КазНУ и PolyU продолжают серию гостевых лекций: д-р Эмили Чен рассказала, как большие данные раскрывают закономерности туристской мобильности

22 октября 2025 года в КазНУ имени аль-Фараби состоялась четвертая лекция PolyU–KazNU Guest Lecture Series, организованной совместно с Школой гостиничного и туристского менеджмента Политехнического университета Гонконга (PolyU).

С лекцией на тему «Tracking Tourist Mobility by Big Data Analytics: How and Why» («Отслеживание туристской мобильности с помощью аналитики больших данных: как и зачем») выступила д-р Эмили (Jinyan) Чен, ассистент-профессор (исследовательского профиля) Школы гостиничного и туристского менеджмента PolyU и специалист в области анализа больших данных в туризме.

Мероприятие было организовано PolyU–KazNU Центром устойчивого развития в Центральной Азии и кафедрой рекреационной географии и туризма факультета географии и природопользования КазНУ.
Модератором встречи выступил старший преподаватель кафедры и административный ассистент Центра Елдар Нурулы. Лекция вызвала большой интерес у студентов, магистрантов, докторантов и преподавателей, заинтересованных в цифровых методах анализа туристской информации.

Фокус лекции

В своём выступлении д-р Эмили Чен показала, как технологии Big Data меняют подходы к изучению туристской мобильности и планированию дестинаций. Спикер объяснила, что современные цифровые следы - данные социальных сетей, GPS-трекеров, Wi-Fi-сенсоров, платёжных систем и транспортных приложений - позволяют исследователям отслеживать пространственно-временные траектории путешественников и выявлять закономерности их поведения.

Отдельное внимание было уделено теоретическим основам анализа мобильности, включая time geography, spatial flow theory, network analysis и theory of planned behavior, а также методам визуализации данных, которые помогают понять, как туристы перемещаются между точками притяжения, как формируются их маршруты и какие факторы влияют на выбор направлений.

На примере анализа китайских туристов, путешествующих по Австралии, д-р Чен показала, как на основе данных платформы Weibo можно восстановить пространственные потоки туристов и определить ключевые маршруты, узлы притяжения и сезонные различия. Такой подход помогает дестинациям принимать более точные решения по управлению потоками, маркетинговому позиционированию и устойчивому планированию.

Также в лекции обсуждались вызовы и ограничения работы с большими данными: неполнота и смещённость информации, вопросы приватности и этики, а также необходимость объединять количественные данные с контекстом реального туристского поведения.

Обсуждение и вопросы

В ходе сессии вопросов и ответов студенты проявили активность, задавая вопросы о практическом применении Big Data для анализа туристских маршрутов, выборе инструментов и платформ для работы с большими данными, а также о перспективах междисциплинарных исследований в этой области. Д-р Чен подробно ответила на все вопросы и поделилась советами о том, как молодым исследователям начать изучение анализа данных, визуализации и программирования.

Значение для КазНУ и региона

Лекция д-ра Эмили Чен подчеркнула важность data-driven подхода в управлении туризмом, особенно для развивающихся регионов, где цифровизация туриндустрии находится в стадии становления.
Тематика выступления напрямую связана с Целями устойчивого развития ООН (ЦУР) — ЦУР 9 (Индустриализация, инновации и инфраструктура), ЦУР 11 (Устойчивые города и населённые пункты) и ЦУР 17 (Партнёрство в интересах устойчивого развития).
Представленные идеи имеют большое значение для Казахстана и Центральной Азии, где анализ мобильности и пространственного поведения туристов может стать инструментом для стратегического планирования и устойчивого развития дестинаций.

Благодарность

КазНУ выражает искреннюю благодарность д-ру Эмили Чен за её информативное и вдохновляющее выступление, а также Школе гостиничного и туристского менеджмента (SHTM) Политехнического университета Гонконга за поддержку и активное участие в развитии академического сотрудничества в рамках PolyU–KazNU Guest Lecture Series.