ركزت الدراسة على المشكلة الآتية: هل يوجد أثر لجائحة كورونا في الطلب السياحي لمنشآت المبيت في محافظة اللاذقية؟. وهدفت الدراسة إلى الآتي: بيان واقع الطلب السياحي على منشآت المبيت قبل جائحة كورونا، إضافة إلى تحديد التغيرات في هيكل الطلب السياحي في منشآت
المبيت(الفنادق، والشاليهات والشقق المفروشة، والزوار) خلال فترة جائحة كورونا في محافظة اللاذقية عام 2020. تم استخدام المنهج الوصفي التحليلي. وقد توصلت الدراسة إلى مجموعة من النتائج أهمها: أثرت جائحة كورونا على الطلب السياحي الكلي لمنشآت المبيت في محافظة اللاذقية بشكل كبير في عام 2020 مقارنة بعام 2019، يوجد تحسن في الطلب السياحي الكلي على منشآت المبيت في محافظة اللاذقية في الأعوام الثلاث قبل الجائحة، أثرت الجائحة على مكونات الكلب السياحي(الفنادق، الشقق المفروشة، الزوار) في محافظة اللاذقية في عام 2020، تأثر الطلب السياحي على الفنادق بشكل أقل من الطلب السياحي على الشاليهات والشقق والزوار.
ونتيجة تفشي covid-19 بشكل هائل حول العالم وتزايد عدد الإصابات والوفيات بسببه كان له الأثر الكبير في ضرورة البحث عن أساليب سريعة لتشخيص covid-19.
فتم إيجاد الحلول التقنية الأمثلية باستخدام التعلم العميق من خلال بناء نموذج يساعد على استخلاص السمات الأ
مثلية من الصور الشعاعية والتي بدورها تدخل إلى مصنفات ويتم تصنيفها بشكل أسرع إلى أشخاص مصابة أم طبيعية.
وهذا يساعد في الحد من انتشاره عن طريق اتخاذ الإجراءات اللازمة مع الأشخاص المصابين وعزلهم عن الأشخاص الآخرين.
لقد استخدمنا نموذج CNN يساعد في استخلاص السمات من الصور الشعاعية الصدرية X-Ray ومن ثم إدخال تلك السمات إلى مصنفات لتشخيص المرض بحالتيه الإيجابية والسلبية والغاية من ذلك مساعدة المؤسسات الصحية في السرعة بتشخيص المرض واتخاذ التدابير اللازمة بعد ذلك.
بات مرض كورونا من الأمراض التي تهدد حياتنا اليومية وذلك يعود إلى سرعة المرض الكبيرة وكانت الجهود كلها تصب في الحد من ذلك الانتشار الهائل للفيروس وذلك عن طريق التشخيص السريع للمرضى واتخاذ الاحتياطات اللازمة بعد ذلك.
هذا فرض علينا البحث عن أساليب مجدي
ة و سريعة لتشخيص المرض والحد من انتشاره والوصول إلى حلول تقنية مفيدة باستخدام التعلم العميق وذلك من خلال بناء نموذج يساعد على تصنيف الصور الشعاعية للمرضى هل هم أشخاص أصحاء أم مصابين وبالتالي القدرة على تشخيص المرض بشكل أسرع
لقد استخدمنا نموذج قائم على التعلم العميق وهو شبكة عصبية تلافيفة لمساعدة أخصائي الأشعة على تشخيص وتحديد الإصابة أو نفيها تلقائيا من الصور الشعاعية
وقد حقق النموذج دقة تصنيف مقدارها 96.46 في المئة
