تحلیل محتوا و تحلیل عقاید توییت‌ها درباره دسترسی آزاد و جنبه‌های مختلف آن

پژوهش حاضر با هدف شناخت جنبه‌های دسترسی آزاد مورد توجه کاربران شبکه اجتماعی »توییتر « و تحلیل عقاید آنان در این باره انجام شد. نمونه‌ای از توییت‌های انگلیسی درباره دسترسی آزاد شناسایی و به ‌روش تحلیل محتوای کمی با رویکرد تحلیل عقاید مطالعه شد. بدین‌منظور، نخست جنبه‌های مختلف دسترسی آزاد با مرور ادبیات حوزه شناسایی و در قالب فرمول‌های جست‌وجو تدوین شد. این گام به بازیابی 874270 توییت انجامید. داده‌ها با کمک جست‌وجوی انطباق دقیق در »اکسل « پاکسازی و نمونه‌ای مشتمل بر 165320 توییت مرتبط به‌دست آمد و سپس، نمونه به چهار گروه موضوعی »هزینه و منابع مالی «، »نشر و منابع «، »مدل‌ها « و »اعتبار و کیفیت « دسترسی آزاد دسته‌بندی شد. پردازش متن و محاسبه نمره عقیده توییت‌ها به‌ترتیب با نرم‌افزار »نایم « و »سنتی‌استرینگث « انجام شد. تحلیل داده‌ها با آمار توصیفی و استنباطی در »اکسل « و »اس‌پی‌اس‌اس « صورت گرفت. نتایج نشان داد که‌ مفاهیم مرتبط با »نشر و انواع منابع دسترسی آزاد « از بیشترین توییت برخوردارند. چنانچه این گروه به‌دلیل کلیت و عمومیت آن نادیده گرفته شود، »اعتبار و کیفیت « و »هزینه‌‌ها و منابع مالی « دو موضوع اصلی مورد توجه کاربران »توییتر « است. بر اساس نتایح عقیده‌کاوی، بیش از نیمی از توییت‌ها خنثی بوده و فراوانی عقاید مثبت با اختلاف کمی از عقاید منفی بیشتر است. با این حال، دو موضوع »اعتبار و کیفیت « و »هزینه‌ها و منابع مالی « بیش از همه توییت‌های منفی گرفته‌اند. به این ترتیب، همسو با نتایج پیمایش‌های پیشین، که با هدف کشف دغدغه‌های محققان و ذی‌نفعان دسترسی آزاد انجام شده، پژوهش حاضر تصویری کم‌وبیش یکسان را برای فضای اجتماعی به‌دست داد. از آنجا که دسترسی آزاد به اطلاعات علمی در جهت توسعه جوامع دانش‌بنیان یک ضرورت محسوب می‌شود، نتایج تحقیق حاضر لزوم برداشتن گام‌هایی جدی برای تقویت نقاط مثبت و اندیشیدن راهکارهایی برای رفع مسائل و چالش‌هایی که به عقاید منفی منجر شده است، برجسته می‌سازد.

Content analysis and Opinion mining of Tweets about Open Access and its Main Features

This study aimed to identify the main features of Open Access tweeted by Twitter users and to analyze their opinions about them. A sample of English tweets about Open Access was identified and analyzed using a quantitative content analysis method with opinion mining approach. To do so, based on a wide literature review, the main features of Open Access discussed in the literature were identified and used to compose the search formula. This step retrieved 874270 tweets. The data were, then, cleaned using exact match search in Excel, resulting in a sample consisting of 165320 relevant tweets. The sample was, then, classified into four thematic groups including ldquo;costs and financial resources rdquo;, ldquo;publication and resources rdquo;, ldquo;models rdquo; and ldquo;validity and quality rdquo;. To analyze the tweets rsquo; contents and calculate their opinion scores, the KNIME and SentiStrength applications were used, respectively. The data were analyzed using descriptive and inferential statistics in Excel and SPSS. The results showed that the concepts related to the Open Access ldquo;publication and resources rdquo; have been tweeted the most. The group being set aside given its allinclusive nature, the ldquo;credibility and quality rdquo; as well as the ldquo;costs and financial resources rdquo; are the two main issues discussed by Twitter users. According to the opinion mining results, more than half of the tweets were neutral and the positive opinions are of slightly higher frequency compared to the negative ones. The ldquo;credibility and quality rdquo; and the ldquo;costs and financial resources rdquo; received more negative tweets. Thus, in line with previous surveys conducted to explore the concerns of researchers and stakeholders about Open Access, the present study provided an almost similar picture for the social space. Since Open Access to scientific information is a necessity for the development of knowledgebased societies, the results highlight the need to take serious steps to strengthen its positive points and devise solutions to the problems and challenges leading to the negative feedbacks.