Protokolümüz, insanların uyuşturucu ve alkol bağımlılığından kurtulurken çevrimiçi topluluklarla nasıl etkileşimde bulunabileceklerini açıklamak için kapsamlı, göze batmaz ve doğru bir yol sağlar. Bu teknik, önceki çalışmalarda kullanılan kendi kendine bildirilen yaklaşımın ötesine geçerek, daha örtük iyileşme işaretlerini ölçmemize olanak sağlar. Çıkarma işlemibaşlamadan önce, kullanıcıların R'deki verileri analiz etmesine, dönüştürmesine veya ayıklamasını ve harici bekletme ve kullanıcı verilerini Bir CSV dosyasından veri çerçevesi olarak R'ye yüklemesine olanak tanıyan gerekli işlevleri, veri kümelerini veya derlenmiş kodu yükleyin.
Tüm paketler yüklendiğinde, r Facebook'tan al grubu işlevini kullanarak ilgi çekici topluluğun sosyal medya sayfasından veri ayıklayın ve verileri veri çerçevesi olarak kaydedin. R Facebook'tan gönderi alma işlevini kullanarak, yeni çıkarılan gönderi işlileri ile birlikte, sayfada yapılan gönderi beğenmeleriyle ilgili verileri ayıklayır. R Facebook'tan gönderi alma işlevini ve çıkarılan gönderi işlemini kullanarak, her gönderide yapılan yorumların verilerini ayıklayır ve bu verileri bir veri çerçevesi olarak kaydedin.
Yorum sözcülerini kullanarak, her gönderide yapılan yorum beğenmeleri hakkında veri ayıklayın ve bu verileri veri çerçevesi olarak kaydedin. Ardından, gönderileri, gönderileri, yorumları, yorumları ve yorumları verileri tek bir veri karesi içinde birleştirin ve aylık bir döküm ekleyin. Her bir istemci tarafından yapılan ve alınan sosyal medya etkinliğini hesaplamak için, her istemci tarafından yapılan gönderi, yorum, gönderi beğenmeleri ve yorum beğenilerinin sayısını ve her istemci tarafından alınan gönderi, yorum, gönderi beğenmeve yorum beğenilerinin sayısını hesaplayın.
Her istemci tarafından yapılan ve alınan sosyal medya etkinliğinin veri çerçevesine katılarak saklama veri çerçevesine katılın ve beğenmeleri ve beğenmeleri olmayan gönderiler ve yorumlar arasındaki farkı ve yorum lu gönderiler ile yorum olmayan gönderiler arasındaki farkı hesaplayın. Beğenme farkı verilerini bekletme verilerine ve yorum farkı verilerini bekletme verilerine katılın. Her istemci tarafından yapılan tüm beğenileri ve her istemci tarafından alınan tüm beğenileri hesaplayın.
Daha sonra, hangi kullanıcıların sosyal medya grubuna katılmadığını belirleyin. Bir sosyal ağ analizi yapmak için, gönderileri ve yorumları beğenmeye ve veri kümesi içindeki iki sütuna bakarak gönderilere yorum yapmaya dayalı olarak sosyal ağ içindeki ilişkilerin bir kenar listesini oluşturun. İlk sütun, gönderiyi yapan kişinin anonim kimliğini, ikinci sütunda ise gönderiyi beğenen veya yorum yapan kişinin anonim kimliğini içerir.
Ardından, ilişkiler listesindeki iki sütunu tek bir sütuna dönüştürerek ve yinelenen anonim kimlikleri kaldırarak gruptaki tüm bireylerin bir tepe noktası listesi oluşturun, böylece yalnızca benzersiz anonim kimlik kalır. Grafik veri çerçevesini kullanarak ve igraph paketinde adjacency işlevlerini elde edin, kenar ve tepe noktası listelerinden grafik ve grafik matris nesneleri oluşturun. Ardından, çevrimiçi grubun ağ derecesi ve aradakilik istatistiklerini elde etmek için igraph paketindeki derece ve ikilik işlevlerini kullanın.
Dilsel Sorgulama Word Count yazılımında bilgisayarlı dilsel analiz yapmak için metinsel sosyal medya verilerini dışa aktarın ve yorum kimliği sütunu CSV dosyalarına gönderin. Çözümleme metni, Excel CSV dosyası ve çözümlenecek metni seçmek için gönderileri ve yorumları içeren sütunu tıklatarak, metinsel sosyal medya verilerinin CSV dosyalarını Dilsel Sorgulama Word Count veya LIWC yazılımına aktarın. LIWC metin verilerini çözümlemeyi tamamladıktan sonra çıktıyı yeni bir CSV dosyası olarak kaydedin.
LIWC sonuçları CSV dosyasını R'ye aktarın ve sonuçları varolan verilerle birleştirin. Veriler, hem LIWC'de hem de varolan veri çerçevelerinde bulunan yorum sonrası kimlik sütunuyla eşleşir. Gönderive yorumlardaki her kullanıcı için toplam LIWC puanlarını hesaplayın ve bu puanları bekletme verilerine katılın.
Tüm metinsel gönderilerde ve yorumların birleştirilmiş verilerinde her kullanıcı için toplam LIWC puanlarını hesaplayın ve bu puanları bekletme verilerine katılın. Ardından, bekletme veri çerçevesinden herhangi bir ağ çözümlemesi kaldırın. Çevrimiçi toplulukla etkileşim göstergelerinin çevrimdışı kurtarma programında tutmayı tahmin edip etmeyin, bekletme verilerinin bağımlı değişken olarak doğrusal regresyon analizini yapmak için Temel R'deki IM işlevini ve LIWC kategorileri, yorumları, gönderi beğenmeleri ve yorum beğenilerini bağımsız değişkenler olarak kullanıp kullanmamayı belirleyin.
Ardından, regresyon analizi sonuçlarını tek bir veri çerçevesi içinde birleştirin. Aylık bir sosyal ağ çözümleme haritası oluşturmak için, sosyal ağ analizi haritaları için veri çerçeveleri hazırlayın ve aylık toplu sosyal medya etkinliğini temel alan bir kenar listesi oluşturun. Aylık kümülatif sosyal medya etkinliğini temel alan bir vertex listesi oluşturun ve aylık kümülatif sosyal medya etkinliğine dayalı grafikler ve grafik matrisleri oluşturun.
Toplu sosyal medya etkinliğine dayalı olarak sosyal ağ analizi haritalarının düzenini ayarlayın ve kullanıcı rollerine göre renk ekleyin. Ardından, sosyal ağ analizi haritaları oluşturun ve haritaları bir dosyaya kaydedin. Aylık kümülatif sosyal medya grubu sosyal medya aktivitesinin hesaplanması için, personel, müşteriler ve sosyal medya grubunun diğer üyeleri tarafından aylık kümülatif sosyal medya aktivitesini hesaplayın.
Daha sonra, sosyal medya grubunun tüm üyeleri tarafından aylık kümülatif sosyal medya etkinliğini hesaplayın ve aylık kümülatif sosyal medya etkinlik veri çerçevelerine birlikte katılın. Burada, sosyal ağ ve evrimi online topluluk tüm katılımcılar arasında bağlantıları şeklinde sekiz aylık bir süre içinde görsel bir temsil, gösterilir. Ağdaki bir aracının sahip olduğu bağlantı sayısı, bunların sosyal ağda ne kadar merkezi olacağını belirler.
Bu temsili sonuçlar, çevrimiçi bir kurtarma topluluğunun üyeleri arasındaki genel, olumlu sosyal etkileşimlerin iyileşme sürecini desteklediği savını destekler. Katılımcıların çevrimiçi toplulukla olan etkileşim düzeyleri, çevrimiçi topluluktaki tüm katılımcıların katkıları, personel, müşteriler ve daha geniş topluluk üyeleri tarafından yapılan gönderi, yorum ve beğeni sayısı olarak hesaplayarak ölçülür. Sonuçlardan da gösterildiği gibi, bu analizde, gönderiler ve yorumlar için alınan beğeni lerin sayısına yansıtTığı gibi, çevrimiçi etkileşim ve grup içi doğrulama düzeyleri program bekletme tahmin eder.
Program tutma da kimlik işaretleri tarafından tahmin edilir, biz mesajzon kullanımı tarafından yakalanan gibi, ve hem mesaj ve yorum başarı kelimeleri tarafından. Son olarak, katılımcıların sosyal ağ içinde yer aldığı da tutmanın önemli bir yönünü temsil eder. Bu yaklaşımı kullanırken, bunun çevrimiçi topluluklardaki psikolojik süreçleri yakalamanın tek yolu olduğunu unutmamalıyız.
İdeal olarak diğer veri kaynaklarına da erişilmelidir. Bu yöntem, çevrimiçi forumlar, tartışma grupları, sohbet odaları ve benzeri dahil olmak üzere diğer çevrimiçi topluluk türlerindeki çevrimiçi sosyal etkileşimleri araştırmak için uyarlanabilir.
