تحلیل احساسات توییت های فارسی مرتبط با تدریس علوم قرآنی با استفاده از یادگیری عمیق

تحلیل احساسات و نگرش های کاربران در شبکه های اجتماعی امری ضروری جهت شناخت احساسات جامعه ایرانی محسوب می شود. یکی از مسائل مهم جامعه امروز ایران نحوه تدریس و آموزش علوم مختلف بالاخص تدریس علوم قرآنی است . تا کنون تحقیقات زیادی در زمینه بررسی احساسات مرتبط با علوم قرآنی و تدریس آن در شبکه اجتماعی توییتر البته به زبان عربی انجام شده است .اما تا کنون تحقیقی با این موضوع در بین جامعه فارسی زبانان انجام نشده است .هدف اصلی این تحقیق تبیین نحوه بازتاب دیدگاه ها درباره آموزش و ترویج علوم قرآنی در فضای مجازی و ارائه مدلی کارآمد برای پیش بینی احساسات کاربران است. بدین منظور، مجموعه ای شامل ۵۵۹۸ توییت فارسی مرتبط با آموزش علوم قرآنی از شبکه مجازی توییتر گردآوری شد.مدل ارائه شده جهت آنالیز احساسات شامل یک شبکه عصبی هیبریدی برگرفته از شبکه عصبی CNN,LSTM است که سه مرحله اصلی شامل تجمیع داده و پیش پردازش ، پیاده سازی مدل شبکه عصبی هیبریدی و ارزیابی مدل را دارااست. پس از اجرای مدل روی داده های تجمیع شده، عملکرد مدل با شاخص های دقت، بازخوانی، دقت پیش بینی و امتیاز F۱ ارزیابی گردید. نتایج نشان داد مدل پیشنهادی با دقت کلی ۹۲.۳۸ درصد و بهبود میانگین حدود ۲ درصد نسبت به مدل های CNN، LSTM و RNN از کارایی بالایی برخوردار است. این دستاورد بیانگر ظرفیت بالای روش های یادگیری عمیق در تحلیل محتوای دینی و فراهم سازی شواهدی تجربی برای سیاست گذاری در حوزه آموزش علوم قرآنی است.

کلیدواژه ها:

تحلیل احساسات ، توییتر ، شبکه عصبی کانولوشن ، علوم قرآنی ، مدل هیبریدی ، یادگیری عمیق