Name: コンピュータ化された言語分析とソーシャルネットワーク分析を統合し、オンラインコミュニティにおける依存症回復資本を獲得 (動画) | JoVE Journal
Uploaded: 2019-05-31T12:30:00.000+00:00
Duration: 8 min 53 s
Description: 学ぶコンピュータ化言語分析とソーシャルネットワーク分析を統合した手法で、薬物・アルコール依存症のオンライン回復コミュニティにおける暗黙的な回復指標を測定し、参加動態とプログラム継続性の関係を解明する。

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

私たちは、私たちの研究に参加することを支持し、同意したジョブ、友人と家、英国のクライアントとスタッフに感謝しています。

ここで説明する研究は、シェフィールド・ハラム大学の研究倫理コミュニティによって承認されました.
1. セットアップ
注:補足ファイル 1として提供されている添付の R スクリプトを参照してください。
<ol><li>R. パッケージの必須パッケージ (Rfacebook9、 dplyr10、 igraph11、 openxlsx12)の読み込みは、ユーザーがデータを分析、変換、または抽出できるようにする関数、データセット、またはコンパイル済みコードを参照します。</li>
	<li>CSV ファイルからデータ フレームとして (外部) 保持データとユーザー データを R に読み込みます。 注: 保持データとは、クライアントがオフライン (従来の) 依存症回復プログラムに参加する日数を指します。これは、参加者名とプログラムに関与した日数を持つ CSV ファイルに記録された (オフライン) 回復プログラムの管理者によって提供されました。参加者名は、R にインポートされる前に匿名 ID 番号に置き換えられました。</li>
</ol>2. オンラインコミュニティからのデータ抽出(依存症回復コミュニティのソーシャルページ)
注: このプロトコルはソーシャル メディア ページに適用されますが、さまざまな種類のオンライン コミュニティに適応できます。Rfacebook パッケージの場合、ユーザーはソーシャル メディア ページから R にデータを抽出できます。
<ol><li>参照されているウェブサイト13のガイドに従って、ソーシャルメディア(Facebook)アクセストークンを作成します。</li>
	<li>R でアクセス トークンを作成します。</li>
	<li>Rfacebookの「getGroup」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ます(投稿の内容、各投稿のコメント数や「いいね」、投稿ごとに一意のID番号など)。このデータはデータ フレームとして保存されます。 注: データ フレームは、基本的に、データの格納に使用される R 内のテーブルです。</li>
	<li>Rfacebookの「getPosts」機能を使用し、ステップ2.3で抽出された投稿された投稿されたDと共に、ページ上で行われた投稿に関するデータを抽出します。</li>
	<li>Rfacebookの「getPosts」機能を使用して、ステップ2.3で抽出された投稿された投稿されたイドと共に、各投稿に対して行われたコメントのデータを抽出します(例えば、投稿にコメントをコメントするユーザーのユーザーのユーザーのユーザーの誰も、コメントが行われたときに、投稿が受け取った数のいいね)。このデータはデータ フレームとして保存されます。</li>
	<li>ステップ2.5で抽出したコメント付きコメントを使用して、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ます(例えば、コメントを好む人のユーザーのユーザーの一部)。このデータはデータ フレームとして保存されます。</li>
	<li>投稿、投稿の「いいね」、コメント、コメントを 1 つのデータ フレームに結合します。</li>
	<li>毎月の内訳 (月 1 から 8) を追加します。</li>
</ol>3. 各クライアントが行い、受け取ったソーシャルメディア活動の計算
<ol><li>各クライアントが行った投稿、コメント、投稿の「いいね」やコメントの数を計算します。</li>
	<li>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」やコメントの数を計算します。</li>
	<li>各クライアントが行って受信したソーシャル メディア アクティビティのデータ フレームを保持データ フレームに結合します。</li>
	<li>「いいね」と「いいね」を持つ投稿とコメントの違いを計算します。</li>
	<li>コメントとコメントのない投稿の差を計算します。</li>
	<li>「いいね」の差分データを保持データに結合します。</li>
	<li>コメント差分データを保持データに結合します。</li>
	<li>各クライアントによって作られたすべての同類を計算します。</li>
	<li>各クライアントが受け取ったすべての「いいね」を計算します。</li>
	<li>どのユーザーがソーシャル メディア グループに参加していないか (つまり、活動がない) を特定します。</li>
</ol>4. ソーシャルネットワーク解析の実施
<ol><li>エッジ リストを作成します。エッジリストはソーシャルネットワーク内の関係のリストであり、この場合は1)好きな投稿やコメント、2)投稿へのコメントに基づいています。これは、データセット内の 2 つの列を調えることによって行われます。最初の列には投稿を作成したユーザーの匿名 ID が含み、2 番目の列には投稿に好きなユーザーまたはコメントするユーザーの匿名 ID が含まれます。</li>
	<li>頂点リストを作成します。頂点リストは、グループ内のすべての個人のリストです。これは、リレーションシップの一覧にある 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、一意の匿名 ID だけが残るようにすることで行われます。</li>
	<li>igraph パッケージの "graph.data.frame" 関数と "get."隣接関数を使用して、エッジリストと頂点リストからグラフマトリックスオブジェクトを作成します。</li>
	<li>igraphパッケージから「度」関数と「間」関数を使用して、オンライングループのネットワーク統計(度と間)を取得します。</li>
</ol>5. LIWCにおけるコンピュータ言語分析の実施
<ol><li>テキストのソーシャルメディアデータ(投稿やコメント)と投稿/コメントID列をCSVファイルにエクスポートします。</li>
	<li>テキストソーシャルメディアデータのCSVファイルを言語照会ワードカウント(LIWC)ソフトウェアにインポートします。</li>
	<li>LIWC カテゴリを生成し、新しい CSV ファイルに保存します。これを行うには、「テキストの分析」をクリックし、「Excel/CSVファイル」をクリックし、投稿とコメントを含む列をクリックして分析するテキストを選択します。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。</li>
	<li>LIWC 結果 CSV ファイルを R にインポートし、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ポスト/コメント ID 列と照合されます。</li>
	<li>投稿とコメントの各ユーザーの LIWC スコアの合計を計算し、保持データに参加します。</li>
	<li>すべてのテキスト データ (投稿とコメントを組み合わせた) で各ユーザーの LIWC スコアの合計を計算し、保持データに結合します。</li>
	<li>保持データ・データ・フレームから NA を削除します。</li>
</ol>6. 回帰分析の実施(オンラインコミュニティとのエンゲージメント指標がオフライン回復プログラムの保持を予測するかどうかを判断する)
<ol><li>独立変数を定義します。</li>
	<li>基本Rの「lm」関数を使用して、保持データを従属変数として使用して線形回帰分析を行い、LIWCカテゴリ、コメント、投稿好き、コメントを独立変数として実行します。</li>
	<li>回帰分析結果を 1 つのデータ フレームに結合します。</li>
</ol>7. 毎月の SNA マップの作成
<ol><li>SNA マップ用のデータ フレームを準備します。</li>
	<li>毎月の累積的なソーシャル 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。</li>
	<li>毎月の累積的なソーシャル メディア アクティビティに基づいて頂点リストを作成します。</li>
	<li>毎月の累積的なソーシャルメディア活動に基づいてグラフとグラフ行列を作成します。</li>
	<li>累積的なソーシャル メディアアクティビティに基づいて SNA マップのレイアウトを設定します。</li>
	<li>ユーザー ロールに基づいて色を追加します。</li>
	<li>SNA マップを作成し、ファイルに保存します。</li>
</ol>8. ソーシャルメディアグループの月間累積ソーシャルメディア活動の計算
<ol><li>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 アクティビティを計算します。</li>
	<li>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毎月の累積ソーシャル メディア アクティビティを計算します。</li>
	<li>毎月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一緒に参加します。</li>
</ol>

<ol><li>Cloud, W., Granfield, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Conceptualizing+recovery+capital%3A+Expansion+of+a+theoretical+construct%5BTitle%5D)+AND+%22Substance+Use+and+Misuse%22%5BJournal%5D)">Conceptualizing recovery capital: Expansion of a theoretical construct.</a> Substance Use and Misuse. 43, 1971-1986 (2008).</li>
<li>Best, D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Mapping+the+recovery+stories+of+drinkers+and+drug+users+in+Glasgow%3A+Quality+of+life+and+its+associations+with+measures+of+recovery+capital%5BTitle%5D)+AND+%22Drug+and+Alcohol+Review%22%5BJournal%5D)">Mapping the recovery stories of drinkers and drug users in Glasgow: Quality of life and its associations with measures of recovery capital.</a> Drug and Alcohol Review. 31 (3), 334-341 (2012).</li>
<li>Laudet, A. B., White, W. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Recovery+capital+as+prospective+predictor+of+sustained+recovery%2C+life+satisfaction%2C+and+stress+among+former+poly-substance+users%5BTitle%5D)+AND+%22Substance+Use+and+Misuse%22%5BJournal%5D)">Recovery capital as prospective predictor of sustained recovery, life satisfaction, and stress among former poly-substance users.</a> Substance Use and Misuse. 43 (1), 27-54 (2008).</li>
<li>Moorhead, S. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+new+dimension+of+health+care%3A+systematic+review+of+the+uses%2C+benefits%2C+and+limitations+of+social+media+for+health+communication%5BTitle%5D)+AND+%22Journal+of+Medical+Internet+Research%22%5BJournal%5D)">A new dimension of health care: systematic review of the uses, benefits, and limitations of social media for health communication.</a> Journal of Medical Internet Research. 15, e85(2013).</li>
<li>White, M., Dorman, S. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Receiving+social+support+online%3A+implications+for+health+education%5BTitle%5D)+AND+%22Health+Education+Research%22%5BJournal%5D)">Receiving social support online: implications for health education.</a> Health Education Research. 16, 693-707 (2001).</li>
<li>Best, D., Bliuc, A. M., Iqbal, M., Upton, K., Hodgkins, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Mapping+social+identity+change+in+online+networks+of+addiction+recovery%5BTitle%5D)+AND+%22Addiction+Research+and+Theory%22%5BJournal%5D)">Mapping social identity change in online networks of addiction recovery.</a> Addiction Research and Theory. 26 (3), 163-173 (2018).</li>
<li>Bliuc, A. M., Best, D., Beckwith, M., Iqbal, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Online+support+communities+in+addiction+recovery%5BTitle%5D)+AND+%22Addiction%2C+behavioral+change+and+social+identity%3A+The+path+to+resilience+and+recovery%22%5BJournal%5D)">Online support communities in addiction recovery.</a> Addiction, behavioral change and social identity: The path to resilience and recovery. , 137(2016).</li>
<li>Del Boca, F. K., Darkes, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+validity+of+self%E2%80%90reports+of+alcohol+consumption%3A+state+of+the+science+and+challenges+for+research%5BTitle%5D)+AND+%22Addiction%22%5BJournal%5D)">The validity of self‐reports of alcohol consumption: state of the science and challenges for research.</a> Addiction. 98, 1-12 (2003).</li>
<li>Barbera, P. Package ‘Rfacebook’. , Available from:
 <a target="_blank" href="https://cran.r-project.org/web/packages/Rfacebook/Rfacebook.pdf">https://cran.r-project.org/web/packages/Rfacebook/Rfacebook.pdf</a> (2017).</li>
<li>Wickham, H., François, R., Henry, L., Müller, K. Package ‘dplyr’. , Available from:
 <a target="_blank" href="https://cran.r-project.org/web/packages/dplyr/dplyr.pdf">https://cran.r-project.org/web/packages/dplyr/dplyr.pdf</a> (2018).</li>
<li>Csárdi, G. Package ‘igraph’. , Available from:
 <a target="_blank" href="https://cran.r-project.org/web/packages/igraph/igraph.pdf">https://cran.r-project.org/web/packages/igraph/igraph.pdf</a> (2018).</li>
<li>Walker, A., Braglia, L. Package ‘openxlsx’. , Available from:
 <a target="_blank" href="https://cran.r-project.org/web/packages/openxlsx/openxlsx.pdf">https://cran.r-project.org/web/packages/openxlsx/openxlsx.pdf</a> (2018).</li>
<li>How to get a Facebook access token which never expires. , Available from:
 <a target="_blank" href="https://smashballoon.com/custom-facebook-feed/access-token/">https://smashballoon.com/custom-facebook-feed/access-token/</a> (2018).</li>
<li>Bliuc, A. M., Best, D., Iqbal, M., Upton, K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Building+addiction+recovery+capital+through+online+participation+in+a+recovery+community%5BTitle%5D)+AND+%22Social+Science+and+Medicine%22%5BJournal%5D)">Building addiction recovery capital through online participation in a recovery community.</a> Social Science and Medicine. 193, 110-117 (2017).</li>
<li>Best, D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Overcoming+alcohol+and+other+drug+addiction+as+a+process+of+social+identity+transition%3A+The+Social+Identity+Model+of+Recovery+%28SIMOR%29%5BTitle%5D)+AND+%22Addiction+Research+and+Theory%22%5BJournal%5D)">Overcoming alcohol and other drug addiction as a process of social identity transition: The Social Identity Model of Recovery (SIMOR).</a> Addiction Research and Theory. 24, 111-123 (2016).</li>
<li>Frings, D., Albery, I. P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+social+identity+model+of+cessation+maintenance%3A+Formulation+and+initial+evidence%5BTitle%5D)+AND+%22Addictive+Behaviors%22%5BJournal%5D)">The social identity model of cessation maintenance: Formulation and initial evidence.</a> Addictive Behaviors. 44, 35-42 (2015).</li>
</ol>

著者は何も開示していない。

ここで説明するアプローチは、オンライン グループ プロセスが依存症回復プログラムの保持に与える影響を測定する新しい方法に基づいています。この方法を中毒からの回復のオンラインコミュニティに適用すると、プログラムの保持を予測する4つの重要な側面があることがわかった:オンラインコミュニティに非常に関与していること、オンラインソーシャルネットワークの中心であること、肯定的な影響が表現されたオンラインコミュニティの他のメンバーとのコミュニケーションで、ネットワーク14への貢献のための他の人からの検証を受け取る.この方法を用いて得られた知見は、既存の回収モデルをサポートする。つまり、回復文献における2つの主要モデル、回復の社会的アイデンティティモデル15と停止維持16の社会的アイデンティティモデルは、いずれも支持するグループへの積極的な参加の重要性を強調している。回復。両方のモデルは、このようなグループへの識別とコミットメントの増加が、グループの使用と結果的に再発との将来の接触を低下させるに寄与することを示唆している。
我々の研究で示されているように、この方法は、オンラインコミュニティ14の個々のメンバーの回復または変化の軌跡をマッピングすることができました。オンラインソーシャルネットワークの可視化とその時間の経過に応じての進化は、ネットワークの中心に周辺からオンラインコミュニティのメンバーの動きに関する貴重な情報を提供することができます(ネットワーク内のこれらの動きは示していますオンラインコミュニティとのエンゲージメントレベルの変化)。2017年の調査14では、ネットワークの周辺から中心への移動の面で最も重要な変化を引き受けたオンラインコミュニティのメンバーへのインタビューは、SNAに基づいて私たちの調査結果を三角測量する方法として行われました。言語分析、および保持データに対する回帰。今後の研究は、オンラインコミュニティと離脱したメンバー、関与したことのない人、または物質の使用や再犯などの結果のより直接的な措置に焦点を当てるかもしれません。この方法論は、ヘルプフォーラムでのモデレーターの役割を評価するなど、介入プログラムで使用するようにさらに微調整することができます。
現在、単独で使用する場合にここで説明する方法の利点に関する証拠を提供する研究はありません(記載された方法は、保持データと組み合わせて使用され、主要なオンラインコミュニティとのインタビューから定性的なデータと三角パッチ化されました)メンバー14)が、このアプローチは、依存症の回復の研究における自己報告やその他の措置を補完することができる正確かつバイアスのないデータを提供することができます。
この方法は、標準的な対面回復プログラムへの補完的なサポートとして確立されたソーシャルメディアページのコンテキストでオンラインの社会的相互作用を調べるために適用されました。ただし、マイナーな変更を加えて、この方法を使用して、他の種類のオンライン コミュニティ (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、解説 Web サイトなど) でのオンラインソーシャルインタラクションを調査できます。この方法の主な利点の1つは、任意のオンラインコミュニティに中毒回復のコミュニティを超えてコンテキストに適応し、適用できることです。例えば、私たち自身の政治心理学研究では、同様の方法(ここで説明する方法から開発)を使用して、極右のオンラインコミュニティのメンバー間のオンライン相互作用の質とこれらの相互作用の変化をキャプチャします。実際には、このメソッドは、メンバー間の接続の形で(ソーシャルネットワークのリンクとして)言語コンテンツを抽出することができる任意のオンラインコミュニティに適用することができます。
しかし、オンラインデータにアクセスして作業する場合、研究者は倫理的な問題に注意する必要があります。ここに記載された研究(シェフィールド・ハラム大学の研究倫理コミュニティによって承認された)では、回復プログラムを管理する組織から同意を得て、完全な匿名性を確保するために厳格な措置が講じられた。オープンなソーシャルメディアページの参加者(例えば、オンラインおよび保持データの一致後、すべての識別情報がファイルから削除され、また、一般にアクセス可能なオンライン通信から潜在的に自己識別された引用符は使用されませんでした)。
また、組織との緊密なコミュニケーションにより、プログラムの参加者が研究結果や研究成果を認識し、研究者の一人が定期的にグループと会い、研究とその結果を説明しました。しかし、オンラインコミュニティが特定のオフラインプログラムに関連付けられていない場合、データ抽出に関する同意を求められる人を特定するのが難しい場合があります(特にモデレートされていないフォーラムでは、回復中の人々が利用できる)オンラインピアサポートを求める)。倫理的研究の一般的な原則が適用されますが、研究者は、オンラインデータの抽出と分析が参加者に重大なリスク(例えば、プライバシーを侵害する)を引き起さないことを確実にするために、ケースバイケースのアプローチを採用する必要があります。

提示された方法は、オンラインコンテキストでアルコールおよび他の薬物(AOD)中毒回復資本をキャプチャするように設計されています。依存症の分野では、回収資本は「物質の誤用停止の開始と維持に負担させることができる資源の合計」と定義されています 1.回収資本は、主に対面のコンテキストで自己報告2、3を通じて測定されています。このアプローチは、回復のオンラインコミュニティにおけるオンラインインタラクションの質と量をキャプチャすることにより、オンラインコンテキストで回復資本を測定する別の方法を提供します。
健康関連の問題4、5の範囲でピアサポートの形でオンラインリソースの使用が着実に増加することを考えると、これらのリソースの品質をキャプチャするための新しい方法を開発する必要があります。オンライン ピア サポートは、オンライン フォーラムやコミュニティでのソーシャルインタラクションの形で行われます。これらのオンラインコンテキストにおける支援的な社会的相互作用は、回復資本の構築に貢献し、回復プロセス6,7にプラスの影響を与えます。提案された方法は、代替方法に対して多くの利点を提示する。第一に、依存症研究における自己報告対策の使用に関するいくつかの制限を克服し、特にリコールと自己提示バイアスに関する。自己申告対策は、妥当なレベルの信頼性と妥当性を有すると考えられていますが、バイアスや不正確さの影響を受けやすくなります。精度を高め、バイアスを最小限に抑えるためには、これらの問題を回避または最小化するように設計された新しい手段およびデータ収集状況の使用を増やす必要があることが認識されている 8.回復の様々な段階の人々が自発的に相互作用する状況で自然に発生するデータにアクセスし、これらのデータから有意義な情報を抽出できる分析方法を使用することにより(心理状態の指標をキャプチャすることができる)。社会的な望ましさ(自己提示)によるバイアスやリコールの制限による不正確さは、削減または排除することができます。第二に、この方法は、既存のオンラインデータの抽出(すなわち、一般にアクセス可能なオープンオンラインフォーラム)の抽出に依存しているので、非常に効率的で費用対効果が高いです。
次に説明する方法は、早期回復段階で中毒者のための伝統的な対面中毒回復プログラムを補完するために設立されたオンラインコミュニティでの回復資本の構築の研究に適用された方法です。この場合、オンライン (ソーシャル メディア) データはプログラム保持データにリンクされていましたが、リンケージ データが利用できない場合やアクセス可能でない場合にもこの方法を使用できます。

<table><tbody><tr><td>LIWCソフトウェア</td><td>Receptiviti</td><td>https://liwc.wpengine.com/</td> <td>コンピュータ化された言語分析ソフトウェア</td></tr><tr><td>R software</td><td>n/a</td><td>https://www.r-project.org/</td> <td>free 統計およびデータ視覚化ソフトウェア</td></tr></tbody></table>

コンピュータ化された言語分析とソーシャルネットワーク分析を統合し、オンラインコミュニティにおける依存症回復資本を獲得

Integrating Computerized Linguistic and Social Network Analyses to Capture Addiction Recovery Capital in an Online Community

この記事では、アルコールと薬物(AOD)中毒からの回復のオンラインコミュニティにおける社会回復資本開発を捉える包括的で、控えめで正確な方法を見つけることを目的として設計された新しい方法論について説明します。回収資本は、オンライン回復コミュニティへの関与とコミュニティとの識別の両方として概念化されました。回収資本開発を測定するために、特定の回復プログラムのソーシャルメディアページから自然発生データを抽出し、対面復旧プログラムのリソースとしてページを設定しました。オンラインコミュニティとのエンゲージメントをマッピングするために、オンラインソーシャルインタラクションをキャプチャするソーシャルネットワーク分析(SNA)が行われました。ソーシャルインタラクションは、プログラムクライアント、スタッフ、およびより広範なコミュニティからのサポーターによって表されるオンライン貢献者/オンラインコミュニティのメンバー間のリンクを通じて測定されました。オンラインコミュニティとの社会的識別のマーカーをキャプチャするために、テキストデータ(投稿やコメントからのコンテンツ)のコンピュータ化された言語分析を行いました。この方法でキャプチャされた回復資本は、(対面)リカバリ・プログラムで費やされた日数として、保持データ(プロキシ結果指標)に対して分析されました。抽出されたオンラインデータは、主要な回復結果の予測をテストするためのプログラム保持に関する参加者データにリンクされました。このアプローチにより、オンラインサポートコミュニティの役割を検討し、回復資本(回復のオンラインコミュニティを介して開発)と回復結果との関連の評価を行うことが可能になりました。

この方法を用いて得られた代表的な結果の詳細な説明は、研究が行われた機関の研究倫理委員会からレビューされ、完全な承認を受けた最近の研究14で見つけることができます。ここで説明したレポートでは、回復コミュニティへのオンライン参加が、回復資本構築を通じて回復プロセスに寄与しているかどうかを調査しました(オンラインの社会的相互作用のレベルと質の向上によって捕捉され、ポジティブアイデンティティ開発)。言い換えれば、この研究は、オンラインデータの8ヶ月間にオンライン回復資本の指標が評価されたかどうかを調べ、また、早期に中毒者のためのコミュニティの関与を促進するために設計された回復プログラムの保持を予測しました。回復。
参加者がオンラインでどのようにやり取りしたかをマッピングするために、回復コミュニティのソーシャルメディアページ(n = 609)から抽出されたデータを使用して、ソーシャルネットワーク分析(SNA)を実施しました。ソーシャルネットワークとその進化を視覚的に表現する図 1に示します。この図は、オンライン コミュニティのすべての参加者間の接続の形で毎月 8 か月間観察されたオンライン コミュニティでの活動 (投稿へのコメント、投稿の好み、好きなコメント) を示しています。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、ネットワーク内の中央の接続量が決まります。コンピュータ化された言語分析を用いてテキストデータ(社会的アイデンティティマーカーのキャプチャ)を評価し、線形回帰分析を行い、回復資本の指標がプログラム保持を予測したかどうかを判断した。これらの分析は、プログラムの保持が実際に予測されたことを示しました: (a) ソーシャルメディアページで受け取ったコメントやすべての「いいね」の形で受け取ったグループ検証のレベル, (b) ソーシャルネットワーク内の位置 (ネットワークの中心性), (c) グループアイデンティティと成果(オンラインコミュニケーションの言語的内容によって捕捉される)。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な肯定的な社会的相互作用が回復プロセスを支持するという議論を支持した。これらの調査結果の概要を以下に示します。
<img alt="Figure 1" class="xfigimg" src="/files/ftp_upload/58851/58851fig1.jpg"> 図1:8ヶ月以上のオンラインコミュニティのソーシャルネットワークの毎月の表現は、参加者間の社会的相互作用のパターンの変化を示唆しています。これらの表現は、開始時に、オンライン コミュニティ (オフライン回復プログラムのクライアント) のクライアントメンバーのほとんどが切断され、プログラム スタッフであり、オンライン アクティビティを駆動するクライアントの数が少ない場合を示しています。しかし、これは徐々に変化し、8ヶ月後にクライアントが最も接続されたもの(したがって最も中心的)であり、ネットワーク内の接続数が最も多い(図は前の出版物から適応される)14である。<a href="https://www.jove.com/files/ftp_upload/58851/58851fig1large.jpg" target="_blank">この図のより大きなバージョンを表示するには、ここをクリックしてください。</a>
記述統計
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のレベルは、オンライン コミュニティのすべての参加者の投稿数、コメント、およびスタッフ、クライアント、および広範なコミュニティ メンバーによる「いいね」の数として計算することによって測定されました。表1は、8ヶ月間の貢献の種類別(参加者の各カテゴリーによって行われた)の内訳を示しています。
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always"><tbody>
<tr>
<td>グループ メンバー</td>
			<td>オンライン投稿の種類</td>
			<td>月 1</td>
			<td>月 2</td>
			<td>月 3</td>
			<td>月 4</td>
			<td>月 5</td>
			<td>月 6</td>
			<td>月 7</td>
			<td>月 8</td>
		</tr>
<tr>
<td rowspan="3">すべての</td>
			<td>投稿とコメント</td>
			<td>382の</td>
			<td>388(770)</td>
			<td>579(1349)</td>
			<td>369 (1718年)</td>
			<td>530(2248)</td>
			<td>581(2829)</td>
			<td>796(3625)</td>
			<td>674(4299)</td>
		</tr>
<tr>
<td>投稿の「いいね」</td>
			<td>1167年</td>
			<td>878 (2045)</td>
			<td>1856年(3901年)</td>
			<td>1440年(5341)</td>
			<td>1880年(7221)</td>
			<td>1756年(8977年)</td>
			<td>2667 (11644)</td>
			<td>1857年(13501年)</td>
		</tr>
<tr>
<td>与えられたコメントが好き</td>
			<td>784の</td>
			<td>970(1604年)</td>
			<td>825(2429)</td>
			<td>171(2600)</td>
			<td>634(3234)</td>
			<td>970(4204)</td>
			<td>825(5029)</td>
			<td>171(5200)</td>
		</tr>
<tr>
<td rowspan="3">スタッフ</td>
			<td>投稿とコメント</td>
			<td>129の</td>
			<td>106(235)</td>
			<td>170(405)</td>
			<td>96(501)</td>
			<td>185(686)</td>
			<td>176(862)</td>
			<td>227(1089)</td>
			<td>316(1405)</td>
		</tr>
<tr>
<td>投稿の「いいね」</td>
			<td>188年</td>
			<td>147(335)</td>
			<td>302(637)</td>
			<td>209(846)</td>
			<td>385(1231)</td>
			<td>372(1603)</td>
			<td>567(2170)</td>
			<td>511(2681)</td>
		</tr>
<tr>
<td>与えられたコメントが好き</td>
			<td>168の</td>
			<td>303(471)</td>
			<td>237(708)</td>
			<td>69(777)</td>
			<td>168(945)</td>
			<td>303(1248)</td>
			<td>237(1485)</td>
			<td>69(1554)</td>
		</tr>
<tr>
<td rowspan="3">クライアント</td>
			<td>投稿とコメント</td>
			<td>145名</td>
			<td>155(300)</td>
			<td>214(514)</td>
			<td>132(646)</td>
			<td>208(854)</td>
			<td>286(1140)</td>
			<td>419(1559)</td>
			<td>253 (1812年)</td>
		</tr>
<tr>
<td>投稿の「いいね」</td>
			<td>365名</td>
			<td>252(617)</td>
			<td>415(1032)</td>
			<td>303(1335)</td>
			<td>549 (1884年)</td>
			<td>529(2413)</td>
			<td>898(3311)</td>
			<td>576(3887)</td>
		</tr>
<tr>
<td>与えられたコメントが好き</td>
			<td>143の</td>
			<td>318(461)</td>
			<td>235(696)</td>
			<td>33(729)</td>
			<td>143(872)</td>
			<td>318(1190)</td>
			<td>235(1425)</td>
			<td>33(1458)</td>
		</tr>
<tr>
<td>他</td>
			<td>投稿とコメント</td>
			<td>108の</td>
			<td>127(235)</td>
			<td>195(430)</td>
			<td>141(571)</td>
			<td>137(708)</td>
			<td>119(827)</td>
			<td>150(977)</td>
			<td>105(1082)</td>
		</tr>
<tr>
<td></td>
			<td>投稿の「いいね」</td>
			<td>614の</td>
			<td>479(1093)</td>
			<td>1139(2232)</td>
			<td>928(3160)</td>
			<td>946(4106)</td>
			<td>855(4961)</td>
			<td>1202(6163)</td>
			<td>770(6933)</td>
		</tr>
<tr>
<td></td>
			<td>与えられたコメントが好き</td>
			<td>473の</td>
			<td>349(672)</td>
			<td>353(1025)</td>
			<td>69(1094)</td>
			<td>323(1417)</td>
			<td>349 (1766年)</td>
			<td>353(2119)</td>
			<td>69(2188)</td>
		</tr>
</tbody></table>表1:8ヶ月間のオンラインコミュニティのメンバーによるタイプ別のオンライン投稿数(投稿とコメント、投稿に与えられた好き、コメントに与えられた好き)の数です。オンライン コミュニティのメンバーは、スタッフ (オフライン回復プログラムで雇用されるサポート スタッフ)、クライアント (オフライン回復プログラムに参加している回復中の人々)、およびその他のメンバー (サポーターおよびプロリカバリー支持者) に分類されます。より広範なコミュニティ)。
プログラムにおける保存の決定要因
次の仮説をテストしました: (1) プログラムの保持は、回復資本開発の指標に関連付けられるべきである (つまり、オンラインインタラクションの量と質に反映される) と(2) プログラムの保持も関連付けるべきであるアイデンティティの変化の指標(すなわち、肯定的な回復アイデンティティ開発の指標)。オンラインインタラクションの量は、a)作られた投稿の数、b)行われたコメントの数、c)受け取った投稿の数、d)受け取ったコメントの数、およびe)すべてのいいねの数によって示された。
オンラインインタラクションの質を判断するために、ネットワーク構造と言語コンテンツを分析した。より具体的には、ソーシャルネットワーク分析(SNA)から導き出された程度と間の係数と、コンピュータ化された言語分析から導き出された正の影響の言語指標が用いられた。正のアイデンティティ変化の指標として(回復コミュニティとの識別として)代名詞「私たち」および達成語(例えば、試み、目標、勝利など)の使用頻度が使用された。最後に、従属変数 (プログラム内の保持) は、プログラムで費やされた合計日数 (ここでは 86 日から 464 日) で示されました。結果に示すように、オンラインインタラクションとグループ内検証のレベル(投稿やコメントに対して受け取った「いいね」の数に反映される)は、プログラムの保持を予測しました(表2)。プログラムの保持も識別マーカーによって予測されました(投稿の代名詞「we」の使用と、投稿とコメントの両方の達成語の使用によってキャプチャされます)。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合(すなわち、中心性の程度)も保持の重要な側面を表します(表2)。
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always"><tbody>
<tr>
<td>変数</td>
			<td>B</td>
			<td>Se</td>
			<td>β</td>
			<td>R2</td>
		</tr>
<tr>
<td>「いいね!」のコメントを受け取りました</td>
			<td>0.43分</td>
			<td>0.18円</td>
			<td>.47*
</td>
			<td>0.22分</td>
		</tr>
<tr>
<td>受け取った「いいね」(すべて)</td>
			<td>0.08円</td>
			<td>0.03</td>
			<td>.43*
</td>
			<td>0.18円</td>
		</tr>
<tr>
<td>コメントのような違い</td>
			<td>1.09件</td>
			<td>0.5年</td>
			<td>.43*
</td>
			<td>0.19件</td>
		</tr>
<tr>
<td>ネットワークの度合い</td>
			<td>0.01</td>
			<td>0</td>
			<td>.43*
</td>
			<td>0.18円</td>
		</tr>
<tr>
<td>LIWC 私たち (ポスト)</td>
			<td>3.89件</td>
			<td>1.76</td>
			<td>.43*
</td>
			<td>0.19件</td>
		</tr>
<tr>
<td>LIWC アチーブメント (ポスト)</td>
			<td>0.56分</td>
			<td>0.26分</td>
			<td>.43*
</td>
			<td>0.18円</td>
		</tr>
<tr>
<td>LIWC アチーブメント (すべて)</td>
			<td>0.14</td>
			<td>0.07</td>
			<td>.42*
</td>
			<td>0.17</td>
		</tr>
</tbody></table>表 2:オンライン エンゲージメント、ネットワーク統計、および言語カテゴリによって予測される保持時間。

この記事では、アルコールと薬物中毒からの回復のオンラインコミュニティの研究によって例示される動的なオンラインソーシャルインタラクション(オンラインコンテキスト)を分析するための新しいアプローチについて説明します。

The article describes a new methodology designed with the aim of finding a comprehensive, unobtrusive, and accurate way of capturing social recovery ...

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。

integrating-computerized-linguistic-social-network-analyses-to

Research

JoVE Journal

Behavior

行動

近年、社会的排除に関する研究は大幅に増加しています。この分野が拡大するにつれて、社会的排除中の神経と行動の結果を同時に測定できる洗練された方法論を開発することが不可欠です。このプロトコルは、イベント関連の脳電位を利用して、コンピューター化された社会的相互作用中に進行中の神経活動を記録します。...

イベント関連脳電位の検討：継続的なコンピュータ化された社会的相互作用の間、神経および行動の活動を測定する

オンラインゲーマーに経頭蓋直流刺激(tDCS)と神経イメージング評価を適用するためのプロトコルと実現可能性に関する研究を提示する。...

オンラインゲーマーのための経頭蓋直流刺激

このプロトコルは、レーザーキャプチャマイクロ解剖を使用して、扁桃体の中心核から単一のニューロン、ミクログリア、およびアストロサイトを高精度かつ解剖特異性で収集する方法を説明します。さらに、これらの細胞のトランスクリプトームのサブセットを測定するためのマイクロ流体RT-qPCRの使用について説明する。...

レーザーキャプチャー微小解剖とマイクロ流体qPCRを組み合わせて単一細胞の転写プロファイルを解析する:オピオイド依存へのシステム生物学アプローチ

医療における摂食障害の診断は困難です。したがって、本プロトコルは、アンケートに対する949人の患者の回答に基づいてアルゴリズムを開発し、診断を使いやすいWebベースのインターフェース上に表示する。このシステムは、摂食障害を有すると考えられるものを排除しながら、摂食障害の正確な診断を容易にする。...

摂食障害の分析と診断において臨床医を支援するためのコンピュータベースのプラットフォーム

レーザーキャプチャーマイクロダイセクションとマイクロ流体RT-qPCRの組み合わせは、単一ニューロンおよびグリアのトランスクリプトームを測定する際に解剖学的およびバイオテクノロジーの特異性を提供します。精神疾患に対するシステムの生物学的アプローチによる創造的な方法を適用することは、依存症における神経炎症反報酬仮説などの理解と治療におけるブレークスルーにつながる可能性があります。...

解剖学的に特異的な単一細胞遺伝子発現法による依存行動における反報酬の要因の調査

私たちは、最先端の言語と拡散モデルを組み合わせ、ユーザーの行動やプロフィールに適応するオープンソースのバーチャルエージェントプラットフォームを提示し、リアルタイムのモチベーショナルインタビューを行います。Greta...

適応的非言語行動と言語モデルを統合したリアルタイム動機付け面接のためのバーチャルエージェント

哺乳動物における食事脂肪含量の影響の両方のエネルギー摂取量および体脂肪組成物。選択一連の実験において、高脂肪食のためのラットの好みを調べることにより、高脂肪食品のための彼らの好みに遺伝的差異および薬理学的介入を試験することが可能である。...

脂肪嗜好：摂食行動の新規モデルラットにおける

実験室の設定を再現するために、視覚タスクのためのオンラインデータ収集方法は、刺激の提示を厳密に制御する必要があります。Webアプリケーションを使用して、視覚的注意の2つのテストでパフォーマンスデータを収集する方法を概説します。...

オンライン視覚的注意をテストする方法

このプロトコルは、オープンフィールドと伝統的なホールボードの特性を含む動作テストのセットアップである修正ホールボードを説明しています。この設定により、小型の実験用哺乳類の無条件行動の鑑別分析や認知能力の分析が可能になります。...

変更された穴会は - マウスとラットにおける行動、認知と社会的相互作用を測定する

ファゴット＆Paleressompoulle 1は、半自由変動のサルにおいて、個々の認知能力をテストすることを目的と自動学習装置（ALDM）を公開しています。我々のプロトコルの主な目的は、非ヒト霊長類の社会認知を研究するためにALDMテストユニットのネットワークを使用することです。...

コンピューターの自動学習装置（ALDM）テストシステムのネットワークを用いた非ヒト霊長類における社会的認知の評価

学ぶコンピュータ化言語分析とソーシャルネットワーク分析を統合した手法で、薬物・アルコール依存症のオンライン回復コミュニティにおける暗黙的な回復指標を測定し、参加動態とプログラム継続性の関係を解明する。

コンピュータ化された言語分析とソーシャルネットワーク分析を統合し、オンラインコミュニティにおける依存症回復資本を獲得

さらに動画を探す