Summary
लेख गतिशील ऑनलाइन सामाजिक बातचीत का विश्लेषण करने के लिए एक उपन्यास दृष्टिकोण का वर्णन (एक ऑनलाइन संदर्भ में) शराब और नशीली दवाओं की लत से वसूली के एक ऑनलाइन समुदाय के एक अध्ययन द्वारा उदाहरण.
Abstract
लेख शराब और दवा (एओडी) की लत से वसूली के ऑनलाइन समुदायों में सामाजिक वसूली पूंजी विकास पर कब्जा करने का एक व्यापक, विनीत, और सही तरीका खोजने के उद्देश्य से डिजाइन एक नई पद्धति का वर्णन करता है. वसूली पूंजी ऑनलाइन वसूली समुदाय और समुदाय के साथ पहचान में दोनों सगाई के रूप में अवधारणा थी. वसूली पूंजी विकास को मापने के लिए, स्वाभाविक रूप से होने वाली डेटा एक विशिष्ट वसूली कार्यक्रम के सामाजिक मीडिया पृष्ठ से निकाले गए थे, पृष्ठ के साथ एक आमने-सामने वसूली कार्यक्रम के लिए एक संसाधन के रूप में स्थापित किया जा रहा है. ऑनलाइन समुदाय के साथ सगाई नक्शा करने के लिए, सामाजिक नेटवर्क विश्लेषण (SNA) ऑनलाइन सामाजिक संपर्क पर कब्जा किया गया था. सामाजिक संपर्क कार्यक्रम ग्राहकों, कर्मचारियों, और व्यापक समुदाय से समर्थकों द्वारा प्रतिनिधित्व के रूप में ऑनलाइन समुदाय के ऑनलाइन योगदानकर्ताओं / ऑनलाइन समुदाय के साथ सामाजिक पहचान के मार्कर कैप्चर करने के लिए, पाठ डेटा (पोस्ट और टिप्पणियों से सामग्री) का कंप्यूटरीकृत भाषाई विश्लेषण आयोजित किया गया था। वसूली पूंजी इस तरह से कब्जा कर लिया प्रतिधारण डेटा (एक प्रॉक्सी परिणाम सूचक) के खिलाफ विश्लेषण किया गया था, के रूप में दिन में खर्च (चेहरा करने वाली चेहरा) वसूली कार्यक्रम. निकाले गए ऑनलाइन डेटा एक महत्वपूर्ण वसूली परिणाम की भविष्यवाणी का परीक्षण करने के लिए कार्यक्रम प्रतिधारण के संबंध में भागीदार डेटा से जुड़ा हुआ था. इस दृष्टिकोण ऑनलाइन समर्थन समुदायों की भूमिका और वसूली पूंजी के बीच सहयोग के मूल्यांकन की परीक्षा की अनुमति दी (पुनर्प्राप्ति के ऑनलाइन समुदाय के माध्यम से विकसित) और वसूली परिणामों.
Introduction
प्रस्तुत विधि ऑनलाइन संदर्भों में शराब और अन्य दवाओं (एओडी) की लत वसूली पूंजी पर कब्जा करने के लिए डिजाइन किया गया है. लत के क्षेत्र में, वसूली पूंजी के रूप में परिभाषित किया गया है "एक संसाधनों की कुल है कि दीक्षा और मादक द्रव्यों के दुरुपयोग समाप्ति के रखरखाव पर सहन करने के लिए लाया जा सकता है"1. वसूली पूंजी मुख्य रूप से स्वयं रिपोर्ट2केमाध्यम से मापा गया है,3 आमने-सामने संदर्भों में. यह दृष्टिकोण वसूली के ऑनलाइन समुदायों में ऑनलाइन बातचीत की गुणवत्ता और मात्रा पर कब्जा करके ऑनलाइन संदर्भों में वसूली पूंजी को मापने का एक वैकल्पिक तरीका प्रदान करता है.
स्वास्थ्य से संबंधित मुद्दों4,5की एक श्रृंखला में सहकर्मी समर्थन के रूप में ऑनलाइन संसाधनों के उपयोग में लगातार वृद्धि को देखते हुए, इन संसाधनों की गुणवत्ता पर कब्जा करने के लिए नए तरीकों को विकसित करने के लिए आवश्यक है। ऑनलाइन सहकर्मी समर्थन ऑनलाइन मंचों और समुदायों में सामाजिक बातचीत के रूप में होता है. इन ऑनलाइन संदर्भों में सहायक सामाजिक संबंध वसूली पूंजी के निर्माण में योगदान देते हैं, जिसका वसूली प्रक्रिया6,7पर सकारात्मक प्रभाव पड़ता है। प्रस्तावित विधि वैकल्पिक तरीकों पर लाभ के एक नंबर प्रस्तुत करता है. सबसे पहले, यह लत अनुसंधान में आत्म रिपोर्ट उपायों के उपयोग से जुड़े सीमाओं में से कुछ पर काबू पा लिया, विशेष रूप से याद है और आत्म प्रस्तुति पूर्वाग्रहों के आसपास. जबकि आत्म रिपोर्ट उपायों विश्वसनीयता और वैधता के उचित स्तर पर माना जाता है, वे पूर्वाग्रहों और inaccuracies के लिए अतिसंवेदनशील होते हैं. सटीकता बढ़ाने और पूर्वाग्रह को कम करने के लिए, यह माना गया है कि इन मुद्दों से बचने या कम करने के लिए डिज़ाइन किए गए उपन्यास उपायों और डेटा संग्रह स्थितियों के उपयोग को बढ़ाने की आवश्यकता है8. संदर्भों में स्वाभाविक रूप से होने वाली डेटा तक पहुँचने से जहां वसूली के विभिन्न चरणों में लोग सहज रूप से बातचीत करते हैं, और विश्लेषण विधियों का उपयोग करके जो इन डेटा से सार्थक जानकारी निकाल सकते हैं (मनोवैज्ञानिक राज्यों के संकेतकों को कैप्चर करने में सक्षम), सामाजिक वांछनीयता (स्व-प्रस्तुति) और याद में सीमाओं के कारण inaccuracies के कारण पूर्वाग्रहों को कम किया जा सकता है या यहां तक कि समाप्त. दूसरे, इस विधि अत्यधिक कुशल और लागत प्रभावी है, क्योंकि यह पहले से ही मौजूदा ऑनलाइन डेटा की निकासी पर निर्भर करता है (यानी, खुले ऑनलाइन मंचों में है कि सार्वजनिक रूप से सुलभ हैं).
अगले वर्णित विधि है कि एक ऑनलाइन समुदाय में वसूली पूंजी के निर्माण के एक अध्ययन के लिए लागू किया गया था जल्दी वसूली चरणों में नशेड़ी के लिए एक पारंपरिक, आमने-सामने की लत वसूली कार्यक्रम के पूरक हैं. इस मामले में, ऑनलाइन (सामाजिक मीडिया) डेटा प्रोग्राम प्रतिधारण डेटा से जुड़े थे, लेकिन विधि भी मामलों में इस्तेमाल किया जा सकता है जहां लिंकेज डेटा उपलब्ध या सुलभ नहीं है.
Protocol
यहाँ वर्णित अनुसंधान शेफील्ड हॉलम विश्वविद्यालय में अनुसंधान नैतिकता समुदाय द्वारा अनुमोदित किया गया था.
1. सेटअप
नोट: कृपया अनुपूरक फ़ाइल 1के रूप में प्रदान की गई संलग्न R स्क्रिप्ट को देखें.
- R. संकुल में आवश्यक पैकेज (Rfacebook9, dplyr10, igraph11, और openxlsx12) लोड फ़ंक्शन, डेटासेट, या संकलित कोड को संदर्भित करता है जो उपयोगकर्ताओं को डेटा का विश्लेषण करने, रूपांतरित करने या निकालने की अनुमति देता है.
- CSV फ़ाइल से डेटा फ़्रेम के रूप में R में लोड (बाहरी) अवधारण और उपयोगकर्ता डेटा.
नोट: अवधारण डेटा उन दिनों की संख्या को निर्दिष्ट करता है जिनमें ग्राहक ऑफ़लाइन (पारंपरिक) लत वसूली प्रोग्राम में भाग लेता है | यह प्रतिभागी का नाम और वे कार्यक्रम में शामिल किया गया है दिनों की संख्या के साथ एक CSV फ़ाइल पर दर्ज के रूप में (ऑफ़लाइन) वसूली कार्यक्रम के व्यवस्थापक द्वारा प्रदान की गई थी. R में आयात किए जाने से पहले प्रतिभागी का नाम अनाम ID नंबर द्वारा बदल दिया गया था.
2. ऑनलाइन समुदाय से डेटा निष्कर्षण (एक लत वसूली समुदाय के सामाजिक पृष्ठ)
नोट: यह प्रोटोकॉल एक सामाजिक मीडिया पृष्ठ पर लागू होता है, लेकिन यह ऑनलाइन समुदायों के विभिन्न प्रकार के लिए अनुकूलित किया जा सकता है. Rfacebook पैकेज के मामले में, यह उपयोगकर्ता आर में सामाजिक मीडिया पेज से डेटा निकालने के लिए अनुमति देता है
- संदर्भित वेबसाइट13पर गाइड का पालन करके एक सामाजिक मीडिया (फेसबुक) एक्सेस टोकन बनाएँ।
- R में पहुँच टोकन बनाएँ
- Rfacebook से "getGroup" समारोह का उपयोग करना, ब्याज के समुदाय के सामाजिक मीडिया पेज से डेटा निकालने (उदाहरण के लिए, पोस्ट की सामग्री, टिप्पणियों की संख्या और प्रत्येक पोस्ट के लिए पसंद, प्रत्येक पोस्ट के लिए एक अद्वितीय आईडी संख्या, आदि). यह डेटा तब डेटा फ़्रेम के रूप में सहेजा जाता है.
नोट: एक डेटा फ्रेम अनिवार्य रूप से आर के भीतर एक तालिका डेटा को स्टोर करने के लिए प्रयोग किया जाता है। - Rfacebook से "getPosts" फ़ंक्शन का उपयोग करना, चरण 2.3 में निकाली गई पोस्ट आईडी के साथ, पृष्ठ पर की गई पोस्ट के बारे में डेटा निकालें.
- Rfacebook से "getPosts" फ़ंक्शन का उपयोग करना, चरण 2.3 में निकाली गई पोस्ट आईडी के साथ, प्रत्येक पोस्ट पर की गई टिप्पणियों पर डेटा निकालें (उदा., पोस्ट पर टिप्पणी करने वाले लोगों की उपयोगकर्ता आईडी, जब टिप्पणी की गई थी, कितने पोस्ट प्राप्त हुए). यह डेटा तब डेटा फ़्रेम के रूप में सहेजा जाता है.
- चरण 2.5 में निकाली गई टिप्पणी आईडी का उपयोग करना, प्रत्येक पोस्ट पर किए गए "टिप्पणी पसंद" पर डेटा निकालें (उदा., टिप्पणी को पसंद करने वाले लोगों की उपयोगकर्ता आईडी). यह डेटा तब डेटा फ़्रेम के रूप में सहेजा जाता है.
- पोस्ट, पोस्ट पसंद, टिप्पणियाँ और टिप्पणी करें डेटा को एक डेटा फ़्रेम में संयोजित करें.
- मासिक विश्लेषण जोड़ें (यानी, महीने 1 से 8).
3. सामाजिक मीडिया गतिविधि की गणना की और प्रत्येक ग्राहक द्वारा प्राप्त
- प्रत्येक क्लाइंट द्वारा की गई पोस्ट, टिप्पणियाँ, पोस्ट पसंद और टिप्पणी पसंद की संख्या की गणना करें।
- प्रत्येक क्लाइंट द्वारा प्राप्त पोस्ट, टिप्पणियाँ, पोस्ट पसंद और टिप्पणी पसंद की संख्या की गणना करें।
- सामाजिक मीडिया गतिविधि के डेटा फ्रेम में शामिल हों और प्रतिधारण डेटा फ्रेम करने के लिए प्रत्येक ग्राहक द्वारा प्राप्त किया।
- पसंद और कोई पसंद के साथ पोस्ट और टिप्पणियों के बीच अंतर की गणना करें.
- टिप्पणियों और कोई टिप्पणी के साथ पोस्ट के बीच अंतर की गणना करें.
- अवधारण डेटा में पसंद अंतर डेटा में शामिल हों.
- अवधारण डेटा में टिप्पणियाँ अंतर डेटा में शामिल हों.
- प्रत्येक ग्राहक द्वारा किए गए सभी पसंद की गणना।
- प्रत्येक ग्राहक द्वारा प्राप्त सभी पसंद की गणना.
- पहचानें कि किन उपयोगकर्ताओं ने सोशल मीडिया समूह (यानी, कोई गतिविधि नहीं) में भाग नहीं लिया।
4. सामाजिक नेटवर्क विश्लेषण का आयोजन
- एक किनारे सूची बनाएँ. एक बढ़त सूची सामाजिक नेटवर्क है, जो इस मामले में 1) पदों और टिप्पणियों को पसंद करने और 2) पदों पर टिप्पणी पर आधारित है के भीतर संबंधों की एक सूची है. यह डेटासेट में दो स्तंभों को देखकर किया जाता है. पहले कॉलम में पोस्ट करने वाले व्यक्ति की अनाम ID होती है, जबकि दूसरे में पोस्ट को पसंद करने या टिप्पणी करने वाले व्यक्ति की अनाम ID होती है.
- एक शीर्ष सूची बनाएँ. एक शीर्ष सूची समूह में सभी व्यक्तियों की एक सूची है. यह संबंधों की सूची में दो स्तंभों को एक स्तंभ में कनवर्ट करके और डुप्लिकेट अनाम ID को निकाल कर किया जाता है, ताकि केवल अद्वितीय अनाम ID छोड़ दी जाए.
- "graph.data.frame" और igraph पैकेज में "get.adzaency" कार्यों का उपयोग करना, किनारे और शीर्ष सूची से ग्राफ और ग्राफ मैट्रिक्स वस्तुओं बनाएँ.
- igraph पैकेज से "डिग्री" और "betweenness" फ़ंक्शन का उपयोग करना, ऑनलाइन समूह के नेटवर्क आँकड़े (डिग्री और betweenness) प्राप्त करें.
5. LIWC में कम्प्यूटरीकृत भाषाई विश्लेषण का आयोजन
- निर्यात पाठ सामाजिक मीडिया डेटा (यानी, पोस्ट और टिप्पणियाँ) और CSV फ़ाइलों में पोस्ट/
- भाषाई जांच शब्द गणना (LIWC) सॉफ्टवेयर में शाब्दिक सामाजिक मीडिया डेटा की CSV फ़ाइलें आयात करें.
- LIWC श्रेणियों उत्पन्न और नई CSV फ़ाइलों को बचाने के लिए. "Analyze पाठ" पर क्लिक करके ऐसा करें, फिर "Excel/CSV फ़ाइल" पर, और विश्लेषण किए जाने वाले पाठ का चयन करने के लिए पोस्ट और टिप्पणियों वाले स्तंभ पर क्लिक करें। LIWC पाठ डेटा का विश्लेषण पूरा हो गया है के बाद, एक नया CSV फ़ाइल के रूप में आउटपुट सहेजें।
- R में LIWC परिणाम CSV फ़ाइल आयात करें, और मौजूदा डेटा के साथ मर्ज करें. डेटा का मिलान पोस्ट/कमेंट आईडी कॉलम से किया जाता है, जो LIWC और मौजूदा डेटा फ़्रेम्स दोनों में मौजूद होता है।
- पदों और टिप्पणियों में प्रत्येक उपयोगकर्ता के लिए कुल LIWC स्कोर की गणना, तो प्रतिधारण डेटा में शामिल हो.
- सभी शाब्दिक डेटा (पोस्ट और टिप्पणियाँ संयुक्त) में प्रत्येक उपयोगकर्ता के लिए कुल LIWC स्कोर की गणना, तो प्रतिधारण डेटा में शामिल हो.
- NAS अवधारण डेटा डेटा फ़्रेम से निकालें।
6. प्रतिगमन विश्लेषण का आयोजन (यदि ऑनलाइन समुदाय के साथ सगाई के संकेतक ऑफ़लाइन वसूली कार्यक्रम में प्रतिधारण की भविष्यवाणी निर्धारित करने के लिए)
- स्वतंत्र चर निर्धारित करें.
- आधार R में "lm" फ़ंक्शन का उपयोग करके, अवधारण डेटा को अवधारण डेटा को निर्भर चर के रूप में और LIWC श्रेणियों, टिप्पणियों, पोस्ट पसंद और स्वतंत्र चर के रूप में टिप्पणी पसंद का उपयोग करके रेखीय प्रतिगमन विश्लेषण का संचालन करें.
- प्रतिगमन विश्लेषण परिणामों को एक डेटा फ़्रेम में संयोजित करें.
7. मासिक SNA नक्शे बनाना
- SNA मानचित्र के लिए डेटा फ़्रेम तैयार करें.
- मासिक संचयी सामाजिक मीडिया गतिविधि के आधार पर एक बढ़त सूची बनाएँ।
- मासिक संचयी सामाजिक मीडिया गतिविधि के आधार पर एक शीर्ष सूची बनाएँ।
- मासिक संचयी सामाजिक मीडिया गतिविधि के आधार पर रेखांकन और ग्राफ matrices बनाएँ.
- संचयी सामाजिक मीडिया गतिविधि के आधार पर SNA नक्शे का लेआउट सेट करें।
- उपयोगकर्ता भूमिकाओं के आधार पर रंग जोड़ें.
- SNA मानचित्र बनाएँ और उन्हें किसी फ़ाइल में सहेजें.
8. सामाजिक मीडिया समूह की मासिक संचयी सामाजिक मीडिया गतिविधि की गणना
- कर्मचारियों, ग्राहकों, और सामाजिक मीडिया समूह के अन्य सदस्यों द्वारा मासिक संचयी सामाजिक मीडिया गतिविधि की गणना।
- सामाजिक मीडिया समूह के सभी सदस्यों द्वारा मासिक संचयी सामाजिक मीडिया गतिविधि की गणना।
- मासिक संचयी सामाजिक मीडिया गतिविधि डेटा फ़्रेम्स को एक साथ शामिल करें.
Representative Results
इस विधि का उपयोग करके प्राप्त किए गए प्रतिनिधि परिणामों का विस्तृत विवरण हमारे हाल के कार्य14में पाया जा सकता है, जिसकी समीक्षा की गई थी और उस संस्थान की अनुसंधान नैतिकता समिति से पूर्ण अनुमोदन प्राप्त किया गया था जिस पर अनुसंधान किया गया था। यहाँ वर्णित रिपोर्ट में, अध्ययन की जांच की है कि क्या वसूली के एक समुदाय में ऑनलाइन भागीदारी वसूली पूंजी निर्माण के माध्यम से वसूली की प्रक्रिया में योगदान देता है (के रूप में वृद्धि के स्तर और ऑनलाइन सामाजिक बातचीत की गुणवत्ता द्वारा कब्जा कर लिया और सकारात्मक पहचान विकास). दूसरे शब्दों में, अध्ययन की जांच की है कि क्या ऑनलाइन वसूली पूंजी के संकेतक ऑनलाइन डेटा का मूल्यांकन के आठ महीनों में विकसित की है और यह भी एक वसूली के प्रारंभिक चरणों में नशेड़ी के लिए समुदाय की भागीदारी को बढ़ावा देने के लिए डिजाइन कार्यक्रम में प्रतिधारण की भविष्यवाणी की पुनर्प्राप्ति.
नक्शा कैसे प्रतिभागियों ऑनलाइन बातचीत की, सामाजिक नेटवर्क विश्लेषण (SNA) सामाजिक मीडिया पृष्ठ से निकाले गए डेटा का उपयोग कर (एन $ 609) एक वसूली समुदाय के आयोजित किया गया था. सामाजिक नेटवर्क और इसके विकास का एक दृश्य निरूपण चित्र 1में प्रस्तुत किया गया है। आंकड़ा ऑनलाइन समुदाय में गतिविधि दिखाता है ऑनलाइन समुदाय में सभी प्रतिभागियों के बीच कनेक्शन के रूप में 8 महीने की अवधि के लिए हर महीने मनाया (यानी, पदों पर टिप्पणी, पदों को पसंद है, और टिप्पणियों को पसंद). एक "एजेंट" नेटवर्क में कनेक्शन की संख्या निर्धारित करता है कि कैसे केंद्रीय वे सामाजिक नेटवर्क में हो जाएगा। कंप्यूटरीकृत भाषाई विश्लेषण पाठ डेटा (सामाजिक पहचान मार्करों पर कब्जा) का आकलन करने के लिए इस्तेमाल किया गया था, और रैखिक प्रतिगमन विश्लेषण वसूली पूंजी की भविष्यवाणी कार्यक्रम प्रतिधारण के संकेतक निर्धारित करने के लिए आयोजित किया गया था। इन विश्लेषणों से संकेत मिलता है कि कार्यक्रम प्रतिधारण वास्तव में द्वारा भविष्यवाणी की थी: (क) टिप्पणी पसंद के रूप में प्राप्त समूह सत्यापन के स्तर और सभी पसंद सामाजिक मीडिया पृष्ठ पर प्राप्त, (ख) सामाजिक नेटवर्क में स्थिति (नेटवर्क केंद्रीयता), और (ग) समूह पहचान और उपलब्धि (के रूप में ऑनलाइन संचार के भाषाई सामग्री द्वारा कब्जा कर लिया). परिणाम तर्क है कि, समग्र, एक ऑनलाइन वसूली समुदाय के सदस्यों के बीच सकारात्मक सामाजिक बातचीत वसूली की प्रक्रिया का समर्थन कर रहे हैं समर्थन किया. उन निष्कर्षों का सारांश नीचे प्रस्तुत किया गया है.
चित्र 1: 8 महीने से अधिक ऑनलाइन समुदाय के सामाजिक नेटवर्क के मासिक अभ्यावेदन प्रतिभागियों के बीच सामाजिक संबंधों के पैटर्न में परिवर्तन का सुझाव देते हैं। इन अभ्यावेदन वर्णन कैसे शुरू में, ऑनलाइन समुदाय में ग्राहक के सदस्यों के अधिकांश (ऑफ़लाइन वसूली कार्यक्रम के ग्राहकों) ज्यादातर काट रहे हैं, और यह कार्यक्रम स्टाफ और ग्राहकों को जो ऑनलाइन गतिविधि ड्राइव की केवल एक छोटी संख्या है. हालांकि, यह धीरे-धीरे बदलता है, ताकि 8 महीने के बाद, ग्राहकों को सबसे अधिक जुड़े हैं (इसलिए सबसे केंद्रीय), नेटवर्क में कनेक्शन की सबसे अधिक संख्या के साथ (आंकड़ा एक पिछले प्रकाशन से अनुकूलित है)14. कृपया इस चित्र का एक बड़ा संस्करण देखने के लिए यहाँ क्लिक करें.
वर्णनात्मक आँकड़े
ऑनलाइन समुदाय के साथ सगाई के प्रतिभागियों के स्तर पदों की संख्या के रूप में ऑनलाइन समुदाय में सभी प्रतिभागियों के योगदान कंप्यूटिंग द्वारा मापा गया, टिप्पणियाँ, और कर्मचारियों, ग्राहकों द्वारा किए गए पसंद, और व्यापक समुदाय के सदस्यों. तालिका 1 8 महीनों में योगदान के प्रकार (भागीदार की प्रत्येक श्रेणी द्वारा किए गए अनुसार) द्वारा एक टूटने प्रस्तुत करता है।
| समूह के सदस्य | ऑनलाइन योगदान का प्रकार | महीना 1 | महीना 2 | महीना 3 | महीना 4 | महीना 5 | महीना 6 | महीना 7 | महीना 8 |
| सभी | पोस्ट और टिप्पणियाँ | 382 | 388 (770) | 579 (1349) | 369 (1718) | 530 (2248) | 581 (2829) | 796 (3625) | 674 (4299) |
| पोस्ट पसंद दी गई | 1167 | 878 (2045) | 1856 (3901) | 1440 (5341) | 1880 (7221) | 1756 (8977) | 2667 (11644) | 1857 (13501) | |
| टिप्पणी दी पसंद | 784 | 970 (1604) | 825 (2429) | 171 (2600) | 634 (3234) | 970 (4204) | 825 (5029) | 171 (5200) | |
| स्टाफ़ | पोस्ट और टिप्पणियाँ | 129 | 106 (235) | 170 (405) | 96 (501) | 185 (686) | 176 (862) | 227 (1089) | 316 (1405) |
| पोस्ट पसंद दी गई | 188 | 147 (335) | 302 (637) | 209 (846) | 385 (1231) | 372 (1603) | 567 (2170) | 511 (2681) | |
| टिप्पणी दी पसंद | 168 | 303 (471) | 237 (708) | 69 (777) | 168 (945) | 303 (1248) | 237 (1485) | 69 (1554) | |
| ग्राहकों | पोस्ट और टिप्पणियाँ | 145 | 155 (300) | 214 (514) | 132 (646) | 208 (854) | 286 (1140) | 419 (1559) | 253 (1812) |
| पोस्ट पसंद दी गई | 365 | 252 (617) | 415 (1032) | 303 (1335) | 549 (1884) | 529 (2413) | 898 (3311) | 576 (3887) | |
| टिप्पणी दी पसंद | 143 | 318 (461) | 235 (696) | 33 (729) | 143 (872) | 318 (1190) | 235 (1425) | 33 (1458) | |
| दूसरों | पोस्ट और टिप्पणियाँ | 108 | 127 (235) | 195 (430) | 141 (571) | 137 (708) | 119 (827) | 150 (977) | 105 (1082) |
| पोस्ट पसंद दी गई | 614 | 479 (1093) | 1139 (2232) | 928 (3160) | 946 (4106) | 855 (4961) | 1202 (6163) | 770 (6933) | |
| टिप्पणी दी पसंद | 473 | 349 (672) | 353 (1025) | 69 (1094) | 323 (1417) | 349 (1766) | 353 (2119) | 69 (2188) |
तालिका1: दिखाया प्रकार के द्वारा ऑनलाइन योगदान की संख्या है (पोस्ट और टिप्पणी की, पदों को दिया पसंद है, और टिप्पणियों को दिया पसंद) भर में 8 महीने पर ऑनलाइन समुदाय के सदस्यों द्वारा. ऑनलाइन समुदाय के सदस्यों को स्टाफ के रूप में वर्गीकृत कर रहे हैं (ऑफ़लाइन वसूली कार्यक्रम द्वारा नियोजित समर्थन स्टाफ), ग्राहकों (पुनर्प्राप्त करने में लोग जो ऑफ़लाइन वसूली कार्यक्रम में भाग ले रहे हैं), और दूसरों (समर्थकों और समर्थक वसूली अधिवक्ताओं से व्यापक समुदाय).
कार्यक्रम में प्रतिधारण के निर्धारक
निम्न परिकल्पनाओं का परीक्षण किया गया: (1) प्रोग्राम अवधारण वसूली पूंजी विकास के संकेतकों के साथ संबद्ध होना चाहिए (यानी, मात्रा और ऑनलाइन इंटरैक्शन की गुणवत्ता में परिलक्षित), और (2) प्रोग्राम अवधारण भी के साथ संबद्ध होना चाहिए पहचान परिवर्तन के संकेतक, (यानी, सकारात्मक वसूली पहचान विकास के संकेतक). ऑनलाइन बातचीत की मात्रा a) किए गए पदों की संख्या द्वारा संकेत दिया गया था, ख) टिप्पणियों की संख्या, ग) प्राप्त पोस्ट पसंद की संख्या, घ) प्राप्त टिप्पणी पसंद की संख्या, और ई) प्राप्त सभी पसंद की संख्या.
ऑनलाइन बातचीत की गुणवत्ता निर्धारित करने के लिए, नेटवर्क संरचना और भाषा सामग्री का विश्लेषण किया गया. अधिक विशेष रूप से, डिग्री और सामाजिक नेटवर्क विश्लेषण (SNA) और सकारात्मक कम्प्यूटरीकृत भाषाई विश्लेषण से व्युत्पन्न प्रभावित के भाषाई संकेतकों से व्युत्पन्न डिग्री और betweenness गुणांक ों का इस्तेमाल किया गया. सकारात्मक पहचान परिवर्तन के संकेतक के रूप में (पुनर्प्राप्ति समुदाय के साथ पहचान के रूप में) सर्वनाम के उपयोग की आवृत्ति "हम" और उपलब्धि शब्दों (जैसे, प्रयास, लक्ष्य, जीत, आदि) का उपयोग किया गया. अंत में, निर्भर चर (कार्यक्रम में प्रतिधारण) कार्यक्रम में बिताए दिनों की कुल संख्या द्वारा संकेत दिया गया था (86 से 464 दिनों के लिए यहाँ). जैसा कि परिणामों द्वारा दिखाया गया है, ऑनलाइन इंटरैक्शन और इन-ग्रुप मान्यता के स्तर(पोस्ट और टिप्पणियों के लिए प्राप्त पसंद की संख्या से परिलक्षित होते हैं) ने प्रोग्राम अवधारण की भविष्यवाणी की (तालिका 2). कार्यक्रम प्रतिधारण भी पहचान मार्करों द्वारा भविष्यवाणी की थी (के रूप में सर्वनाम के उपयोग के द्वारा कब्जा कर लिया "हम" पदों में और दोनों पदों और टिप्पणियों में उपलब्धि शब्दों की). अंत में, जहां प्रतिभागियों सामाजिक नेटवर्क के भीतर स्थित हैं (यानी, केंद्रीयता की डिग्री) भी प्रतिधारण का एक महत्वपूर्ण पहलू का प्रतिनिधित्व करता है (तालिका2).
| चर | बी | एसई | Β | आर2 |
| टिप्पणी प्राप्त पसंद | 0.43 | 0.18 | .47* | 0.22 |
| पसंद प्राप्त (सभी) | 0.08 | 0.03 | .43* | 0.18 |
| टिप्पणी की तरह अंतर | १.०९ | 0.5 | .43* | 0.19 |
| नेटवर्क डिग्री | 0.01 | 0 | .43* | 0.18 |
| LIWC हम (पोस्ट) | 3.89 | 1.76 | .43* | 0.19 |
| LIWC उपलब्धि (पोस्ट) | 0.56 | 0.26 | .43* | 0.18 |
| LIWC उपलब्धि (सभी) | 0.14 | 0.07 | .42* | 0.17 |
तालिका2: अवधारण समय के रूप में ऑनलाइन सगाई, नेटवर्क आँकड़े, और भाषाई श्रेणियों द्वारा भविष्यवाणी की.
Discussion
यहाँ वर्णित दृष्टिकोण कैसे ऑनलाइन समूह प्रक्रियाओं एक लत वसूली कार्यक्रम में प्रतिधारण को प्रभावित कर सकते हैं मापने की एक नई विधि पर आधारित है. लत से वसूली के एक ऑनलाइन समुदाय के लिए इस विधि को लागू करने, यह पाया गया कि वहाँ चार प्रमुख पहलुओं कार्यक्रम प्रतिधारण की भविष्यवाणी की: अत्यधिक ऑनलाइन समुदाय में शामिल किया जा रहा है, ऑनलाइन सामाजिक नेटवर्क में केंद्रीय जा रहा है, सकारात्मक प्रभावित व्यक्त ऑनलाइन समुदाय के अन्य सदस्यों के साथ संचार में, और नेटवर्क14में योगदान के लिए दूसरों से सत्यापन प्राप्त . इस विधि का उपयोग करके प्राप्त निष्कर्ष वसूली के मौजूदा सैद्धांतिक मॉडल का समर्थन करते हैं। अर्थात, वसूली साहित्य में दो प्रमुख मॉडल, वसूली15 के सामाजिक पहचान मॉडल और सेसेशन रखरखाव16के सामाजिक पहचान मॉडल , दोनों समूहों में सक्रिय भागीदारी के महत्व पर जोर देते हैं जो समर्थन कर रहे हैं पुनर्प्राप्ति. दोनों मॉडल का सुझाव है कि वृद्धि की पहचान और ऐसे समूहों के लिए प्रतिबद्धता समूहों और परिणामस्वरूप पतन का उपयोग कर के साथ भविष्य के संपर्क को कम करने के लिए योगदान.
जैसा कि हमारे शोध में दिखाया गया है, इस विधि ने हमें ऑनलाइन समुदाय14के अलग-अलग सदस्यों की वसूली या परिवर्तन के त्रासदियों का नक्शा बनाने की अनुमति दी। ऑनलाइन सामाजिक नेटवर्क के दृश्य और समय के साथ उनके विकास के नेटवर्क के केंद्र और उपाध्यक्ष के लिए परिधि से ऑनलाइन समुदाय के सदस्यों के आंदोलन के बारे में बहुमूल्य जानकारी प्रदान कर सकते हैं (नेटवर्क में इन आंदोलनों से संकेत मिलता है ऑनलाइन समुदाय के साथ सहभागिता के स्तर में परिवर्तन). एक 2017 अध्ययन14में , ऑनलाइन समुदाय के सदस्यों के साथ साक्षात्कार जो परिधि से नेटवर्क के केंद्र में आंदोलन के मामले में सबसे महत्वपूर्ण परिवर्तन किए गए हमारे निष्कर्षों SNA के आधार पर triangulating के एक तरीके के रूप में आयोजित किया गया, कम्प्यूटरीकृत भाषाई विश्लेषण, और अवधारण डेटा के खिलाफ प्रतिगमन. भविष्य के अध्ययन के बजाय उन सदस्यों को जो ऑनलाइन समुदाय के साथ disengaged बन गया पर ध्यान केंद्रित कर सकते हैं, जो कभी नहीं लगे, या इस तरह के पदार्थ का उपयोग करें और reoffending के रूप में परिणाम के अधिक प्रत्यक्ष उपायों पर. इस पद्धति को आगे ठीक करने के लिए हस्तक्षेप कार्यक्रमों में इस्तेमाल किया जा, उदाहरण के लिए, मदद मंचों में मध्यस्थों की भूमिका का आकलन करने के लिए कर सकते हैं.
वर्तमान में कोई अध्ययन यहाँ वर्णित विधि के लाभों पर सबूत उपलब्ध कराने जब खुद के द्वारा इस्तेमाल कर रहे हैं (विधि वर्णित प्रतिधारण डेटा के साथ संयोजन के रूप में इस्तेमाल किया गया था और कुंजी ऑनलाइन समुदाय के साथ साक्षात्कार से गुणात्मक डेटा के साथ triangulated सदस्य14),लेकिन इस दृष्टिकोण सटीक और पूर्वाग्रह से मुक्त डेटा है कि स्वयं की रिपोर्ट और लत वसूली के अध्ययन में अन्य उपायों के पूरक कर सकते हैं प्रदान कर सकते हैं.
इस विधि के लिए एक सामाजिक मीडिया एक मानक, आमने-सामने वसूली कार्यक्रम के लिए समर्थन के एक पूरक रूप के रूप में स्थापित पृष्ठ के संदर्भ में ऑनलाइन सामाजिक बातचीत की जांच करने के लिए लागू किया गया था. हालांकि, मामूली परिवर्तन के साथ, विधि ऑनलाइन समुदायों के अन्य प्रकार (ऑनलाइन मंचों, चर्चा समूहों, चैट रूम, टिप्पणी वेबसाइटों, आदि) में ऑनलाइन सामाजिक बातचीत की जांच करने के लिए इस्तेमाल किया जा सकता है. इस विधि के प्रमुख लाभ में से एक यह है कि यह अनुकूलित किया जा सकता है और किसी भी ऑनलाइन समुदाय के लिए लत वसूली के समुदायों से परे संदर्भों के लिए लागू किया. उदाहरण के लिए, हमारे अपने राजनीतिक मनोविज्ञान अनुसंधान में, हम एक समान विधि का उपयोग करें (यहाँ वर्णित विधि से विकसित) ऑनलाइन बातचीत और दूर सही ऑनलाइन समुदायों के सदस्यों के बीच इन बातचीत में परिवर्तन की गुणवत्ता पर कब्जा करने के लिए. वास्तव में, विधि किसी भी ऑनलाइन समुदाय है जिसमें सदस्यों के बीच कनेक्शन के रूप में डेटा (सामाजिक नेटवर्क लिंकेज के रूप में) और भाषाई सामग्री निकाला जा सकता है के लिए लागू किया जा सकता है.
हालांकि, ऑनलाइन डेटा तक पहुँचने और काम करने में, शोधकर्ताओं को नैतिक मुद्दों के बारे में पता होना चाहिए, कुछ जो सामान्य रूप से स्वयं की रिपोर्ट और अन्य प्रकार के डेटा पर लागू होते हैं और कुछ जो केवल एक ऑनलाइन वातावरण में सामना कर रहे हैं। यहाँ वर्णित अनुसंधान में (जो शेफील्ड हॉलम विश्वविद्यालय में अनुसंधान नैतिकता समुदाय द्वारा अनुमोदित किया गया था), सहमति वसूली कार्यक्रम के प्रबंधन संगठन से प्राप्त किया गया था, और सख्त उपाय के लिए पूर्ण गुमनामी सुनिश्चित करने के लिए लिया गया खुले सामाजिक मीडिया पृष्ठ में प्रतिभागियों (जैसे, ऑनलाइन और प्रतिधारण डेटा मिलान के बाद, सभी पहचान जानकारी फ़ाइलों से निकाल दिया गया था और यह भी कोई संभावित स्वयं की पहचान उद्धरण सार्वजनिक रूप से सुलभ ऑनलाइन संचार से इस्तेमाल किया गया).
संगठन के साथ निकट संचार भी सुनिश्चित किया है कि कार्यक्रम में प्रतिभागियों के अध्ययन और अनुसंधान निष्कर्षों के बारे में पता थे, और शोधकर्ताओं में से एक समूह के साथ नियमित रूप से मुलाकात की अध्ययन और उसके परिणामों की व्याख्या. अन्य मामलों में, हालांकि, जहां ऑनलाइन समुदाय विशिष्ट ऑफ़लाइन प्रोग्राम के साथ संबद्ध नहीं हैं, यह निर्धारित करना कठिन हो सकता है कि डेटा निष्कर्षण के बारे में सहमति के लिए किसे कहा जाना चाहिए (विशेष रूप से बिना किसी कारण वाले मंचों में लागू, जहां लोग पुनर्प्राप्ति में होते हैं ऑनलाइन सहकर्मी समर्थन की तलाश). जबकि नैतिक अनुसंधान के सामान्य सिद्धांत लागू होंगे, शोधकर्ताओं को यह सुनिश्चित करने के लिए मामला-द्वारा-मामला दृष्टिकोण अपनाने की आवश्यकता है कि ऑनलाइन डेटा की निकासी और विश्लेषण प्रतिभागियों के लिए कोई महत्वपूर्ण जोखिम पैदा नहीं करता है (उदा., गोपनीयता से समझौता करना)।
Disclosures
लेखकों को खुलासा करने के लिए कुछ भी नहीं है.
Acknowledgments
हम ग्राहकों और नौकरियां, दोस्तों और मकान, ब्रिटेन, जो समर्थन किया और हमारे अनुसंधान में भाग लेने के लिए सहमत के कर्मचारियों के लिए आभारी हैं.
Materials
| Name | Company | Catalog Number | Comments |
| LIWC software | Receptiviti | https://liwc.wpengine.com/ | computerised linguistic analysis software |
| R software | n/a | https://www.r-project.org/ | free statistical and data visualisation sofware |
References
- Cloud, W., Granfield, R. Conceptualizing recovery capital: Expansion of a theoretical construct. Substance Use and Misuse. 43, 1971-1986 (2008).
- Best, D., et al. Mapping the recovery stories of drinkers and drug users in Glasgow: Quality of life and its associations with measures of recovery capital. Drug and Alcohol Review. 31 (3), 334-341 (2012).
- Laudet, A. B., White, W. L. Recovery capital as prospective predictor of sustained recovery, life satisfaction, and stress among former poly-substance users. Substance Use and Misuse. 43 (1), 27-54 (2008).
- Moorhead, S. A., et al. A new dimension of health care: systematic review of the uses, benefits, and limitations of social media for health communication. Journal of Medical Internet Research. 15, e85 (2013).
- White, M., Dorman, S. M. Receiving social support online: implications for health education. Health Education Research. 16, 693-707 (2001).
- Best, D., Bliuc, A. M., Iqbal, M., Upton, K., Hodgkins, S. Mapping social identity change in online networks of addiction recovery. Addiction Research and Theory. 26 (3), 163-173 (2018).
- Bliuc, A. M., Best, D., Beckwith, M., Iqbal, M. Online support communities in addiction recovery. Addiction, behavioral change and social identity: The path to resilience and recovery. , 137 (2016).
- Del Boca, F. K., Darkes, J. The validity of self‐reports of alcohol consumption: state of the science and challenges for research. Addiction. 98, 1-12 (2003).
- Barbera, P. Package ‘Rfacebook’. , Available from: https://cran.r-project.org/web/packages/Rfacebook/Rfacebook.pdf (2017).
- Wickham, H., François, R., Henry, L., Müller, K. Package ‘dplyr’. , Available from: https://cran.r-project.org/web/packages/dplyr/dplyr.pdf (2018).
- Csárdi, G. Package ‘igraph’. , Available from: https://cran.r-project.org/web/packages/igraph/igraph.pdf (2018).
- Walker, A., Braglia, L. Package ‘openxlsx’. , Available from: https://cran.r-project.org/web/packages/openxlsx/openxlsx.pdf (2018).
- How to get a Facebook access token which never expires. , Available from: https://smashballoon.com/custom-facebook-feed/access-token/ (2018).
- Bliuc, A. M., Best, D., Iqbal, M., Upton, K. Building addiction recovery capital through online participation in a recovery community. Social Science and Medicine. 193, 110-117 (2017).
- Best, D., et al. Overcoming alcohol and other drug addiction as a process of social identity transition: The Social Identity Model of Recovery (SIMOR). Addiction Research and Theory. 24, 111-123 (2016).
- Frings, D., Albery, I. P. The social identity model of cessation maintenance: Formulation and initial evidence. Addictive Behaviors. 44, 35-42 (2015).
