nueva página del texto (beta)
Español (pdf)
Artículo en XML
Referencias del artículo
Traducción automática
Enviar artículo por email
Citado por SciELO 
Similares en
SciELO 
Permalink
Introducción
Un turista decide visitar un destino considerando múltiples aspectos: seguridad, precio, intereses personales, comunicaciones, etcétera. Entre éstos, la imagen desempeña un papel importante (Mendelson y DarlingWolf, 2009). El número de imágenes de un destino que un turista potencial puede conocer es limitado. Por ejemplo, en el caso de China, Pan y Li (2011) demostraron que únicamente pocos sitios, como Xi’an, Beijing o la Gran Muralla eran conocidos por gran parte de los turistas, mientras que los otros lugares quedan relegados a imágenes fragmentadas, o bien, al olvido.
Tradicionalmente, la identificación de los atractivos que los turistas recordaban era compleja. Lynch (1960) fue uno de los primeros investigadores en trabajar aspectos como el reconocimiento de las imágenes de las ciudades, la elaboración de mapas mentales o el reconocimiento de patrones. Posteriormente, se incorporó la fotografía como método de análisis (Collier, 1967), pese a que no fue hasta la década de 1980 cuando los métodos basados en la fotografía alcanzaron popularidad como elemento para analizar el paisaje percibido (Kaplan, 1985). Ahora bien, se trataba de un método caro y de aplicación limitada. Ha sido recientemente, cuando gracias a la accesibilidad a las redes sociales en las que se difunden fotografías se agiliza el uso de las imágenes como fuente para la identificación de los atractivos turísticos (Kádár y Gede, 2013).
No obstante, la fácil accesibilidad a los contenidos online ha propiciado que sean varios los estudios focalizados en este medio (Stylianou-Lamber, 2012; Donaire et al., 2014; Ji et al., 2011; Crandall y Snavely, 2012). Por lo que la imagen de un territorio obedece a una casuística más amplia y multidimensional (Hunter, 2016; Paül i Agustí, 2009). Para reconstruir la imagen de un territorio, la información disponible en las redes sociales no es suficiente, ya que se debería analizar tanto la imagen proyectada como la imagen percibida (Galí y Donaire, 2015). Con respecto a esto, existe una comparación que ha sido usada con éxito en estudios que han abordado aspectos como el análisis semiótico de la representación visual de Seúl (Hunter, 2016), la decisión de comprar por parte del cliente (Grønflaten, 2009) o la planificación y el cumplimiento de las expectativas de los viajes turísticos (Seabra et al., 2007).
El presente trabajo pretende incidir en las similitudes y las diferencias espaciales existentes entre las imágenes proyectadas (material turístico institucional y guías turísticas) y la imagen percibida (contenidos generados por los usuarios de la red social Instagram). Para ello se estudiará el tratamiento que se hace de la República oriental del Uruguay.
1. Revisión bibliográfica
1.1. Imagen proyectada e imagen percibida
Tradicionalmente, se había señalado que los turistas eran simples espectadores que tendían a reproducir en sus fotografías imágenes vistas en guías o sitios web (Caton y Almeida-Santos, 2008). Esta visión ha sido superada por aportaciones recientes. Actualmente, el turista se ve como un actor capaz de interactuar con los espacios visitados contribuyendo a generar un cambio en las imágenes de los destinos (Coleman y Crang, 2002; Stylianou-Lamber, 2012).
Buena parte de este nuevo rol de los turistas se debe a la facilidad con la que pueden fotografiar y difundir sus imágenes, gracias a la digitalización de las imágenes y la aparición de las redes sociales. Las comunidades virtuales adquieren así una influencia significativa en el turismo, gozando de más credibilidad que los medios tradicionales (Katsoni, 2014: 109). Ahora bien, las imágenes de las redes sociales no son las únicas existentes, sino quese incorporan a un conjunto más amplio, al que contribuyen a enriquecer.
Phelps (1986) distingue las imágenes de un destino entre primarias y secundarias. Las primeras, percibidas, procederían de la experiencia de los visitantes y residentes. Mientras que las segundas, proyectadas, se generarían a partir de las actividades de los agentes turísticos y de la experiencia anterior a la visita. Además, los objetivos también serían distintos. Las fuentes secundarias, como folletos y guías, aspiran a ser objetivas (Wolcott, 1995) o responder a criterios comerciales (Mackay y Fesenmaier, 1997). Las imágenes percibidas, como las creadas por los usuarios en las redes sociales, permiten una visión más personal, basada en la experiencia (Hunter, 2016).
La comparación de fuentes primarias y secundarias permite identificar nuevos atributos de la imagen de un destino (Stewart, 2005). Una aportación que resulta fundamental para complementar la imagen de un espacio y mejorar su comprensión (Almeida-Santos y Buzinde, 2007). Ahora bien, la comparación entre estas dos fuentes puede resultar problemática. Autores como Marine-Roig y Ferrer-Rosell (2018) han analizado los estudios existentes que comparaban ambas imágenes, sin localizar ningún artículo que cuantifique las diferencias espaciales entre las imágenes proyectadas y percibidas en las distintas fuentes. El objetivo del presente estudio es comparar la distribución espacial de los elementos turísticos del espacio analizado a partir de tres fuentes: material impreso, guías turísticas y contenidos generados por los usuarios (imágenes de Instagram).
1.2. Disonancia representativa de las imágenes de los destinos turísticos
La creación de una imagen y su afectación en el destino sigue siendo uno de los temas básicos de la investigación turística (Hunter, 2016). Se han señalado problemas de definición del concepto (Hughes y Allen, 2008) o la escasa capacidad para alterar la imagen turística (Govers y Go, 2004). No obstante, se tiende a considerar que las imágenes turísticas reproducen símbolos con significados que han sido socialmente construidos y difundidos (Yan y Almeida-Santos, 2009) y que pueden resumir la complejidad del espacio visitado y hacerlo asequible al turista (Smith, 2005).
En términos generales, se analiza la imagen turística como un concepto multidimensional, que debe ser objeto de análisis en su conjunto (Gallarza et al., 2002), es decir, una representación individual, compleja, creada por organizaciones, residentes o agentes anónimos (Tasci y Gartner, 2007). Las fuentes existentes para analizar la imagen turística son amplias y diferenciadas (Gartner, 1993) y su estudio es complejo, con muchas facetas intangibles que dependerán del medio analizado (Staszak, 2014). No obstante, la mayoría de los estudios académicos tienden a focalizarse en una única fuente. Camprubí y Coromina (2016) señalan en su estado de la cuestión que 92.1% de los artículos académicos que trabajan con contenido de la información turística únicamente usan un objeto de análisis.
Los estudios recopilados basados en múltiples objetos de análisis tienden a mostrar diferencias significativas en los contenidos en función de la fuente analizada, especialmente entre imagen proyectada e imagen percibida (Choi et al., 2007). Es lo que se conoce como disonancia representativa: varios agentes proyectan distintas representaciones para responder a múltiples propósitos. Por ejemplo se cita la disonancia representativa entre la imagen proyectada y la difundida por las revistas turísticas especializadas que tratan la India (Bandyopadhyay y Morais, 2005) o entre imagen online de organismos turísticos y usuarios (Mak, 2017). Unas diferencias que condicionan la representatividad de los resultados y la efectividad de la imagen proyectada (Ji y Wall, 2015), que puede generar ciertas frustraciones en el turista (Almeida-Santos y Buzinde, 2007) o incluso dañar la imagen del destino (Garrod y Kosowska, 2012). En este contexto, el análisis de las diferencias existentes en la imagen de un destino resulta fundamental para el éxito de un destino turístico (Govers y Go, 2004).
Ahora bien, pese a que son varios los estudios que señalan las diferencias existentes en función de las fuentes, no se ha localizado ningún estudio que evalúe, cuantifique y cartografíe las diferencias existentes en la distribución territorial de las imágenes turísticas. Una carencia importante en cuanto la actividad turística tiende a una clara orientación espacial en el destino turístico (Lee et al., 2017).
1.3. La localización de actividad turística
El nuevo papel del turista, como creador y difusor activo de imágenes a partir de sus propias motivaciones y expectativas, genera un cambio en los usos del espacio (Coleman y Crang, 2002; Massey, 2001). La imagen difundida por administraciones y guías se complementa con las imágenes creadas por los turistas. Se supera la idea de burbuja turística caracterizada por la pérdida de valor intrínseco del lugar (Relph, 1976) y se entra en una etapa de path creation, que pone el acento en la importancia de los cambios discontinuos y en el peso que las fuerzas sociales pueden ejercer en el rediseño del espacio físico y los comportamientos del turista (Brandajs y Soro, 2017: 21-22).
Tradicionalmente la descripción de las áreas turísticas ha tendido a basarse en una aproximación cuantitativa focalizada en aspectos como la densidad de ocupación de las actividades turísticas o los flujos de visitantes (Marmolejo y Cerda, 2017). Ahora bien, es habitual que un mismo destino turístico comprenda un amplio número de pequeños atractivos, difíciles de identificar a partir de los datos de densidad o flujo de visitantes (Lew y McKercher, 2006). La combinación de información de fuentes diversas y su localización espacial permite analizar y caracterizar los espacios a partir de información más cualitativa (Paül i Agustí, 2014; Shoval y Raveh, 2004), especialmente, de la imagen del destino (Hollinshead, 2009).
El geoetiquetado o geotagging de imágenes ha generado nuevos enfoques sobre la localización espacial de la actividad turística (Raun et al., 2016). Unos trabajos todavía poco presentes en la literatura académica (Schwartz y Halegoua, 2015: 1645). Pese a ello, se ha señalado su potencial como herramienta para analizar la localización de la actividad turística, es decir, se puede citar su función como instrumentos capaces de identificar nuevas relaciones entre lo físico y lo digital, mejorando el conocimiento del espacio visitado (García-Palomares et al., 2015; Gordon y De Souza, 2011). Otros investigadores, en cambio, se han centrado en una visión más crítica, analizando como las tecnologías móviles reconfiguran los espacios turísticos (Germann-Molz y Paris-Morris, 2013) o pueden incluso fomentar la exclusión y la fragmentación de los espacios (Hannam et al., 2014).
La localización de las distintas imágenes proyectadas por un destino permite incorporar un elemento cualitativo al debate, mostrando aspectos como la imagen que el espacio pretende difundir o las experiencias vividas por los turistas (Balomenou y Garrod, 2014).
2. Metodología
2.1. Ámbito de estudio
La presente investigación se focaliza en la República oriental del Uruguay. El país tenía, en 2015, 3,467,054 habitantes. La mayor concentración urbana correspondía al departamento de Montevideo, capital del país, que concentraba 1,379,560 de habitantes (39.8%). El país ocupa un área de 175,016 km², de los cuales 530 km² (0.3%) corresponden al departamento de Montevideo. En el colindante departamento de Canelones residen 566,626 habitantes. Fuera del área de la capital, la población tiende a localizarse en los departamentos situados en el litoral atlántico y fluvial del país. No obstante, ninguno de los 17 departamentos restantes del país alcanza los 200,000 habitantes.
La densidad media de Uruguay es de 19.8 hab/km². Ahora bien, si se calcula la media sin los departamentos de Montevideo y Canelones la densidad se sitúa en 11.45 hab/km². En nueve departamentos la densidad es incluso inferior, no alcanzando los siete hab/ km². Unos datos que apoyan la elección de la marca Uruguay Natural para la promoción del país.
La actividad turística presenta un peso relevante. En 2015 se situó alrededor de 7% del PIB. Durante el 2016, el país tuvo 3 millones 300 mil llegadas de turistas extranjeros. El origen principal de los visitantes fue Argentina y Brasil. En cuanto al destino elegido para la visita, Montevideo es el punto principal de atracción, visitado por 31.6% de los turistas, seguido de la localidad costanera de Punta del Este (20.9%). La zona costera de Piriápolis (4.3%) y la ciudad de Colonia (8.7%), declarada Patrimonio de la Humanidad por la Unesco, son otras áreas que reciben un volumen importante de turistas. Otras regiones costeras reciben también volúmenes relevantes de turistas, como el litoral termal (14.3%), Rocha (4.9%) o la costa del Oro (4.3%). Las otras áreas del país, especialmente el interior, tienen una presencia limitada de turistas, que una vez descontados los viajeros en tránsito, se situaría alrededor de 5% del total de visitantes (Sosa, 2016).
La presencia de una cifra importante de turistas, de varias tipologías y nacionalidad, junto con la presencia de atractivos variados como patrimoniales, naturales y paisajísticos, un buen nivel de servicios y ferias y festivales relevantes hacen que Uruguay pueda ser un área excelente para valorar el comportamiento espacial de los turistas e identificar los recursos territoriales que el turista valora. Unas observaciones que pueden abrir oportunidades para analizar estas variables en otras localidades.
2.2. Recopilación y análisis de datos
El presente estudio se basa en tres fuentes: material editado por las instituciones públicas, guías turísticas e imágenes generadas por los usuarios.
El material editado por las instituciones públicas se recopiló sobre el terreno durante febrero y marzo de 2017. En este periodo se visitaron dos veces cada una de las seis oficinas de turismo existentes en el área metropolitana de Montevideo (tres gestionadas por el Ministerio de Turismo, dos, por la Intendencia y, una, por la municipal). Siguiendo la metodología de Stylianou-Lamber (2012: 1824) se consideró que la muestra estaba completa, y, en consecuencia, se podía estimar como representativa, cuando nuevas visitas a las oficinas no aportaron nuevo material a la muestra. Se obtuvieron varios mapas y guías, tanto de carácter general como temáticas. La mayoría del material analizado estaba editado por el ministerio de turismo.
En cuanto a las guías turísticas se vaciaron las ediciones más recientes de todas las guías disponibles en el mercado1 en lengua castellana editadas a partir del 2010: Anaya Touring (Pagella, 2013), Bradt (Burford, 2011), Lonely Planet (Bao, 2015) y Guía Azul (Monreal, 2012).2
Del material editado por las instituciones públicas y de las guías turísticas se realizó un vaciado del conjunto de la información. Se identificaron los atractivos promocionados, su localización y datos más cuantitativos (número de palabras de la descripción y dimensión de la imagen o el mapa referente al atractivo). Los datos obtenidos se cuantificaron en función de la fórmula propuesta por Serrano i Miracle e Imbert-Bouchard (2009: 391). La fórmula permitía obtener unos valores comparables entre las fuentes, en un rango situado entre 0 (nulo impacto turístico) y 10 (máximo impacto turístico):
A = Número de palabras de la descripción del atractivo
B = Dimensión de las imágenes relacionadas con el atractivo
C = Mapa o croquis de localización del atractivo
D = Tratamiento objetivo / subjetivo del atractivo
max = valores máximos obtenidos en los distintos campos analizados
Las dos fuentes de información anteriores se podían vaciar en su totalidad. Un hecho imposible en la tercera fuente, la red Instagram. Por ello fue necesario acotar la información que se quería analizar. Instagram es una red social para compartir imágenes y comentarios asociados. Las imágenes pueden compartirse de forma pública o privada. En la presente investigación únicamente se han utilizado las imágenes de carácter público. Por lo tanto, este no es un estudio de todas las imágenes, sino de aquellas que los usuarios comparten en Instagram.
Instagram permite una búsqueda preliminar de los lugares donde han sido tomadas las fotografías. En esta investigación se ha usado la referencia Uruguay. A pesar de existir otras localizaciones territoriales referentes a municipios o barrios, este topónimo era el que presentaba mayor nivel de actividad; unas 2000 imágenes al día.
Para evitar la estacionalidad, se han analizado las imágenes generadas en dos momentos: del 1 al 15 de noviembre de 2016 y del 8 al 25 de febrero de 2017. La recopilación de la información también siguió la metodología de Stylianou-Lamber (2012: 1824). Se consideró que la muestra era representativa cuando el vaciado de un nuevo día no incorporaba nuevos elementos turísticos a la base.
La identificación de las imágenes que conforman la muestra se realizó a partir de distintos pasos. El primero fue descartar las imágenes generadas por los residentes. Dado que las prácticas espaciales de turistas y residentes difieren (García-Palomares et al., 2015), analizar los residentes podría implicar incorporar a la muestra espacios alejados de las prácticas turísticas. La selección se realizó a partir de la información disponible en el perfil del usuario. Concretamente:
Se analizaba la localización del usuario en los últimos quince días. Un dato que ofrece la aplicación. Si se observaba movilidad territorial, se incluían en la muestra.
Si no existía movilidad, se identificaba la lengua de los escritos y comentarios. En caso de no ser en castellano, se incluían.
En caso de ser en castellano, si el contenido hacía referencia a vacaciones, actividades de ocio o a movilidad, se incluían. Caso contrario, se descartaba definitivamente.
Si la identidad del fotógrafo no quedaba suficientemente clara, se descartaba la imagen.
De acuerdo con los criterios para ser una imagen tomada por un turista 25.6% de las fotos analizadas (15.875) cumplían con éstos. El siguiente filtro fue identificar las imágenes que podían ser localizadas en el mapa. Se partió de la idea de eye-catchers. Se considera eye-catchers una ilustración donde 50% o más de la imagen la ocupada un elemento que capta la atención (Pritchard y Morgan, 1995: 28). En el presente artículo se descartaron aquellas imágenes en las que 50% o más del espacio estuviese ocupado por elementos que no fuesen territorializables: caras (selfies), detalles, puestas de sol, nubes, etcétera. Se consideró que los elementos secundarios de la imagen no entrarían dentro de la categoría de atractivos turísticos. Las imágenes que correspondían a esta categoría representaron 36 por ciento.
Para las 5,715 imágenes restantes se buscó su localización en el mapa. Para ello se usaron cuatro vías:
Comentarios presentes en la aplicación, en los que se identificaban directamente los lugares.
Reconocimiento de localizaciones (fotografías con nombres de comercios, direcciones, etc.).
Análisis a través de la aplicación Google images, la cual permite hacer búsquedas por imagen. Los resultados muestran páginas con imágenes similares, donde a menudo aparece la localización.
Para las imágenes que no era posible identificar con los métodos anteriores, se contactó con varios especialistas con un elevado conocimiento del ámbito turístico uruguayo.
Finalmente, se localizaron en un sistema de información geográfico 4850 imágenes, 84.9% de las imágenes territorializables colgadas por los visitantes en Instagram en el periodo examinado. Una cifra a medio camino de la utilizada en otros estudios, como Galí y Donaire (2015), basado en 34 ,200 imágenes de Flickr, o Stylianou-Lamber (2012), focalizado en 400 imágenes de Flickr y Picasa.
Para las imágenes creadas por los usuarios se elaboró un índice de impacto que, adaptándolo a la información de la fuente, respetase el índice utilizado en las guías y el material institucional.
2.3. Agregación y cartografía de los datos
La agregación de los datos se realizó a través de dos métodos. El cálculo de la estimación de densidad Kernel (Kernel Density Estimation - KDE) y el de distancia inversa ponderada (Inverse Distance Weighting - IDW).
KDE es un método no paramétrico para estimar la función de probabilidad de densidad de una variable aleatoria (Terrell y Scott, 1992). Se basa en un proceso de inferencia de una muestra de puntos conocidos para estimar las densidades locales del conjunto de puntos. Los cálculos se han realizado a partir de los parámetros establecidos por defecto en la herramienta ArcGis 10.4.1, usando el índice de impacto como campo de ponderación.
En los mapas resultantes el valor de la superficie es más alto en la ubicación del punto y disminuye con el aumento de la distancia, hasta llegar a cero. Este método permite dar más peso a los puntos más significativos. También penaliza los comportamientos excepcionales. Se trata, en consecuencia, de un buen método para sintetizar comportamientos de áreas. Como tal, el KDE ha sido usado en varios trabajos recientes, para analizar el comportamiento turístico (Miah et al., 2017) o delimitar los downtown a través de las etiquetas de Flickr (Hollenstein y Purves, 2010).
IDW es un método de interpolación común y usado ampliamente dentro del GIS (Haklay, 2007). Las técnicas de interpolación espacial permiten la conversión de mediciones discretas en una distribución continua en el espacio. Como toda función de interpolación, IDW opera con un conjunto de puntos muestreados (L1, L2, ... Ln) y calcula el valor para una nueva ubicación L. Se elaboran asumiendo explícitamente la suposición que los valores colindantes son más parecidos entre sí que aquellos valores más separados. Este método permite incluir comportamientos excepcionales, es decir, puntos con un índice de impacto elevado dentro de áreas con pocos atractivos.
En el presente estudio, las interpolaciones se han realizado sobre el conjunto del país. Para establecer los cálculos se han respetado los valores recomendados por defecto en la herramienta utilizada (ArcGis 10.4.1). Las interpolaciones se han establecido a partir de los 12 valores espacialmente más próximos. Se realizaron dos IDW (material impreso e Instagram) en función de la localización geográfica de los elementos analizados, obteniendo un valor Z de ponderación, correspondiente al índice de impacto de cada una de las dos fuentes. Las diferencias observadas se cartografiaron mediante los ráster resultantes.
El uso de cálculos de IDW para identificar comportamientos espaciales es habitual en la literatura académica. En el ámbito del turismo ha sido usada por autores que han identificado el potencial turístico de los espacios rurales (Dona y Popa, 2013), las posibles interrelaciones del turismo con los humedales (Lupei et al., 2017) o la cartografía de emociones en el espacio urbano (Shoval et al., 2018).
3. Resultados
3.1. Presentación
La comparación de las distintas fuentes muestra un número relativamente limitado de atractivos turísticos en el conjunto del país: 295. Instagram es la fuente que incluye un mayor número de localizaciones, 245. El material institucional identifica 213 puntos. Las guías turísticas únicamente señalan 123 atractivos turísticos (Cuadro 1).
Cuadro 1 Coincidencias y divergencias entre los atractivos turísticos recopilados en las distintas fuentes
| Número atractivos | % sobre total | |
| Material institucional | 213 | 72.2 |
| Guías turísticas | 123 | 41.7 |
| Imágenes Instagram | 245 | 83.1 |
| Citados en alguna de las fuentes | 295 | 100 |
| Citado en material institucional y guías turísticas* | 18 | 6.1 |
| Citado en material institucional e Instagram | 58 | 19.7 |
| Citado en guías turísticas e Instagram | 0 | 0 |
| Citado en material institucional y guías turísticas e Instagram | 123 | 41.7 |
| Citado únicamente en material institucional | 32 | 10.8 |
| Citado únicamente en guías | 0 | 0 |
| Citado únicamente en Instagram | 82 | 27.8 |
* Se pueden considerar que dichos 18 puntos no han sido objeto de visita. En consecuencia, deberían ser considerados formalmente como recursos turísticos "Existen recursos turísticos que no equivalen a atractivos turísticos... Son relevantes, pero no provocan un viaje” (Navarro, 2015: 351).
Fuente: elaboración propia.
La comparación entre fuentes señala escasas coincidencias en los atractivos identificados. Únicamente 123 espacios (41.7%) aparecen en las tres. Las coincidencias entre dos de las fuentes todavía son más bajas. 58 espacios aparecen únicamente en el material institucional e Instagram, 18 en el material institucional y las guías y ningún elemento aparece únicamente en guías turísticas e Instagram. Finalmente, merece ser señalado que los espacios únicamente identificados en una fuente son limitados. Únicamente Instagram presenta una cifra alta: 82 espacios (27.8%). El material institucional recopila 32 casos (10.8%) y, las guías, ninguno.
La situación anterior señala las guías turísticas como el elemento que presenta menor grado de variedad. Los atractivos identificados en ellas tienden a ser los habitualmente representados en los otros medios. En cierta medida, se podría considerar que presentan una escasa innovación. Asimismo, se podría señalar que 18 puntos identificados en las guías y el material institucional no fueron localizados en Instagram. Eso es, no resultaron suficientemente atractivos a los turistas para desplazarse o fotografiarlos. Por el contrario, la mitad de los atractivos identificados únicamente aparecen en Instagram. Un aspecto que muestra el potencial de la fuente para identificar espacios turísticos no representados en otros medios.
Los datos permiten verificar, en el caso de Uruguay, el cumplimiento de la distribución en larga cola (Pan y Li, 2011: 132). Material institucional y guías turísticas focalizan su información en pocos espacios, ampliamente tratados y conocidos. En cambio, los usuarios de Instagram añaden atractivos complementarios. El estudio de las tres fuentes, material impreso, guías e Instagram contribuye a dibujar una imagen variada del destino, la cual quedaría sesgada con el análisis de una sola fuente.
3.2. Localización de los atractivos
La distribución espacial de los atractivos muestra algunas diferencias significativas. Como se ha señalado, las guías eran las que identificaban un menor número de puntos (Mapa 1). El grueso de su información tendía a corresponder a localidades del litoral marítimo y fluvial del país y a las inmediaciones de la capital. Más allá de los espacios anteriores, únicamente se encontraron reseñadas de forma destacada algunas capitales departamentales (Rivera, Artigas, Melo, Tacuarembó…).
Fuente: elaboración propia. Base cartográfica INE Uruguay, 2011.
Mapa 1 Atractivos identificados en las guías turísticas (índice de impacto)
Únicamente nueve atractivos aparecían en todas las guías.3 El índice de impacto también tendía a ser limitado.4 La mayoría de atractivos descritos (62.7%) aparecen en una publicación, con una presencia testimonial, lo que lleva a constatar una concentración importante, tanto territorial como a nivel de volumen de información.
Analizando el material institucional (Mapa 2) se observa un mayor número de espacios identificados, 213. No obstante, se sigue un patrón espacial similar al de las guías. Pese a que el interior del país aparece más representado, es la presencia del litoral y la capital la que destaca claramente. Como sucedía con las guías, el número de puntos que aparecen en múltiples publicaciones es limitado. La misma coincidencia se observa a nivel de índice de impacto. Únicamente cinco puntos, todos del litoral, tienen presencia destacada en la mayoría de publicaciones y un índice de impacto superior a cinco.5 Por lo tanto, se apunta que las fuentes oficiales y las guías turísticas tienden a promocionar espacios similares. Así, si se correlacionan los valores de las guías y del material institucional, el resultado obtenido se sitúa en 0.706,6 lo que indica una clara correlación positiva entre las dos fuentes.
Fuente: elaboración propia. Base cartográfica INE Uruguay, 2011.
Mapa 2 Atractivos identificados en el material institucional (índice de impacto)
La distribución de los atractivos varía en las imágenes obtenidas en Instagram (Mapa 3). Las áreas que en las fuentes anteriores concentraban el mayor número de atractivos tienden a concentrar un número importante de imágenes creadas por los usuarios. Ahora bien, también se encuentran un número importante de nuevos puntos. De hecho, en muchos municipios únicamente se han localizado imágenes creadas por los usuarios. Una afirmación especialmente válida en el interior del país.
Fuente: elaboración propia. Base cartográfica INE Uruguay, 2011.
Mapa 3 Atractivos identificados en las imágenes de los usuarios (índice de impacto)
Los índices de impacto también tienden a ser superiores. Son pocos los casos en los que un espacio únicamente aparece en una o dos fotografías (26.5% de los casos). En cambio, hasta 27 atractivos aparecen con más de 15 fotografías, lo que indicaría una fuerte presencia. Pese a que lo habitual son grandes ciudades, también se identifican distintos balnearios (algunos, como Pinamar, no identificados ni en guías ni en material institucional) y algunos elementos patrimoniales (Fortaleza de Santa Teresa).
3.3. Estimación de densidad KDE
La síntesis de la información anterior en un único mapa permite identificar hasta qué punto la imagen que se proyecta de un espacio se identifica con la creada en Instagram, o bien, si pueden existir variaciones espaciales en función del medio analizado. Dada la similitud en la distribución de los atractivos descritos en el material institucional y en las guías turísticas (material impreso), comentadas anteriormente, se han tratado de forma homogénea estas dos fuentes.
El cálculo del diferencial de los índices de impacto del material impreso y de las imágenes de Instagram mediante una estimación de densidad Kernel (Mapa 4) permite identificar espacialmente los puntos en los que cada fuente analizada tiene un papel predominante. El resultado es un mapa en el que el peso de las imágenes generadas por los usuarios es claramente predominante.
Fuente: elaboración propia. Base cartográfica INE Uruguay, 2011.
Mapa 4 Síntesis de los resultados de las fuentes analizadas (estimación de densidad Kernel a partir del diferencial de los índices de impacto)
Las imágenes difundidas por los usuarios tienden a coincidir con las grandes zonas urbanas y serían las que marcarían la imagen turística del país. Buena parte del litoral, incluyendo especialmente la capital, así como las áreas urbanas del norte (Rivera, Tacuarembó o Minas de Corrales) aparecen fuertemente representadas en Instagram. Concretamente, se ha constatado como la mayoría de atractivos descritos por los usuarios tienden a concentrarse en un radio de 25 km de las principales ciudades del país. Esto implicaría que en términos generales, en buena parte del territorio analizado el número e intensidad de presencia de las imágenes localizadas en Instagram es claramente superior al de las fuentes impresas.
Por el contrario, las imágenes de las fuentes impresas únicamente consiguen una representación espacial predominante en zonas muy puntuales. Este aislamiento en los puntos promocionados por el material impreso implicaría que a nivel estatal raramente conseguirían crear una zona amplia atractiva para los turistas, condicionando su capacidad para incidir, de forma independiente, en la imagen de la destinación.
Se identifica, en cambio, cierta capacidad del material impreso para matizar la imagen de algunos espacios, básicamente áreas próximas a las grandes ciudades. Localizaciones, especialmente en los alrededores de la vía que conecta Montevideo con la frontera terrestre y fluvial con Argentina, donde se observa un equilibrio entre imagen creada por los usuarios e imagen difundida en el material impreso. Unos espacios que serían visitados por los usuarios de Instagram, pero de forma menos asidua. En paralelo, contarían con una presencia destacada en los medios impresos. Dos factores que llevarían a que la imagen proyectada se encontrase influenciada por ambas fuentes, sin un claro predominio de una de ellas.
Finalmente, existe una amplia zona del país que no proyecta ninguna imagen. Eso es, donde no se ha encontrado ninguna referencia ni en las fuentes impresas, ni en las imágenes de los usuarios. Un dato que indica una clara delimitación de los eventuales espacios de interés para los visitantes.
La explotación general de los datos de las distintas fuentes analizadas indica que la imagen creada por los usuarios es la que contribuiría a establecer la imagen turística de la mayoría de Uruguay, mientras el material impreso (institucional y guías) únicamente matizaría la imagen generada por los usuarios.
3.4. Estimación de densidad IDW
La situación descrita anteriormente ofrece unos resultados basados en el método de Kernel. Como se ha comentado, se trata de un método usado habitualmente para sintetizar comportamientos de áreas, pero que otorga más peso a los puntos más significativos, lo que penaliza los comportamientos excepcionales. No obstante, su aplicación en turismo puede implicar una sobrerepresentación del peso de la imagen de Instagram, simplificando los resultados y obviando el peso que otras fuentes pueden tener en la creación de la imagen de un territorio.
Si se analizan las imágenes localizadas con el método IDW, los resultados nos muestran algunos cambios relevantes en la distribución del peso de las imágenes (Mapa 5). Unos cambios que nos llevan a cuestionar el peso que Instagram puede tener en la imagen turística del país. Debemos señalar que IDW es un método de interpolación que asume que los valores colindantes son más parecidos entre sí que los valores más separados. Permite incluir comportamientos excepcionales, eso es, mostrar el peso que posibles atractivos aislados tiene en el conjunto. En el caso de la imagen turística, el uso de IDW permite incorporar algunos comportamientos espacialmente localizados, correspondientes a atractivos turísticos localmente importantes, pero que un análisis básicamente regional puede obviar.
Fuente: elaboración propia. Base cartográfica INE Uruguay, 2011.
Mapa 5 Síntesis de los resultados de las fuentes analizadas (Distancia Inversa Ponderada a partir del diferencial de los índices de impacto)
Los resultados muestran una clara disminución de la extensión e intensidad de los valores obtenidos en Instagram. La imagen de los usuarios es claramente predominante en pocos espacios, coincidentes con los principales destinos turísticos uruguayos: Montevideo, Punta del Este, Colonia del Sacramento y Cabo Polonio. Las grandes ciudades y el litoral siguen teniendo un predominio de los valores de Instagram, con algunos matices significativos. En primer lugar, la diferencia de la intensidad de la promoción entre Instagram y las fuentes impresas disminuye, lo que indicaría una mayor capacidad de las segundas para influenciar en la imagen turística del territorio. Segunda diferencia, el área de influencia de las imágenes de Instagram también disminuye. Esto implica mayor alternancia espacial entre los puntos promocionados en Instagram y los que promueven las fuentes impresas. Así, la relevancia de las imágenes de Instagram que se observaban con el método Kernel en el litoral del país desaparece
Otra diferencia significativa se observa en la capital. El cálculo de Kernel mostraba un papel significativo de Instagram, que se extendía a casi todo el departamento colindante. El cálculo de IDW señala un papel de las fuentes impresas mayor, llegando a identificarse algunas áreas promocionadas predominantemente en las fuentes impresas (área de Pando o de Ciudad del Plata). La inclusión de comportamientos excepcionales transforma la representación de este territorio, demostrando ser claramente más compleja que la obtenida a partir de las imágenes predominantes.
La representación mediante IDW señala la aparición de áreas en las que las imágenes impresas tienen un mayor índice de impacto que las imágenes de los usuarios. Significativamente, estas áreas tienden a focalizarse a proximidad de los espacios mayoritariamente promocionados por los usuarios. Esta situación es especialmente evidente en el oeste del país, donde coincide con la creación de una reciente iniciativa de promoción: el corredor de los pájaros pintados. Así, la representación con IDW consigue representar algunas de las áreas en las que la promoción gubernamental es significativa. Espacios actualmente en promoción que tienen una presencia muy puntual en Instagram. Nuevamente, si la fuente única hubiese sido Instagram, los potenciales efectos de las imágenes generadas por otras fuentes, las impresas, en la imagen de la destinación turística habrían podido pasar desapercibidas. Una situación similar se observa en otras partes del país, especialmente en el este (distritos de Melo y Treinta y Tres). Espacios que comparten una voluntad de aumentar su promoción turística.
Último punto a señalar, el cálculo IDW indica que la mayor parte del territorio uruguayo tiene algún tipo de atractivo que influya en su imagen. Una situación que la visión más generalista del cálculo Kernel no permitía.
Conclusiones
El presente estudio identifica diferencias espaciales en la distribución de los atractivos turísticos en función de la fuente analizada. Se demuestra así, como las diferencias identificadas por varios autores en campos como los contenidos promocionados, la semiótica o las componentes de las imágenes (Hunter, 2016; Marine-Roig y Ferrer-Rosell, 2018) se reproducen también a nivel de distribución espacial de los atractivos turísticos. En este sentido, los resultados señalan el potencial de las fuentes impresas para difundir imágenes del territorio más allá de las promocionadas en redes sociales como Instagram. Unas imágenes generalmente puntuales, pero que pueden contribuir a modificar la imagen del destino turístico y ofrecer una visión más rica del territorio analizado.
Dichos resultados inciden especialmente en la tendencia de la bibliografía actual en analizar los fenómenos turísticos a partir de una única fuente, generalmente basada en las redes sociales (señalada por García-Palomares et al, 2015). Los resultados muestran como esta tipología de análisis ofrecen una imagen fragmentada, que obvia componentes importantes para la imagen turística del destino. Se impone de este modo la necesidad de análisis multifuentes para identificar correctamente las coincidencias y las divergencias en la imagen turística de un destino y evitar imágenes sesgadas que obedezcan, únicamente, a una visión parcial de la realidad turística.
El análisis presentado muestra diferencias espaciales significativas entre la imagen proyectada y la imagen percibida. Unas diferencias que deben ser analizadas con métodos que permitan la incorporación de comportamientos excepcionales (en el presente artículo, IDW y Kernel). De lo contrario, en áreas extensas como un país, existe el peligro de obviar posibles tendencias locales y obtener una imagen no realista del destino analizado. Una situación especialmente grave en el contexto turístico, en el cual, de acuerdo con la teoría del marketing, cuanto más cercanas están las imágenes proyectadas por un destino de las imágenes percibidas por los turistas, más probable es que satisfagan las expectativas de los turistas y se creen marcas fuertes y coherentes (Marine-Roig y Ferrer-Rosell, 2018).
Las diferencias en la localización espacial de los distintos elementos turísticos pueden ofrecer nuevos datos interesantes y abrir nuevas líneas de investigación. Incorporar otros medios de difusión turística, especialmente datos procedentes de otras fuentes electrónicas, o comparar la práctica turística con la imagen proyectada son líneas de investigación futuras que pueden contribuir a enriquecer las diferencias identificadas en el presente artículo.
La variabilidad en la localización de las imágenes promocionadas en función de la fuente utilizada demuestra la necesidad de incorporar esta aproximación al análisis del espacio turístico. Una aproximación que aporte una información espacialmente relevante, que contribuya a mejorar la gestión espacial del turismo.
