تشخیص گفتمان در بستر توییتر با کاربست نظریۀ تمرکز نظارتی؛ روشهای متن‌کاوی

هدف: متناسب‏سازی نظریه‎های علوم اجتماعی با فضای بسترهای رسانۀ اجتماعی موجب ارائۀ تحلیل هایی دقیق‌تر برای درک چرایی و چگونگی تغییر رفتار کاربران بسترهای رسانۀ اجتماعی می‏شود. هدف پژوهش حاضر، استخراج الگوهای موجود در محتوای تولید شده توسط کاربران توییتر بود که برای تحقق آن از نظریۀ تمرکز نظارتی بهره برده شده است. روش: این پژوهش از روشهای متن‌کاوی استفاده کرده و جامعۀ آماری آن، شامل متنهای انتشاریافته در توییتر طی بازۀ زمانی تیرماه 1399 تا تیرماه 1400 بوده است. داده‌های مورد استفاده در این پژوهش با تمرکز بر کلیدواژه‌های مرتبط با موضوع حجاب گردآوری شده‎ است. یافته‌ها: داده‌های استخراج‌شده، تعداد 33192 توییت بود که پس از پاکسازی، 1967 توییت نمونه بر مبنای نظریۀ تمرکز نظارتی برچسب‌گذاری شد. در این پژوهش، توییت‌های نمونه با توجه به پیش‌فرض مثبت یا منفی، به دو دسته توییت‌های پیشبردی و اجتنابی دسته‌بندی شدند. بر این اساس، تعداد 815 توییت پیشبردی و 1152 توییت اجتنابی شناسایی شد. سپس توییت‌های پیشبردی در دو دستۀ توییت‌های برخورداری و محرومیتی و توییت‌های اجتنابی در دو دستۀ توییت‌های گریزی و مواجه‌ای دسته‌بندی و الگوسازی شدند. در ادامه، برای تشخیص گفتمانهای موجود در حوزۀ حجاب در توییتر، با استفاده از روشهای متن‌کاوی، مدل‌سازی انجام گرفت. نتیجه‌گیری: چهار گفتمان برخورداری، محرومیت، گریز و مواجهه، در توییت‌های بررسی‌شده تشخیص داده شد که نشان از تکرار بالای کدها در الگوی مواجهه دارد. از این تکرار بالای کدها می‌توان انسجام معنایی در الگوی مواجهه در توییتر و سپس جامعه را استدلال کرد. انسجام معنایی، جهت‌دهی به افکار عمومی را تسهیل می‌کند و انسجام رویکردی نیز بسیج عمومی برای تحول‌خواهی در موضوعات فرهنگی را ایجاد خواهد کرد.

discourse recognition on twitter using regulatory focus theory (rfc) and text mining techniques

objectives: the present  survey aims to extract the patterns of content developed by twitter users by using the regulatory focus theory (rft). methods: this study was conducted based on text mining techniques. the statistical population consisted of the texts published on twitter from july 2020 to july 2021, and the data were collected by searching special keywords. results :the results of the article indicate that a total of 33,192 tweets were extracted as the dataset, 1,967 of which were selected for labeling by rfc. conclusion: the authors of the research conclude that the four main discourses extracted from the analyzed tweets were possession, non- possession, abstinence, and exposure. the results revealed the higher frequency of codes related to the discourse “exposure”, indicating the semantic coherence of “exposure” both on twitter and the whole society. this semantic coherence can direct and mobilize public opinion to call for cultural reforms.