Empleo de la Teoría de Conjuntos Borrosos en el Análisis del Proceso de Elección de un Destino Turístico Luisa L. Lazzari1 – Patricia I. Mouliá2 – Mariano Eriz3 CIMBAGE – Facultad de Ciencias Económicas – Universidad de Buenos Aires Av. Córdoba 2122 – 2º piso – C1120AAQ – Ciudad Autónoma de Buenos Aires Argentina Eje temático: GT-09-Epistemologia e Análise Crítica do Turismo 1 Doctora en Economía (Universidad de Valladolid, España); Profesora Titular Regular Facultad de Ciencias Económicas de la Universidad de Buenos Aires; Directora de CIMBAGE, FCE, UBA; Directora del Proyecto PICT 383 “Turismo joven en Argentina: estudio del conjunto de consideración de los destinos elegidos” de la Agencia Nacional de Promoción Científica, Tecnológica y de Innovación, Ministerio de Educación de Argentina. Directora del Proyecto UBACyT E018. [email protected]. 2 Licenciada en Educación Matemática, Facultad de Ingeniería, Universidad Nacional de Lomas de Zamora. Profesora Adjunta Regular Facultad de Ciencias Económicas, UBA; Subdirectora de CIMBAGE, FCE, UBA; Investigadora del Proyecto PICT 383 y del Proyecto UBACyT E018. [email protected]. 3 Estudiante de Licenciatura en Economía en la Facultad de Ciencias Económicas, Universidad de Buenos Aires. Ayudante ad-honorem de Cálculo Financiero. FCE, UBA. Investigador del CIMBAGE. FCE, UBA. Integrante de los proyectos PICT 383 y UBACyT E018. [email protected] 1 Empleo de la Teoría de Conjuntos Borrosos en el Análisis del Proceso de Elección de un Destino Turístico Palabras clave: destinos turísticos; consideración; elección; conjuntos borrosos Resumen Cuando planifica sus vacaciones, el individuo dispone de un cierto número de posibilidades para elegir su destino turístico. El conjunto de consideración es un subconjunto del total de alternativas disponibles para el consumidor y está constituido por los destinos evaluados positivamente para visitar en próximas vacaciones. En este trabajo se revisa el proceso de elección de un destino turístico, se analizan los diferentes conjuntos que se forman en el mismo y se trata el conjunto de consideración como un subconjunto borroso del conjunto de destinos conocidos. Finalmente, se aplica la metodología planteada al caso de la elección de un destino turístico de Argentina de los estudiantes de la Universidad de Buenos Aires. 1. Introducción El mundo actual es incierto e impreciso, los actos de los hombres y las relaciones entre ellos están afectados de vaguedad, es por esto que la realidad no puede estudiarse en términos absolutos con técnicas aplicables a situaciones ciertas ni aun aleatorias. La teoría de los conjuntos borrosos (fuzzy sets) proporciona un valioso marco para la representación de las preferencias y de la incertidumbre presente en la toma de decisiones de los individuos (YAGER, 1996). Los sistemas borrosos tienen la capacidad de modelar formas de razonamiento no preciso, que juegan un papel esencial en la notable habilidad humana para tomar decisiones racionales en entornos de incerteza e imprecisión. La noción de conjunto borroso surge de la necesidad de disponer de conjuntos para describir predicados o clases vagas, con fronteras imprecisas y de un cálculo no aditivo de la incertidumbre. En 1965, Zadeh publica el artículo Fuzzy Sets que proporciona el nombre a la disciplina e introduce el concepto de conjunto borroso a los efectos de proveer una herramienta para representar y razonar con la información disponible de una manera similar a la forma en que los individuos expresan su conocimiento. Arribó a la conclusión de que en el estudio de los sistemas complejos llega un momento en el cual la precisión choca con la significatividad; a más precisión menos significatividad. La teoría de los subconjuntos borrosos hace posible un acercamiento entre la precisión de la matemática clásica y la sutil imprecisión del mundo real. 2 Esta teoría resulta adecuada para encarar el estudio del comportamiento del consumidor turístico, dado que la mayor parte de las decisiones se toman en un contexto de incertidumbre, y en muchas oportunidades el individuo no conoce con certeza las consecuencias de su elección, ni dispone de toda la información, y más aún, sus decisiones están imbuidas de la subjetividad derivada de sus propias percepciones y de la influencia de terceros. Al analizar el comportamiento del consumidor en la elección de un destino turístico (DT) surge el conjunto de todos los destinos que están a disposición del potencial viajero, de los cuales este conoce algunos (conjunto de destinos conocidos o de conciencia). Aquellos destinos que satisfacen los criterios iniciales del individuo forman el conjunto de consideración o conjunto evocado, cuyos elementos son los destinos turísticos con los cuales está familiarizado, que recuerda y fueron evaluados positivamente para visitar en próximas vacaciones. El consumidor toma la decisión final entre los destinos incluidos en este conjunto (LAZZARI, 2010; ERIZ et al., 2004). En este trabajo se revisa el proceso de elección de un destino turístico, se analizan los diferentes conjuntos que se forman en el mismo y se trata el conjunto de consideración, como un subconjunto borroso del conjunto de destinos conocidos. Se plantea una metodología para obtener los conjuntos agregados de destinos turísticos conocidos y de consideración fuzzy para centros turísticos. Se calcula el cardinal de este último conjunto y de su soporte, a los efectos de hallar su magnitud; y se obtiene un índice de borrosidad para conocer el grado de incertidumbre que lo afecta. Finalmente, se aplica la metodología planteada al caso de los estudiantes de la Universidad de Buenos Aires de Argentina. Está estructurado del siguiente modo: en el apartado 2 se analiza el comportamiento del consumidor turístico y los conjuntos que surgen en la elección de un destino para pasar unas vacaciones. En el 3 se presentan algunos elementos de la teoría de conjuntos borrosos y en el 4 el enfoque lingüístico fuzzy. En el apartado 5 se explican los pasos para construir el conjunto de consideración fuzzy agregado; en el 6 se aplica el modelo desarrollado para analizar el comportamiento de un grupo de jóvenes estudiantes en la elección de un destino turístico de Argentina y por último, se plantean algunas conclusiones. 3 2. Proceso de Elección de un Destino Turístico Los modelos que emplean conjuntos de elección han recibido mucha atención en la literatura sobre la toma de decisión en turismo, porque poseen un importante uso práctico por parte de las empresas de turismo. Les permiten identificar mercados potenciales y segmentar el mercado mediante el conjunto de consideración (SIRAKAYA y WOODSIDE, 2005). El trabajo de Woodside y Sherrell (1977) es el primer intento de conceptuar para destinos turísticos el conjunto de destinos conocidos, el conjunto de consideración, el inerte, que está formado por los destinos turísticos que al individuo le resultan indiferentes porque percibe que no le ofrecen ninguna ventaja o atractivo en particular, y el inadecuado, constituido por los destinos turísticos que excluye de sus consideraciones de vacaciones porque siente que son inaceptables a causa de una experiencia desagradable o porque ha recibido retroalimentación negativa (Figura 1). Um y Crompton (1990) hacen una conceptualización de la elección de un destino turístico como un proceso de dos etapas. El primer paso es la obtención de un conjunto de consideración de destinos turísticos a partir de un conjunto de conciencia. En la segunda etapa se elige un destino turístico del conjunto de consideración. El enfoque resulta novedoso porque el concepto de conjunto evocado se refiere a un proceso real de elección de un destino turístico, más que a una situación hipotética de elección. Crompton (1992) explica cómo se simplifica la decisión de forma tal que el turista sólo debe procesar una parte de la información sobre los destinos turísticos que pertenecen al conjunto de consideración. El enfoque supone que los individuos buscan información y evalúan las alternativas que están disponibles para ellos. El autor también reorganiza la función de los conjuntos de elección y da un nuevo concepto del conjunto de destinos conocidos. Afirma que operacionalizar4 el concepto de conjunto de destinos conocidos o de conciencia en el contexto del turismo es un desafío, porque en contraste con lo que sucede con las marcas de una categoría de artículos de consumo, los destinos turísticos conocidos por un individuo para pasar unas vacaciones pueden ser cientos. Por ello propone como una operacionalización alternativa de este conjunto los destinos que un 4 Operacionalizar una variable consiste en avanzar desde conceptos teóricos a conceptos que tengan referentes empíricos inmediatos con la finalidad de acercarlos a la realidad experimental para poder operar, medir, intervenir o hacerlos ejecutables. FASSIO, A.; PASCUAL, A.; SUÁREZ, F. Introducción a la metodología de la investigación, aplicada al saber administrativo y al análisis organizacional. Ediciones Macchi, Buenos Aires, 2004.173 p. 4 viajero está considerando como posibles lugares vacacionales dentro de un período, por ejemplo de un año. Otros autores que integran los conjuntos de elección en una estructura y los relacionan con turismo son Woodside y Lysonski (1989); Crompton y Ankomah (1993); Ankomah et al. (1996); Court y Lupton (1997) y Sirakaya y Woodside (2005). Sus trabajos ofrecen una conceptualización de cómo los potenciales turistas restringen el número de destinos turísticos considerados y alcanzan una decisión final, adoptando un modelo de dos etapas. En todos ellos surge como conclusión que el conjunto de consideración es la componente central de los modelos de selección de destinos turísticos, porque para que un producto-servicio turístico pueda ser tomado en cuenta es esencial que forme parte del conjunto evocado del consumidor. Ninguno de los trabajos mencionados tiene en cuenta la borrosidad de los conjuntos de elección. Al formar el conjunto de consideración para un DT, no todos los destinos seleccionados despiertan el mismo interés en ser visitados debido a la variedad de atributos que se tienen en cuenta al elegirlos y a otros factores que en la mayoría de los casos son de naturaleza subjetiva (LAZZARI, 2010). Por este motivo se puede afirmar que los DT considerados aceptables para pasar unas vacaciones pertenecen al conjunto evocado con diferente grado, por lo que es adecuado analizarlo como un fuzzy set. En este trabajo se trata el conjunto de consideración como un subconjunto borroso del conjunto de conciencia, que a su vez es un subconjunto nítido del conjunto de todos los DT (Figura 1). Todos los destinos turísticos Conjunto de destinos conocidos Conjunto inadecuado Conjunto de destinos desconocidos Conjunto de consideración Conjunto inerte Destino visitado Figura 1. Conjuntos de elección de un DT 5 3. Elementos de la Teoría de Conjuntos Borrosos ~ En un determinado universo X, un subconjunto borroso A es una función μ A~ : X → [0,1] que asigna a cada elemento de X un valor μ A~ ( x ) perteneciente al ~ intervalo [0,1], llamado grado de pertenencia de x a A . Si X es finito el cardinal de X es la cantidad de elementos de X . ~ ~ El cardinal del subconjunto borroso A de X es A = ∑ μ A~ ( x ) . x∈X ~ El soporte de un subconjunto borroso A de X es el conjunto nítido que contiene todos los elementos del referencial cuya función de pertenencia es no nula. ~ Dado el subconjunto borroso A ⊂ X , se define subconjunto nítido más cercano y se denota AC al subconjunto cuya función de pertenencia es: ⎧ ⎪⎪1 ∀x ∈ X : μ AC ( x ) = ⎨ ⎪0 ⎪⎩ μ A~ ( x ) ≥ 1 2 1 μ A~ ( x ) < 2 si si Kaufmann (1982) define índice de borrosidad como una distancia normalizada entre los valores de la función de pertenencia del conjunto fuzzy y del conjunto nítido más cercano. Si se utiliza la distancia de Hamming, se obtiene el índice de borrosidad lineal: (~) υA = 2 n n ∑ μ (x ) − μ (x ) i =1 ~ A i AC i () ~ , 0 ≤υ A ≤1 ~ n es el cardinal del conjunto referencial finito X de A . Este índice proporciona el grado de incertidumbre en relación al subconjunto ordinario más cercano. Su empleo permite conocer el grado de incertidumbre que debe tenerse en cuenta, comparar los valores de borrosidad de los diferentes subconjuntos involucrados, así como estudiar la evolución del desorden existente en un sistema (KAUFMANN et al., 1994). ~ Un conjunto borroso A ⊂ ℜ es normal si y sólo si, ∀x ∈ ℜ, max μ A~ ( x ) = 1 , y es convexo si y sólo si, ∀x ∈ [x1 , x 2 ] ⊂ ℜ se verifica que μ A~ ( x ) ≥ min { μ A~ ( x1 ) , μ A~ ( x 2 )} (TANAKA, 1997). Un número borroso (NB) es un conjunto borroso de los números reales, convexo y normal. Se puede expresar a través de su función de pertenencia μ A~ ( x ) , ∀x ∈ ℜ . Un número borroso es continuo si su función de pertenencia es continua. 6 Se denomina número borroso triangular (NBT) al número borroso real y continuo ~ A = (a1 , a 2 , a 3 ) (Figura 2), cuya función de pertenencia es: ⎧ 0 ⎪ x − a1 ⎪ ⎪ a − a1 μ A~ (x ) = ⎨ 2 − x + a3 ⎪ ⎪ a3 − a 2 ⎪⎩ 0 si x < a1 si a1 ≤ x ≤ a 2 μ ( x) 1 ∀x ∈ ℜ . si a 2 ≤ x ≤ a3 si x > a3 0 a b c Figura 2. NBT 4. Enfoque lingüístico fuzzy La existencia de variables cualitativas, inherentes al comportamiento humano, o de elementos del ambiente externo de difícil cuantificación objetiva, hace que los individuos tengan dificultad en representar con un valor numérico exacto la valoración de los diferentes aspectos de los bienes o servicios turísticos que desean adquirir. Bajo tales circunstancias, resulta más adecuado expresar sus preferencias por medio de valores lingüísticos en lugar de valores numéricos exactos. Esta forma de abordar un problema de toma de decisión se basa en la teoría de los conjuntos borrosos y recibe el nombre de enfoque lingüístico. Se aplica cuando las variables involucradas son de carácter cualitativo (ZADEH, 1975; HERRERA y HERRERA-VIEDMA, 2000; LAZZARI, 2010). De ese modo es posible modelar de forma más adecuada gran cantidad de situaciones reales, dado que permite representar la información de los individuos, que casi siempre es poco precisa, de manera más apropiada. Una variable lingüística se diferencia de una numérica en que sus valores no son números, sino palabras u oraciones del lenguaje natural, o de un lenguaje artificial (ZADEH, 1975). En un modelo lingüístico de toma de decisión se asume la existencia de un conjunto apropiado de términos o etiquetas, de acuerdo con el dominio del problema, sobre la base del cual los individuos expresan sus preferencias. Siguiendo a Xu (2006, 2008) se considera un conjunto de etiquetas finito y totalmente ordenado S = { sα /α = −t,...,−1, 0, 1,..., t} , cuyo cardinal es impar y t es un entero positivo. 7 Cada término s α representa un posible valor de la variable lingüística (XU, 2006, 2008) y debe cumplir las siguientes características: i) sα > s β si y solo si α > β ; y ii) existe un operador de negación: neg (sα ) = s − α ; en particular neg (s 0 ) = s 0 . El término lingüístico medio s 0 representa una valoración de “indiferencia” y el resto de las etiquetas están definidas en forma simétrica a su alrededor. Para preservar toda la información, Xu (2008) extiende el conjunto discreto de etiquetas S a un conjunto de etiquetas lingüístico continuo S = {sα / α ∈ [− q, q ]} , donde q (q > t ) es un entero positivo suficientemente grande. Si sα ∈ S , entonces sα se denomina etiqueta lingüística original, en otro caso, sα es una etiqueta lingüística virtual. En general el decisor emplea los términos lingüísticos originales para evaluar atributos y alternativas, y los términos virtuales pueden aparecer en los cálculos (XU, 2006). Dados dos términos lingüísticos cualesquiera sα , s β ∈ S , y λ ∈ [0,1], Xu (2008) introduce dos leyes operacionales de variables lingüísticas, del siguiente modo: y λ.sα = s λ α (2) sα ⊕ s β = s β ⊕ sα = sα + β (1) Basados en (1) y (2) Xu (2006, 2008) define varios operadores de agregación de f información lingüística como funciones del tipo S n → S , que computan con palabras directamente. Entre otros, la media aritmética ponderada lingüística, LWAA, que se emplea en este trabajo. Definición (XU, 2008): Sea LWAA: S n → S . Si ( ) LWAAw sα1 , sα 2 ,... , sα n = w1 sα1 ⊕ w2 sα 2 ⊕ ... ⊕ wn sα n = sα (3) n donde α = ∑ w j .α j , w =( w1 , w2 ,... , wn ) es el vector de ponderación de las etiquetas j =1 lingüísticas sα j , j = 1, ..., n , w j ∈ [0,1] y n ∑w j =1 j = 1 , luego LWAA se denomina operador media aritmética ponderada lingüística. El aspecto fundamental del operador LWAA es que opera con los términos lingüísticos tomando en cuenta la importancia de la información (XU, 2008). 8 5. Construcción del Conjunto de Consideración Fuzzy Agregado Para obtener la función de pertenencia del conjunto de consideración fuzzy agregado para DT de un segmento dado de individuos, se realizan encuestas a potenciales viajeros en las que se solicita: • Los DT que considerarían visitar en las próximas vacaciones. • El grado de interés en conocer cada lugar considerado. Con la información recabada a través de las encuestas, se determina el conjunto de destinos conocidos o conjunto de conciencia E, que será el referencial del conjunto evocado. Para hallar el grado de pertenencia de cada elemento del conjunto de consideración fuzzy agregado, se procede del siguiente modo (LAZZARI et al., 2009): Paso 1. Grado de interés agregado de cada DT ci : Si m es la cantidad de DT considerados y n es el cardinal del conjunto de etiquetas S, el grado de interés agregado (qi ) de cada DT ( ci ) considerado se obtiene por medio de la aplicación de (3). ( ) qi = LWAAci sα1 , sα 2 ,... , sα n = sα i i = 1,..., m (4) n Donde α i = ∑ w j α j y el vector de ponderación de la etiqueta lingüística sα j es j =1 w = ( w1 , w2 ,..., wn ) . Si rij es la cantidad de individuos que seleccionaron el DT ci con el nivel sα j y vi es la cantidad total de personas que lo consideraron, entonces: wj = rij vi , j = 1, ..., n ; w j ∈ [0,1] , n ∑w j =1 j = 1. (5) Paso 2. Valor de la función de pertenencia sin ponderar: Se define en base al grado de interés agregado. Se realiza un desplazamiento de la escala de orden n −1 , y luego se 2 normaliza. Es decir: κi = 2α i + n − 1 , i = 1,..., m , 0 ≤ κ i ≤ 1 2(n − 1) (6) Paso 3. Vector de ponderación p = ( p1 , ..., p m ) : Refleja el número de veces que cada DT es elegido en las encuestas. Cada peso pi se calcula del siguiente modo: 9 pi = Fi ; 0 < p i ≤ 1; ∀ i = 1, ..., m max Fi (7) donde Fi es la frecuencia de ocurrencia de cada DT. Paso 4. Conjunto de consideración fuzzy agregado: El valor de la función de pertenencia de cada DT ( ci ) se obtiene: μ C~ (ci ) = pi .κ i (8) y representa el grado de interés que tienen los individuos que seleccionaron el DT ci en visitarlo. Por último, el conjunto de consideración fuzzy agregado es: ~ C : E → [0,1] / μ C~ (ci ) = pi .κ i 6. Caso de Estudio: Comportamiento de los Jóvenes en la Elección de un Destino Turístico de Argentina El turismo es una de las actividades que más ha crecido desde el año 2002 en Argentina, generando nuevos puestos de trabajo. El turismo joven es una tendencia creciente en el mundo. Es una herramienta de estrategia futura, porque los viajeros de este segmento producen un efecto boca a boca muy importante entre sus familiares y conocidos. En Argentina representa casi un 20 % del mercado turístico total. Para analizar la conformación y la dinámica del conjunto de consideración de DT se realizaron dos estudios de campo longitudinales a alumnos de la Universidad de Buenos Aires en los que se solicitó información acerca de los lugares turísticos que consideraban visitar en las vacaciones de verano 2009 y el grado de interés que tenían en conocer cada lugar. Los DT considerados en el primero de ellos, realizado en septiembre de 2008 a 940 estudiantes, son: Cataratas del Iguazú, Bariloche, Salta, Mendoza, Córdoba, Ushuaia, El Calafate, San Salvador de Jujuy, Mar del Plata, San Martín de los Andes, Puerto Madryn y Pinamar. En el segundo estudio de campo, que se efectuó en noviembre de 2008 a 850 alumnos, fueron considerados los siguientes DT: Cataratas del Iguazú, Bariloche, Salta, Mendoza, Córdoba, Ushuaia, Mar del Plata, Pinamar y Villa Gesell. Se incluyó en el conjunto de destinos conocidos agregado a todos aquellos DT que aparecieron mencionados en las encuestas por más de 5 jóvenes y se asignó cero, como 10 valor de la función de pertenencia al conjunto de consideración agregado fuzzy, a aquellos DT que fueron elegidos por menos del 10% de la muestra. La información recabada en el estudio de campo fue procesada mediante un software diseñado especialmente. Se empleó un conjunto de cinco términos lingüísticos, y cada estudiante expresó su grado de interés en conocer cada DT considerado mediante una etiqueta del conjunto S. S = { s − 2 = muy bajo (MB), s−1 = bajo (B), s0 = medio (M), s1 = alto (A), s 2 = muy alto (MA) } Se asume que sα1 = s − 2 ; sα 2 = s −1 ; sα 3 = s 0 ; sα 4 = s1 ; sα 5 = s 2 . Como ejemplo se calcula el valor de la función de pertenencia de c1 = Bariloche , en la primera encuesta. Paso 1: Por (4) y (5), se tiene w = ( luego, α 1 = 2 9 59 103 100 , , , , ), 273 273 273 273 273 2 9 59 103 100 × (− 2) ⊕ × (− 1) ⊕ × 0⊕ × 1⊕ ×2 273 273 273 273 273 Por lo tanto, α 1 = 1.06 y q1 = s1.06 . Paso 2: Si se reemplaza en (6) κ 1 = Paso 3: p1 = 2 (1.06 ) + 4 = 0.77 . 8 273 = 0.89 . 306 Paso 4: Por último, μ C~ (c1 ) = 0.69 . Análogamente se obtiene el valor de pertenencia para cada DT considerado en cada uno de los estudios realizados (Tabla 1). En el primero Cataratas del Iguazú presenta el mayor valor de pertenencia al conjunto de consideración agregado fuzzy, mientras que en el otro, Bariloche es el destino más considerado. En el segundo estudio desaparecen de la consideración agregada las ciudades de El Calafate, San Salvador de Jujuy, San Martín de los Andes y Puerto Madryn, que se caracterizan por estar más alejados de la Ciudad de Buenos Aires (donde se realizaron las encuestas) y su visita ocasiona un gasto importante para los viajeros; y aparece Villa Gesell que es un destino muy elegido por los jóvenes. Este último destino, igual que Mar del Plata cuyo valor de pertenencia aumenta en la segunda encuesta, es clásico y reconocido para el turismo joven y ambos ofrecen variedad de servicios para diferentes gustos y presupuestos. Otra ciudad que aumenta considerablemente el grado de consideración es Córdoba. 11 μ UBA1 μ UBA2 V. Gesell Pinamar P. Madryn S. M. Andes Mar del Plata Jujuy El Calafate Ushuaia Córdoba Mendoza Salta Bariloche Cataratas DT 0.74 0.69 0.69 0.61 0.53 0.43 0.43 0.41 0.36 0.24 0.22 0.21 0.00 0.62 0.73 0.50 0.57 0.70 0.35 0.00 0.00 0.57 0.00 0.00 0.29 0.38 Tabla 1. Conjuntos de consideración fuzzy agregados UBA. Fuente: elaboración propia En la Tabla 2 puede observarse que de los resultados del primer estudio de campo realizado surgen 39 destinos conocidos y del segundo 47, mientras que los conjuntos de consideración fuzzy agregados obtenidos en cada caso tienen 12 y 9 elementos. De acuerdo con los valores de los índices de borrosidad, se puede afirmar que la borrosidad del conjunto borroso de consideración agregado pasó de moderada a media, es decir que es más baja cuando la consulta se realiza más cerca del momento de tomar la decisión. La representación triangular del cardinal de los conjuntos de consideración indica (Tabla 2, fila 2) que los jóvenes consideran entre uno y siete DT para visitar en sus vacaciones de verano, y el valor más frecuente es tres. 1ª estudio 2ª estudio Cardinal conjunto de DT conocidos agregado 39 47 Representación triangular del cardinal del soporte. (1, 3, 6) (1, 3, 7 ) Cardinal soporte conjunto del consideración fuzzy agregado 12 9 0.62 0.52 Índice de borrosidad lineal conjunto de consideración fuzzy agregado. Tabla 2. Variación de los conjuntos obtenidos. Fuente: elaboración propia Para expresar el grado de interés agregado (GIAL) de cada DT en forma lingüística mediante una etiqueta del conjunto S, se aproxima el subíndice de la etiqueta virtual a un valor entero, mediante la operación de redondeo habitual (round (α i ) ) y se obtiene una etiqueta lingüística original. Se observa en la Tabla 3 que el GIAL de todos los DT considerados fue alto, con excepción de Mar del Plata, que fue elegida con grado de interés medio por los jóvenes en la primera instancia de la investigación. DT 1ª estudio 2ª estudio 12 Bariloche Cataratas Córdoba El Calafate Jujuy M. del Plata Mendoza Pinamar P. Madryn Salta S. M. Andes Ushuaia V. Gesell qi sα ∈ S GIAL qi sα ∈ S GIAL s1.06 s0.97 s 0.78 s1.43 s1.07 s 0.45 s1.02 s0.67 s1.09 s1.12 s1 s1.11 s1.08 s1.07 s1 s1 s0 alto alto alto alto alto s0.97 s1.41 s1.13 s1.24 s1 medio alto alto alto alto alto s1 s1 s1 alto alto alto - s1.29 s1 - - alto - s1 s1 s1 s1 s1 s1 s1 - s1 s1 s1.30 s1 - - s1.20 s1.03 s1 s1 alto alto alto alto alto alto Tabla 3. Grado de interés agregado lingüístico de cada DT. Fuente: elaboración propia 7. Conclusiones Un enfoque fuzzy es útil para representar la borrosidad que caracteriza al conjunto de consideración y las demás acciones que tienen lugar en el proceso de decisión del consumidor turístico. Las empresas de turismo o los centros turísticos deberían desarrollar estrategias para lograr que sus DT queden incluidos en el conjunto de destinos conocidos y de consideración. También tendrían que identificar los demás destinos y propuestas turísticas del conjunto de consideración para poder plantear alternativas competitivas. Los destinos considerados en forma agregada para las vacaciones de verano 2009 son tradicionales y reconocidos. Están distribuidos a lo largo de toda la Argentina y presentan variedad de paisajes y atractivos, tales como mar, montaña, lagos, sierras, glaciares, ríos y cascadas. Evidencia empírica disponible de estudios similares muestra que la borrosidad de los conjuntos de consideración fuzzy agregados es moderada en la primera instancia de su evaluación y disminuye su valor en instancias posteriores. Se puede estimar la predicción del modelo de consideración presentado en este trabajo como el porcentaje del total de viajes realizados a los destinos turísticos que pertenecen 13 a los conjuntos de consideración obtenidos. Se observó que ésta mejora al realizar el estudio más cerca del momento de tomar la decisión. Bibliografía ANKOMAH, P.K.; CROMPTON, J.L.; BAKER, D. Influence of cognitive distance in vacation choice. Annals of Tourism Research, vol. 23, p. 138-150, 1996. COURT, B.; LUPTON, R.A. Customer portfolio development: modelling destination adopters, inactives and rejecters. Journal of Travel Research, vol. 36, p. 35-43, 1997. CROMPTOM, J.L. Structure of vacation destination sets. Annals of Tourism Research, vol. 19, p. 420-434, 1992. CROMPTON, J.L.; ANKOMAH, P.K. Choice set propositions in destination decisions. Annals of Tourism Research, vol. 20, p. 461-476, 1993. ERIZ, M., FERNANDEZ, M.; LAZZARI, L. Consideration set in tourist destinations as a fuzzy set. Proceedings of International Conference on Modelling & Simulation (ICMS’04), Valladolid, 2004. 209 p. KAUFMANN, A. Introducción a la teoría de los subconjuntos borrosos. CECSA, México, 1982, 491 p. KAUFMANN, A.; GIL ALUJA, J.; TERCEÑO, A. Matemática para la economía y la gestión de empresas. Editorial Foro Científico, Barcelona, 1994, 366 p. HERRERA, F.; HERRERA-VIEDMA, E. Linguistic decision analysis: steps for solving decision problems under linguistic information. Fuzzy Sets and Systems, v.115, p. 6782, 2000. LAZZARI, L.; MOULIÁ, P.; ERIZ, M. An alternative operationalization of fuzzy consideration set. Application to tourism. Proceedings of 2009 International Fuzzy Systems Association World Congress / 2009 European Society for Fuzzy Logic and Technology Conference, p. 173-177, 2009. LAZZARI, L.L. El comportamiento del consumidor desde una perspectiva fuzzy. Una aplicación a turismo. EDICON, Buenos Aires, 2010, 340 p. (en prensa). WOODSIDE, A.G.; LYSONSKI, S. (1989). A general model of traveler destination choice. Journal of Travel Research, vol. 27, p. 8-14, 1989. SIRAKAYA, E.; WOODSIDE, A.G. Building and testing theories of decision making by travellers. Tourism Management, vol. XXVI, n.6, p. 815-832, 2005. 14 TANAKA, K. An Introduction to Fuzzy Logic for Practical Applications. SpringerVerlag, Nueva York, 1997, 138 p. UM, S.; CROMPTON, J.L. Attitude determinants in tourism destination choice. Annals of Tourism Research, vol. 17, p. 432-448, 1990. WOODSIDE, A.G.; SHERRELL, D. Traveler evoked, inept and inert sets of vacation destinations. Journal of Travel Research, vol. 16, p. 14-18, 1977. YAGER, R.R. On general approach to decision making under uncertainty. Proceedings of the III Congress of SIGEF, Buenos Aires, p. 5, 1996. XU, Z. A note on linguistic hybrid arithmetic averaging operator in multiple attribute group decision making with linguistic information. Group Decision and Negotiation, vol. 15, p. 593-604, 2006. XU, Z. Linguistic aggregation operators: An overview, in: H. Bustince et al. (eds.), Fuzzy Sets and Their Extensions: Representation, Aggregation and Models. Berlin: Springer-Verlag, 2008. p. 163-181. ZADEH, L. A. Fuzzy sets. Information and Control, vol. 8, p. 338-353, 1965. ZADEH, L.A. The concept of a linguistic variable and its applications to approximate reasoning. Part I, Information Sciences, vol. 8, p. 199-249. Part II, Information Sciences, vol. 8, p. 301-357. Part III, Information Sciences, vol. 9, p. 43-80, 1975. Agradecimientos Los autores agradecen a la Agencia Nacional de Promoción Científica y Tecnológica del Ministerio de Ciencia, Tecnología e Innovación Productiva de la Argentina (PICT 383); a la Facultad de Ciencias Económicas de la Universidad de Buenos Aires donde tiene asiento este Proyecto; a la Universidad de Buenos Aires (UBACyT E018); a la Coordinación de Investigaciones e Información Universitaria de la Secretaría de Políticas Universitarias del Ministerio de Educación y muy especialmente a las autoridades, docentes y alumnos de las diferentes Facultades de la Universidad de Buenos Aires que participaron de este estudio. 15