تحلیل احساسات کاربران توییتر در جنگ ۱۲ روزه ایران و رژیم صهیونیستی: رویکردی روان شناختی

سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 149

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JHRD-3-3_003

تاریخ نمایه سازی: 22 فروردین 1405

چکیده مقاله:

سابقه و هدف: شبکه های اجتماعی، به ویژه توئیتر، به بستری موثر برای بازتاب دیدگاه های افراد و نخبگان در قبال رخدادهای سیاسی و اجتماعی جهان تبدیل شده اند. هدف این مطالعه، تحلیل روان شناختی واکنش کاربران توییتر به جنگ ۱۲روزه ایران و اسرائیل (ژوئن ۲۰۲۵) با تمرکز بر سازه های راهنمایان عمل (HBM) و هنجارهای ذهنی (TPB) بود. مواد و روش ها: به منظور استخراج دیدگاه های معتبر و کاهش نویز داده، ۳۳۶۷ توییت از میان ۳۵۴۲۸ توییت منتشرشده توسط حساب های تاییدشده در بازه ۱۴ تا ۲۵ ژوئن ۲۰۲۵ انتخاب و با استفاده از الگوریتم فازی Eclass۱-MIMO تحلیل احساسات شدند. یافته ها: نتایج نشان داد ۴۴درصد توییت ها منفی، ۴۶درصد خنثی و تنها ۱۰درصد مثبت بودند. یافته ها بیانگر آن بود که مناطق دارای پیشینه تنش های تاریخی و اجتماعی، بیشترین سهم از احساسات منفی را نشان دادند و توییت های مثبت اغلب حاوی پیام های دارای «راهنمایان عمل» بودند که بازنشر بالاتری (۲٫۳ برابر) داشتند. همچنین، پیام های مبتنی بر هنجارهای ذهنی، با تاکید بر پذیرش یا طرد اجتماعی، بالاترین نرخ تعامل را به دست آوردند. نتیجه گیری: این یافته ها نشان می دهد که بهره گیری هدفمند از چارچوب های روان شناختی در طراحی پیام های بحران محور در رسانه های اجتماعی می تواند به کاهش ریسک ارتباطی، تسهیل رفتارهای محافظتی و تقویت انسجام اجتماعی کمک کند. توصیه می شود سیاست گذاران ارتباطی و پلتفرم ها با تقویت سازوکارهای هشداردهنده، شفاف سازی و ترویج پیام های دارای بار تعاملی مثبت، از گسترش اطلاعات گمراه کننده در شرایط بحرانی جلوگیری کنند.

نویسندگان

نادر شریفی

Associated Proffessor, Department of Public Health, Khomein University of Medical Sciences, Khomein, Iran

کیا جهانبین

Department of Computer Engineering Yazd University, Yazd, Iran

محمد جوکار

University of Calgary, Calgary, AB T۲N ۱N۴, Canada

نرگس رحمانیان

Assistant Professor of Emergency Medicin,Research Center for Social Determinant of Health, Jahrom University of Medical Sciences, Jahrom, Iran

وحید رحمانیان

Assistant Professor in Epidemiology, Department of Public Health, Torbat Jam Faculty of Medical Sciences, Torbat Jam, Iran

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Kharde V, Sonawane P. Sentiment analysis of twitter data: a ...
  • Barbosa L, Feng J. Robust sentiment detection on twitter from ...
  • Covello VT. Best practices in public health risk and crisis ...
  • Karami A, Shah V, Vaezi R, Bansal A. Twitter speaks: ...
  • Vosoughi S, Roy D, Aral S. The spread of true ...
  • Keller TR, Klinger U. Social bots in election campaigns: Theoretical, ...
  • Mao Z, Wang D, Zheng S. Health belief model and ...
  • Kharde V, Sonawane P. Sentiment analysis of twitter data: a ...
  • Geber S, Fretwurst B, Vogler D, Siegen D, Eisenegger M, ...
  • Varni A, Thai CL, Jamaleddine S. Using an Instagram campaign ...
  • Jahanbin K, Rahmanian V. Using Twitter and web news mining ...
  • Pina JM. Public Opinion in Conflict Situations: A Sentiment Analysis ...
  • Hameleers M, Garnier Ortiz M. Risk Perceptions of Misinformation Exposure ...
  • Caulfield M, Bayar MC, Aske AB. The 'new elites' of ...
  • Kim Y, Lim H. Alleviating the Bandwagon Effect of Crisis ...
  • Gruzd A, Mai P, Soares FB. To Share or Not ...
  • Kharde V, Sonawane P. Sentiment analysis of twitter data: a ...
  • Barbosa L, Feng J. Robust sentiment detection on twitter from ...
  • Covello VT. Best practices in public health risk and crisis ...
  • Karami A, Shah V, Vaezi R, Bansal A. Twitter speaks: ...
  • Vosoughi S, Roy D, Aral S. The spread of true ...
  • Keller TR, Klinger U. Social bots in election campaigns: Theoretical, ...
  • Mao Z, Wang D, Zheng S. Health belief model and ...
  • Kharde V, Sonawane P. Sentiment analysis of twitter data: a ...
  • Geber S, Fretwurst B, Vogler D, Siegen D, Eisenegger M, ...
  • Varni A, Thai CL, Jamaleddine S. Using an Instagram campaign ...
  • Jahanbin K, Rahmanian V. Using Twitter and web news mining ...
  • Pina JM. Public Opinion in Conflict Situations: A Sentiment Analysis ...
  • Hameleers M, Garnier Ortiz M. Risk Perceptions of Misinformation Exposure ...
  • Caulfield M, Bayar MC, Aske AB. The 'new elites' of ...
  • Kim Y, Lim H. Alleviating the Bandwagon Effect of Crisis ...
  • Gruzd A, Mai P, Soares FB. To Share or Not ...
  • نمایش کامل مراجع