تحلیل احساسات

یک رسانه با ایفای نقش آموزش محور می تواند در بهبود و روان سازی راهبردهای مدیریت آموزشی یک کشور نقشی ویژه را ایفا کند. پیدایش فناوری های نوظهور ارتباطات و اطلاعات و گره خوردن آن با صنعت رسانه منجر به شکل گیری رسانه های آموزشی دیجیتال به عنوان ابزار های نوین در نظام آموزشی کشور شد. از این رو، چگونگی تدوین و ارایه محتوی آموزشی و هم چنین، پیش بینی مقدار اثرگذاری محتوای دیجیتالی بر مخاطب به عنوان یک چالش مطرح می باشد به گونه ای که مدیریت بهینه محتوی رسانه آموزشی تحت وب می تواند منجر به بهینه شدن فرآیند مدیریت آموزش شود که هدف این پژوهش تحقق این امر است. طرح پژوهش از نوع همبستگی می باشد. نمونه آماری پژوهش شامل دو گروه 30 نفره از خبرگان و کاربران است که 239 محتوی دیجیتال آموزشی را بررسی کرده اند. جهت گرد آوری داده ها از یک پرسش نامه 25 پرسشی محقق ساخته استفاده شد. اعتبار و پایایی پرسش نامه از قابلیت لازم برخوردار بوده است. نتایج پژوهش که به کمک نرم افزار SPSS مورد تحلیل قرار گرفت، نشان می دهد همبستگی معناداری بین خروجی مدل و نظرخبرگان در شدت احساسات و تمایل مخاطبان به یادگیری وجود دارد.

  در سال های اخیر رشد شبکه های اجتماعی و به تبع آن افزایش فزاینده محتوای این شبکه ها باعث شده است تا افراد برای خرید و استفاده از محصولات، خدمات و یا حتی انتخاب های سیاسی خود از نظرات سایر افراد برای تصمیم گیری استفاده نمایند. با توجه به آنکه نظرات کاربران به صورت متنی است و خواندن و جمع بندی آن ها زمان بر و مشکل است، خودکارسازی استخراج عقاید و احساسات نظرات کاربران یکی از راهکارهای پیشنهادی برای سایت های فروش آنلاین جهت ارائه خدمات کاراتر به مشتریان جهت تصمیم گیری آگاهانه تر است. تحلیل احساسات یا عقیده کاوی فرآیندی است که نظرات، احساسات و نگرش افراد در ارتباط با موضوعی خاص استخراج می شود و به عنوان شاخه ای از متن کاوی شناخته می شود. نتایج حاصل از تحلیل احساسات می تواند در سیستم های پیشنهاددهنده جهت ارائه پیشنهاد های کاراتر برای خرید مورد استفاده قرار گیرد. اطلاعات حاصل از عقیده کاوی می تواند در زمینه های مختلف ازجمله کتابخانه ها در انتخاب بهتر و خرید مبتنی بر نظرات واقعی کاربران کاربرد داشته باشد. در این پژوهش سیستمی جهت دسته بندی خودکار احساسات بیان شده در نظرات مربوط به خریداران کتاب سایت آمازون ارائه شده است. سیستم با استفاده از مدل های ترکیبی برای تحلیل احساسات نظرات کاربران سایت آمازون طراحی شده است. جهت کلیه تحلیل ها از پکیج های متن کاوی پایتون استفاده است. نتایج نشان می دهند سیستم پیشنهادی می تواند به صورت خودکار نظرات مثبت و منفی را با دقت بالای 80% دسته بندی نماید.

  در دنیای رقابتی امروز، قیمت گذاری به عنوان یکی از چهارعنصر آمیخته بازاریابی، از عوامل مؤثر در موفقیت یا شکست شرکت ها محسوب می گردد. بر اساس مبانی نظری، در قیمت گذاری مبتنی بر ارزش، شرکت ها ارزش متمایز محصولات خود را برای مشتریان محاسبه می کنند. هدف از انجام این پژوهش که بر اساس مبانی علم طراحی استوار است، طراحی و پیاده سازی سیستمی جهت کمک به قیمت گذاری رقابتی بر اساس ارزش مشتری از طریق دسته بندی و تحلیل احساسات مشتریان باهدف حداکثر سازی سود است. صنعت منتخب این پژوهش هتل داری است که سلایق و ارزش های مشتری در آن از عوامل موفقیت محسوب می گردد. در این پژوهش ابتدا سعی شده به روش مدل سازی موضوعی با الگوریتم LDA، از داده های استخراج شده از نظرات مشتریان هتل های 5 ستاره تهران به عنوان هتل های رقیب، موارد مهم و باارزش در ذهن مشتریان این هتل ها شناسایی و دسته بندی گردد. پس ازآن، در هر دسته، نظرات هر مشتری برچسب گذاری شده و با الگوریتم های مختلف متن کاوی، فرایند تحلیل احساسات بر روی این نظرات انجام شود. سپس دقت الگوریتم ها محاسبه شده که الگوریتم یادگیری عمیق با دقت 0.9 بیشترین دقت محاسبات را داشت. درنهایت تحلیل احساسات با داده های موجود توسط سیستمِ طراحی شده در مرحله قبل انجام شده و نتایجی قابل قبولی دریافت گردید. کاربرد سیستم پیشنهادی، تشخیص ارزش هتل ها در ذهن مشتریان هدف نسبت به رقبا و کمک به قیمت گذاری بر مبنای ارزش است.

هدف: در سال های اخیر با توجه به گسترش کسب وکار های دیجیتال و حضور مشتریان در این محیط، امکان دسترسی به داده های مربوط به علایق و ارزش های مورد انتظار مشتریان فراهم شده است. هدف این پژوهش، شناسایی عناصر سازنده ارزش پیشنهادی به مشتری و بررسی تأثیر آنها بر رضایت مشتری با استفاده از روش تحلیل احساسات بر مبنای متن کاویِ محتوای تولیدشده توسط کاربران در فضای مجازی است. روش: این پژوهش از نظر هدف، کاربردی، از نظر ماهیت، توصیفی پیمایشی، از نظر اجرا، کیفی کمی (آمیخته) با رویکرد استقرایی است. در پژوهش حاضر، کالای تلویزیون هوشمند، به عنوان مطالعه موردی انتخاب شد و 3865 نظر از خریداران این کالا از سایت فروشگاه آنلاین دیجی کالا جمع آوری و با استفاده از روش تحلیل احساسات تجزیه و تحلیل شد. برای طبقه بندی و جداسازی نظرهای مثبت و منفی، از روش های «یادگیری ماشین» استفاده شد و برای استخراج سازه های ارزش پیشنهادی، روش «تخصیص پنهان دریکله» به کار رفت. یافته ها: بر اساس یافته های پژوهش، برای ارزش پیشنهادی به مشتری در رابطه با کالای تلویزیون هوشمند، 30 عنصر شناسایی شد. نتایج پژوهش نشان می دهد که 15 عنصر یا ویژگی محصول، بر رضایت مشتریان تأثیر مثبت دارد و 15 عنصر دیگر، به نارضایتی مشتریان منجر می شود. نتیجه گیری: نتایج پژوهش نشان می دهد که تحلیل نظرهای مشتریان و به بیانی «محتوای تولیدشده توسط کاربران»، برای شناخت و بررسی نگرش مشتری در رابطه با محصول، روشی کاربردی بوده و برای کسب وکارها در راستای ارائه محصول موفق با ویژگی های مورد علاقه مصرف کنندگان به بازار، ابزاری مؤثر است و با استفاده از آن توسط یادگیری ماشین، می توان در راستای تسهیل، افزایش دقت و سرعت شناسایی نیاز مشتری و خلق مشترک ارزش، گام های بزرگی برداشت.

با همه گیر شدن بیماری کووید-19، قرنطینه شدن مردم و فاصله گذاری اجتماعی، افراد بیش از پیش نظرات خود درباره ویروس کرونا را در شبکه های اجتماعی مانند توئیتر منتشر می کنند. با این حال، هنوز مطالعه ای برای تحلیل نظرات برخط افراد به منظور درک احساسات آن ها در مورد همه گیری کووید-19 در ایران گزارش نشده است. در این پژوهش به تحلیل احساسات موجود در نظرات مردم ایران در شبکه اجتماعی توییتر در طول بحران کرونا پرداخته می شود. برای این منظور یک مدل شبکه عصبی عمیق ارائه می شود. با توجه به این که داده های برچسب گذاری شده از توئیت های مرتبط با کرونا در دسترس نیست، مدل پیشنهادی ابتدا روی مجموعه داده Sentiment140 دانشگاه استنفورد شامل یک میلیون و ششصدهزار توئیت آموزش داده شده، سپس برای طبقه بندی دوکلاسه ی احساسات موجود در توئیت های جمع آوری شده مرتبط با کرونا در ایران استفاده می شود. نتایج نشان می دهد درصد توئیت ها دارای احساسات منفی نسبت به توئیت های مثبت به شکل معنی داری بیشتر است. همچنین، تغییر احساسات منفی افراد در ماه های مختلف متناسب با تغییر در آمار بیماران می باشد.

یکی از منابع ارزشمند در خصوص هیجان های افراد در مورد پدیده های مختلف، شبکه های اجتماعی است، که با استفاده از تحلیل آنها می توان اطلاعات با ارزشی بدست آورد. پژوهش حاضر با هدف بررسی مدل تمایل به تبعیت از توصیه های بهداشتی بر اساس تحلیل احساسات کاربران شبکه های مجازی در پاندمی کرونا طراحی شد. روش این پژوهش داده کاوی بود. جامعه آماری این پژوهش متون کاربران ایرانی شبکه های اجتماعی مجازی توئیتر، تلگرام و اینستاگرام بود. به منظور انجام این پژوهش نمونه ای متشکل 2500 متن از داده های پیش پردازش شده ی شبکه های مجازی توئیتر، تلگرام و اینستاگرام در بازه زمانی 1 اسفند 1398 تا 31 فروردین 1399 مورد بررسی قرار گرفتند و با استفاده از الگوریتم ماشین بردار پشتیبان در طبقه های تمایل به تبعیت از توصیه های بهداشتی و احساسات دسته بندی شدند، در آخر نیز به منظور بررسی سئوال پژوهش از روش رگرسیون لجستیک استفاده شد. یافته های این پژوهش نشان داد که بر اساس پنج هیجان ترس، اعتماد، غم، شادی و پیش بینی، می توان تمایل به تبعیت کاربران از توصیه های بهداشتی را پیش بینی کرد. همچنین نتایج نشان داد که هیجان شادی با تمایل به تبعیت رابطه منفی و هیجان های ترس، اعتماد، غم و پیش بینی با تمایل به تبعیت رابطه مثبت معناداری دارد (۰۵/۰P ‹). به طور کلی یافته های این پژوهش موید نقش هیجان ها در تمایل به تبعیت افراد از توصیه های بهداشتی بود.

رشد اینترنت، شبکه های اجتماعی و وبسایت های تجارت الکترونیک بستری جهت ارائه عقاید و نظرات برای کاربران فراهم می نمایند. در سال های اخیر بسیاری از کاربران احساسات و نظرات خوب یا بد خود را در مورد غذا، خدمات، کیفیت و فضای رستوران ها در بسترهای آنلاین بیان می کنند. این نظرات برای تصمیم گیری سایرکاربران و همینطور رستوران ها جهت حفظ کیفیت، توسعه ی محصول و برندشان بسیار مهم می باشند. تحلیل احساسات رویکردی جهت پردازش زبان طبیعی است و امکان تحلیل سیستماتیک نظرات کاربران را فراهم می نماید. با توجه به اهمیت این موضوع هدف این مطالعه ارائه ی مدل تحلیل احساسات نظرات سایت تریپ ادوایزر درباره ی رستوران های ایرانی می باشد. در این تحقیق ما تحلیل احساسات مبتنی بر جنبه بر اساس الگوریتم یادگیری عمیق شبکه ی عصبی حافظه ی طولانی کوتاه مدت استاندارد را برای استخراج احساسات کاربران در مورد رستوران ها پیشنهاد نموده ایم. برای آموزش مدل، 4000 نظر طبق چهار جنبه در سه حالت عدم اشاره، مثبت و منفی برچسب زده شد و گام های مطالعه طبق متدولوژی کریسپ صورت گرفت. میزان دقت برای معیارهای غذا، سرویس، قیمت و اتمسفر به ترتیب 82%، 86%، 87% و 81% به دست آمد. این نتایج نشان از کارایی و عملکرد قابل قبول مدل برای تحلیل احساسات مبتنی بر جنبه ی رستوران ها است. همچنین جنبه ی غذا و اتمسفر به ترتیب مهم ترین جنبه ها برای مشتریان رستوران های ایرانی محسوب می شوند. رستوران داران و صاحبان کسب وکار می توانند از مدل توسعهیافته برای کسب مزیت رقابتی و یافتن نقاط قوت و ضعف خود استفاده کنند.

با توجه به محبوبیت جهانی حوزه رمزارزها به ویژه بیت کوین، انتظار می رود دیر یا زود دولت ها، بانک ها و سایر صنایع به استفاده از رمزارزها در معاملات روزمره خود روی آورند. بنابراین همانند هر حوزه مالی دیگر، نیاز به شناسایی چالش های موجود در این حوزه جهت ایجاد فضای سرمایه گذاری امن احساس می شود. از طرفی با گسترش شبکه های اجتماعی، داده های ساختارنیافته در حال افزایش هستند که می توان از این پدیده جهت ایجاد ارزش افزوده در حوزه های گوناگون همچون تحلیل احساسات بهره مند شد. از این رو پژوهش حاضر با هدف بررسی تأثیر ریسک درک شده توسط کاربران شبکه های اجتماعی بر روی قیمت بیت کوین انجام گردید. براساس یافته های پژوهش، ریسک های شناسایی شده در حوزه بیت کوین، شامل ریسک اجتماعی، اقتصادی، امنیتی، فناوری و حقوقی می باشند. برای استخراج ریسک های بیت کوین، از گفتگوهای سایت بیت کوین تاک استفاده گردید. پس از جمع آوری داده ها توسط خزشگر وب، به کمک الگوریتم تخصیص پنهان، گفتگوها در خوشه های موضوعی خوشه بندی شدند. تحلیل احساسات کاربران نیز با روش مبتنی بر واژگان و بکارگیری واژه نامه AFINN انجام گردید. برای سنجش اثرگذاری احساسات کاربران بر قیمت بیت کوین نیز از مدل شبکه عصبی غیرخطی با داده های برون زا بهره گرفته شد. نتایج به دست آمده نشان از وجود 0.99 همبستگی و میانگین مربعات خطا 0.001 دارد که به معنای وجود همبستگی میان قیمت واقعی و قیمت پیش بینی شده بیت کوین می باشد. یافته های این پژوهش می تواند توجه فعالان در حوزه بیت کوین را جلب نماید تا برنامه ریزی مناسبی جهت سرمایه گذاری و کاهش ریسک سرمایه گذاری داشته باشند.

با توجه به رشد روزافزون شبکه های اجتماعی در سال های اخیر، سرمایه گذاران در بازارهای مختلف علاوه بر بررسی و تحلیل اطلاعات کلاسیک بازار، به اخبار و اطلاعات منتشره در شبکه های اجتماعی نیز توجه می کنند. با بررسی و ارزیابی میزان ارتباط اخبار و اطلاعات منتشره در  شبکه های اجتماعی و تغییرات قیمت سهام می توان به میزان تاثیرگذاری این اطلاعات بر قیمت سهام پی برد و از طریق آن روند آینده را پیش بینی نمود. در این مقاله با استفاده از روش تحلیل احساسات و متن کاوی، به بررسی میزان اثرگذاری افکار و احساسات عمومی ناشی از اخبار در اینترنت و فضای مجازی بر قیمت سهام پرداخته می شود. اطلاعات استفاده شده در این پروژه شامل مطالب منتشرشده در شبکه اجتماعی توییتر پیرامون سهام و همچنین داده های واقعی قیمتی سهام 5 شرکت برتر بورس آمریکا است. با استفاده از روش ارائه شده، احساسات کلی در مورد یک متن برآورد شده و امتیازی کلی برای آن در نظر گرفته می شود. سپس با استفاده از روش های بک تستینگ و با اتخاذ استراتژی های مختلف معاملاتی، تاثیر این احساسات در روند قیمتی سهم بررسی خواهد شد و بازدهی به دست آمده، با و بدون اثردهی آنالیز احساسات، مقایسه خواهد شد. طبق نتایج این پژوهش، بازدهی استراتژی های مبتنی بر آنالیز احساسات به طور قابل توجهی بیشتر از روش های تحلیل تکنیکال هستند.

امروزه بسیاری از زمینه های تحقیقاتی و کسب وکار به نوعی با افکار، تصویرها و الگوهای ذهنی کاربران و مخاطبان خود سروکار دارند . لذا شناخت و آگاهی از نحوه ی طرز فکر افراد، مشتریان و مخاطبان یک مجموعه در مورد آن، تأثیر فراوانی بر اخذ تصمیمات مناسب از سوی مدیران آن مجموعه، درراستای پیشبرد اهداف و حل مسائل مختلف دارد. از طرفی جمع آوری داده از کاربران، به جهت رسیدن به اهداف و نتایج تحقیق، با استفاده از روش های سنتی معمولاً زمان بر و همراه با بی دقتی است. هدف از پژوهش حاضر ارائه رویکردی نوین جهت جمع آوری داده از افراد، به منظور سنجش ادراک آنان در خصوص یک موضوع معین، در قالب یک مطالعه ی موردی می باشد. در این تحقیق جهت بررسی رضایت مندی کاربران سه اپلیکیشن تاکسی های اینترنتی در ایران، به نام های اسنپ، تپسی و کارپینو، از نظرات آنان در شبکه اجتماعی توییتر استفاده گردید. روش تحقیق در پژوهش حاضر به لحاظ هدف کاربردی و ازنظر ماهیت، توصیفی است. جامعه آماری، کلیه کاربران سه اپلیکیشن یادشده و عضو در شبکه اجتماعی توییتر، می باشند که نظرات خود را در رابطه با این اپلیکیشن ها منتشر می نمایند. در طول انجام تحقیق، درمجموع ۶۸۲ نظر از توییت های مربوطه به صورت مقطعی، در بازه زمانی تابستان ۱۴۰۰، با استفاده از رابط برنامه کاربردی توییتر و هشتک های مرتبط، جمع آوری گردید.

تحلیل احساسات کاربران از طریق شبکه های مجازی، به حوزه ای موثر در علوم مختلف تبدیل شده و مخاطبان آن نه تنها صاحبان شرکت ها و سیاست مدارن، بلکه کاربران هستند. در این میان این حوزه در مطالعات شهری هم نفوذ کرده و به دلیل روش مندی آن؛ چه در قالب پژوهش هایی که صرفاً تحلیل احساس را هدف خود قرار داده اند و چه به صورت لایه ای تلفیقی در پژوهش ها مورد استفاده برنامه ریزان و طراحان شهری قرار گرفته است. مقاله ی پیش رو با هدف تبیین این حوزه در تحلیل احساسات شهری در قالب روش های مدل گرا بر آن است تا با بررسی اهمیت احساس و روش های مطرحِ بررسی آن در شهر، جایگاه این حوزه را در مطالعات شهری نشان دهد و در ادامه به آموزش ماشین برای ارائه ی مدل پیش بینی کننده برای تحلیل احساسات شهر بپردازد. مجموعه ی داده های این پژوهش مربوط به 8 کلان شهر ایران است که از توئیتر استخراج شده و تحلیل داده های متنی مورد توجه قرار گرفته است. به منظور آموزش ماشین برای تحلیل احساسات از یادگیری ماشین و یادگیری عمیق بهره برده شده و نتایج آنها با هم مقایسه شده است. الگوریتم های مورد استفاده در یادگیری ماشین، ماشین بردار پشتیبان، رگرسیون لجستیک و درخت تصمیم بوده و در یادگیری عمیق، ماشین با استفاده از شبکه ی عصبی و شبکه ی هیبریدی آموزش و تست شده است. براساس نتایج یادگیری عمیق برای پیش بینی احساسات و قطبیت متن در کلان شهرهای ایران بهتر عمل کرده و دقتی برابر با 80 داشته است.

پایداری به طور گسترده یکی از چالش های بزرگی است که امروزه چالش برانگیز است. انسان ها برای ایجاد تعامل اجتماعی، اقتصادی و زیست محیطی به حمل و نقل پایدار اهمیت می دهند. لذا راه حل های پایدار در صنعت حمل و نقل شهری فرصت آفرینی کرده و در پی آن بحث هایی در مورد وسائط حمل و نقل عمومی، تاکسی های تلفنی، اینترنتی و خودروی اشتراکی صورت می گیرد. از طرفی از آنجا که شهروندان با پیدایش و توسعه شبکه های اجتماعی، می توانند آزادانه و بدون اینکه به پرسش های از پیش تعریف شده مقید باشند، نظرات خود را بیان کنند، تجزیه وتحلیل شبکه اجتماعی، فرصتی برای سازمان ها شده تا بتوانند با صرف هزینه و زمان کمتری نسبت به نظرسنجی، اولویت های بخش عظیمی از مشتریانشان را درک کنند. شبکه های ملی منبعی ارزان و با ارزش برای دسترسی به نظریات مشتریان و آنچه در ذهن آنها وجود دارد می باشد. تحقیق حاضر تلاش کرده است با استفاده از داده کاوی و متن کاوی در شبکه اجتماعی به ترسیم ذهنیت مشتریان و استفاده کنندگان از سیستم حمل و نقل بپردازد به گونه ای که عوامل اثر گذار بر گرایش افراد در استفاده از هرگونه حمل و نقل شهری بررسی و اولویت بندی نموده و راهبردی برای بهبود پایداری سیستم حمل و نقل شهری ارائه نماید.

هدف: در این پژوهش الگوی رفتاری کاربران فارسی زبان توییتر با محوریت بیماری کرونا و به تفکیک سه نسل بررسی و توصیف شده است. برای کشف این الگو، دو فرضیه تفاوت مضمون احساسی توییت های منتشرشده توسط هر نسل و بررسی تفاوت واکنش احساسی آنان به اخبار خاص کرونایی مدنظر قرار گرفت و در بازه یک ساله اول همه گیری این بیماری در ایران بررسی شد. برای تشریح جایگاه مخاطبان در فرایند ارتباط و نیز نحوه برداشت آنان از پیام، از نظریه های استفاده و رضامندی و نظریه دریافت بهره برده شد. ابعاد ناشناخته این بیماری و نحوه انتقال آن، به همکاری شهروندان با سیاست های بهداشتی حکومت ها نیاز دارد؛ از این رو ادراک مخاطبان رسانه از محتوای مرتبط با کرونا، بیش ازپیش در کانون توجه سیاست گذاران رسانه و سلامت قرار گرفت. روش: به کمک فنون داده کاوی، نسل های مختلف کاربران فارسی این پلتفرم دسته بندی شد. در ادامه، توییت های آنان به صورت دستی جمع آوری و با ابزار جست وجوی پیشرفته و با کلمات کلیدی، دسته بندی و مدل سازی شد. برای تخمین سن و جنسیت کاربر، از شبکه فیس نت و مدل ماشین های بردار پشتیبان استفاده شد. برای استخراج ویژگی ها، از مدل Wordtovector و برای کلاس بندی این توییت ها و اطلاق یک احساس به آن ها، از مدل LSTM بهره برده شد. یافته ها: در گروه نمونه سه احساس ترس، طنز و انتقاد، برای توصیف مضمون احساسی توییت ها بیشترین نمود را داشته است. در نهایت، مشاهده شد که الگوی رفتاری نسل زد در محیط توییتر با انتشار طنزآمیز محتوا همراه است؛ در حالی که سویه انتقادی آن کمتر است. این الگو زمانی که به سمت نسل ایکس و وای می رود، معکوس می شود؛ در حالی که سویه ترس در مضامین همه کاربران، روند و حجم کمابیش یکسانی داشت. نتیجه گیری: بین ۲۰ تا ۳۰ درصد تمامی پیام های تولیدشده مخاطبان با محوریت کرونا، محتوایی داشت که حاوی ترس بود. این میزان برای هر گروه سنی یکسان بود و این تشابه را می توان در تعبیر هم گرایی نسلی مشاهده کرد؛ اما در دو احساس دیگر بروز یافته، یعنی احساس انتقاد و طنز، این هم گرایی دیده نمی شد. نسل زد، اغلب در برخورد با محدودیت های ناشی از کرونا و تبعات دامنه دار آن، نگرشی طنزآلود داشت. گویا نحوه برداشت، تفسیر و و در ادامه بازخورد آن ها به پدیده کرونا که در بدو امر، موضوعی ترسناک و خطرآفرین برای زندگی فردی و اجتماعی انسان است، کاملاً تفسیری متضاد است. این تفاوت را می توان در گزاره شکاف یا تعارض نسلی دسته بندی کرد.

تجزیه و تحلیل احساسات کاربران در حوزه بازاریابی و بهبود تجربه مشتریان نقشی اساسی دارد و به تدوین استراتژی های بازاریابی کمک می کند. این تحلیل یکی از عوامل اساسی در ارزیابی کارآیی و عملکرد رسانه های اجتماعی به عنوان ابزارهای ارتباطی است. پژوهش حاضر از لحاظ هدف، کاربردی، از لحاظ زمان، مقطعی، از لحاظ متغیر پژوهشی، کمّی و کیفی و از لحاظ طرح پژوهش، توصیفی است. محققان این پژوهش با بهره گیری از سیستم فازی و رویکرد بدون نظارت، بدون نیاز به دانش پیشین و داده های برچسب گذاری شده توییت های کاربران را دسته بندی کردند. این پیشرفت در تحلیل احساسات به محققان و صنعت گران امکان می دهد تا بدون نیاز به داده برچسب گذاری شده اطلاعات مفیدی را از نظر ها و احساسات کاربران در زمینه و بستر دلخواه خود استخراج و از آن در فرآیند تصمیم گیری های تجاری برای دستیابی به سود بیشتر استفاده کنند. محققان در پژوهش حاضر تجربه های کاربران را درباره تلفن های همراه شرکت های سامسونگ و اپل از سال 2022 تاکنون بررسی و تحلیل و آنها را به شکل مثبت، منفی و خنثی دسته بندی کردند. بدین منظور از سه ابزار تحلیل احساسات واژگان SentiWordNet، AFINN و VADER برای تعیین قطبیت توییت ها استفاده شد. نتایج دسته بندی نشان داد که میزان رضایت کاربران از تلفن های همراه شرکت سامسونگ نسبت به شرکت اپل بیشتر بوده است.

بررسی ها نشان داده است که بسیاری از سازمان ها برای ایجاد دانش و بهبود تصمیم گیری از تحلیل نظرات و محتوای تولید شده توسط کاربران در شبکه های اجتماعی بهره برداری کرده اند. در این پژوهش، به تحلیل عملکرد مالی سازمان های غیرانتفاعی با استفاده از تحلیل نظرات کاربران پرداخته شده است. مجموعه داده ی استفاده شده در این پژوهش شامل 26714 توییت کاربران از جمعا 23 حساب توییتری در سراسر جهان می باشد و ده سال داده ی مالی شامل سال های 2010-2020 این سازمان ها از 5 سازمان غیرانتفاعی منتخب جمع آوری شده است. نتایج حاصل از روش های مدل سازی موضوع و تحلیل احساسات به داده های پانلی تبدیل شده اند. نتایج مدل سازی موضوعی و تحلیل احساسات به داده های پنلی تبدیل و با استفاده از روش های حداقل مربعات معمولی و حداقل مربعات معمولی پویا تحلیل شده اند. نتایج نشان می دهند که محتوای تولید شده توسط کاربران و عملکرد مالی سازمان های غیرانتفاعی رابطه معنی داری دارند. در حالی که احساسات مثبت تأثیر معنی داری بر عملکرد مالی این سازمان ها ندارند، احساسات منفی و بازتوئیت ها تأثیر منفی و علاقمندی ها رابطه ی مثبتی با عملکرد مالی را نشان می دهند.

هدف: تحلیل بازخورد مشتری از طریق وبسایت های خطوط هوایی، به دلیل دقت زیاد و جامعیت آن در ارائه اطلاعات، بهتر از روش های مرسوم جمع آوری این بازخوردها از طریق پرسش نامه هاست. با بهره گیری از فناوری کلان داده، این وبسایت ها میلیون ها نظر مسافران را جمع آوری و تجزیه وتحلیل می کنند و اطلاعات دقیق تری از تجربه های مشتریان را ارائه می دهند. نظرهای آنلاین، به عنوان یک پلتفرم باز، امکان ارائه انتقادها و پیشنهادها به کارفرماها را فراهم می کنند و به دلیل حجم زیاد و انتشار گسترده، می توانند به عنوان منبع ارزشمندی برای تحلیل احساسات و نیازهای مشتریان استفاده شوند. بر این اساس، پژوهش حاضر یک چارچوب داده محور برای رتبه بندی خطوط هوایی پیشنهاد می کند که ترکیبی از روش های تصمیم گیری چند معیاره (MCDM) و تحلیل احساسات (SA) در سطح جنبه است. هدف اصلی این پژوهش، ارزیابی کیفیت خدمات خطوط هوایی و رتبه بندی آن ها با استفاده از نظرهای ثبت شده در وبسایت SKYTRAX از تجربه مسافران بر مبنای احساسات کاربران است که در نظرهای آن ها مستتر است. روش: چارچوب پیشنهادی شامل سه مرحله است. در مرحله ۱، پس از جمع آوری داده ها و پیش پردازش متن، ویژگی های خطوط هوایی با استفاده از الگوریتم تعداد صفت بالا (HAC) استخراج می شوند. در مرحله ۲، جهت گیری احساسات در هر خط هوایی شناسایی می شود تا نمره های عملکرد مربوط به هر خط هوایی محاسبه شود. در مرحله ۳، رتبه بندی خطوط هوایی با استفاده از روش تاپسیس، بر مبنای اعداد فازی شهودی و با توجه به نمره های حاصل از مرحله دوم انجام می شود. مجموعه های فازی شهودی (IFS) برای نمایش مؤثر نظرهای مشتری، از جمله عبارات مردد، در ماتریس تصمیم گیری استفاده می شوند. همچنین وزن معیارها با استفاده از روش آنتروپی تعیین می شود. در ادامه، برای نشان دادن جنبه کاربردیِ روش پیشنهادی، مدل ترکیبی در یک نمونه واقعی برای رتبه بندی خطوط هوایی منتخب خاورمیانه با استفاده از بررسی نظرهای آنلاین مشتریان (OCR) در وبسایت SKYTRAX آزمایش شده است. ۸۰۱۰ نظر که از ژانویه ۲۰۱۵ تا دسامبر ۲۰۲۱ در سایت SKYTRAX ثبت شده، جمع آوری شده است. یافته ها: نتایج حاصل از عملکرد 10 خط هوایی تجزیه وتحلیل شد و رتبه بندی بین آن ها صورت گرفت. نتایج نشان داد که خطوط هوایی کلاس اقتصادی با وزن 17/0 بیشترین اهمیت را دارد و از نظر مسافران، ویژگی هایی مانند خدمات مشتری، فضای پا، تأخیر در پرواز و بازرسی امنیتی با وزن 11/0 در مقایسه با سایر ویژگی ها، اهمیت یکسانی دارند. با توجه به نتایج، خط هوایی Middle East Airlines در بین ده خط هوایی (Saudi Arabian Airlines, Kuwait Airways, Oman Air, Iran Air, Egyptair, Royal Jordanian Airlines, Middle East Airlines, Pegasus Airlines, flydubai, Air Arabia) بهترین عملکرد را دارد؛ به این معنا که  نزدیک ترین فاصله از راه حل ایدئال مثبت مجموعه فازی شهودی و دورترین فاصله از راه حل ایدئال منفی مجموعه فازی شهودی را دارد. در حالی که Pegasus Airlines نزدیک ترین فاصله به راه حل ایدئال منفی و دورترین فاصله از راه حل ایدئال مثبت را دارد و عملکرد آن در بین چهار خط هوایی کمترین است. نتیجه گیری: این پژوهش به مدیران خطوط هوایی کمک می کند تا به دنبال زمینه های بهبود باشند و بتوانند برای دستیابی به مزیت رقابتی بهتر در بازار، عملکردشان را با رقبای خود مقایسه کنند. از داده های این پژوهش می توان به منظور ایجاد یک سیستم توصیه برای مسافران استفاده کرد تا به آن ها کمک کند خطوط هوایی ای را انتخاب کنند که به بهترین وجه انتظارات، خواسته ها و هدف سفرشان را برآورده کند. این می تواند عواملی مانند بودجه، مقصد و نوع کلاس پرواز را در نظر بگیرد و به درک بهتر نیازهای مشتریان برای مدیران خطوط هوایی کمک کند.

تحلیل احساسات در رسانه های اجتماعی به عنوان یک ابزار مؤثر در تصمیم گیری استراتژیک، به مدیران این امکان را می دهد که نظرات و واکنش های کاربران را نسبت به برندها، محصولات و خدمات شناسایی کرده و استراتژی های بهتری برای رقابت و جذب مشتریان تدوین کنند. این تحقیق به بررسی استفاده از تحلیل احساسات در رسانه های اجتماعی به منظور طراحی مدل تصمیم گیری استراتژیک پرداخته است. در این مطالعه، داده های کیفی از منابع مختلف، شامل مصاحبه با خبرگان و تحلیل محتوای رسانه های اجتماعی جمع آوری شده و تحلیل مضمون به منظور استخراج مضامین اصلی و فرعی مورد استفاده قرار گرفت. نتایج این تحقیق نشان می دهند که تحلیل احساسات می تواند در ایجاد استراتژی های بازاریابی، مدیریت بحران، تحلیل رقبا، و بهبود خدمات مشتریان تأثیرات قابل توجهی داشته باشد. همچنین، استفاده از الگوریتم های هوش مصنوعی و یادگیری ماشین در تحلیل احساسات، دقت و سرعت فرآیند تصمیم گیری را بهبود می بخشد. این تحقیق به ویژه بر اهمیت استفاده از داده های اجتماعی برای تصمیم گیری های استراتژیک در سازمان ها و برندها تأکید دارد.