私たちのプロトコルは、薬物やアルコール中毒から回復している間、人々がオンラインコミュニティとどのように関わることができるかを説明する包括的で控えめで正確な方法を提供します。この手法は、以前の研究で使用されている自己報告されたアプローチを超えて、回復のより暗黙のマーカーを測定することができます。抽出を開始する前に、必要な関数、データセット、またはコンパイル済みのコードを読み込んで、ユーザーが R でデータを分析、変換、または抽出し、外部の保持データとユーザー データを CSV ファイルのデータ フレームとして R にロードできるようにします。
すべてのパッケージが読み込まれたら、R Facebookのgetグループ機能を使用して、関心のあるコミュニティのソーシャルメディアページからデータを抽出し、データフレームとしてデータを保存します。R Facebookからの投稿取得機能と、抽出された投稿IDを使用して、ページ上で行われた投稿のいいねに関するデータを抽出します。R Facebookからの投稿取得機能と抽出された投稿IDを使用して、各投稿に対して行われたコメントに関するデータを抽出し、このデータをデータフレームとして保存します。
コメント ID を使用して、各投稿で行われたコメントのいいねに関するデータを抽出し、このデータをデータ フレームとして保存します。次に、投稿、投稿のいいね、コメント、コメントを組み合わせて、データを 1 つのデータ フレームにまとめ、月ごとの内訳を追加します。各クライアントが行って受信したソーシャルメディアアクティビティを計算するには、各クライアントが行った投稿、コメント、投稿のいいね、コメントのいいねの数、および各クライアントが受け取った投稿、コメント、投稿のいいね、コメントのいいねの数を計算します。
各クライアントが作成して受信したソーシャル メディア アクティビティのデータ フレームを保持データ フレームに結合し、投稿とコメントの違い (いいねなし、コメントなし) を計算します。同じ差分データを保持データに結合し、コメント差分データを保持データに結合します。各クライアントが作成した同類の全てと、各クライアントが受け取った同類をすべて計算します。
次に、ソーシャル メディア グループに参加していないユーザーを特定します。ソーシャルネットワーク分析を実行するには、好きな投稿やコメントに基づいてソーシャルネットワーク内の関係のエッジリストを作成し、データセット内の2つの列を見て投稿にコメントします。最初の列には投稿を作成したユーザーの匿名 ID が含まれ、2 番目の列には投稿に好きな人やコメントをしている人の匿名 ID が含まれます。
次に、リレーションシップのリスト内の 2 つの列を 1 つの列に変換し、重複する匿名 ID を削除して、グループ内のすべての個人の頂点リストを作成し、一意の匿名 ID だけが残るようにします。グラフ データ フレームを使用し、igraph パッケージの隣接関係関数を取得して、エッジ リストと頂点リストからグラフおよびグラフ マトリックス オブジェクトを作成します。次に、igraphパッケージから度及び間性関数を用いて、オンライン群のネットワーク度及び間度統計を得る。
言語検索ワードカウントソフトウェアでコンピュータ化された言語分析を行う場合は、テキストのソーシャルメディアデータをエクスポートし、コメントID列をCSVファイルに書き出します。テキストのソーシャルメディアデータのCSVファイルを言語検索ワードカウントまたはLIWCソフトウェアにインポートするには、テキスト、Excel CSVファイル、および分析するテキストを選択する投稿とコメントを含む列をクリックします。LIWC がテキストデータの分析を完了したら、出力を新しい CSV ファイルとして保存します。
LIWC 結果 CSV ファイルを R にインポートし、結果を既存のデータとマージします。データは、LIWC と既存のデータフレームの両方に存在するコメント ID の投稿列によって照合されます。投稿とコメントで各ユーザの LIWC スコアの合計を計算し、これらのスコアを保持データに結合します。
すべてのテキスト投稿とコメントの結合データで、各ユーザの LIWC スコアの合計を計算し、これらのスコアを保持データに結合します。次に、保持データ フレームからネットワーク解析を削除します。オンラインコミュニティとの関与指標がオフラインリカバリプログラムの保持を予測するかどうかを判断するには、ベースRのIM関数を使用して、保存データを従属変数として線形回帰分析し、LIWCカテゴリ、コメント、投稿いいね、コメント好きなどを独立変数として実行します。
次に、回帰分析結果を 1 つのデータ フレームに結合します。月次ソーシャル ネットワーク分析マップを作成するには、ソーシャル ネットワーク分析マップのデータ フレームを準備し、月単位の累積ソーシャル メディア アクティビティに基づいてエッジ リストを作成します。月単位の累積ソーシャル メディア活動に基づいて頂点リストを作成し、月単位の累積ソーシャル メディア活動に基づいてグラフとグラフ マトリックスを作成します。
ソーシャル メディアの累積的な活動に基づいてソーシャル ネットワーク分析マップのレイアウトを設定し、ユーザーの役割に基づいて色を追加します。次に、ソーシャル ネットワーク解析マップを作成し、マップをファイルに保存します。月単位の累積ソーシャルメディアグループソーシャルメディア活動の計算では、スタッフ、クライアント、およびソーシャルメディアグループの他のメンバーによる毎月の累積ソーシャルメディア活動を計算します。
次に、ソーシャル メディア グループのすべてのメンバーによる月単位の累積ソーシャル メディア活動を計算し、月単位の累積ソーシャル メディア アクティビティ データ フレームに参加します。ここでは、オンラインコミュニティのすべての参加者間のつながりの形で、8ヶ月間にわたるソーシャルネットワークとその進化の視覚的表現を示す。ネットワーク内のエージェントが持つ接続の数によって、ソーシャル ネットワークの中央の接続数が決まります。
これらの代表的な結果は、オンライン回復コミュニティのメンバー間の全体的で肯定的な社会的相互作用が回復プロセスを支持しているという議論を支持する。オンライン コミュニティとの参加者のエンゲージメント レベルは、オンライン コミュニティのすべての参加者の貢献を、スタッフ、クライアント、および幅広いコミュニティ メンバーが行った投稿、コメント、およびいいねの数として計算することによって測定されます。結果に示すように、この分析では、オンラインインタラクションおよびグループ内検証のレベルは、投稿およびコメントに対して受け取った同類の数によって反映されるように、プログラムの保持を予測する。
プログラムの保持は、投稿の代名詞を使用してキャプチャされた識別マーカー、および投稿とコメントの両方の達成語によっても予測されます。最後に、参加者がソーシャルネットワーク内に位置する場所は、保持の重要な側面も表します。このアプローチを使用する場合、これはオンラインコミュニティの心理的プロセスをキャプチャする唯一の方法であることを覚えておく必要があります。
他のデータ ソースにもアクセスすることが理想的です。この方法は、オンライン フォーラム、ディスカッション グループ、チャット ルームなど、他の種類のオンライン コミュニティでのオンラインソーシャルインタラクションを調査するために適用できます。
