הפרוטוקול שלנו מספק דרך מקיפה, לא פולשנית ומדויקת לתאר כיצד אנשים יכולים ליצור קשר עם קהילות מקוונות בזמן שהם מתאוששים מהתמכרות לסמים ואלכוהול. טכניקה זו חורגת מהגישה המדווחת על עצמה ששימשה במחקרים קודמים, ומאפשרת לנו למדוד סמנים משתמעים יותר של התאוששות. לפני תחילת החילוץ, טען את הפונקציות, ערכות הנתונים או הקוד המהודר הדרושים המאפשרים למשתמשים לנתח, להמיר או לחלץ נתונים ב- R, ולטעון את השמירה החיצונית ואת נתוני המשתמש לתוך R, כמסגרת נתונים מקובץ CSV.
לאחר שכל החבילות נטענו, השתמש בפונקציית get group מ- R Facebook כדי לחלץ נתונים מדף המדיה החברתית של קהילת העניין ולשמור את הנתונים כמסגרת נתונים. באמצעות פונקציית לקבל פוסטים מ R פייסבוק, יחד עם מזהי פוסט רק שחולצו, לחלץ את הנתונים על לייקים פוסט שנעשו בדף. באמצעות פונקציית לקבל פוסטים מ R פייסבוק ואת מזהי פוסט שחולצו, לחלץ נתונים על התגובות שנעשו על כל פוסט, ולשמור נתונים אלה כמסגרת נתונים.
באמצעות מזהי התגובות, חלץ נתונים על לייקי התגובה שנעשו בכל פוסט ושמור נתונים אלה כמסגרת נתונים. לאחר מכן, שלב את הפוסטים, הלייקים, התגובות והתגובות של נתוני לייקים למסגרת נתונים אחת והוסף פירוט חודשי. כדי לחשב את פעילות המדיה החברתית שנעשתה והתקבלה על ידי כל לקוח, חשב את מספר הפוסטים, התגובות, הלייקים לפוסטים והתגובות של כל לקוח, ואת מספר הפוסטים, התגובות, לייקי הפוסטים והתגובות שקיבל כל לקוח.
הצטרף למסגרת הנתונים של פעילות המדיה החברתית שנעשתה והתקבלה על ידי כל לקוח למסגרת נתוני השמירה, וחשב את ההבדל בין פוסטים ותגובות עם לייקים וללא לייקים, ואת ההבדל בין פוסטים עם תגובות וללא תגובות. הצטרף לנתונים של הפרשי הלייקים לנתונים של השמירה וההערות הפרש נתונים לנתונים לשמירה. לחשב את כל הלייקים שנעשו על ידי כל לקוח, ואת כל הלייקים שהתקבלו על ידי כל לקוח.
לאחר מכן, זהה אילו משתמשים לא השתתפו בקבוצת המדיה החברתית. כדי לבצע ניתוח של הרשת החברתית, צור רשימת קצה של מערכות יחסים בתוך הרשת החברתית, בהתבסס על פרסומים ותגובות ותגובות על פוסטים על-ידי התבוננות בשתי עמודות בתוך ערכת הנתונים. העמודה הראשונה מכילה את המזהה האנונימי של האדם שמפרסם את הפוסט, בעוד שהעמודה השניה מכילה את המזהה האנונימי של האדם ה אוהב או מגיב על הפוסט.
לאחר מכן, צור רשימת קודקודים של כל האנשים בקבוצה על-ידי המרת שתי העמודות ברשימת קשרי הגומלין לעמודה אחת והסרת מזהים אנונימיים כפולים, כך שרק המזהה האנונימי הייחודי יישאר. באמצעות מסגרת הנתונים של הגרף ופקודות ההסבה בחבילת ה- igraph, צרו אובייקטי מטריצת גרף וגרף מרשימות הקצה והקודקוד. לאחר מכן, השתמש בפונקציות מידת ובין מחבילת הגרף, כדי לקבל את סטטיסטיקת מידת הרשת והביניה של הקבוצה המקוונת.
כדי לבצע ניתוח לשוני ממוחשב בתוכנת ספירת המילים של חקירה לשונית, יצא את נתוני המדיה החברתית הטקסטואלית ופרסם עמודת מזהה תגובה בקבצי CSV. יבא את קבצי ה- CSV של נתוני המדיה החברתית הטקסטואלית לתוכנת ספירת המילים החקירה הלשונית או LIWC, על-ידי לחיצה על ניתוח טקסט, קובץ CSV של Excel והעמודה המכילה את הפוסטים וההערות כדי לבחור את הטקסט שיש לנתח. לאחר ש- LIWC השלים לנתח את הנתונים הטקסטואליים, שמור את הפלט כקובץ CSV חדש.
יבא את קובץ ה- CSV של תוצאות LIWC לתוך R ומזג את התוצאות עם נתונים קיימים. הנתונים יותאמו לעמודת מזהה התגובה שפורסמה, הקיימת הן ב- LIWC והן במסגרות הנתונים הקיימות. חשב את ציוני LIWC הכוללים עבור כל משתמש בפוסטים ובהערות והצטרף ציונים אלה לנתונים לשמירה.
חשב את ציוני LIWC הכוללים עבור כל משתמש בכל הפוסטים הטקסטואליים וההערות בשילוב נתונים, והצטרף ציונים אלה לנתונים לשמירה. לאחר מכן, הסר ניתוח רשת כלשהו ממסגרת נתוני השמירה. כדי לקבוע אם מחוונים של מעורבות בקהילה המקוונת מנבאים שמירה בתוכנית השחזור הלא מקוונת, השתמש בפונקציה IM ב- Base R כדי לבצע ניתוח רגרסיה ליניארית של נתוני השמירה כמשתנה התלוי, ובקטגוריות LIWC, הערות, לייקים בפוסטים ולייקים של תגובות כמשתנים בלתי תלויים.
לאחר מכן, שלב את תוצאות ניתוח הרגרסיה למסגרת נתונים אחת. כדי ליצור מפת ניתוח חודשית של רשתות חברתיות, הכינו מסגרות נתונים למפות ניתוח של רשתות חברתיות, וצור רשימת קצה המבוססת על הפעילות החודשית המצטברת של המדיה החברתית. צור רשימת קודקודים המבוססת על הפעילות החודשית המצטברת במדיה החברתית, וצור גרפים ומטריות גרפים המבוססים על הפעילות החודשית המצטברת במדיה החברתית.
הגדר את הפריסה של מפות ניתוח רשתות חברתיות בהתבסס על פעילות המדיה החברתית המצטברת והוסף צבעים בהתבסס על תפקידי המשתמש. לאחר מכן, צור מפות ניתוח של רשתות חברתיות ושמור את המפות בקובץ. לצורך חישוב הפעילות החודשית המצטברת של קבוצת המדיה החברתית ברשתות החברתיות, חישבו את הפעילות החודשית המצטברת ברשתות החברתיות על ידי הצוות, הלקוחות וחברי קבוצת המדיה החברתית.
לאחר מכן, חישבו את הפעילות החודשית המצטברת של הרשתות החברתיות על ידי כל חברי קבוצת המדיה החברתית והצטרפו יחד למסגרות הנתונים החודשיות המצטברות של הפעילות ברשתות החברתיות. כאן מוצג ייצוג ויזואלי של הרשת החברתית והתפתחותה על פני תקופה של שמונה חודשים בצורה של קשרים בין כל המשתתפים בקהילה המקוונת. מספר החיבורים שיש לסוכן ברשת קובע עד כמה מרכזיים הם יהיו ברשת החברתית.
תוצאות ייצוגיות אלה תומכות בטענה כי בסך הכל, אינטראקציות חברתיות חיוביות בין חברי קהילת התאוששות מקוונת תומכים בתהליך ההחלמה. רמות המעורבות של המשתתפים בקהילה המקוונת נמדדות על ידי חישוב התרומות של כל המשתתפים בקהילה המקוונת כמספר הפוסטים, התגובות וההדידים של הצוות, הלקוחות וחברי הקהילה הרחבים יותר. כפי שמוצג על ידי התוצאות, בניתוח זה, רמות האינטראקציה המקוונת ואימות בקבוצה, כפי שמשתקף על ידי מספר הלייקים שהתקבלו עבור פוסטים ותגובות, לחזות את שימור התוכנית.
שמירת תוכניות צפויה גם על ידי סמני זיהוי, כפי שנלכדו על ידי השימוש בשם הגוף שאנו בפוסטים, ועל ידי מילות ההישג הן בפוסטים והן בתגובות. לבסוף, כאשר המשתתפים ממוקמים בתוך הרשת החברתית מייצג גם היבט חשוב של שמירה. בעת שימוש בגישה זו, עלינו לזכור כי זוהי רק דרך אחת ללכוד תהליכים פסיכולוגיים בקהילות מקוונות.
באופן אידיאלי יש לגשת גם למקורות נתונים אחרים. ניתן להתאים שיטה זו כדי לחקור אינטראקציות חברתיות מקוונות בסוגים אחרים של קהילות מקוונות, כולל פורומים מקוונים, קבוצות דיון, חדרי צ'אט וכן הלאה.
