تحلیل داده محور نارضایتی اجتماعی در رسانه های دیجیتال با استفاده از مدلهای پردازش زبان طبیعی و یادگیری عمیق سنتزی بر پژوهشهای جهانی در تطبیق سیاست گذاری عمومی ایران

با گسترش رسانه های دیجیتال تحلیل نارضایتیهای اجتماعی با استفاده از فناوریهای پردازش زبان طبیعی و یادگیری عمیق به ابزاری کلیدی در سیاستگذاری عمومی تبدیل شده است. این پژوهش با هدف بررسی تطبیقی کاربرد مدلهای NLP و DL در تحلیل نارضایتیهای اجتماعی در رسانه های دیجیتال ایران و جهان انجام شده است. این مطالعه با رویکرد سنتز پژوهشی یافتههای تحقیقات بین المللی در تحلیل محتوای سیاسی و پایش احساسات اجتماعی را با مطالعات داخلی مقایسه می کند. دادههای مورد بررسی شامل پستهای کاربران در شبکه های اجتماعی فارسی و تحلیل آنها با تکنیکهای موضوع یابی (LDA) و تحلیل احساسات (BERT) در تحقیقات آتی پیشنهاد می گردد. نتایج نشان میدهد که NLP همراه با یادگیری عمیق میتواند الگوهای نارضایتی را با دقت بالایی شناسایی و شکاف بین سیاستهای دولتی و انتظارات عمومی را آشکار سازد، همچنین تطبیق پذیری مدلهای جهانی با دادههای فارسی نیازمند اصلاحاتی در مدل سازی زبانی و فرهنگی است. این پژوهش پیشنهاد میکند که سیاستگذاران ایرانی با به کارگیری این روشها در نظام حکمرانی دیجیتال امکان پاسخگویی سریعتر، شفافیت بیشتر و پیشبینی بحرانهای اجتماعی را فراهم آورند همچنین، توسعه مدلهای بومی سازی شده برای زبان فارسی ضروری است.

کلیدواژه ها:

نارضایتی اجتماعی ، پردازش زبان طبیعی ، یادگیری عمیق ، حکمرانی ، دیجیتال ، رسانه های اجتماعی ، سیاستگذاری عمومی