بررسی شبکه های اجتماعی برای تحلیل حالات هیجانی جمعیت و پیش بینی موج اضطراب اجتماعی در بحران ها

در دهه اخیر، شبکه های اجتماعی به بستری بی بدیل برای بازتاب احساسات و هیجانات فردی و جمعی بدل شده اند. هم زمان با رشد داده های عظیم در این فضا، امکان بهره برداری از روش های یادگیری ماشین و تحلیل زبان طبیعی برای استخراج و تحلیل احساسات فراهم گردیده است. این پژوهش با تمرکز بر پیوند میان روان شناسی اجتماعی و علوم داده، به بررسی نقش تحلیل احساسات در پیش بینی موج های اضطراب اجتماعی در شرایط بحران می پردازد. هدف اصلی آن است که نشان داده شود چگونه تغییرات لحظه ای در محتوای احساسی منتشرشده در شبکه های اجتماعی می تواند به عنوان شاخصی پیش نگر برای بروز اضطراب جمعی عمل کند. به منظور دستیابی به این هدف، داده های متنی حاصل از توییتر و سایر بسترهای اجتماعی عمومی در بازه زمانی بحران های واقعی گردآوری و با ترکیب دو رویکرد دیکشنری محور و مدل های یادگیری عمیق تحلیل شدند. یافته ها نشان دادند که احساساتی چون ترس و اضطراب با فاصله زمانی کوتاه، به شکل معناداری با شاخص های مراجعه به خدمات روانی یا جست وجوی کمک های اضطراری همبستگی دارند. افزون بر آن، تحلیل کیفی محتوای متنی آشکار ساخت که زبان و الگوهای بیان هیجانی در شرایط بحران، ساختار ویژه ای به خود می گیرند که از منظر روان شناسی اجتماعی می تواند به فهم بهتر سازوکارهای انتقال هیجان در سطح جمعی کمک کند. نوآوری اصلی پژوهش در این است که برخلاف رویکردهای سنتی که صرفا بر سنجش احساسات فردی متمرکز بوده اند، این مطالعه نشان می دهد که تحلیل احساسات در مقیاس کلان می تواند به مثابه ابزار سیاست گذاری و مدیریت بحران روانی در سطح اجتماعی به کار گرفته شود. بر این اساس، پژوهش حاضر مسیر تازه ای را در طراحی سامانه های هشدار روانی و مداخلات مبتنی بر داده می گشاید.

کلیدواژه ها:

شبکه های اجتماعی ، تحلیل احساسات ، حالات هیجانی جمعیت ، اضطراب اجتماعی ، پیش بینی بحران ، روان شناسی اجتماعی ، پردازش زبان طبیعی (NLP)