Abstract:
تجزیهوتحلیل کلاندادههای رسانههای اجتماعی بهعنوان یک عامل کلیدی برای توسعه و پیشرفت برای اکثر دولتها تبدیل شده است. ظرفیتهای علوم شناختی برای تحلیل و ارزیابی تأثیرات محتوایی و ساختاری این رسانهها بر ذهن و مغز کاربران، دانش و بینش ارزشمندی را برای محققان و مدیران فراهم میکند. علوم شناختی در ارزیابی پردازشهای ذهنی کاربران رسانههای اجتماعی برای آگاهی از باورها، عقاید، سلیقهها و همچنین شناخت از احساسات، ادراک، افکار، توجه، هیجان، رفتار، روابط، انتخاب و ... جایگاه مهمی دارد. تأثیری که کاربران از محتوا و ساختار رسانههای اجتماعی میپذیرند تابعی از الگوهای ذهنی، الگوهای رفتاری در این رسانهها است.برای ارائه مدل مفهومی در این تحقیق، ضمن مطالعه ادبیات نظری و تحقیقات پیشین با انجام مصاحبه با خبرگان (نُه نفر) ابعاد و مؤلفههای مدل اولیه استخراج گردید سپس برای برازش و تأیید مدل با استفاده از روش پیمایشی و کسب نظر متخصصین (72 نفر) بهوسیله پرسشنامه، اطلاعات جمعآوری و بهوسیله نرمافزار مورد آزمون تحلیل عاملی قرار گرفت.این مدل مفهومی دارای ابعاد تولیدکننده و مصرفکننده محتوا، رسانه اجتماعی، مدیریت داده، رویکرد شناختی محتوایی، رویکرد شناختی ساختاری و شبکهای، روشهای تجزیهوتحلیل، فناوریها، امنیت، قوانین و مقررات است. در بُعد رویکرد شناختی محتوایی، مؤلفهها شامل «ادراک، افکار، احساسات، توجه، عقاید، هیجان» است و در بُعد رویکرد شناختی ساختاری و شبکهای، مؤلفهها شامل «روابط و جوامع، رفتار، انتخاب، توجه» است؛ بنابراین تجزیهوتحلیل با رویکرد شناختی، کیفیت تحقیقات، مدیریت و تصمیمگیری را افزایش داده و تواناییهای راهبردی را تقویت میکند.
The social media big data analytic have become a key factor for the development and progress of most governments. The capacities of the cognitive sciences to analyze and evaluate the content and structural effects of these media on the minds and brains of users provide valuable knowledge and insights for researchers and managers. Cognitive science plays an important role in assessing the mental processes of social media users to gain an understanding of beliefs and tastes, as well as cognition of feelings, perceptions, thoughts, attention, excitement, behavior, relationships, choices, and so on. To provide the conceptual model in this research, while studying the theoretical literature and previous research by interviewing experts (N: 9), the dimensions and components of the initial model were extracted, then to fit and confirm the model using a survey method and experts (N: 72) Data were collected using a questionnaire and tested for factor analysis by software.This conceptual model has the dimensions of producer and consumer of content, social media, data management, content cognitive approach, structural and network cognitive approach, methods of analysis, technologies, security, rules and regulations. In the dimension of content cognitive approach, the components include perception, thoughts, feelings, attention, ideas, excitement, reasoning, language. In the dimension of structural and network cognitive approach, the components include relationships and communities, behavior, choice, attention. Is. Therefore, analysis with a cognitive approach increased the quality of research, management and decision-making and strengthened strategic capabilities
Machine summary:
بيان ميشود که براي «تصميم گيري» در حوزه تجارت ، ميـزان «توجـه »، «احساسـات » و «انتخاب » کاربران پس از تجزيه وتحليل ديـدگاه هـاي آنـان قابـل اتکـا اسـت ؛ بنـابراين روش داده کاوي (واژه محور، يادگيري محور و ترکيبـي) را مناسـب تـرين روش بـراي انـدازه گيـري احساسات و توجه در محتواي رسانه اجتماعي در نظر گرفته است (بزاز آبکنار و همکاران ، ٢٠٢٠).
مديريت داده ها در رسانه هاي اجتماعي قبل از آنکـه از روش هـاي تجزيـه وتحليـل اسـتفاده شـود نيـاز بـه داشـتن اطلاعـات بـا ويژگيهاي مناسب براي تجزيه وتحليل است ؛ بنابراين با مديريت داده ها، اطلاعات به انـدازه و حجم مناسب ، پاکسازي و ذخيره سازي ميشود (شـاهاتيا٢٠١٨،٦).
(2020), Big data Analytics meets social media: A systematic review of techniques, open issues, and future directions, Telematicsand Informatics (2020), https://doi.
Journal: Technological Forecasting & Social Change, No: 130 Bolognesi M (2015) Big Data in Cognitive Science: Flickr as a database of semantic features, Chapter 7.
(2019), Special issue on cognitive big data analytics for business intelligence applications: Towards performance improvement, International Journal of Information Management, https://doi.
(2019) towards a big data framework for analyzing social media content, International Journal of Information Management 44:1-12.
html Morris A (2018) Big Data Social Media Study Reveals Our Cognitive-Emotional Patterns, https://www.
M. B, (2018), Review of social media analytics process and Big Data pipeline,springer, https://link.
(2018) Social media big data integration: A new approach based on Yang.
M (2020) A big data analytics framework for detecting user-level depression from social networks, International Journal of Information Management, Published by Elsevier, https://doi.
From the Perspective of cognitive big data analytics, International Journal of Information Management, Published by Elsevier, https://doi.