تدوین روش برآورد تابع تقاضای شبکه‌های اجتماعی با رویکرد غیرخطی

در پژوهش حاضر سعی شده است با بررسی دقیق پژوهش‌های انجام شده در خصوص تابع تقاضا، روشی برای استخراج توابع تقاضای ارتباطات میان فردی در شبکه ‌های اجتماعی ارائه شود تا با مدل‌سازی ریاضی دقیق، امکان مطالعه رفتار کاربران در فضای مجازی و مدیریت آسیب‌های احتمالی فراهم آید. بر این اساس، واحد تحلیل در این مطالعه، کاربران شبکه ‌های اجتماعی در نظر گرفته شده است. پس از مدل‌سازی روش استخراج تابع تقاضا در محیط فعالیت رسانه‌های اجتماعی، به ‌منظور بررسی امکان اجرای روش پیشنهادی در فضای واقعی، اطلاعات مربوط به 621 نفر از کاربران شبکه‌های اجتماعی جمع‌آوری شد و بعد از بررسی اولیه 120 نفر انتخاب شدند. همچنین اطلاعات لازم برای اجرای مدل پیشنهادی بر اساس پرسشنامه محقق‌ساخته (با ضریب cvr و اسپیرمن قابل قبول) جمع‌آوری شد. روش استخراج توابع تقاضا، رگرسیون غیرخطی لگاریتمی و الگوریتم جستجوی غیرخطی تک بعدی بوده است. یافته ها نشان داد که با ترکیب این دو روش آماری و ریاضی، می‌توان توابع تقاضا را برای شبکه های اجتماعی و ارتباطات رودررو استخراج کرد.

Developing A Method for Estimating Social Network Demand Function with Nonlinear Approach

The study tried to extract interpersonal communication demand functions in social networks through review related researches. So that by providing accurate mathematical modeling, it is possible to study users’ behavior in cyberspace and manage potential damage. The analysis unit in the research is social network users. After modeling the method of extracting the demand function in the social media activity environment, in order to examine the feasibility of implementing the proposed method in real space, data was gathered from 621 social network users and then 120 users were selected as a sample after the initial survey. The data needed to implement the proposed model was collected using a researchermade questionnaire (with acceptable CVR and Spearman coefficient). The method of extraction of demand functions was nonlinear logarithmic regression, and onedimensional nonlinear search algorithm. The findings showed that by combining these two statistical and mathematical methods, it is possible to extract the demand functions for social networks and facetoface communications.