Titolo della tesi: Transforming Tourism Sustainability Through Artificial Intelligence: A Multidimensional Framework for Overtourism Prediction and Mitigation
Questa ricerca sviluppa un framework multidimensionale basato sull'intelligenza artificiale per predire e mitigare l'overtourism, affrontando le limitazioni degli approcci tradizionali di gestione turistica. Attraverso una revisione sistematica di 150+ pubblicazioni accademiche (2010-2025), lo studio dimostra come i modelli AI raggiungano un'accuratezza del 89-94% nella previsione dei flussi turistici, superando significativamente i metodi convenzionali (65%). La ricerca introduce l'Overtourism Risk Index (ORI), un indice innovativo che integra pressione demografica, congestione spaziale, vulnerabilità ecologica e stress infrastrutturale. I casi studio di Roma (ORI: 0.48, rischio moderato) e Venezia (ORI: 0.97, rischio critico) rivelano come il volume turistico da solo sia insufficiente a determinare la sostenibilità: Roma gestisce 51.4 milioni di visitatori annuali grazie alla dispersione spaziale, mentre Venezia con 25-30 milioni presenta criticità estreme per i vincoli geografici. L'implementazione di sistemi AI ha dimostrato riduzioni del 23% nella congestione delle attrazioni principali e del 18% nelle emissioni legate ai trasporti. Il framework proposto trasforma la gestione turistica da reattiva a proattiva, consentendo interventi basati su evidenze scientifiche. La ricerca affronta criticamente le implicazioni sulla privacy, proponendo tecniche di privacy differenziale e apprendimento. Questo lavoro stabilisce le basi teoriche e pratiche per una governance sostenibile delle destinazioni nell'era dell'intelligenza artificiale.