Decoding Tourist Perception in Historic Urban Quarters with Multimodal Social Media Data: An AI-Based Framework and Evidence from Shanghai

Este estudio propone un marco basado en IA que utiliza datos multimodales de redes sociales para analizar y comparar la percepción turística con la realidad física en doce barrios históricos de Shanghái, revelando brechas entre la experiencia visualizada en línea y el entorno urbano real para informar la gestión patrimonial y el diseño urbano.

Lo esencial

¡Claro que sí! Imagina que esta investigación es como ser un detective de la experiencia turística, pero en lugar de usar una lupa y un sombrero, utiliza inteligencia artificial para descifrar lo que realmente piensan y sienten los turistas en los barrios históricos de Shanghái.

Aquí tienes la explicación de este estudio, traducida a un lenguaje sencillo y con algunas analogías creativas:

🕵️‍♂️ El Gran Misterio: ¿Qué ven realmente los turistas?

Los planificadores de ciudades a menudo se hacen una pregunta difícil: "¿Qué es lo que realmente le gusta o disgusta a un turista cuando camina por un barrio antiguo?". Antes, para saber esto, tenían que detener a la gente en la calle y hacerles encuestas (como preguntar a 100 personas una por una). Es lento, costoso y a veces la gente miente o se olvida de los detalles.

Este estudio propone una solución más moderna: usar las fotos y reseñas que los turistas ya suben a internet (como en Dianping, el "TripAdvisor" chino) y analizarlas con un cerebro de computadora.

🛠️ La "Caja de Herramientas" Mágica (El Marco de Trabajo)

Los investigadores crearon un sistema con tres herramientas principales, como si fueran tres lentes diferentes para ver la realidad:

1. El Ojo Lupa (Segmentación Semántica)

Imagina que le pides a un robot que mire miles de fotos de turistas y les diga: "¿Qué hay en esta foto?".

• Lo que hace: El robot separa la foto en pedacitos y etiqueta cada uno: "esto es un árbol", "esto es un edificio", "esto es una persona", "esto es un cartel".
• El hallazgo: Descubrieron que los turistas no fotografían todo por igual. En lugares tranquilos, enfocan mucho en árboles y edificios antiguos. En zonas muy concurridas como el Bund, enfocan en la gente y el agua. Es como si el turista dijera: "Lo que yo elijo fotografiar es lo que realmente me importa".

2. El Filtro de Realidad vs. Instagram (Análisis de Color)

Aquí viene la parte más interesante. A veces, la realidad se ve diferente a como la mostramos en redes sociales.

• La analogía: Piensa en la realidad como una foto cruda y las redes sociales como una foto con filtro de Instagram.
• Lo que hicieron: Compararon las fotos que suben los turistas con fotos "reales" de la calle (tomadas por drones o cámaras fijas).
• El descubrimiento: ¡Hay una diferencia! Las fotos de los turistas tienden a tener colores más fríos y brillantes (azules, verdes, tonos "perfectos"), mientras que los edificios reales suelen tener tonos más cálidos y apagados (beige, ocre, naranja).
• La moraleja: Los turistas no solo capturan la realidad; la editan para que se vea más bonita o "mágica". Hay una brecha entre lo que es el barrio y lo que el turista quiere que el mundo vea.

3. El Traductor de Sentimientos (Análisis de Reseñas)

No basta con ver fotos; hay que leer lo que la gente dice.

• Lo que hace: La IA lee miles de comentarios y los clasifica en cuatro categorías, como si fuera un menú de quejas y elogios:
  1. Actividades: ¿Hubo algo divertido que hacer?
  2. Entorno Construido: ¿Los edificios y calles se ven bien?
  3. Servicios: ¿Había baños limpios, asientos, buena señalización?
  4. Comercio: ¿La comida y las tiendas eran buenas o demasiado caras?
• El resultado: La IA puede decirte exactamente dónde está el problema. Por ejemplo: "La gente ama los edificios (Entorno), pero odia las filas para ir al baño (Servicios)".

🏙️ ¿Qué aprendimos en Shanghái?

Al aplicar esta "caja de herramientas" a 12 barrios históricos de Shanghái, descubrieron cosas curiosas:

• Los barrios artísticos (como Tian'ai Road) tienen muchas fotos de murales y arte.
• Los barrios comerciales (como Nanjing Road) tienen muchas fotos de gente y tráfico.
• La brecha de color: En general, los turistas hacen que Shanghái se vea más "azul y fresco" en sus fotos de lo que es en la realidad (que es más "naranja y cálido"). Esto sugiere que buscan una atmósfera específica, quizás más relajada o moderna, que no siempre coincide con la calle real.

🎯 ¿Por qué es útil esto para el mundo real?

Imagina que eres el alcalde o un arquitecto. En lugar de adivinar qué hacer, ahora tienes un mapa de calor de la satisfacción:

• Si ves que la gente odia los servicios pero ama los edificios, sabes que no necesitas pintar más edificios, sino construir más baños o bancos.
• Si ves que los colores en las fotos son muy diferentes a la realidad, quizás debas pensar en iluminación o fachadas que se vean mejor tanto de día como de noche, para que la "promesa" de la foto coincida con la realidad.

En resumen

Este estudio es como un puente inteligente entre lo que la gente ve (fotos), lo que siente (colores y filtros) y lo que dice (reseñas). Ayuda a las ciudades a dejar de adivinar y empezar a diseñar espacios históricos que no solo sean bonitos para las fotos, sino que también sean agradables y funcionales para vivir y visitar.

¡Es la intersección perfecta entre la tecnología, el arte y la planificación urbana! 🏙️📸🤖

Resumen técnico

A continuación presento un resumen técnico detallado del artículo en español, estructurado según los componentes solicitados:

Título: Decodificación de la Percepción Turística en Cuarteles Urbanos Históricos con Datos Multimodales de Redes Sociales: Un Marco Basado en IA y Evidencia de Shanghai

1. Planteamiento del Problema

Los cuarteles urbanos históricos son espacios donde convergen el patrimonio tangible e intangible, la vida cotidiana y el turismo. Sin embargo, los planificadores urbanos a menudo carecen de evidencia escalable sobre qué elementos notan, prefieren o critican los visitantes.

• Limitaciones de métodos tradicionales: Los estudios convencionales (encuestas, entrevistas, observación in situ) ofrecen insights ricos pero tienen dificultades de escalabilidad, sufren de retrasos en la reporte y están sujetos a la subjetividad de los encuestados.
• Brechas en la investigación actual: Aunque existe un crecimiento en el uso de Contenido Generado por Usuarios (UGC), la literatura tiende a analizar el contenido visual (fotos) y los textos (reseñas) de forma aislada. Además, los estudios computacionales a menudo se centran en métricas formales sin vincularlas claramente con juicios evaluativos en contextos de patrimonio.
• Necesidad: Se requiere un marco que conecte tres etapas de la percepción turística: la atención (qué se captura visualmente), la representación (cómo se curan las imágenes frente a la realidad) y la valoración (cómo se evalúa la experiencia en texto).

2. Metodología

El estudio propone un marco de inteligencia artificial multimodal aplicado a 12 cuarteles históricos en Shanghai, China. El flujo de trabajo se divide en tres módulos principales:

• A. Preparación de Datos:

  • Fuente: Se recopilaron fotos georreferenciadas y textos de reseñas de la aplicación china Dianping (entre 2018 y 2024).
  • Muestra: 32,949 reseñas únicas y 20,968 fotos seleccionadas (una por reseña para equilibrar las muestras entre cuarteles).
  • Línea Base: Se obtuvieron imágenes de calle (street view) de Baidu Maps para comparar la realidad física con las fotos de los turistas.

• B. Módulo 1: Detección de Foco Visual (Segmentación Semántica):

  • Se entrenó un modelo de segmentación semántica (DeepLabV3+ con backbone MobileNetV2) para cuantificar los elementos visuales en las fotos de los turistas.
  • Se definieron 22 categorías semánticas (edificios, árboles, personas, obras de arte, etc.).
  • Para mitigar el desequilibrio de clases, se utilizaron pesos de clase en la función de pérdida.
  • El objetivo es identificar qué elementos del paisaje urbano se "priman" (foreground) en las imágenes compartidas.

• C. Módulo 2: Análisis de Preferencias Estéticas (Comparación de Color):

  • Se extrajeron las paletas de color dominantes de las fotos de los turistas y de las imágenes de calle utilizando el algoritmo K-means y el sistema de color chino.
  • Se aplicó la divergencia de Kolmogorov-Smirnov (K-S) para medir las diferencias en la distribución de tonos (hue) entre las fotos de redes sociales y la realidad de la calle.
  • Se aislaron las fachadas de los edificios mediante segmentación para comparar directamente la composición cromática arquitectónica, eliminando elementos distractores (cielo, vehículos, interiores).

• D. Módulo 3: Evaluación de Satisfacción (Análisis de Sentimiento Multitarea):

  • Se desarrolló un modelo BERT (Bidirectional Encoder Representations from Transformers) de aprendizaje profundo para analizar el sentimiento en las reseñas textuales.
  • El modelo predice el sentimiento (positivo, neutral, negativo) en cuatro dimensiones específicas:
    1. Actividades Turísticas: Contenido de la experiencia y participación.
    2. Entorno Construido: Calidad del paisaje urbano y patrimonio.
    3. Instalaciones de Servicio: Accesibilidad, comodidad y servicios de apoyo.
    4. Formatos Comerciales: Influencia del comercio minorista y consumo.

3. Contribuciones Clave

1. Marco Integrado Multimodal: Conecta explícitamente la atención visual, la representación estética y la valoración textual en una sola cadena analítica, superando la fragmentación metodológica previa.
2. Taxonomía Semántica Específica: Proporciona una taxonomía y un pipeline de segmentación semántica adaptados a imágenes de turistas en entornos de calles históricas, permitiendo una medición granular de los elementos visuales.
3. Comparación Percepción-Realidad Cromática: Introduce un método interpretable para diagnosticar la brecha entre la composición de color en redes sociales y la realidad física (fachadas), vinculando esta brecha con señales de satisfacción específicas por dimensión.

4. Resultados Principales

• Foco Visual: Los modelos identificaron que los elementos más destacados en las fotos son los edificios (19.12% de los píxeles), seguidos por árboles (10.80%) y obras de arte (3.74%). La distribución varía según el tipo de zona: áreas comerciales muestran más vehículos, zonas de alta afluencia peatonal (como el Bund) muestran más personas, y zonas culturales (como Tian'ai Road) destacan por un alto porcentaje de arte.
• Brecha de Color (Percepción vs. Realidad): Existe una divergencia sistemática. Las fotos de redes sociales tienden a mostrar tonos más fríos (azules, verdes) y paletas más curadas, mientras que las imágenes de calle (realidad) presentan más tonos cálidos (naranjas, amarillos, ocres), especialmente en las fachadas. Esto sugiere que los turistas curan sus imágenes para proyectar una atmósfera específica, creando una brecha de percepción-representación.
• Satisfacción Dimensional: El modelo BERT logró predecir consistentemente el sentimiento en las cuatro dimensiones.
  • La satisfacción con el entorno construido y las actividades suele ser alta cuando se mencionan elementos patrimoniales o eventos culturales.
  • La insatisfacción se concentra frecuentemente en las instalaciones de servicio (ej. colas largas en baños) y en los formatos comerciales (quejas sobre precios excesivos o comercialización excesiva), incluso cuando el entorno físico es valorado positivamente.
  • La divergencia de color se correlaciona con la búsqueda de una "atmósfera" idealizada que a veces no coincide con la realidad física del lugar.

5. Significado e Implicaciones

• Para la Gestión del Patrimonio y Diseño Urbano: El marco ofrece indicadores accionables. Por ejemplo, la métrica de "ratio de verde" puede guiar estrategias de mantenimiento, mientras que la brecha de color puede señalar dónde las renovaciones de fachadas o la iluminación no coinciden con las expectativas estéticas de los visitantes.
• Diagnóstico de Intervenciones: La descomposición de la satisfacción en cuatro dimensiones permite a los planificadores identificar problemas específicos (ej. mejorar la señalización o regular el comercio) sin depender solo de encuestas costosas.
• Transferibilidad: El enfoque es adaptable a otras ciudades históricas, permitiendo comparar brechas de percepción entre diferentes tipologías de patrimonio y culturas de visitantes.
• Avance Teórico: El estudio demuestra cómo las técnicas de IA pueden integrarse en análisis teóricos de la experiencia urbana, transformando grandes volúmenes de huellas digitales en evidencia relevante para la planificación, equilibrando la preservación del carácter histórico con la calidad de vida y la experiencia turística.

En resumen, el estudio valida que la percepción turística es un proceso vinculado (atención -> representación -> valoración) y que la IA multimodal puede desentrañar estas dinámicas para ofrecer una gestión más informada y centrada en el usuario de los cuarteles históricos.