态系统单元镶嵌而成的嵌块体。20世纪40年代开始,发达国家已经开始系统性地进行现代乡村景观规划设计[3],特别是随着乡村旅游产业的蓬勃发展,带动了现代乡村景观的诸多变化[4]。日本是亚洲地区开展乡村旅游较早的国家,自20世纪60年代末,日本开始借鉴欧洲国家的先进经验,通过制定一系列景观规划法案,增设相关部门,培养国际人才,建设基础设施等措施,推进入境旅游,使得日本乡村旅游逐步走向国际[5]。发展过程中,日本特别注重品牌意识的树立和推广,利用观光产业向全世界传播乡村自然生态与传统文化的“国际名片”,提升了其国家形象的影响力[6]。
为实现观光立国的长远目标,日本政府提出了广泛收集和听取使用者的实际反馈,捕捉游客需求变化,顺应其期待,实现具有全球魅力的景观建设[7-8]。研究表明使用者的观光行为感知特征体现了其对该地区及其自然景观的整体感知偏好[9],因而对乡村景观的实际体验状况进行评估,其结果可直接反映乡村景观的规划设计与运行管理成效[10]。面对庞大的游客群体,大数据分析为预测游客行为意图、提高旅游满意度以及乡村绿地优化提供了科学的参考依据[8,11-12]。其中旅游点评平台的用户生成内容相对于传统数据而言,具有样本量大、时效性强以及内容多样化等特点,在个人行为捕捉以及趋势预测等方面更具优势[13-15]。
当前有关乡村景观感知的研究以文本挖掘分析为主,如张洪昌等[16]对入境游客的民族村寨旅游感知状况进行分析,探寻其旅游认知形象;塚田等[17]以日本群马县校歌作为文本数据,提取景观词汇对描写群马山岳的语言特征进行分析;张颖[18]通过人工筛选网络信息分析朱家峪的品牌形象认知。因人工收集在大量数据的处理效率上存在局限性,近年来利用机器学习,快速而准确地获取大量网络数据的研究得到了快速发展,如陈乐等[19]利用机器学习获取有关湖南武陵山的网络评价并分析其景观感知状况;张瑛等[20]选择大运河为研究对象,利用爬虫程序获取网络游记,基于数据处理结果评估游客对大运河文化遗产感知的特征。
乡村景观虽在多种文化中承载着乡愁意象,然而受人与自然相互融合的“东方文化景观”感性理念与人和自然相对独立的“西方客观世界”理性理念的影响,在景观审美及认知上不同文化背景人群必然存在着差异[21]。然而在既往研究中分析数据的文本语言单一,缺少多重视野观察乡村景观及其产业运行、审视不同游客群体感知差异的研究。
本研究选择国际化乡村旅游开展较早的恩纳村为案例,使用全球最大的旅游点评网站TripAdvisor作为数据来源,探求不同文化背景游客对于恩纳村的景观感知异同,明确该村景观的核心魅力以及不同游客的关注重点。从选择数据素材、数据获取方式和分析角度上具有一定的创新性和代表性,并借此海外成熟案例为中国新时代乡村景观的建设规划提供思考。
恩纳村位于冲绳本岛北部地区西侧,临近多处世界遗产,地域狭长,东侧山川密布,西侧面向东海并被纳入海岸国家公园,周边建设有大量观光酒店[22]。2018年游客量达280万人次,位于冲绳地区第二位,村级行政单位第一位[23],是具有冲绳景观代表性、全球知名的乡村旅游胜地。该地区继承了自古琉球王国时期中日传统造园形式并存混合的景观理念,形成了与日本本土迥然不同,突出海洋地域性与文化乡土性相互融合的乡村景观特征[24]。
本研究的数据来源为:1)TripAdvisor网站公开的游客点评信息;2)冲绳县官网公布的观光客统计数据。
基于Python 3.1语言,利用Scrapy爬虫框架爬取TripAdvisor网站中恩纳村境内全部旅游点评信息的原始数据(2009年1月—2021年12月)。原始数据包含评分、旅游类型、旅游日期、景点类型以及评论文本。
参考高湘昀等[25]、李伟等[26]、王刚等[27]对于研究数据的适用性验证方法,使用SPSS执行原始数据的逐年计数与冲绳县历年观光客人数统计的双变量相关性分析,判断二者有无相互解释的能力,验证原始数据对于整体游客群体的研究适用性。
首先,处理原始数据中的游客行为要素,分别为评分、旅游类型、月份、景点类型,共4类。其中,评分、旅行类型和月份沿用原始数据信息,景点类型参考Lopez等[28]对于绿地构成以及村中等[29]对于冲绳地区原风景的分类方法,分为地质景观、公园、海滩水域、潜水、商业店铺以及花园。接下来,使用SPSS将点评中的评论文本语言分别与上述4类游客行为要素进行Pearson卡方检验,判断语言背景与不同游客行为要素之间是否呈现相关性并建立条形图,观察其游客行为特征。
创新思维滞后 医用电子仪器基础理论知识点多,学科交叉融合性强,学科发展迅速。高年级学生学习任务繁重,面临就业压力大,目的指向性强。采用传统班级授课和教材内容编排及讲授为主的教学模式,抑制了学生的主动性和积极性。知识的单向传递不利于培养学生对理论知识运用于实践的分析、综合、判断等创新思考。
本研究使用KH Coder 3软件分别对不同语言文本进行文本挖掘分析,流程包括:1)逐条导入评论文本并执行预处理;2)参考塚田等[17]和村中等[29]对冲绳景观构成词汇的研究,通过软件筛选景观感知的名词和形容词并去除符号和标点等无明显含义高频词;3)本研究涉及多种语言,为避免作者的多语言辨别差异而造成的干预,因此以人为筛选最小限度为原则对高频词进行统计处理,整理出现次数前100位的高频词并进行比较分析;4)基于上述数据,参考田中等[30]的高频词关联性研究,采用Jaccard相似系数算法,绘制得到以恩纳村景观感知词汇为主的共现网络。
最终基于高频词分析对共现网络进行视觉上的判读,结合文化背景分析不同游客群体对于恩纳村的景观感知差异及其成因。
得到游客点评的原始数据5 037条,其中评论文本包含16种语言(表1)。参考熊谷聡[31]对于样本容量与统计推算之间的精度判读方法,本研究为确保推算精确性,选择单一语言样本容量大于100条的作为有效数据,分别为日文(3 706条)、中文(569条)、英文(378条)和韩文(253条)共4组,合计4 906条。
表1 用户评论文本的语言及数量Tab. 1 Language and amount of user comment texts
首先,对历年的原始数据计数与观光客人数统计进行双变量相关性分析,其显著性检验值处于0.01级别且皮尔逊相关性的值接近1(0.746),可知二者呈现强正相关性,符合总体游客人数分布特征。其次,TripAdvisor作为全球最大的旅游点评网站,积累了来自全世界游的大量游记类用户生成内容[32],虽然对于不常使用网络以及小语种用户存在采样偏向性,随着网络社交媒体的普及,日本地区的TripAdvisor发帖量已位居世界前列[23],TripAdvisor提供的旅行数据也被日本观光振兴协会作为规划旅游政策的参考依据,是研究日本乡村景观的必要数据来源。因而综合判断原始数据具有研究适用性,能够表征大众对于恩纳村景观的感知状况。
对点评中的评论文本语言与游客行为要素进行Pearson卡方检验(表2),结果所示渐进显著性的值均小于0.01,可以判断不同语言背景与评分、旅游类型、月份、景点类型均具有相关性。具体统计结果如下(图1)。
表2 点评中的评论文本语言和游客行为要素的独立性检验Tab. 2 Test of independence for comment text languages in reviews and tourist behavior elements
图1 不同语言点评中游客行为要素统计Cartogram of tourist behavior elements in different language comments
1)所有语言的点评中评分含有4分和5分的正面评价均占据多数(日:77.4%、中:75.9%、英:77.0%、韩:74.7%),其中中文和英文点评中含有5分的占比最多,分别为39.7%、40.5%,具有更加极致满意的观光体验,日文和韩文点评中含有4分的占比最多,分别为45.8%、40.7%。
2)所有语言的点评中旅游类型含有家庭的占比均为最多(日:43.8%、中:33.4%、英:33.9%、韩:39.5%),好友及夫妻情侣均多于独自旅游方式,可见游客普遍采取结伴出游方式,日文点评中含有家庭的比例稍高。
3)日文点评中旅游日期在7—8月呈现点评数量高峰,其中8月占比最多(13.4%),因家庭出行占主导,8月正值日本学生暑假的开始,游客量也显著增多;中文点评中在5—7月呈现点评数量高峰,其中6月占比最多(14.2%),中文使用者更加青睐选择天气开始转暖时期出游;英文点评中6月占比最多(14.8%),其次为12月(11.1%);韩文点评中2月占比最多(11.9%),韩文使用者偏好选择在凉爽时期出游。
4)所有语言的点评中景点类型含有地质景观占比均为最多(日:28.7%、中:49.9%、英:35.4%、韩:53.0%),中文、英文及韩文点评中含有地质景观的占比远多于日文点评。日文点评中含有商业店铺占比达20.0%,此类型在其他语言点评中占比均为最少。中文点评中含有潜水的占比达19.0%,显著高于以欣赏为主的海滩水域,接下来为文化体验(13.4%)。英语点评中地质景观之外其余各类型的占比较为均衡,注重多元体验。韩文点评中含有商业店铺的占比极少(1.2%)。
4.3.1 高频词统计结果及分析
对各组高频词中的形容词和名词进行词频排名分析(表3~6),各组景观高频词均以形容词“好”“美丽”“漂亮”等积极情绪为主,不存在显著的负面情绪,可见恩纳村具有普遍的游客美誉度。名词以“海”“海滩”“洞窟”等海洋性环境为主,恩纳村的海洋性气候环境给予游客深刻印象,同时也是吸引旅游者的重要元素,成为恩纳村的优势景观。
表3 日文评论文本的高频词统计Tab. 3 Statistics of high-frequency words in Japanese comment texts
日文文本中出现“广阔”空间感知,“人”“混杂”“游客”等关于游人状况名词的词频较高,可见日文使用者具有脱离快节奏的拥挤生活、享受广阔舒畅的乡村空间的观光期待以及对于游客拥挤现象的显著排斥心理,乡村旅游需避免过度开发,满足游客逃离都市喧嚣的心理期待[33],保留固有的乡村属性人文主义价值,提升游客的观光体验和居民的生活品质。仅在日文文本中有提及具体的舞蹈、食物名称名词,并且“礼物”的出现次数高居第9位,反映其在文化宣传层面尚存不足,深度认知局限于日本本土,海外游客更多以轻度体验为主。中文文本中名词“潜水”“浮潜”的出现次数均高居前10位且频繁提到形容词“清澈”以及名词“珊瑚”,可见中文使用者对于潜水对象的强烈需求偏好,强调水质洁净程度带来的良好感知印象。英文文本中名词“位置”“视野”的出现次数位于前2位,可见英文使用者对于观景场地的需求性极高。韩文文本中出现了形容词“凉爽的”“清凉的”,恩纳村在规划中为应对高温高湿的气候状况,设置的凉爽休憩环境对于来自气候寒冷地区的韩文使用者而言,具有良好印象。
表4 中文评论文本的高频词统计Tab. 4 Statistics of high-frequency words in Chinese comment texts
表5 英文评论文本的高频词统计Tab. 5 Statistics of high-frequency words in English comment texts
表6 韩文评论文本的高频词统计Tab. 6 Statistics of high-frequency words in Korean comment texts
4.3.2 共现网络及考察
通过软件绘制得到4组以恩纳村景观词汇为主的共现网络(图2~5)。共现网络中以圆以及连接线的形式展现高频词之间的关联性程度,圆的面积越大表示词频越高,同一种颜色的圆表示关联性强的高频词聚集组,实线连接线代表关联性极强,虚线连接线代表关联性较强。
图2 日文点评文本的共现网络Co-occurrence network in Japanese comment texts
图3 中文点评文本的共现网络Co-occurrence network in Chinese comment texts
图4 英文点评文本的共现网络Co-occurrence network in English comment texts
图5 韩文点评文本的共现网络Co-occurrence network in Korean comment texts
各组中均含有由“洞穴”“潜水”“鱼”等构成的青之洞窟聚集组、由“万座毛”“大象”“岩石”等构成的万座毛象鼻岩聚集组、由“沙滩”“酒店”“设施”等构成的沿海度假酒店聚集组以及由“琉球”“文化”“舞蹈”等构成的琉球文化体验活动聚集组。可见恩纳村作为发展成熟的乡村旅游地区,各国游客的景观感知对象及其旅游目的地呈现趋同倾向,实现了景观与文化资源的合理利用。在列入世界自然遗产的恩纳村及其所在的冲绳北部地区,景观建设被纳入整个沿海岸区域规划的统筹考虑,将景观资源丰富的沿岸风光整合起来,同观光、住宿业相结合,积极地拉动了整个区域经济与乡村景观的发展。沿岸景观既是观光休闲地,也是岛内聚落的生态保障与缓冲,成为保障旅游产业发展的重要景观资源[34],是实现可持续性的生态环境保护必不可少的现实诱因和经济基础,形成了观光加保护的良性互动。
日文文本呈现“蔬菜”“杧果”“水果”“刨冰”等具体食物类聚集组,可见日文使用者将探寻特色美食作为其重要的旅游目的,日文、英文和韩文文本中“停车处”均与“免费”关联性强,对于游客需求度高的基础设施采取价格优惠政策,不过分强调当下经济利益,能够换取其良好旅游印象和评价,也是可持续性乡村旅游发展的必要口碑建设。
中文文本中,首先潜水相关的词汇占据重要组成部分,其次琉球文化体验词汇中,“文化”“琉球”“建筑”“表演”“舞蹈”“琉球村”“历史”“生活”“首里城”相互连接,不仅数量较多,同时涉及的感知对象覆盖面广泛,可见中文使用者具备深厚的历史感情连接,于主观层面产生对恩纳村文化的强烈兴趣及深度了解驱动力,而非出于单纯的异文化猎奇心态。
英文文本中主要以“位置”“海角”“海滩”“洞穴”等场地高频词为核心聚集,可见英文使用者以欣赏景观自身作为其最重要的旅游目的。因而相关规划应考虑到以观景为主要旅游目的的使用者对于能够获得良好视野的场地需求,满足其“望得见山、看得见水”的旅游目标期待。
韩文文本中“洞穴”“浮潜”“凉爽的”以及“感觉”“济州岛”关联性强,此处可见韩文使用者在潜水场地的选择上重视适宜的气候环境,且具有对比家乡景观进而产生回忆联想引发共同情感的感知倾向。在国际化推广中,善于运用乡村景观承载的乡愁意象,能够突破文化和语言的阻隔,达成“记得住乡愁”的感性景观感知。
各国游客对恩纳村普遍具有较高的满意度,旅游目的地集中在青之洞窟、万座毛、海滩酒店以及琉球文化活动,由此可见恩纳村的品牌化观光塑造成果显著,不同游客人群对于该村的海洋特色及琉球文化景观均留下深刻印象。恩纳村的特色风光景点具有一定的国际知名度,实现了自然与文化资源的合理利用,此外将沿海岸线自然风光与观光产业设施整合起来,带动区域经济发展与自然景观保护相辅相成的良性发展。
日文使用者呈现出对于恩纳村传统文化和特产的熟知,恩纳村虽然长期致力于国际化观光开发,然而在推广时受限于语言、习俗等,具备深度认知的使用者多局限于日本本土,今后须考虑面向轻度体验的国际游客做出对应的景观规划策略。此外,日本游客对于商业产品以及开阔空间的需求较高。中文使用者相较于价格因素,更看重其是否能够提供高品质的观光活动体验,更注重实际的景观参与感,其对优质干净的海水景观以及配套完善的活动设施等具有较高期待。琉球王国自古以来与中原王朝互通有无,中文使用者具有更深的文化认同感,产生围绕文化景观的兴趣偏好。英文使用者相较于同属于东亚汉字文化圈的其他三组,对于恩纳村文化景观的感知状况相对浅显,更注重能够提供良好眺望视野的观景场地。说明乡村景观建设中需考虑到受众文化背景,在语言文化存在较大差异的情况下,不必强求于说教式的文化灌输,可以通过充分展示其自然资源优势,最为直观地向全世界游客传播其乡村魅力。韩文使用者偏好于凉爽的休憩环境和出行季节,需确保寒冷地域游客在极端湿热环境中的舒适与安全,建设凉爽通风的休息场所以及紧急医疗设施。
长期以来,不同国家游客的景观感知差异被简单总结为以西方国家为主的度假式旅游和以东方国家为主的观光式旅游的差异。通过上述分析发现,因日本城市建筑密度较高,日文使用者日常接触多为口袋公园等小面积绿地,其对于宽敞静谧的乡村空间环境具有显著需求。在建设中保留乡村景观的独有特质,避免过度开发,不仅是对自然的保护,在全世界城市化率激增的大背景下,也为渴望一时逃离城市喧嚣拥挤的人们提供场所,具有化解城市压力的社会作用。此外,选择海外出游的中文使用者已经不局限于走马观花式的观赏风景,其呈现出对于人文体验以及水上活动的强烈需求,具有深度景观参与性。英文使用者因其自身不熟悉恩纳村所代表的冲绳文化,相较于深度景观参与,更偏向于单纯的风景欣赏。韩文使用者的日常生活环境较为寒冷,对于冲绳的高温高湿环境更为不适,旅途中更关注景点内提供的凉爽休息场地。
本研究表明恩纳村的核心景观魅力是保留地域特色的海洋环境、依托自然资源的衍生参与体验以及传承琉球历史的文化附加价值。不同游客群体因其自身文化背景不同在景观层面的关注重点上存在差异:日文使用者更注重通过乡村景观远离城市喧嚣的解压作用;中文使用者更为热衷于依托良好海洋景观的参与体验,另外对于当地文化景观具有强烈认同感;英文使用者更为注重良好的视野场地,以便欣赏乡村自然风景;韩文使用者的关注重点体现在对凉爽环境的需求,以及乡村景观承载的乡愁情感。
本研究填补了将用户生成数据运用于冲绳地区景观研究的空白,基于多语言大数据分析得出的结果具有较高的普遍性和可信度,然而本次研究尚未考虑到新冠肺炎疫情后游客的感知变化,这可以作为今后的研究课题。
借由恩纳村的成熟案例,比较被列入世界遗产的中国宏村,此前吕梦竹[35]的研究表明宏村的核心魅力主要体现在以人工水系串联旅游动线、基于孝和诚信的文化景观特色,然而其复杂的文化内涵在海外推广中难度较大,游客更多的是观赏景观而非参与其中,互动性稍显不足,此外过度的商业推广也弱化了游客对乡村自身特色的欣赏,忽视了乡村核心魅力,易对观赏兴致产生负面影响。因而对中国开发国际化乡村旅游提出以下思考:1)在发展现代化、国际化旅游基础设施的基础上,实施凸显乡村地域特色、地理特色、乡村文化遗产特色的景观规划建设和品牌化推广战略;2)确立以自然、人文景观为中心,保留乡村固有的清净淡雅的人文主义价值,避免过于商业化的旅游设施开发以及快速求成的极端化推广策略;3)主推自然景观的同时应着重考虑特色乡村旅游目的地可达性,构建适应多种交通方式需求的基础建设;4)考虑经济利益和自然生态的系统性优化整合和资源的高效利用,有利于实现长远可持续的乡村发展以及生态保护。
图表来源(Sources of Figures and Tables):
图1基于原始数据通过SPSS软件绘制;图2~5基于文本挖掘结果通过KH Coder 3软件绘制;表1基于原始数据绘制;表2基于SPSS的统计结果由作者绘制;表3~6基于文本挖掘结果由作者绘制。