نوع مقاله : مقاله پژوهشی

نویسنده

پژوهشگاه علوم انسانی و مطالعات فرهنگی

چکیده

بیماری همه‌گیر کرونا موجب شده‌است تغییراتی در سبک زندگی روزمره مانند کاهش مراودات و ایجاد فاصله‌گذاری اجتماعی ایجاد گردد. وجود رسانه‌های اجتماعی با داشتن ویِژگی آزادی بیان به حفظ ارتباطات اجتماعی و تحمل شرایط سخت قرنطینه کمک شایانی نمود. نظرات افراد در این شرایط ممکن است اهمیت به‌سزایی در سیاستگذاری‌های کلان داشته باشد. به‌دلیل وجود انبوهی از نظرات افراد مختلف در رسانه‌های اجتماعی، تحلیل این حجم داده به‌صورت دستی امکانپذیر نیست.‌
در این پژوهش دو هدف را پیگیری می‌کنیم. یکی تحلیل محتوایی نظرات به‌صورت الگوریتمی است. برای این هدف، از مدل‌سازی موضوعی به‌عنوان یک شیوه تحلیل محتوایی داده استفاده کرده و داده‌ها را به موضوعات انتزاعی خوشه‌بندی می‌کنیم. هدف دیگر یافتن رابطه همبستگی بین موضوعات در نظرات و هشتگ‌های به‌کاررفته در نظرات است. از بررسی نظرات دو شبکه اجتماعی توییتر و اینستاگرام 24 موضوع از یک پیکره زبانی حاصل از نظرات خزش‌شده مربوط به کرونا به‌دست آمد که گمان می‌رود 25٪ از موضوعات برروی مسائل «سیاسی» و «اجتماعی» متمرکز بود. 10 موضوع مرتبط با کرونا حدود 35٪ از حجم نظرات را شامل شد که بیانگر اهمیت توجه به رسانه‌های اجتماعی برای آگاه‌سازی و نشر اطلاعات است. فرضیه وجود رابطه بین هشتگ‌ها و موضوع‌ها از نظر آماری براساس ضریب همبستگی پیرسون مورد بررسی قرار گرفت. برای 20 موضوع، همبستگی بالا بین موضوع و تعدادی از هشتگ یافت شد؛ ولی برای 4 موضوع این همبستگی یافت نشد. از این پژوهش می‌توان برای افزایش انسجام درونی متن و پیش‌بینی‌پذیری هشتگ‌ها استفاده نمود.

کلیدواژه‌ها

عنوان مقاله [English]

Content Analysis of Topics and Hashtags about Corona Virus in Social Media

نویسنده [English]

  • Masood Ghayoomi

Institute for Humanities and Cultural Studies

چکیده [English]

Corona virus pandemic caused changes in the daily lifestyle by reducing social interactions and social distancing. The existence of social media with its feature of freedom of expression has helped to maintain the social communications and to tolerate the difficult quarantine conditions. In these situations, the opinion of individuals might be important for macro-policy-making. Due to existence of a large number of opinions on social media written by different people, manual processing of this amount of data is not possible.
In this research, we pursue two goals. One is algorithmic content analysis of comments/posts. To this end, topic modeling is used as a method for content analysis to cluster the data into abstract topics. The other goal is finding the correlation between the topics and the hash-tags in the comments/posts. We found 24 abstract topics algorithmically from the Corona Comment Corpus and they were manually labeled to be comprehensive.It is speculated 25% of the comments/posts in this corpus focused on political and social issues of the virus. 10 fine-grained topics which contained 35% of the comments were related to the Corona Virus itself and its pandemic property. Furthermore, the hypothesis of existing correlation between topics and hash-tags was statistically studied by using the Pearson correlation coefficient. For 20 topics, a high correlation score between topics and hash-tags was found; but this correlation was not found for 4 topics. The outcome of this research can be used to increase the internal coherence of a text and to make the hash-tags predictable.

کلیدواژه‌ها [English]

  • Social media
  • Corona virus
  • COVID-19
  • Hash-tag
  • Topic Modeling