우리의 프로토콜은 사람들이 마약과 알코올 중독에서 회복하는 동안 온라인 커뮤니티와 어떻게 참여할 수 있는지 설명하는 포괄적이고 눈에 거슬리지 않고 정확한 방법을 제공합니다. 이 기술은 이전 연구에서 사용 된 자체보고 접근 방식을 넘어, 우리가 회복의 더 암시적 마커를 측정 할 수 있도록. 추출을 시작하기 전에 사용자가 R에서 데이터를 분석, 변환 또는 추출할 수 있도록 필요한 함수, 데이터 집합 또는 컴파일된 코드를 로드하고 CSV 파일의 데이터 프레임으로 외부 보존 및 사용자 데이터를 R로 로드합니다.
모든 패키지가 로드되면 R Facebook의 get group 함수를 사용하여 관심 커뮤니티의 소셜 미디어 페이지에서 데이터를 추출하고 데이터를 데이터 프레임으로 저장합니다. R Facebook의 GET 게시물 기능을 사용하여 방금 추출한 게시물 아이디와 함께 페이지에서 만든 게시물 좋아요에 대한 데이터를 추출합니다. R Facebook의 게시물 사용 기능과 추출된 게시물 I를 사용하여 각 게시물의 댓글에 대한 데이터를 추출하고 이 데이터를 데이터 프레임으로 저장합니다.
주석 ID를 사용하여 각 게시물에서 만든 주석 좋아요에 대한 데이터를 추출하고 이 데이터를 데이터 프레임으로 저장합니다. 그런 다음 게시물을 결합하고 좋아요, 댓글 및 댓글 좋아요를 하나의 데이터 프레임에 넣고 월별 분석을 추가합니다. 각 클라이언트가 만들고 받은 소셜 미디어 활동을 계산하려면 각 클라이언트가 만든 게시물, 댓글, 게시물 좋아요 및 댓글 좋아요 수와 각 클라이언트가 받은 게시물, 댓글, 게시물 게시물 및 댓글 좋아요 수를 계산합니다.
각 클라이언트가 만들고 받은 소셜 미디어 활동의 데이터 프레임에 참여하여 좋아요와 좋아요가 없는 게시물과 댓글의 차이, 댓글과 댓글이 없는 게시물의 차이를 계산합니다. 리텐션 데이터에 대한 좋아요 차이 데이터를 결합하고 주석 차이 데이터를 보존 데이터와 결합합니다. 각 클라이언트가 만든 모든 좋아요와 각 클라이언트에서 받은 모든 좋아요를 계산합니다.
그런 다음 소셜 미디어 그룹에 참여하지 않은 사용자를 식별합니다. 소셜 네트워크 분석을 수행하려면 데이터 집합 내의 두 개의 열을 보고 게시물과 댓글을 좋아요를 누르고 게시물에 댓글을 다는 것을 기반으로 소셜 네트워크 내의 관계 에지 목록을 만듭니다. 첫 번째 열에는 게시물을 만드는 사람의 익명 ID가 포함되어 있으며 두 번째 열에는 게시물에 좋아요를 누르거나 댓글을 다는 사람의 익명 ID가 포함되어 있습니다.
그런 다음 관계 목록의 두 열을 하나의 열로 변환하고 중복 익명 ID만 남도록 그룹의 모든 개인의 정점 목록을 만듭니다. 그래프 데이터 프레임을 사용하여 igraph 패키지에서 보조 기능을 얻고 가장자리 및 정점 목록에서 그래프 및 그래프 매트릭스 개체를 만듭니다. 이어서, igraph 패키지로부터의 정도 및 사이기능을 사용하여 온라인 그룹의 네트워크 정도 및 사이 통계를 얻습니다.
언어 문의 워드 카운트 소프트웨어에서 전산화된 언어 분석을 수행하려면 텍스트 소셜 미디어 데이터를 내보내고 댓글 ID 열을 CSV 파일에 게시합니다. 텍스트 소셜 미디어 데이터의 CSV 파일을 분석 텍스트, Excel CSV 파일 및 분석할 텍스트를 선택하는 게시물과 주석이 포함된 열을 클릭하여 언어 문의 워드 카운트 또는 LIWC 소프트웨어로 가져옵니다. LIWC가 텍스트 데이터 분석을 완료한 후 출력을 새 CSV 파일로 저장합니다.
LIWC 결과 CSV 파일을 R로 가져오고 결과를 기존 데이터와 병합합니다. 데이터는 LIWC와 기존 데이터 프레임 모두에 있는 게시물 주석 ID 열과 일치합니다. 게시물 및 댓글에서 각 사용자의 총 LIWC 점수를 계산하고 이러한 점수를 보존 데이터에 결합합니다.
모든 텍스트 게시물 및 댓글 결합 데이터에서 각 사용자에 대한 총 LIWC 점수를 계산하고 이러한 점수를 보존 데이터에 결합합니다. 그런 다음 보존 데이터 프레임에서 네트워크 분석을 제거합니다. 온라인 커뮤니티와의 참여 지표가 오프라인 복구 프로그램의 유지를 예측하는지 확인하려면 기본 R의 IM 함수를 사용하여 보존 데이터의 선형 회귀 분석을 종속 변수로, LIWC 범주, 댓글, 게시물 좋아요 및 댓글 좋아요를 독립적인 변수로 수행합니다.
그런 다음 회귀 분석 결과를 하나의 데이터 프레임으로 결합합니다. 월별 소셜 네트워크 분석 맵을 만들려면 소셜 네트워크 분석 맵에 대한 데이터 프레임을 준비하고 월별 누적 소셜 미디어 활동을 기반으로 에지 목록을 만듭니다. 월별 누적 소셜 미디어 활동을 기반으로 정점 목록을 만들고 월별 누적 소셜 미디어 활동을 기반으로 그래프 및 그래프 행렬을 만듭니다.
누적 소셜 미디어 활동을 기반으로 소셜 네트워크 분석 맵의 레이아웃을 설정하고 사용자 역할에 따라 색상을 추가합니다. 그런 다음 소셜 네트워크 분석 맵을 만들고 맵을 파일에 저장합니다. 월간 누적 소셜 미디어 그룹 소셜 미디어 활동을 계산하려면 직원, 고객 및 소셜 미디어 그룹의 다른 구성원에 의해 월별 누적 소셜 미디어 활동을 계산합니다.
그런 다음 소셜 미디어 그룹의 모든 구성원이 매월 누적 된 소셜 미디어 활동을 계산하고 매월 누적 된 소셜 미디어 활동 데이터 프레임에 함께 참여합니다. 여기에, 온라인 커뮤니티의 모든 참가자 사이의 연결의 형태로 8 개월 동안 소셜 네트워크와 진화의 시각적 표현이 표시됩니다. 네트워크의 에이전트가 연결하는 연결 수는 소셜 네트워크에서 얼마나 중심이 될지 결정합니다.
이러한 대표적인 결과는 온라인 복구 커뮤니티 의 구성원 간의 전반적인 긍정적 인 사회적 상호 작용이 복구 프로세스를 지지한다는 주장을 뒷받침합니다. 온라인 커뮤니티에 대한 참가자의 참여 수준은 온라인 커뮤니티의 모든 참가자의 기여를 직원, 고객 및 광범위한 커뮤니티 구성원이 작성한 게시물, 댓글 및 좋아요 의 수로 계산하여 측정됩니다. 결과에 의해 표시된 바와 같이, 이 분석에서 게시물 및 댓글에 대해 수신된 좋아요 수에 반영된 온라인 상호 작용 및 그룹 내 유효성 검사 수준은 프로그램 보존을 예측합니다.
프로그램 보존은 또한 게시물에 대명사를 사용하여 캡처한 식별 마커와 게시물과 댓글 모두에서 성과 단어에 의해 예측됩니다. 마지막으로, 참가자가 소셜 네트워크 내에 위치한 경우 보존의 중요한 측면을 나타냅니다. 이 방법을 사용할 때, 우리는 이것이 온라인 커뮤니티에서 심리적 과정을 캡처하는 한 가지 방법일 뿐이라는 것을 기억해야합니다.
이상적으로 다른 데이터 원본도 액세스해야 합니다. 이 방법을 조정하여 온라인 포럼, 토론 그룹, 채팅방 등을 포함한 다른 유형의 온라인 커뮤니티에서 온라인 소셜 상호 작용을 조사할 수 있습니다.
