ارائه مدلی برای پیش بینی واکنش مشتریان رسانه های مجازی با استفاده از هوش مصنوعی
محل انتشار: مجله مدیریت بازاریابی هوشمند، دوره: 7، شماره: 1
سال انتشار: 1405
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 17
فایل این مقاله در 24 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JNABM-7-1_009
تاریخ نمایه سازی: 5 خرداد 1405
چکیده مقاله:
با توجه به فراوانی و اهمیت حضور در شبکه های اجتماعی به گونه ای که این رسانه ها تقریبا جایگزین رسانه های سنتی شده اند می توان اهمیت واکنش مخاطبین را در نظر گرفت. امروزه هر رخدادی مثبت یا منفی در رسانه های مجازی با واکنش افراد و کاربران مواجه شده و بزرگی و گستردگی این واکنش باعث پیچیدگی مسائل شده است. از این رو تحقیق حاضر در تلاش است مدلی برای پیش بینی واکنش مخاطبان رسانه های مجازی با استفاده از هوش مصنوعی ارائه نماید. بر اساس یک رویکرد کیفی مبتنی بر مصاحبه عمیق مدل مورد نظر طراحی شده و سپس با استفاده از رویکرد گرندد تئوری مورد تجزیه و تحلیل قرار گرفته است. مدل ارائه شده دارای ۴۱ شاخصه بر اساس کدگذاری باز، ۱۷ مولفه بر اساس کدگذاری محوری و ۸ بعد بر اساس کدگذاری انتخابی بوده است. عوامل اطلاعاتی، عاطفی و اجتماعی به عنوان شرایط علی ، عوامل فردی و زمانی به عنوان عوامل مداخله گر و عوامل سیاسی و اقتصادی به عنوان عوامل زمینه های در نظر گرفته شده اند که بر پیامدها یعنی عوامل ارتباطی اثرگذار می باشند. روایی و پایایی مدل با استفاده از شاخص هولستی و کاپای کوهن نشانگر سطح مطلوب و بالایی از اعتبار مدل می باشد. در ادامه به منظور تست مدل ارائه شده از الگوریتم های هوش مصنوعی استفاده شده و نتایج نشان داده است که با دقت ۹۲ درصد الگوریتم ماشین بردار پشتیبان قادر به پیش بینی واکنش مخاطبین در فضای مجازی می باشد.
کلیدواژه ها:
نویسندگان
عبداله دارائی
گروه علمی ارتباطات، واحد میبد، دانشگاه آزاد اسلامی، میبد، ایران.
احمد حیدری شریف آباد
گروه علمی کامپیوتر، واحد میبد، دانشگاه آزاد اسلامی، میبد، ایران.
سید محمود رضا مرتضوی
گروه علمی ارتباطات، واحد میبد، دانشگاه آزاد اسلامی، میبد، ایران.
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 :