Share
Embed
経営学分野でのテキスト分析/Text_analysis_on_management
テキスト分析について4年間学んだことをまとめました。
内容としては以下です。
・テキスト分析とは
・経営学分野でテキスト分析をする意義
・応用例
・学びや失敗
haaaayhay
January 25, 2019
Transcript
67 slides
-
目次 • ςΩετੳΛקΊΔཧ༝ • ςΩετੳͱʁ • Ͳ͏͍͏ख๏͕͋Δ͔ʁ • Ͳ͏͍͏ݚڀྫ͕͋Δ͔ʁ •
ੳʹ͓͍ͯ৺ݒ͚ͨ͜ͱ 5 -
目次 • ςΩετੳΛקΊΔཧ༝ • ςΩετੳͱʁ • Ͳ͏͍͏ख๏͕͋Δ͔ʁ • Ͳ͏͍͏ݚڀྫ͕͋Δ͔ʁ •
ੳʹ͓͍ͯ৺ݒ͚ͨ͜ͱ 6 -
②専門性が高いため手を出す研究者が少ない • ੈʮେσʔλ࣌ʯɻʑരൃతʹσʔλ͕૿͍͑ͯΔɻςΩε τσʔλྫ֎Ͱͳ͍ɻ • ੳख๏ଟ༷Խ͠ɺͦΕΛՄೳʹ͢ΔιϑτΣΞੜ·ΕΔɻ • ιϑτΣΞʹΑͬͯख๏͕ϒϥοΫϘοΫεԽɻ·ͨख๏ࣗମ ·͢·͢ෳࡶԽɻ •
ݪཧ͕Θ্͔ͬͨͰ͍͜ͳͤΔݚڀऀ૿͑ͣɺؾܰʹखΛग़ͤ ΔͷͰͳ͘ͳͬͨɻ 9 -
目次 • ςΩετੳΛקΊΔཧ༝ • ςΩετੳͱʁ • Ͳ͏͍͏ख๏͕͋Δ͔ʁ • Ͳ͏͍͏ݚڀྫ͕͋Δ͔ʁ •
ੳʹ͓͍ͯ৺ݒ͚ͨ͜ͱ 12 -
コード、コーディング、コーディングルール • ݚڀऀ͕ੳલɺ·ͨޙʹఆΊΔநత֓೦ͷ͜ͱΛίʔυ ͱݺͿɻ • ૉσʔλʹରͯ͠நతͳϥϕϧΛషΔ͜ͱίʔσΟϯά ʢίʔυԽʣͱݺͿɻ • ͦͷࡍɺϥϕϧͷج४ͱͳΔͷΛίʔσΟϯάϧʔϧͱݺͿɻ •
ʢ͍ΘΏΔQSPHSBNJOHͷίʔυͱҟͳΔɻʣ 16 ※完全⼿動か完全⾃動かでプロセスが若⼲変わります -
NLPを学ぶ意義 • /-1Λѻ͏"*͕ʮͬ͘͟ΓͱʯͲͷΑ͏ͳΈͰಈ͍͍ͯΔͷ͔ ͕Θ͔Δɻ • ʮ4JSJ"MFYBɺΓΜͳͲ͏͍͏ΞϧΰϦζϜͰฦࣄΛ͍ͯ͠Δ͔ʁʯ • ʮ"*͕ߦ͏จॻཁͬͯͲ͏ͳͷʁʯ • ݱࡏɾকདྷͷ"*͕؆୯ͳ͜ͱɺ͍͜͠ͱ͕ʮͬ͘͟ΓͱʯΘ͔Δɻ
• ࣾձͷΈ͕গ͠Θ͔Δɻ • ࣗͷΩϟϦΞΛߟ͑ΔώϯτʹͳΔɻ 20 -
テキスト分析とは? • จࣈ௨ΓɺςΩετσʔλΛੳ͢Δ͜ͱɻ • ੳΛ௨ͯ͠ςΩετ͔ΒԾઆΛൃݟɺԾઆΛݕূ͢Δ࡞ۀ ʢتా ʣɻ • ۙͷٕज़ͷൃୡʹΑΓɺਓ͕ؒݟ͚ͭΒΕͳ͔ͬͨύλʔϯ ΛςΩετ͔Βݟ͚ͭͨΓɺҙຯ͋ΔܗͰ݁ͼ͚ͭͨΓͯ͠
ʢ&WBOTBOE"DFWFT ʣɺՁ͋Δ݁ՌࣔࠦΛੜΈग़ ͤΔΑ͏ʹͳͬͨʢ(SJNNFSBOE4UFXBSUʣɻ 22 -
テキスト分析の利点 • ςΩετͷಛΛԽɾݟ͑ΔԽ͢Δ͜ͱ͕Մೳɻ • ςΩετௐࠪΛஅͬͨΓɺٸʹফ͑ͨΓ͠ͳ͍ɻ • ͍ؒੵ͞ΕͨςΩετΛੳରͱ͢ΔͨΊɺݱଘ͠ͳ͍ ਓΛௐࠪ͢Δ͜ͱ͕Մೳ ʢ)PMTUJ ʣɻ
• ࣮ݧΞϯέʔτௐࠪͱൺֱͯ͠ɺௐࠪରͷԠʹ݁Ռ͕ࠨ ӈ͞Εʹ͍͘ʢ,SJQQFOEPSGGʣ ɻ 23 -
目次 • ςΩετੳΛקΊΔཧ༝ • ςΩετੳͱʁ • Ͳ͏͍͏ख๏͕͋Δ͔ʁ • Ͳ͏͍͏ݚڀྫ͕͋Δ͔ʁ •
ੳʹ͓͍ͯ৺ݒ͚ͨ͜ͱ 25 -
経営学分野で(よく)用いられるテキスト分析手法 • ༰ੳ • ςΩετϚΠχϯά • ηϯνϝϯτΞφϦγεʢࠓѻΘͳ͍ʣ • τϐοΫϞσϦϯάʢࠓѻΘͳ͍ʣ •
FUD • ͦͷଞಛྔΛ֫ಘ͢ΔͨΊͷख๏ • #P8දݱ • 5'*%' • ࢄදݱ 26 -
内容分析(Content Analysis) • ςΩετੳͷݹయతख๏ͷ̍ͭɻ • ໌ࣔ͞Εͨίϛϡχέʔγϣϯͷ༰Λ٬؍తɺମܥతʹ͔͠ఆ ྔతʹهड़͢Δௐٕࠪज़ʢ#FSFMTPO ʣɻ • ςΩετʹ͓͚ΔಛఆͷಛΛ٬؍తɺମܥతʹಉఆ͢Δ͜ͱʹΑ
ΓɺਪΛߦ͏ௐٕࠪज़ʢ,SJQQFOEPSGG ʣɻ • ௐࠪͰಘΒΕͨʢهड़తʣσʔλΛͱʹه୯ҐͰੳ͠ɺ ྨɾ໋໊͢Δ͜ͱʹΑͬͯ͋ΔࣄΛ٬؍తʹ໌Β͔ʹ͢Δ͜ͱ ʢ্ ʣɻ 27 -
内容分析の例① 手順 ରͱ͢ΔςΩετΛબ͢Δ ઌߦݚڀʹଇΓɺʮࣙॻʯΛ࡞͢Δɻಉ࣌ʹੳ୯ҐΛܾ ΊΔʢ୯ޠɺηϯςϯεɺύϥάϥϑͳͲʣ ࣙॻΛͱʹςΩετΛੳ͢Δ •
ଟ͘୯ޠڞىͷසΛΧϯτ͢Δ ෳਓͰΫϩενΣοΫΛߦ͏ 29 -
内容分析の例② 辞書作成 • ࣙॻ࡞ͷํ๏ओʹ̎ͭ͋Δɻ ઌߦݚڀΛͱʹ࡞͢Δ • ੳ͍ͨ֓͠೦ʹؔ͢ΔઌߦݚڀʢFHੑʣ • ํ๏ͷઌߦݚڀʢFH୭ͷ༰ੳ͔ʁʣ
ग़ͯ͘Δ୯ޠΛൃతʹर͍ͬͯ͘ํ๏ʢTOPXCBMM BQQSPBDIʣ 30 ※いずれにしてもどの研究に則ったかは明記しよう -
内容分析の例③ 辞書の例(オズボーンのチェックリスト一部) B3時に小倉が作成したもの 31 ྫ స༻ Ԡ༻ɺநԽɺཱͯΔ Ԡ༻ ʙͰɺ͔͋Δɺ͍Θɺஔ͖͑Δɺಉ͡ɺมΘΒͳ͍ɺͨͱ͑Δʢྫ͑Δᄻ͑ ΔʣɺͰݴͬͨΒɺͰɺͱҰॹɺಉ༷ɺ͓͚ΔɺʹݶΒͣɺʹ͍ۙɺʹݴ͑ΔɺࣅΔɺ
ͷɺ෩ɺ·͘͞͠ɺ·͞ʹɺ·ΔͰɺΈ͍ͨɺʹཱͭɺΑ͏ͳɺΑ͏ͳɺݴͬͯΈ ΕɺൺᄻతʹɺͳΒɺʙมΘΒͳ͍ɺԠ༻ɺٵऩ͢Δɺࢀߟɺͦͷ··ɺ͚ͩͰͳ͘ɺ ͩͬͯͦ͏ɺ௨༻͢ΔɺͰݴ͑ɺͰɺͱߟ͑Δɺश͏ɺ݁ͼ͚ͭΔɺɺͦ͏ɺج ͍ͮͯɺ·ͨ มߋ ͍Ζ͍Ζͳɺସ͑Δɺม͑Δɺٯͷɺͦ͏Ͱͳ͍ɺͩͬͨΒɺҧ͏ɺผͷɺΊΔ ֦େ ͍ɺ͘ɺશମͷੈքதͷɺԆɺ֦େɺڧௐɺ૿Ճɺ͛ΔɺͳΜͰɺͨ͘͞Μɺ ૿͢ ॖখ ʙʹΒ͠ɺͬͱૣ͘ɺҾ͖Լ͛ͯɺҰݴͰݴ͑ɺߜΓࠐΉɺߜΓ·ͨ͠ ஔ ʙͩͬͨΒ ͬͨΒ ༻ ΘΓʹɺʙ͕͍͍ͷͳΒ -
内容分析の例④ クロスチェック 32 • ਓʹΑͬͯ୯ޠจষͷղऍ͕ҟͳΔ߹͕͋Δɻ • ྫ͑ʮஈΛεʔύʔͷΑ͏ͳಉҰՁ֨ʹͨ͠ɻʯ • స༻ʁมߋʁ •
ζϨΛೝࣝͨ͠Γɺमਖ਼ͨ͠Γ͢ΔతͰෳਓͰνΣοΫΛ ߦ͏ɻ -
テキストマイニング • ੈلޙͷίϯϐϡʔλͷొͱͱʹɺ༰ੳΛػցʹ ͤΔྲྀΕ͕ੜ·ΕΔɻ • େنͳςΩετσʔλΛػցతʹॲཧ͢ΔҰ࿈ͷख๏Λʮς ΩετϚΠχϯάʯ·ͨʮܭྔςΩετੳʯͱݺͿʢᜊ౻ Ṥޱ Ԭ ʣɻ
• සग़୯ޠͷूܭͱՄࢹԽɺڞىͷੳͳͲ͕ओͳੳʢᜊ౻ Ԭ ʣ 34 -
2つのアプローチ(樋口 2014) %JDUJPOBSZCBTFEBQQSPBDI • ίʔσΟϯάϧʔϧΛ͋Β͔͡Ί࡞্ͨ͠ͰςΩετͷੳΛߦ͏ɻ • ੳલʹʮࣗಈंɺඈߦػɺόΠΫΛzΓzͱ͍͏֓೦ͱݟͳ͢ʯ ͷΑ͏ͳίʔσΟϯάϧʔϧʢEJDUJPOBSZʣΛ࡞͢Δɻ •
ཧҙࣝΛૢ࡞Խ͢Δ͜ͱ͕ՄೳʹͳΔʢ0THPPEFUBM ʣ $PSSFMBUJPOBM BQQSPBDI • จॻʹසൟʹग़ݱ͢Δ୯ޠɺηϯςϯεɺύϥάϥϑΛଟมྔղੳ ʹΑͬͯάϧʔϐϯά͢ΔΑ͏ͳੳ • ςΩετΛܗଶૉղੳͷॲཧʹ͔͚ɺͦͷ݁ՌΛ༻͍ͯଟมྔղੳΛ ߦ͏ • ཧҙࣝͱ͍ͬͨઌೖ؍ͱͳΓ͏ΔͷʹΑͬͯσʔλ͕Ԛછ ʢDPOUBNJOBUFʣ͞ΕΔ͜ͱ͕ճආͰ͖Δɻ 35 -
5.ੳͷΞτϓοτΛେผ͢Δͱʢᜊ౻ ʣ 36 ֓೦ͷʢ୯ޠͷग़ݱසʣͷूܭ Γड͚සͷूܭ ϚοϐϯάʢFHࣗݾ৫ԽϚοϓʣ
୯ޠͷωοτϫʔΫੳ ୯ޠͱଐੑɺରͷಉ࣌ஔ ςΩετͷྨ Ωʔϫʔυநग़ -
ベクトルによる文書の表現 • ϕΫτϧԽ͢Δ͜ͱͰɺจॻͷѻ͍ํͷ෯͕͕Δɻൺֱͨ͠ ΓɺڑΛଌͬͨΓɺϕΫτϧಉ࢜ͷܭࢉΛͨ͠ΓͰ͖Δɻ • ϕΫτϧԽ͢Δʹ༷ʑͳख๏͕͋Δɻ • #P8දݱ • 5'*%'දݱ
• ࢄදݱ • FUD 42 ͪͳΈʹը૾ԻָΛػցֶ शͷॲཧʹ͔͚Δ࣌·ͨɺ ϕΫτϧʹ͢Δ͜ͱ͕΄ͱΜ ͲͰ͢ɻ -
TF-IDF(Term Frequency Inverse Document Frequency)表現 • จॻͰසͷଟ͍୯ޠͷॏཁΛߴΊɺಉ࣌ʹɺෳͷจॻ ʹԣஅతʹଟग़ݱ͢Δ୯ޠʹରͯ͠ॏཁΛ͘͢ΔΞϧΰ ϦζϜʢ4BMUPOBOE#VDLMFZʣɻ •
ͦͷจॻΛද͢Δ୯ޠʹॏΈ͚Λ͢Δɻ • Ұํɺʮࢲʯʮ͢Δʯʮ·͢ʯͷΑ͏ͳ୯ޠʹٯॏΈ͚Λࢪ ͢ɻ • ্هͷॏΈ͚Λ͞ΕͨϕΫτϧදݱʹͳΔɻ 44 -
分散表現(Distributed Representation) 46 • ࢄදݱΛ֫ಘ͢Δʹɺ8PSE7FDɾ%PD7FDɾGBTU5FYU ͳͲΛ༻͍Δඞཁ͕͋Δɻ • ಉ࣌ग़ݱ͢Δ୯ޠͱ·ͱΊֶͯश͢ΔͷͰɺจ຺Λߟྀͨ͠ද ݱʹͳ͍ͬͯΔɻ •
ʮंʯͱʮࣗಈंʯ͕ಉٛޠͷͱֶशͰ͖Δ 詳しく知りたい⼈は例えば以下を参照。 持橋⼤地. (2016). ⾔葉の特性を捉えるトピックモデル. 岩波データサイエンス, Vol.2, 18-29. -
目次 • ςΩετੳΛקΊΔཧ༝ • ςΩετੳͱʁ • Ͳ͏͍͏ख๏͕͋Δ͔ʁ • Ͳ͏͍͏ݚڀྫ͕͋Δ͔ʁ •
ੳʹ͓͍ͯ৺ݒ͚ͨ͜ͱ 47 -
内容分析の例 48 Ҿ༻ݩɿҪ্ୡʢʣʮࣄۀαΠΤϯε͔ Ξʔτ͔ ʯ ʰҰڮϏδωεϨϏϡʔʱ46..&3Qද తɿՊֶऀͷൃͷΛΓ͍ͨ ରɿೋਓͷՊֶऀͷࣗචͷຊ ίʔυɿΦζϘʔϯͷνΣοΫϦετ ʢ0TCPSOʣ߲̕
ํ๏ɿ༰ੳ ൃݟɿՊֶऀస༻ͱԠ༻ ʢ"OBMPHJDBMSFBTPOJOHʣΛଟ༻͢Δ ˞ৄ͘͠Ҫ্ʢʣΛࢀর -
ςΩετऩूతͱੳత͕Ұக͠ͳ͍ͷ 51 • ༗Ձূ݊ใࠂॻʢتా നాɾࡔ্ ʣ • ࣍ใࠂॻʢ#BMBLSJTINBO FUBMʣ •
$43Ϩϙʔτʢ,MFJONBO FUBMʣ • ʮՁ֨DPNʯʮָఱࢢʯͷϨϏϡʔʢԬΒ ࡾ Β ʣ -
4OFIWBSU FUBM 52 • dͷઓུɾ৫ʹ͓͚Δʮ྆ར͖ͷܦӦʯʹؔ ͢ΔจຊͷΞϒετϥΫτΛੳɻ • ࣌ظ͝ͱʹΓ্͕ͬͨςʔϚΛಛఆɻ •
কདྷతʹΛूΊΔͰ͋Ζ͏Λ༧ଌɻ -
5VTTZBEJBI BOE1BSL 53 • "JSCOC͕ࣾఏڙ͍ͯ͠Δ *OTJEF"JSCOCDPN Λੳɻ • 5XJUUFSࣾɺ(PPHMFࣾͳͲੳ༻ͷσʔλΛఏڙ͍ͯ͠Δɻ
• ສ݅ͷϗετͷςΩετΛੳ͠ɺͲͷΑ͏ͳࣗݾհ͕ ଟ͍͔ɺͲͷΑ͏ͳࣗݾհʹͲͷΑ͏ͳཱྀߦऀ͕Ԡ͢Δ͔ɺ ͳͲΛ໌Β͔ʹͨ͠ɻ • ϗετ͕հจʹΓࠐΉ͖จݴͷࢀߟʹɻ -
࣍ • ςΩετੳΛקΊΔཧ༝ • ςΩετੳͱʁ • Ͳ͏͍͏ख๏͕͋Δ͔ʁ • Ͳ͏͍͏ݚڀྫ͕͋Δ͔ʁ •
ੳʹ͓͍ͯ৺ݒ͚ͨ͜ͱ 54 -
৺ݒ͚ͨ͜ͱᶃ • ೋ߲ରཱΛҙࣝͯ͠ɺࢥߟߦಈ͕ภΒͳ͍Α͏ʹͨ͠ɻ • ೋ߲ରཱ • ԾઆൃݟͱԾઆݕূ • खಈͱࣗಈ •
ΧϥμͱΞλϚ • ϚʔέοτΠϯͱϓϩμΫτΞτ • FUD 55 ςΩετੳҎ֎ʹݴ͑Δʂ -
खಈͱࣗಈ • ఆྔੳશൠʹݴ͑Δ͕ɺʮσʔλͱͷରʯΛΕ͍͚ͯ ͳ͍ɻʮͲ͏ͯͦ͠ͷ݁Ռ͔ʁʯʹ͍ͭͯཧతʹ͑ΒΕΔ ͔ʁ • େنςΩετσʔλΛ͍͖ͳΓੳ͢ΔͷͰͳ͘ɺ·ͣ খنσʔλΛࢹͰಡΜͩΓɺ༰ੳͨ͠Γ͢Δɻ·ͨ ԾઆΛ୳ࡧ͢Δɻ •
࣮ײ͕͋ΔͳΒͦΕΛେنσʔλͰࢼ͢ɻ࠷ॳ͔Βେن σʔλΛѻ͏ͱɺϩδοΫͷѲ͕ࠔʹͳΔɻ 57 ςΩετੳҎ֎ʹݴ͑Δʂ -
ল • ࠷৽ٕज़ͷΩϟονΞοϓ͕͔ͬͨɻ࠷৽Λૣ͘Δ͠ɻ • ݹ͍ख๏ͷݶքɺ͍͍ͩͨ୭͔͕ࠀ͍ͯ͠Δɻ • ৽͍͠ख๏ɺ৽͍͠ՁΛੜΈग़͢Մೳੑ͕ߴ͍ɻ • ੵۃతʹࣗͷݚڀΛਓʹ͖ͩͬͨ͢ɻͲΜͲΜ͢͠ɻ •
ৄ͍͠ਓ͕ҙݟΛ͘ΕΔɻ • ࣮ܦݧ͋Δਓɺࣗͷ֎ͷߟ͑Λ͢Δɻ • զຫ͕গ͠Γͳ͔ͬͨɻ • ଞͷΓํΛࡧͤͣʹɺݚڀΛఘΊͦ͏ʹͳͬͨʢ.ॳظʣ • ؆୯ʹ݁Ռग़Δͣͳ͍ɻ 61 ςΩετੳҎ֎ʹݴ͑Δʂ -
参考文献 • ⽯川修・星野敏(2004). テキストマイニングを⽤いた都市農村交流ニー ズの把握−岡⼭県吉 永町ふるさと村の⼋塔寺⼭荘の落書き帳を対象とし て−. 農村計画学会誌. 第 23巻-suppl
号,pp.181-186. • 磯島昭代.(2006). テキストマイニングを⽤いた⽶に関する消費者アン ケートの解析. 農業情 報研究. 第 15巻 第1号 pp.49-60. • 上野栄⼀. (2008). 内容分析とは何か: 内容分析の歴史と⽅法について. 福 井⼤学医学部研究雑誌, Vol.9, No.1・2, 1-18. • 喜⽥昌樹. (2008). テキストマイニング⼊⾨. ⽩桃書房. • 齋藤朗宏.(2011). ⽇本におけるテキストマイニングの応⽤. 北九州⼤学 ワーキング ペーパーシリーズ. • 佐藤郁哉. (2008). 実践質的データ分析⼊⾨ : QDA ソフトを活⽤する. 新曜 社. • ⽩⽥佳⼦・坂上学.(2008).⼈⼯知能アプローチによる「継続企業の前 提」の解析−テキスト マイニングによる⾮会計情報の分析−. 事業継続能 ⼒監査と倒産予測モデ ル. 同⽂館出版 64 -
参考文献 • ⽵岡志朗・⾼⽊修⼀・井上祐輔.(2014). テキストマイニングを⽤いたイ ノベーションの普及 分析. ⽇本情報経営学会誌. 第35巻 第1号 pp.72-86.
• ⽵岡志朗. .(2018). 機械学習を活⽤したテキストマイニング゙―クチコミを ⽤いた商品・サービスカテゴリーの横断分析―. 桃⼭学院⼤学経済経営論 集, 第59巻, 第4号, 101-122. • 那須川哲哉(2001). コールセンターにおけるテキストマイニング. ⼈⼯ 知能学会誌. 第 16巻 第2号 pp.219-225. • 樋⼝耕⼀. (2004). テキスト型データの計量的分析 ――2つのアプローチの 峻別と統合――. 理論と⽅法, 19, 101‒115. • 樋⼝耕⼀. (2014). 社会調査のための計量テキスト分析―内容分析の継承と 発展を⽬指して. ナカニシヤ出版. 65 -
参考文献 • Balakrishnan, R., X. Y. Qui, P. Srinivasan (2010)
“On the predictive ability of narrative disclosures in annual reports,”European Journal of Operational Research, Vol.202, Issue 3, pp.789-801. • Berelson, B. (1952). Content analysis in communication research, New York: Free Press. • Evans, J. A., and Aceves, P.J. (2016). Machine Translation: Mining Text for Social Theory. Annual Review of Sociology, 42, 21-50. • Grimmer, J., & Stewart, B. M. (2013). Text as data: The promise and pitfalls of automatic content analysis methods for political texts. Political analysis, 21(3), 267-297. • Holsti, O.R. (1969). Content Analysis for the Social Sciences and Humanities. Addison-Wesley. • Kleinman, G., C. H. Kuei, P. Lee (2017) “Using Formal Concept Analysis to Examine Water Disclosure in Corporate Social Responsibility Reports,”Corporate Social Responsibility and Environmental Management, Vol.24, Issue 4, pp.341-356. 66 -
参考文献 • Krippendorff, K. (1980). Content Analysis: An Introduction to
Its Methodology (Commtext Series). • Osgood, C. E. (1959). The representational model and relevant research materials. In Trends in content analysis (pp. 33-88). University of Illinois Press. • Salton, G., & Buckley, C. (1988). Term-weighting approaches in automatic text retrieval. Information processing & management, 24(5), 513-523. • Snehvrat, S., A. Kumar, R. Kumar, S. Dutta (2017) "The state of ambidexterity research: a data mining approach," International Journal of Organizational Analysis, Vol. 26 Issue: 2, pp.343-367. • Tussyadiah, L. P., S. Park(2018) “When guests trust hosts for their words: Host description and trust in sharing economy,”Tourism Management, Vol.67, pp.261-272. 67