تحلیل داده محور نارضایتی اجتماعی در رسانه‌های دیجیتال با استفاده از مدل‌های پردازش زبان طبیعی و یادگیری عمیق: سنتزی بر پژوهش‌های جهانی در تطبیق سیاست‌گذاری عمومی ایران

با گسترش رسانه‌های دیجیتال، تحلیل نارضایتی‌های اجتماعی با استفاده از فناوری‌های پردازش زبان طبیعی و یادگیری عمیق به ابزاری کلیدی در سیاست‌گذاری عمومی تبدیل شده است. این پژوهش با هدف بررسی تطبیقی کاربرد مدل‌های nlp و dl در تحلیل نارضایتی‌ های اجتماعی در رسانه‌‌های دیجیتال ایران و جهان انجام شده است. این مطالعه با رویکرد سنتز پژوهشی، یافته‌های تحقیقات بین المللی در تحلیل محتوای سیاسی و پایش احساسات اجتماعی را با مطالعات داخلی مقایسه می‌کند. داده‌های مورد بررسی شامل پست‌های کاربران در شبکه‌های اجتماعی فارسی و تحلیل آن‌ها با تکنیک‌های موضوع‌یابی (lda) و تحلیل احساسات(bert) در تحقیقات آتی پیشنهاد می‌گردد. نتایج نشان می‌دهد که nlp همراه با یادگیری عمیق می‌تواند الگوهای نارضایتی را با دقت بالایی شناسایی کند و شکاف بین سیاست‌های دولتی و انتظارات عمومی را آشکار سازد. همچنین، تطبیق‌پذیری مدل‌های جهانی با داده‌های فارسی نیازمند اصلاحاتی در مدل‌سازی زبانی و فرهنگی است.این پژوهش پیشنهاد می‌کند که سیاست‌گذاران ایرانی با به کارگیری این روش‌ها در نظام حکمرانی دیجیتال، امکان پاسخگویی سریعتر، شفافیت بیشتر و پیش‌بینی بحران‌های اجتماعی را فراهم آورند. همچنین، توسعه مدل‌های بومی سازی شده برای زبان فارسی ضروری است.