Het integreren van computergestuurde linguïstische en sociale netwerk analyses om verslavings herstel kapitaal in een online gemeenschap te vangen

Ons protocol biedt een uitgebreide, onopvallende en nauwkeurige manier om te beschrijven hoe mensen kunnen omgaan met online gemeenschappen terwijl ze herstellen van drugs- en alcoholverslaving. Deze techniek gaat verder dan de zelfgerapporteerde benadering die is gebruikt in eerdere studies, waardoor we meer impliciete markers van herstel kunnen meten. Voordat u met de extractie begint, laadt u de vereiste functies, gegevenssets of gecompileerde code waarmee gebruikers gegevens in R kunnen analyseren, transformeren of extraheren en de externe bewaar- en gebruikersgegevens in R kunnen laden, als een gegevensframe uit een CSV-bestand.

Wanneer alle pakketten zijn geladen, gebruikt u de functie Groep ophalen van R Facebook om gegevens te extraheren uit de sociale mediapagina van de community van belang en de gegevens op te slaan als gegevensframe. Met behulp van de get posts functie van R Facebook, samen met de net uitgepakte post-id's, extraheren de gegevens over post-vind-ik-leuks gemaakt op de pagina. Met behulp van de functie Berichten ophalen van R Facebook en de geëxtraheerde post-id's, extraheren gegevens over de opmerkingen op elk bericht en sla deze gegevens op als een gegevensframe.

Met behulp van de reactie-id's, extraheren van gegevens over de opmerking vindt u gemaakt op elk bericht, en sla deze gegevens als een dataframe. Combineer vervolgens de berichten, plaats vind-ik-leuks, reacties en opmerkingen over vind-ik-leuks in één gegevensframe en voeg een maandelijkse uitsplitsing toe. Als u de activiteit van sociale media wilt berekenen die door elke klant is gemaakt en ontvangen, berekent u het aantal berichten, opmerkingen, vind-ik-leuks en opmerkingen van elke klant en het aantal berichten, opmerkingen, vind-ik-leuks en opmerkingen die door elke klant zijn ontvangen.

Word lid van het gegevensframe van de sociale media-activiteit die door elke klant is gemaakt en ontvangen in het retentiegegevensframe en bereken het verschil tussen berichten en opmerkingen met vind-ik-leuks en geen vind-ik-leuks, en het verschil tussen berichten met opmerkingen en geen opmerkingen. Neem deel aan de gegevens over het verschil tussen vind-ik-leuks met de bewaargegevens en de gegevens van de opmerkingen met de bewaargegevens. Bereken alle vind-ik-leuks gemaakt door elke klant, en alle vind-ik-leuks die door elke klant worden ontvangen.

Identificeer vervolgens welke gebruikers niet deelnamen aan de sociale mediagroep. Als u een analyse van het sociale netwerk wilt uitvoeren, maakt u een randlijst met relaties binnen het sociale netwerk, op basis van het leuk vinden van berichten en opmerkingen en het reageren op berichten door te kijken naar twee kolommen in de gegevensset. De eerste kolom bevat de anonieme ID van de persoon die het bericht plaatst, terwijl de tweede kolom de anonieme ID bevat van de persoon die het bericht leuk vindt of erop reageert.

Maak vervolgens een hoekpuntlijst van alle personen in de groep door de twee kolommen in de lijst met relaties om te zetten in één kolom en dubbele anonieme id's te verwijderen, zodat alleen de unieke anonieme ID overblijft. Maak grafiek- en grafiekmatrixobjecten van de rand- en vertexlijsten met behulp van het grafiekgegevensframe en ontvang adjacency-functies in het igraph-pakket. Gebruik vervolgens de graad- en tussenfuncties uit het igraph-pakket om de netwerkgraad en de tussenstatistieken van de online groep te verkrijgen.

Als u een geautomatiseerde linguïstische analyse wilt uitvoeren in de Taalkundige Word Count-software, exporteert u de tekstuele sociale mediagegevens en plaatst u de kolom reactie-ID in CSV-bestanden. Importeer de CSV-bestanden van de tekstuele sociale mediagegevens in de Taalkundige rapporttelling voor het onderzoek of liwc-software door te klikken op analysetekst, Excel CSV-bestand en de kolom met de berichten en opmerkingen om de tekst te selecteren die moet worden geanalyseerd. Nadat LIWC klaar is met het analyseren van de tekstuele gegevens, slaat u de uitvoer op als een nieuw CSV-bestand.

Importeer het CSV-bestand met LIWC-resultaten in R en voeg de resultaten samen met bestaande gegevens. De gegevens worden gematcht door de kolom reactie-ID van het bericht, die zowel in LIWC als in de bestaande gegevensframes bestaat. Bereken de totale LIWC-scores voor elke gebruiker in berichten en opmerkingen en sluit deze scores aan bij de bewaargegevens.

Bereken de totale LIWC-scores voor elke gebruiker in alle tekstuele berichten en opmerkingen gecombineerde gegevens, en sluit deze scores aan bij de bewaargegevens. Verwijder vervolgens een netwerkanalyse uit het retentiegegevensframe. Als u wilt bepalen of indicatoren van betrokkenheid bij de online community retentie voorspellen in het offline herstelprogramma, gebruikt u de functie IM in basis R om lineaire regressieanalyse van de bewaargegevens uit te voeren als de afhankelijke variabele, en de LIWC-categorieën, opmerkingen, berichten en commentaar-vind-ik-leuks als onafhankelijke variabelen.

Combineer vervolgens de regressieanalyseresultaten in één gegevensframe. Als u een maandelijkse analysekaart voor sociale netwerken wilt maken, stelt u gegevensframes voor op kaarten voor sociale netwerkanalyse en maakt u een randlijst op basis van de maandelijkse cumulatieve sociale mediaactiviteit. Maak een vertex-lijst op basis van de maandelijkse cumulatieve sociale media-activiteit en maak grafieken en grafiekmatrices op basis van de maandelijkse cumulatieve sociale mediaactiviteit.

Stel de lay-out van sociale netwerkanalysekaarten in op basis van de cumulatieve activiteit van sociale media en voeg kleuren toe op basis van de gebruikersrollen. Maak vervolgens kaart voor sociale netwerkanalyse en sla de kaarten op in een bestand. Bereken voor de berekening van de maandelijkse cumulatieve sociale mediagroep social media-activiteit de maandelijkse cumulatieve sociale mediaactiviteit van het personeel, klanten en andere leden van de sociale mediagroep.

Bereken vervolgens de maandelijkse cumulatieve sociale media-activiteit door alle leden van de sociale mediagroep en sluit je samen aan bij de maandelijkse cumulatieve gegevensframes voor sociale media.Then be bereken je de maandelijkse cumulatieve sociale media-activiteitsactiviteiten door alle leden van de sociale mediagroep en voeg je samen toe aan de maandelijkse cumulatieve gegevensframes voor sociale media.Then, calculate the monthly cumulative social media activity door all of the members of the social media Hier wordt een visuele weergave van het sociale netwerk en de evolutie ervan over een periode van acht maanden in de vorm van verbindingen tussen alle deelnemers aan de online gemeenschap getoond. Het aantal verbindingen dat een agent in het netwerk heeft, bepaalt hoe centraal ze zullen staan in het sociale netwerk.

Deze representatieve resultaten ondersteunen het argument dat over het algemeen positieve sociale interacties tussen leden van een online herstelgemeenschap het herstelproces ondersteunen. De betrokkenheid van deelnemers bij de online community wordt gemeten door de bijdragen van alle deelnemers aan de online community te berekenen als het aantal berichten, opmerkingen en vind-ik-leuks van het personeel, klanten en bredere leden van de community. Zoals blijkt uit de resultaten, in deze analyse, de niveaus van online interactie en in-groep validatie, zoals weerspiegeld door het aantal likes ontvangen voor berichten en opmerkingen, voorspellen het programma retentie.

Programma retentie wordt ook voorspeld door identificatie markers, zoals gevangen door het gebruik van het voornaamwoord we in berichten, en door de prestatie woorden in zowel berichten en opmerkingen. Ten slotte is ook het feit dat de deelnemers binnen het sociale netwerk een belangrijk aspect van retentie vormen. Bij het gebruik van deze aanpak moeten we niet vergeten dat dit slechts één manier is om psychologische processen in online communities vast te leggen.

Idealiter moeten ook andere gegevensbronnen worden geraadpleegd. Deze methode kan worden aangepast om online sociale interacties in andere soorten online communities te onderzoeken, waaronder online forums, discussiegroepen, chatrooms, enzovoort.