Dos trabajos de investigadores españoles han obtenido el máximo reconocimiento al mejor artículo en el área de turismo y tecnología.
Por un lado, los investigadores del Instituto de Turismo y Desarrollo Económico Sostenible (TIDES) de la ULPGC, Jacques Bulchand y Santiago Melíán, han obtenido el premio al mejor artículo científico publicado en el año 2019 en el congreso ENTER2020, celebrado en Surrey del 8 al 10 de enero de 2020.
El premio corresponde a la publicación titulada “Why are ratings so high in the sharing economy? Evidence based on guest perspectives” (¿Por qué son tan altas las calificaciones en economía colaborativa? Evidencia basada en las perspectivas de los huéspedes) publicada en la revista Current Issues in Tourism.
En el artículo premiado se analizan las razones por las cuales las valoraciones que encontramos en plataformas de alojamiento de la economía colaborativa como Airbnb son siempre tan elevadas, por encima del 4,5. Para ello, se utilizaron dos fuentes de datos: por un lado, un cuestionario para el que se recibieron 391 respuestas válidas. Y, por otro, 20 entrevistas en profundidad con huéspedes que habían usado la plataforma y que sirvieron para entender mejor las razones y motivaciones.
Por su parte, la profesora de la Facultad de Derecho, Economía y Turismo de la UdL, Eva Martín Fuentes y el profesor de la Universidad Politécnica de Cartagena, Juan Pedro Mellinas, han sido galardonados con el Premio al Mejor Artículo de Investigación 2020 de la revista Information Technology Tourism entregado por la IFITT por su trabajo «Does hotel size matter to get more reviews per room?«.
El trabajo premiado identifica el perfil de los hoteles más eficientes para generar reseñas en la plataforma de opiniones TripAdvisor, las que pueden contribuir a mejorar la clasificación de los hoteles, lo que favorece la percepción de la calidad del hotel. Sorprendentemente los hoteles más pequeños son los que consiguen captar un mayor número de reseñas por número de habitaciones de que disponen, además también se muestra el nivel real de uso de TripAdvisor en cada país, sin tener en cuenta su población ni el número de hoteles, que son elementos que distorsionan la medida de la popularidad de este sitio web.