تشخیص گفتمان در بستر توییتر با کاربست نظریه تمرکز نظارتی؛کاربست روشهای متن کاوی (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
هدف : متناسب سازی نظریه های علوم اجتماعی با فضای بسترهای رسانه اجتماعی موجب ارائه تحلیلهایی دقیق تر برای درک چرایی و چگونگی تغییر رفتار کاربران بسترهای رسانه اجتماعی می شود. هدف پژوهش حاضر، استخراج الگوهای موجود در محتوای تولید شده توسط کاربران توییتر بود که برای تحقق آن از نظریه تمرکز نظارتی بهره برده شده است. روش: این پژوهش از روشهای متن کاوی استفاده کرده و جامعه آماری آن، شامل متنهای انتشاریافته در توییتر طی بازه زمانی تیرماه 1399 تا تیرماه 1400 بوده است. داده های مورد استفاده در این پژوهش با تمرکز بر کلیدواژه های مرتبط با موضوع حجاب گردآوری شده است. یافته ها: داده های استخراج شده، تعداد 33192 توییت بود که پس از پاکسازی، 1967 توییت نمونه بر مبنای نظریه تمرکز نظارتی برچسب گذاری شد. در این پژوهش، توییت های نمونه با توجه به پیش فرض مثبت یا منفی، به دو دسته توییت های پیشبردی و اجتنابی دسته بندی شدند. بر این اساس، تعداد 815 توییت پیشبردی و 1152 توییت اجتنابی شناسایی شد. سپس توییت های پیشبردی در دو دسته توییت های برخورداری و محرومیتی و توییت های اجتنابی در دو دسته توییت های گریزی و مواجه ای دسته بندی و الگوسازی شدند. در ادامه، برای تشخیص گفتمانهای موجود در حوزه حجاب در توییتر، با استفاده از روشهای متن کاوی، مدل سازی انجام گرفت. نتیجه گیری: چهار گفتمان برخورداری، محرومیت، گریز و مواجهه، در توییت های بررسی شده تشخیص داده شد که نشان از تکرار بالای کدها در الگوی مواجهه دارد. از این تکرار بالای کدها می توان انسجام معنایی در الگوی مواجهه در توییتر و سپس جامعه را استدلال کرد. انسجام معنایی، جهت دهی به افکار عمومی را تسهیل می کند و انسجام رویکردی نیز بسیج عمومی برای تحول خواهی در موضوعات فرهنگی را ایجاد خواهد کرد.Discourse Recognition on Twitter Using Regulatory Focus Theory (RFC) and Text Mining Techniques
Objectives: The present survey aims to extract the patterns of content developed by Twitter users by using the regulatory focus theory (RFT). Methods: This study was conducted based on text mining techniques. The statistical population consisted of the texts published on Twitter from July 2020 to July 2021, and the data were collected by searching special keywords. Results : The results of the article indicate that a total of 33,192 tweets were extracted as the dataset, 1,967 of which were selected for labeling by RFC. Conclusion: The authors of the research conclude that the four main discourses extracted from the analyzed tweets were Possession, Non- Possession, abstinence, and exposure. The results revealed the higher frequency of codes related to the discourse “exposure”, indicating the semantic coherence of “exposure” both on Twitter and the whole society. This semantic coherence can direct and mobilize public opinion to call for cultural reforms .
تبلیغات
