مدل تمایل به تبعیت افراد از توصیه‌های بهداشتی درحین پاندمی کرونا ویروس (کووید 19) بر اساس تحلیل احساسات کاربران شبکه‌های اجتماعی

یکی از منابع ارزشمند در خصوص هیجان های افراد در مورد پدیده های مختلف، شبکه های اجتماعی است، که با استفاده از تحلیل آنها می توان اطلاعات با ارزشی بدست آورد. پژوهش حاضر با هدف بررسی مدل تمایل به تبعیت از توصیه های بهداشتی بر اساس تحلیل احساسات کاربران شبکه های مجازی در پاندمی کرونا طراحی شد. روش این پژوهش داده کاوی بود. جامعه آماری این پژوهش متون کاربران ایرانی شبکه های اجتماعی مجازی توئیتر، تلگرام و اینستاگرام بود. به منظور انجام این پژوهش نمونه ای متشکل 2500 متن از داده های پیش پردازش شده ی شبکه های مجازی توئیتر، تلگرام و اینستاگرام در بازه زمانی 1 اسفند 1398 تا 31 فروردین 1399 مورد بررسی قرار گرفتند و با استفاده از الگوریتم ماشین بردار پشتیبان در طبقه‌های تمایل به تبعیت از توصیه‌های بهداشتی و احساسات دسته بندی شدند، در آخر نیز به منظور بررسی سئوال پژوهش از روش رگرسیون لجستیک استفاده شد. یافته های این پژوهش نشان داد که بر اساس پنج هیجان ترس، اعتماد، غم، شادی و پیش بینی، می توان تمایل به تبعیت کاربران از توصیه های بهداشتی را پیش بینی کرد. همچنین نتایج نشان داد که هیجان شادی با تمایل به تبعیت رابطه منفی و هیجان های ترس، اعتماد، غم و پیش بینی با تمایل به تبعیت رابطه مثبت معناداری دارد (0/05>p ). به طور کلی یافته های این پژوهش موید نقش هیجان ها در تمایل به تبعیت افراد از توصیه های بهداشتی بود.

Identification and Explanation of Individuals’ Compliance Intention Model with Health Recommendations during Coronavirus )COVID-19 (Pandemic based on Sentiment Analysis of Social Media Users

One of the valuable resources for individuals rsquo; emotions about various phenomena is social networks, which can be analyzed to obtain valuable information. The aim of this study was to investigate the model of compliance intention with health recommendations based on the analysis of the emotions of virtual network users in the Corona pandemic. This study was conducted by the data mining method. The statistical population of this study was the texts of Iranian users on virtual social networks Twitter, Telegram, and Instagram. In order to conduct this research, a sample of 2500 texts of preprocessed data of virtual networks Twitter, Telegram, and Instagram from February 20, 2020, to April 19, 2020, were studied, and using the support vector machine algorithm, they were classified into categories intention to compliance health recommendations, and feeling. Finally, the logistic regression method was used to investigate the research question. The findings of this research indicated that users #39; intention to comply with health recommendations could be predicted. based on the five emotions of fear, trust, sadness, happiness, and anticipation. The results also showed that happiness emotion has a negative relationship and the feelings of fear, trust, sadness, and anticipation have a positive relationship with the compliance intention (P<0.05). In general, the findings of this study indicated the importance of emotions in individuals #39; health recommendations compliance.