ANTONIO, Nuno; ALMEIDA, Ana de    NUNES, Luís. Predictive models for hotel booking cancellation: a semi-automated analysis of the literature. []. , 15, 1, pp.7-21. ISSN 2182-8458.  https://doi.org/10.18089/tms.2019.15011.

^len^aIn reservation-based industries, an accurate booking cancellation forecast is of foremost importance to estimate demand. By combining data science tools and capabilities with human judgement and interpretation, this paper aims to demonstrate how the semiautomatic analysis of the literature can contribute to synthesizing research findings and identify research topics about booking cancellation forecasting. Furthermore, this works aims, by detailing the full experimental procedure of the analysis, to encourage other authors to conduct automated literature analysis as a means to understand current research in their working fields. The data used was obtained through a keyword search in Scopus and Web of Science databases. The methodology presented not only diminishes human bias, but also enhances the fact that data visualisation and text mining techniques facilitate abstraction, expedite analysis, and contribute to the improvement of reviews. Results show that despite the importance of bookings’ cancellation forecast in terms of understanding net demand, improving cancellation, and overbooking policies, further research on the subject is still needed.^lpt^aNa gestão de receitas em turismo e hotelaria, a exatidão da previsão de cancelamento de reservas é de extrema importância para estimar a procura. Através da aplicação de ferramentas e recursos de data science, com apoio do julgamento e interpretação humanos, temos como objetivo demonstrar como a análise semiautomática da literatura pode contribuir para sintetizar a investigação existente para a previsão de cancelamento de reservas, incluindo a identificação dos tópicos abordados pela investigação. Para além disso, ao detalhar o procedimento experimental da análise, temos como objetivo encorajar outros autores a realizar análises automatizadas de literatura. Os dados utilizados foram obtidos a partir das bases de dados da Scopus e da Web of Science. A metodologia utilizada, além de atenuar o viés humano, demonstrou como as técnicas de visualização de dados e de text mining facilitam a abstração, fomentam a aceleração da análise e contribuem para a melhoria das revisões. Os resultados mostram que, embora a previsão de cancelamento de reservas seja de reconhecida importância para a compreensão da procura líquida e melhoria das políticas de cancelamento e overbooking, há ainda necessidade de mais investigação sobre o assunto.

: .

        · | |     ·     · ( pdf )