基于网络搜索的中国内地研学旅行潜在需求的时空特征分析

冯晓兵

(乐山师范学院 旅游学院，四川 乐山 614000)

0 引言

研学旅行是由教育部门和学校有计划地组织安排，通过集体旅行、集中食宿方式开展的研究性学习和旅行体验相结合的校外教育活动[1]。2013年2月，国务院办公厅印发的《国民旅游休闲纲要(2013—2020年)》，首次提到“研学旅行”一词，提出“逐步推行中小学生研学旅行”。作为推动素质教育改革的举措和探索旅游转型发展的方式，研学旅行逐渐走入国内教育界及旅游界的视野[2]。2014年8月，国务院《关于促进旅游业改革发展的若干意见》中明确要将“研学旅行”纳入中小学生日常教育范畴。2016年1月，国家旅游局公布首批“中国研学旅游目的地”和“全国研学旅游示范基地通知”。2016年11月，教育部等11部门印发《关于推进中小学生研学旅行的意见》，要求通过将研学旅行纳入教育教学计划。在《意见》的指导下，山东省、浙江省、湖北省等多个省市先后出台推动研学旅行的政策文件，研学旅行基地(营地)建设、研学旅行导师认证、研学旅行线路设计等工作在中国内地展开，为研学旅行的有序开展提供了较好的人才与组织保障。在研学旅行快速发展的背景下，对研学旅行的研究也日益被学者所关注，目前研学旅行的研究主要集中在研学课程设计与开发[3，4]、研学旅行产品与活动设计[5-8]、基地建设与开发利用[9，10]等方面。

揭示研学旅行市场需求的时空分布特征，有助于为合理安排研学活动时间、科学布局研学旅行基地提供方向指引。目前研学旅行市场需求的研究视角多以研学旅行的主体需求为主，即关注对中小学生研学旅行市场需求方面的调查[11-14]，缺乏从区域宏观尺度对研学旅行需求特征等方面的研究。信息技术的快速发展，互联网已经成为人们日常生活不可或缺的工具。网络搜索是居民需求和行为在虚拟空间上的直观体现[15]，对研学旅行的网络搜索体现了网民对研学旅行的现实关注和潜在需求情况。网络搜索量在分析时间变化规律和需求量大小的横向对比中，具有较高的可信度[16，17]。据中国互联网络信息中心(CNNIC)发布的第48次《中国互联网络发展状况统计报告》，截至2021年6月，中国网民规模达10.11亿，互联网普及率达到71.6%。网络搜索成为人们了解、搜集信息的重要方式，网络搜索数据也成为学者分析某一区域或事物的有效工具[18]。鉴于此，文章以研学旅行的百度搜索数据为基础，以中国内地31个省域空间单元为研究对象，使用地理空间统计分析方法，分析2016～2020年间研学旅行网络搜索的时空分布特征，探求研学旅行需求时空分布规律的影响因素，从区域宏观视角探求研学旅行需求的时空差异，以期促进研学旅行的健康发展。

1 数据来源与研究方法

1.1 数据来源

百度指数是以百度网民搜索行为数据为基础的分析工具，通过统计关键词的搜索数据，可以深度挖掘网络舆情、用户兴趣等多方面的特征[19]。以“研学”作为搜索关键词，逐日统计2016～2020年间“研学”的网络搜索量，以月为单位对搜索数据进行汇总，作为研学旅行网络搜索时间变化的基础数据；然后以省域为空间单位，逐日统计中国内地31个省(自治区、直辖市)2016～2020年间对“研学”网络搜索量，以年度为单位对31个省域的网络搜索数据进行汇总，作为研学旅行网络搜索空间分布的基础数据。研学旅行网络搜索影响因素(如地区生产总值、人均GDP、居民人均可支配收入等指标)的数据来源于国家统计局官网。

1.2 研究方法

(1)赫芬达尔指数

使用赫芬达尔指数来反映研学旅行网络搜索在时间和空间上的集聚分散程度[20]。赫芬达尔指数取值0～1，数值越大反映研学旅行网络搜索的时间和空间集聚程度越高，反之则越分散。计算公式如下：式中Pi是某月或某地区研学旅行网络搜索量占搜索总数的比值。

(2)季节性集中指数

通过季节性集中指数来分析研学旅行网络搜索在时间上的分布集中特征[21]。季节性集中指数值越大，说明研学旅行网络搜索的季节性集中程度越高；季节性集中指数值越趋于0，网络搜索在全年的时间分布越均衡。计算公式如下：式中xi为各月研学旅行网络搜索量与全年搜索总数的比值。

(3)地理集中指数

使用地理集中指数来分析研学旅行网络搜索在空间上的分布集中特征[22]。G的取值范围为0～100，地理集中指数值越小，说明研学旅行网络搜索的空间分布越分散；反之则说明研学旅行的网络搜索越集中于某一个或几个地区。计算公式如下：

式中：xi为第i个地区研学旅行的网络搜索量，S为研学旅行的网络搜索总数。

(4)变差系数

通过变差系数来分析研学旅行网络搜索在空间分布上的相对均衡或差异程度[23]。变差系数用一组数据的标准差与平均数的比值来进行计算，变差系数值越大，说明研学旅行网络搜索的空间分布差异越明显。计算公式如下：

(5)首位度

首位度是区域内研学旅行网络搜索量排名前两位地区的比值，首位度值越大，说明研学旅行的网络搜索地区分布越集中[24]。式中P1、P2为规模最大、第二大地区的研学旅行网络搜索量。

P=P1/P2

(6)地理探测器

地理探测器主要用于测度各影响因子对研究对象空间差异性的解释程度，揭示影响因子及多因子交互作用[25]。文章使用地理探测器的因子探测，探测各因子对研学旅行网络搜索空间差异的解释程度，地理探测公式如下：

2 研究内容与分析

2.1 研学旅行网络搜索的时间分布特征

对研学旅行的网络搜索数值进行汇总可知，2016～2020年研学旅行的网络搜索指数分别为112 861、469 129、1 026 228、1 368 536和1 133 971，网络搜索在2019年达到最高峰。从图1可以看出，2016年，研学旅行的搜索趋势整体较为平缓，2月和7月的网络搜索值较低。2017年，研学旅行的网络搜索呈现稳步上升的趋势，并在12月份达到搜索最高峰。2018～2020年，研学旅行的网络搜索均呈现波动式变化。2018年，研学旅行在2月份的网络搜索量最低，5月、8月、11月分别是春季、夏季、秋季3个季节的峰值。2019年，2年的网络搜索量最低，5月和11月的搜索量是一年中最高的2个月，9月份的搜索量也偏低。2020年，研学旅行的网络搜索量相比2019年整体下降，但在年度分布上总体呈现缓慢上升的趋势，其中11月的网络搜索量最高，2月和5月的网络搜索量较低。

图1 2016～2020年研学旅行网络搜索的时间分布特征

对研学旅行的网络搜索指数以月度为单位进行统计，发现研学旅行的网络搜索在2月最低，1月次之；最高的月份是11月，次高是12月。除这4个月以外，研学旅行的网络搜索在一年中的其他月份差异较小，搜索趋势整体较为平缓。从表1可以看出，2016～2020年，研学旅行网络搜索量的季节性集中指数分别为2.519 6、2.833 4、1.648 2、1.247 5、1.234 6，季节性集中指数逐渐变小，说明研学旅行的网络搜索在月度分布上呈现逐渐均衡的趋势。2016～2020年，研学旅行网络搜索月度分布的赫芬达尔指数分别为0.091 0、0.093 0、0.086 6、0.085 2、0.085 2，赫芬达尔指数值均较小，且也呈现逐渐变小的趋势，进一步说明研学旅行的网络搜索热度在月度分布上趋于均衡，不同月份间的研学旅行网络搜索量差异较小。

表1 2016～2020年研学旅行网络搜索的时间分布特征

将各月的网络搜索量与月均整体网络搜索量相除，发现3～9月的比值均近似于1；1～2月的比值偏低，分别为0.73和0.62，是研学旅行网络搜索的淡季；10～12月的比值分别为1.12、1.25和1.17，显著高于月均整体搜索量，是一年中研学旅行网络搜索的旺季。研学旅行的网络搜索量在春季、夏季、秋季的月度中均呈现稳中上升的趋势，并在5月、8月和11月形成了对研学旅行高搜索的3个峰值。5月、8月、11月分别是中小学生春游、夏令营、秋游的集中时间段，多数学校会在这个时间段安排研学旅行活动，因此研学旅行的网络搜索呈现了阶段性峰值。进入12月以后，各地进入冬季和学期期末，由于气候和考试等因素，研学旅行的网络搜索量呈现急速下降的趋势，并在2月达到最低。1月、2月属于中小学生寒假期间，受中国传统春节等节日的影响，学校几乎不会组织开展研学旅行活动。

2.2 研学旅行网络搜索的空间分布特征

使用百度指数工具的地区筛选功能，分别对2016～2020年中国内地31个省域研学旅行的网络搜索数据进行统计。从表2可以看出，2016～2019年，中国内地研学旅行的网络搜索量整体呈现上升的趋势，除广西外的其它30个省域均在2019年达到搜索的最高值。2020年，中国内地研学旅行的网络搜索量相比2019年有所下降，而北京、山东、安徽、陕西、湖北、吉林、黑龙江等地的搜索量更是已经低于2018年。2016年，研学旅行网络搜索量最高的省域是北京市，其次是安徽、陕西，也是仅有的网络搜索量超过10 000的3个省域；江苏、广东、浙江、四川等地对研学旅行的网络搜索量也较高，处于5 000～10 000之间；其它省域对研学旅行的网络搜索较少，海南、青海、西藏等地的网络搜索量为0。2017年，中国内地研学旅行的网络搜索量增长明显，31个省域对研学旅行的网络搜索趋势线与2016高度相似，仍然是北京、安徽、陕西的搜索量最高，西藏、青海、海南的搜索量最低。2017～2018年，山东的研学旅行搜索量增加明显，在中国内地31个省域中处于第一的位置，网络搜索量达到60 198；排名第二的是北京，网络搜索量为57 105；黑龙江和甘肃的增加也较为明显，其它省域的变化趋势与前两年相近。2018～2019年，中国内地31个省域的研学旅行搜索量均达到最高值，其中山东、广东、浙江、河南、福建等地增长幅度较大，研学旅行的网络搜索量也较高。2020年，除甘肃外，其它区域的搜索量均表现出明显的下降态势。

表2 2016～2020年研学旅行网络搜索的空间分布特征

从研学旅行网络搜索空间分布的地理分区来看，华东地区的研学旅行网络搜索量最高，在2016～2020年间研学旅行搜索量的均值排序均处于靠前的位置，最高的山东排名中国内地第2，最低的江西排名中国内地第15；其次是华中地区，河南、湖南、湖北的研学旅行网络搜索量均值分列中国内地第7、11、12；其他地理分区研学旅行网络搜索间的差距较大，华北地区北京和河北的研学旅行网络搜索量较高，华南地区广东的网络搜索量最高，西南和西北地区则是四川和陕西的网络搜索量最高，东北地区最高的辽宁在中国内地排序仅为第17。进一步计算研学旅行网络搜索量空间分布的地理集中指数、赫芬达尔系数、首位度和变差系数。从表2可以看出，上述4个指标在2016～2020年均呈现下降的趋势，说明研学旅行网络搜索量的空间分布变得更加分散，网络搜索量集中于某几个地区的趋势在减弱。地理集中指数、赫芬达尔指数、变差系数的变化趋势相同，2016年的值最大，分别为28.454 6、0.081 0、1.221 4、1.249 1；2017、2018年下降最为明显，并在2018年达到一个较为稳定的状态，分别达到19.795 1、0.039 2、0.471 0，3个指标的取值均处于区间范围内偏小的位置，也进一步说明研学旅行网络搜索量的区域差异不严重；2019、2020年相比2018年，3个指标的数值变化不明显。首位度指数除2017年外，其它年度的值均在减小；首位度指数在2017年最高，达到1.271 5；2020年最小，为1.016 8，说明研学旅行网络搜索量排名前2位的区域间的差距在缩小。

2.3 研学旅行网络搜索的影响因素分析

研学旅行网络搜索量在一定程度上反映了客源地居民对研学旅行的潜在需求情况，经济发展水平、人口规模和居民购买力等是影响居民出游的关键因素，已在相关研究中证实会对网络关注度产生影响[26，27]。研学旅行活动的主体是在校中小学生，因此选择在校中小学生的规模代替人口规模指标更具针对性。与纯粹的旅游活动不同，研学旅行更注重对中小学的实践性教育，研学活动的经费也由学校、家庭、政府等主体共同承担，因此各地区的教育经费投入会在一定程度上影响研学旅行活动的开展。同时，目的地的互联网发展水平和居民上网设备的普及率，是制约居民网络搜索行为发生的基本因素。据2020 年国民经济和社会发展统计公报显示，2020年末中国互联网上网人数 9.89×108人，其中手机上网人数 9.86×108人，移动互联网的快速发展使得智能手机已经成为网民上网的主要工具。因此，研究选取经济发展水平、居民购买力、教育经费投入、互联网发达程度、在校中小学生规模作为探测因子，利用地理探测器对各探测因子的影响强度进行计算。

从表3可以看出，各探测因子均与研学旅行网络搜索量存在显著的相关性。其中教育经费投入和地区生产总值是影响研学旅行网络搜索的核心因素，探测值q均在0.8以上；教育经费投入的探测值最高，达到了0.981，相关性系数为0.782；地区生产总值的探测值为0.844，相关性系数为0.796。教育经费投入是衡量地区教育发展水平的关键指标，也是教育事业改革发展的根本性保障；地区生产总值是区域经济发展水平的直观体现，经济发展水平高的地区基础教育的投入也越多，也更具备开展课外研学活动的条件。人均GDP指标、居民人均可支配收入也与研学旅行网络搜索量呈显著的相关关系，相关性系数分别为0.525和0.493，因子探测值分别为0.299和0.313。在校中小学生作为研学旅行活动的主体，其规模和数量是客源地研学旅行活动需求的关键因素，因子探测值均在0.3以上，相关系数均大于0.6，是影响研学旅行网络搜索的重要因素。普通小学、初中、高中在校学生数的探测值分别为0.339、0.343和0.347，随着学生年级的增加，对研学旅行网络搜索的影响也更明显。居民购买力是表征客源地居民出游潜力的关键指标，因子探测值和相关系数分别为0.313和0.493，对研学旅行网络搜索也具有重要的影响作用。互联网发达程度是影响居民上网的关键因素，但中国互联网普及率整体较高，各个区域间的差异较小，对研学旅行的网络搜索存在影响但作用强度一般。互联网普及率和移动电话普及率的探测值分别为0.235和0.264，相关性系数分别为0.363和0.357。

表3 研学旅行网络搜索的成因探测

3 结论

网络搜索体现了人们对某种事物或现象的现实关注与潜在需求情况，本文以“研学”作为关键词，以2016～2020年中国内地31个省域的百度搜索指数作为数据来源，使用地理空间统计分析方法分析研学旅行潜在需求的时空分布特征，主要得到以下结论：

(1)研学旅行的网络搜索指数在时间分布上具有淡旺季差异，网络搜索量在11月份最高，并与5月、8月形成了年度的3个搜索高峰，是研学旅行潜在需求的网络搜索旺季。冬季是研学旅行网络搜索的淡季，网络搜索量在2月份最低，1月份次之。除11月外，春、夏、秋3个季节其它月份的研学旅行网络搜索量差异较小，显示出研学旅行在时间分布上的局部均衡性。研学旅行网络搜索的时间分布主要受到气候条件的影响，网络搜索高峰与春游、夏令营、秋游等时间节点较为契合。3～11月是国内大多数地区的游览适宜期，研学旅行的网络搜索也在一年中处于相对较高的位置。国内多数地区1月、2月气候较为寒冷，是传统的旅游淡季，在加上中国春节合家团圆的传统，研学旅行在这两个月的搜索量是一年中最低的。

(2)研学旅行网络搜索指数的空间分布差异明显，华东地区的网络搜索量最高，其次是华中区域，西北区域的搜索量最低。研学旅行网络搜索的空间分布呈现均衡分散的变化趋势，不同区域间网络搜索量的差异在变小。研学旅行网络搜索的空间分布受教育经费投入、经济发展水平、在校中小学生规模、居民购买力、互联网发达程度等因素的影响，其中教育经费投入和经济发展水平的影响作用最为明显。教育经费投入和经济发展水平较高的东部区域对研学旅行的网络搜索量也较高，北京、山东、广东、浙江等地研学旅行的网络搜索指数较高，是区域内的第一梯队；江苏、安徽、河南、陕西、福建、四川、湖南、湖北、河北、上海、江西等地的网络搜索量处于区域的第二梯队，除四川和陕西外，其它省份均处于中国的东部和中部；中国东北区域、西部区域的其它省份对研学旅行的网络搜索量均较低，西北地区的新疆、宁夏、青海、西藏的网络搜索量最低。