ระบบการวางแผนการท่องเที่ยวเชิงการแพทย์แบบติดตามกิจกรรม
คำสำคัญ:
ระบบการวางแผนการท่องเที่ยวเชิงการแพทย์แบบติดตามกิจกรรมบทคัดย่อ
การเดินทางของนักท่องเที่ยวเชิงการแพทย์เพื่อไปรับการรักษาที่โรงพยาบาลในอีกประเทศหนึ่งเป็นกิจกรรมที่ซับซ้อนซึ่งมีความจำเป็นต้องมีการประสานงานระหว่างนักท่องเที่ยวเชิงการแพทย์และโรงพยาบาลผู้ให้บริการ งานวิจัยนี้นำเสนอการพัฒนาระบบซอฟต์แวร์สำหรับการวางแผนการเดินทางเพื่อรับบริการทางการแพทย์และพักฟื้นที่ประเทศ
จุดหมายปลายทาง ในการประเมินผลผู้วิจัยได้จัดทำแบบสอบถามเพื่อประเมินความพึงพอใจที่มีต่อการใช้งานระบบ
โดยคัดเลือกกลุ่มชาวตะวันออกกลางที่สนใจจะเข้ามาใช้บริการการท่องเที่ยวเชิงการเชิงการแพทย์จำนวน 44 คน ที่โรงพยาบาลพระราม 9 กรุงเทพมหานคร ซอฟต์แวร์ที่พัฒนาขึ้นเป็นลักษณะที่ทำงานแบบร่วมกันระหว่างนักท่องเที่ยวเชิงการแพทย์และโรงพยาบาล เพื่อให้ได้ข้อมูลที่จำเป็นต่อผู้เดินทางและเจ้าหน้าที่โรงพยาบาลเพื่อเตรียมความพร้อมในการให้บริการทางการแพทย์ที่โรงพยาบาล ขั้นตอนการเดินทางมี 6 ขั้นตอนประกอบด้วย การเตรียมตัวก่อนเดินทาง การเดินทางถึงประเทศไทยและลงทะเบียนผู้ป่วย การเข้ารับการรักษาและจำหน่ายผู้ป่วยออกจากโรงพยาบาล การพักฟื้นและท่องเที่ยว การเดินทางกลับสู่ภูมิลำเนา และการติดตามบ่มเพาะ ซึ่งผลลัพธ์จากการร่วมกันวางแผนจะได้แผนการเดินทางและการรักษา โดยการติดตามกิจกรรมหลัก (milestone) และกิจกรรมย่อย (activity) ซอฟต์แวร์ดังกล่าวนี้ช่วยให้ผู้เดินทางท่องเที่ยวเชิงการแพทย์มีความมั่นใจที่จะสามารถดูแลตัวเอง ติดต่อประสานงานกับทุกฝ่าย นอกจากนี้ทางโรงพยาบาลก็สามารถติดตาม จัดการดูแลคนไข้ให้เดินทางมายังจุดหมายปลายทาง รับบริการรักษาจนเสร็จเรียบร้อย และกลับสู่ภูมิลำเนาโดยสวัสดิภาพ
References
Aldy, G., Hoong, C. L., & Kun, L. (2016). A fast Algorithm for personalized travel planning recommendation.
Proceedings of the 11th International Conference on Practice and Theory of Automated Timetabling (PATAT-2016), Udine, Italy (pp. 163-179). Udine, Italy: PATAT.
Damianos, G., Vlasios, K., Charalampos, K., Grammati, P., Nikolaos, V., & Chrisos Z. (2015). The eCOMPASS multimodal tourist tour planner. Expert System with Applications, 42(2015), 7303-7306.
Grzegorz, S., Marcin, S., & Ireneusz, C. (2016). Travel behavior profiling using a trip planner. Transportation Research Procedia, 2016(14), 1743-1652.
Hongladda, P., Anaraki, F. B., & Suchai, T. (2016). STIG: A short trip Itinerary generator for planning trip-Ratchaburi Province. Proceeding of the Asian Conference on Technology in the Classroom 2016 Official (pp. 97–112). Kobe, Japan: iafor The International Academic Forum
Jian, C., Jian, Y., & Jin, H. (2005). Automatic content-based recommendation in e-commerce. Proceeding of The 2005 IEEE International Conference on e-Technology, e-Commerce and e-Service (pp. 748-753). IEEE. doi:10.1109/EEE.2005.37.
Kansinee, K., Akarapong, A., & Mingsan, K. (2014). Competitiveness of the Health Tourism Industry (Medical). Bangkok: The office of the National Research Council of Thailand (NRCT) and The Thailand Research Fund (TRF).
Kasikorn Research Centre. (2018). Thai tourism in 2018 target revenue to 2 trillion baht. Retrieved from https://kasikornresearch.com/th/analysis/kecon/business/Pages/36759.aspx
Medical Tourism Association. (2018). Medical tourism FAQ’s. Retrieved from http://www.medicaltourismassociation.com/en/medical-tourism-faq-s.html
Ministry of Tourism and Sports. (2016). Wellness tourism. Tourism Economic Review, 2016(3), 32-33.
Moreno, A., Sebastiá, L. & Vansteenwegen, P. (2015). Recommender systems in tourism. IEEE Intelligent Informatics Bulletin, 16(1), 1-2.
Ricci, F., & Werthner, H. (2001). Case base querying for travel planning recommendation. Retrieved from https://www.researchgate.net/publication/233643258_Case_Base_Querying_for_Travel_ Planning_Recommendation
Shanmugam, K. (2013). Medical tourism in India: Progress, opportunities and challenges. Madras: School of Economics.
Suna, Y., & Lee, L. (2004). Agent-based personalized tourist route advice system. Proceedings of Commission II. ISPRS Congress, Istanbul (pp. 319-324). Istanbul: ISPRS
Thailand’s Medical Industry. (2017). BOI aims for solid growth in the medical industry. Thailand Investment Review, 2017(27), 5-6.
Yamane, T. (1967). Statistics, an introductory analysis (2nd ed.). New York: Harper & Row.
Zahra, B., Rahim, A. A., & Christophe, C. (2017). A Cold start context-aware recommender system for tour planning using artificial neural network and case based reasoning. Mobile Information Systems, 2017, 1-18. doi: 10.1155/2017/9364903.
