Summary
В статье описывается новый подход к анализу динамических онлайн социальных взаимодействий (в онлайн-контексте), примером которых является исследование интернет-сообщества восстановления от алкоголизма и наркомании.
Abstract
В статье описывается новая методология, разработанная с целью нахождения всеобъемлющего, ненавязчивого и точного способа захвата социального восстановления развития капитала в интернет-сообществах восстановления от алкоголя и наркомании (AOD) наркомании. Восстановление капитала был концептуализирован как участие в онлайн-сообщество восстановления и идентификации с сообществом. Для измерения развития восстановления капитала, естественные данные были извлечены из социальных медиа страницы конкретной программы восстановления, с страницы, созданной в качестве ресурса для лицом к лицу программы восстановления. Для картирования взаимодействия с интернет-сообществом был проведен анализ социальных сетей (SNA), фиксирующих онлайн-взаимодействие. Социальное взаимодействие измерялось через связи между онлайн-участниками/членами интернет-сообщества в виде клиентов программы, персонала и сторонников из более широкого сообщества. Для фиксации маркеров социальной идентификации в интернет-сообществе был проведен компьютеризированный лингвистический анализ текстовых данных (содержание сообщений и комментариев). Капитал восстановления, полученный таким образом, анализировался на основе данных удержания (показатель прокси-результатов), как дни, проведенные в (лицом к лицу) программе восстановления. Полученные данные были связаны с данными участников в отношении удержания программы для прогнозирования ключевых результатов восстановления. Такой подход позволил изучить роль сообществ онлайн-поддержки и оценить связь между капиталом восстановления (разработанным через интернет-сообщество восстановления) и результатами восстановления.
Introduction
Представленный метод был разработан для захвата алкоголя и других наркотиков (AOD) наркомании восстановления капитала в онлайн-контекстах. В области наркомании, восстановление капитала была определена как "общая сумма ресурсов, которые могут быть привлечены к нести на начало и поддержание прекращения злоупотребления психоактивными веществами"1. Восстановление капитала в основном измеряется с помощью самостоятельной отчеты2,3 в лицом к лицу контексте. Этот подход обеспечивает альтернативный метод измерения капитала восстановления в онлайн-контекстах путем захвата качества и количества онлайн-взаимодействий в онлайн-сообществах восстановления.
Учитывая устойчивый рост использования онлайн-ресурсов в виде равноправной поддержкипо целому ряду вопросов, связанных со здоровьем 4,5,необходимо разработать новые методы для фиксации качества этих ресурсов. Онлайн-поддержка сверстников происходит в виде социальных взаимодействий в интернет-форумах и сообществах. Поддерживающие социальные взаимодействия в этих онлайн-контекстах способствуют созданию капитала восстановления, что, в свою очередь, положительно влияет на процесс восстановления6,7. Предлагаемый метод представляет собой ряд преимуществ по сравнению с альтернативными методами. Во-первых, он преодолевает некоторые ограничения, связанные с использованием самоотчетных мер в исследованиях наркомании, особенно вокруг отзыва и самопрезентации предубеждений. Хотя меры самоотчета считаются разумными уровнями надежности и достоверности, они подвержены предубеждениям и неточностям. Для повышения точности и сведения к минимуму предвзятости было признано, что необходимо расширить использование новыхмер и ситуаций сбора данных, направленных на предотвращение или минимизацию этих проблем 8. При доступе к данным, естественным образом происходящим в контекстах, где люди на различных стадиях восстановления взаимодействуют спонтанно, и с помощью методов анализа, которые могут извлечь значимую информацию из этих данных (способных фиксировать показатели психологических состояний), предубеждения из-за социальной желательности (самопрезентации) и неточности из-за ограничений в отзыве могут быть уменьшены или даже устранены. Во-вторых, этот метод является высокоэффективным и экономически эффективным, поскольку он опирается на извлечение уже существующих онлайновых данных (т.е. на открытых интернет-форумах, которые являются общедоступными).
Описанный следующий метод, который был применен к изучению восстановления капитала здания в интернет-сообществе, созданном в дополнение к традиционной, лицом к лицу программы восстановления наркомании для наркоманов на ранних стадиях восстановления. В этом случае данные онлайн (социальные сети) были связаны с данными о хранении программ, но метод может также использоваться в тех случаях, когда данные о связи недоступны или доступны.
Protocol
Исследование, описанное здесь, было одобрено сообществом по этике исследований в Университете Шеффилд Халлам.
1. Настройка
ПРИМЕЧАНИЕ: Пожалуйста, обратитесь к прилагаемому R-скрипту, предоставленному в качестве дополнительного файла 1.
- Необходимые пакеты (Rfacebook9,dplyr10,igraph11и openxlsx12) в R. Пакеты относятся к функциям, наборам данных или компилированному коду, который позволяет пользователям анализировать, преобразовывать или извлекать данные.
- Загрузка (внешнего) хранения и пользовательских данных в R в качестве кадра данных из файла CSV.
ПРИМЕЧАНИЕ: Данные о хранении относятся к числу дней, в течение которых клиент участвует в автономной (традиционной) программе восстановления зависимости. Она была предоставлена администратором (оффлайн) программы восстановления, как записано на файл CSV с именем участника и количество дней, которые они были вовлечены в программу. Имя участника было заменено анонимным идентификационным номером до ввоза в R.
2. Извлечение данных из интернет-сообщества (социальная страница сообщества восстановления наркомании)
ПРИМЕЧАНИЕ: Этот протокол относится к странице в социальных сетях, но он может быть адаптирован к различным типам интернет-сообществ. В случае с пакетом Rfacebook, он позволяет пользователю извлекать данные со страницы в социальных сетях в R.
- Создайте токен доступа к социальным сетям (Facebook), следуя руководству на справочном веб-сайте13.
- Создание токена доступа в R.
- Используя функцию "GetGroup" от Rfacebook, извлекайте данные со страницы сообщества в социальных сетях (например, содержание публикации, количество комментариев и отметок "Нравится" для каждого поста, уникальный идентификационный номер для каждого поста и т.д.). Затем эти данные сохраняются в виде кадра данных.
ПРИМЕЧАНИЕ: Рамка данных по существу представляет собой таблицу в R, используемую для хранения данных. - Используя функцию "getPosts" от Rfacebook, а также идол постов, извлеченные в шаге 2.3, извлекайте данные о отметках от лайков, сделанных на странице.
- Используя функцию "getPosts" от Rfacebook, вместе с интпредами поста, извлеченными в шаге 2.3, извлекайте данные о комментариях, сделанных на каждый пост (например, иные иксы пользователей, комментирующих пост, когда комментарий был сделан, сколько лайков получил пост). Затем эти данные сохраняются в виде кадра данных.
- Используя икс-икс-комментарии, извлеченные в шаге 2.5, извлекайте данные о "комментарие лайках", сделанных на каждом посту (например, иные иксы пользователей людей, симпатизирующих комментарии). Затем эти данные сохраняются в виде кадра данных.
- Объедините публикации, отметки «Нравится», комментарии и комментарии, отостаяв данные в одном кадре данных.
- Добавить ежемесячный разбивка (т.е. месяц от 1 до 8).
3. Расчет активности в социальных сетях, сделанный и полученный каждым клиентом
- Рассчитайте количество сообщений, комментариев, отеков и отеков комментариев, сделанных каждым клиентом.
- Рассчитайте количество сообщений, комментариев, отеков и комментариев от нравится, полученных каждым клиентом.
- Присоединяйтесь к рамке данных активности в социальных сетях, полученной и полученной каждым клиентом, в рамку данных о хранении.
- Рассчитайте разницу между публикациями и комментариями с отметками "Нравится" и без "Нравится".
- Рассчитайте разницу между публикациями с комментариями и без комментариев.
- Присоединяйтесь к данным разницы в отеках к данным удержания.
- Присоединяйтесь к данным разницы комментариев к данным хранения.
- Рассчитайте все лайки, сделанные каждым клиентом.
- Рассчитайте все отваготы, полученные каждым клиентом.
- Определить, какие пользователи не участвовали в группе социальных сетей (т.е. никакой деятельности).
4. Проведение анализа социальных сетей
- Создайте список края. Крайний список представляет собой список отношений в социальной сети, который в данном случае основан на 1) симпатии сообщений и комментариев и 2) комментируя сообщения. Это делается путем просмотра двух столбцов в наборе данных. Первая колонка содержит анонимный идентификатор лица, делающего публикацию, в то время как вторая содержит анонимный идентификатор лица, симпатизирующего или комментирующего публикацию.
- Создайте список вершин. Список вершин — это список всех лиц в группе. Это делается путем преобразования двух столбцов в список отношений в одну колонку и удаления дубликатов анонимных идентификаторов, чтобы только уникальный анонимный идентификатор остался.
- Используя функции "graph.data.frame" и "get.adjacency" в пакете igraph, создавайте матричные объекты от края и вершины.
- Используя функции "степень" и "междунейством" из пакета igraph, получите сетевую статистику (степень и междугесть) онлайн-группы.
5. Проведение компьютеризированного лингвистического анализа в LIWC
- Экспорт текстовых данных социальных сетей (т.е. сообщений и комментариев) и столбики идентификатора post/comment в файлы CSV.
- ИмпортИРУЙТЕ файлы CSV текстовых данных социальных сетей в программное обеспечение Linguistic Inquiry Word Count (LIWC).
- Создание категорий LIWC и сохранение новых файлов CSV. Сделайте это, нажав на "Анализ текста", затем на "Excel / CSV файл", и нажав на колонку, содержащую сообщения и комментарии, чтобы выбрать текст для анализа. После того, как LIWC завершит анализ текстовых данных, сохраните выход в качестве нового файла CSV.
- Импортируйте результаты РЕЗУЛЬТАТОв LIWC CSV в R и сливайтесь с существующими данными. Данные сопоставляются с столбцом и идентификатором столба, который существует как в LIWC, так и в существующих кадрах данных.
- Рассчитать общие баллы LIWC для каждого пользователя в публикациях и комментариях, а затем присоединиться к данным удержания.
- Рассчитать общие баллы LIWC для каждого пользователя во всех текстовых данных (сообщение и комментарии вместе взятые), а затем присоединиться к данным удержания.
- Удалите NAs из кадра данных о хранении.
6. Проведение регрессионного анализа (для определения того, предсказывают ли показатели взаимодействия с интернет-сообществом удержание в автономной программе восстановления)
- Определите независимые переменные.
- Используя функцию "lm" в базовой R, проведите линейный регрессионный анализ, используя данные удержания в качестве зависимой переменной, и категории LIWC, комментарии, отметки «Нравится» публикации и комментарии в качестве независимых переменных.
- Объедините результаты регрессии в один кадр данных.
7. Создание ежемесячных карт СНС
- Подготовьте кадры данных для Карт SNA.
- Создайте список краев на основе ежемесячной кумулятивной активности в социальных сетях.
- Создайте список вершин на основе ежемесячной кумулятивной активности в социальных сетях.
- Создавайте графики и графовые матрицы на основе ежемесячной кумулятивной активности в социальных сетях.
- Установите макет карт SNA на основе кумулятивной активности в социальных сетях.
- Добавляйте цвета в зависимости от ролей пользователей.
- Создавайте карты SNA и сохраняйте их в файле.
8. Расчет ежемесячной кумулятивной активности в социальных сетях группы социальных медиа
- Рассчитайте ежемесячную кумулятивную активность социальных сетей сотрудниками, клиентами и другими членами группы в социальных сетях.
- Рассчитайте ежемесячную кумулятивную активность в социальных сетях всеми членами группы в социальных сетях.
- Присоединяйтесь к ежемесячным кумулятивным данным о деятельности в социальных сетях вместе.
Representative Results
Подробное описание репрезентативных результатов, полученных с помощью этого метода, можно найти в нашей недавней работе14, которая была рассмотрена и получила полное одобрение от комитета по этике исследования учреждения, в котором проводилось исследование. В докладе, описанном здесь, исследование исследовало ли онлайн участие в сообществе восстановления способствует процессу восстановления через восстановление капитального строительства (как захватили повышение уровня и качества онлайн овых социальных взаимодействий и положительное развитие идентичности). Другими словами, в исследовании изучались ли показатели онлайн-капитала восстановления, разработанные за восемь месяцев онлайн-данных, а также прогнозируемое удержание в программе восстановления, предназначенной для содействия вовлечению сообщества в зависимость на ранних стадиях Восстановления.
Чтобы составить карту взаимодействия участников в Интернете, был проведен анализ социальных сетей (SNA) с использованием данных, извлеченных из страницы социальных сетей (n No 609) сообщества восстановления. Визуальное представление социальной сети и ее эволюции представлено на рисунке 1. Цифра иллюстрирует активность в интернет-сообществе наблюдается каждый месяц в течение 8 месяцев в виде связей между всеми участниками в интернет-сообществе (т.е., комментируя сообщения, симпатии должности, и симпатии комментарии). Количество подключений, которые имеет "агент" в сети, определяет, насколько они будут центральными в социальной сети. Компьютеризированный лингвистический анализ был использован для оценки текстовых данных (захват маркеров социальной идентичности), а линейный регрессионный анализ был проведен для определения того, прогнозировали ли показатели сохранения капитала восстановления. Эти анализы показали, что удержание программы действительно было предсказано: а) уровни групповой проверки, полученные в виде комментариев лайков и всех лайков, полученных на странице в социальных сетях, (b) позиции в социальной сети (центральная сеть) и (c) группы идентичности и достижения (как улавливается лингвистическим содержанием онлайн-коммуникаций). Результаты поддержали аргумент о том, что в целом, положительные социальные взаимодействия между членами онлайн-сообщества восстановления поддерживают процесс восстановления. Ниже приводится резюме этих выводов.
Рисунок 1: Ежемесячные представления социальной сети интернет-сообщества за 8 месяцев свидетельствуют об изменениях в структуре социальных взаимодействий между участниками. Эти представления иллюстрируют, как в начале, большинство членов клиента в интернет-сообществе (клиенты программы восстановления в автономном режиме) в основном отключены, и это сотрудники программы и только небольшое число клиентов, которые управляют онлайн деятельности. Тем не менее, это постепенно меняется, так что после 8 месяцев, клиенты являются те, наиболее подключенных (поэтому наиболее центральный), с наибольшим количеством соединений в сети (цифра адаптирована из предыдущей публикации)14. Пожалуйста, нажмите здесь, чтобы просмотреть большую версию этой цифры.
Описательная статистика
Уровень взаимодействия участников с интернет-сообществом измерялся путем расчета вклада всех участников интернет-сообщества в виде количества сообщений, комментариев и лайков, сделанных сотрудниками, клиентами и более широкими членами сообщества. В таблице 1 представлена разбивка по типу вклада (как это производится каждой категорией участников) в течение 8 месяцев.
Члены группы | Тип онлайн-вклада | Месяц 1 | Месяц 2 | 3-й месяц | 4-й месяц | 5-й месяц | 6-й месяц | 7-й месяц | 8-й месяц |
Все | Сообщения и комментарии | 382 г. | 388 (770) | 579 (1349) | 369 (1718) | 530 (2248) | 581 (2829) | 796 (3625) | 674 (4299) |
Опубликовать любит данной | 1167 год | 878 (2045) | 1856 (3901) | 1440 (5341) | 1880 (7221) | 1756 (8977) | 2667 (11644) | 1857 (13501) | |
Комментарий любит данный | 784 г. | 970 (1604) | 825 (2429) | 171 (2600) | 634 (3234) | 970 (4204) | 825 (5029) | 171 (5200) | |
Персонал | Сообщения и комментарии | 129 г. | 106 (235) | 170 (405) | 96 (501) | 185 (686) | 176 (862) | 227 (1089) | 316 (1405) |
Опубликовать любит данной | 188 г. | 147 (335) | 302 (637) | 209 (846) | 385 (1231) | 372 (1603) | 567 (2170) | 511 (2681) | |
Комментарий любит данный | 168 г. | 303 (471) | 237 (708) | 69 (777) | 168 (945) | 303 (1248) | 237 (1485) | 69 (1554) | |
Клиентов | Сообщения и комментарии | 145 г. | 155 (300) | 214 (514) | 132 (646) | 208 (854) | 286 (1140) | 419 (1559) | 253 (1812) |
Опубликовать любит данной | 365 г. | 252 (617) | 415 (1032) | 303 (1335) | 549 (1884) | 529 (2413) | 898 (3311) | 576 (3887) | |
Комментарий любит данный | 143 г. | 318 (461) | 235 (696) | 33 (729) | 143 (872) | 318 (1190) | 235 (1425) | 33 (1458) | |
Другие | Сообщения и комментарии | 108 г. | 127 (235) | 195 (430) | 141 (571) | 137 (708) | 119 (827) | 150 (977) | 105 (1082) |
Опубликовать любит данной | 614 г. | 479 (1093) | 1139 (2232) | 928 (3160) | 946 (4106) | 855 (4961) | 1202 (6163) | 770 (6933) | |
Комментарий любит данный | 473 г. | 349 (672) | 353 (1025) | 69 (1094) | 323 (1417) | 349 (1766) | 353 (2119) | 69 (2188) |
Таблица 1: Показано количество онлайн взносов по типу (пост и комментарии, отметки, отданные должности, и любит, учитывая комментарии) членами интернет-сообщества на протяжении 8 месяцев. Члены интернет-сообщества классифицируются как сотрудники (вспомогательный персонал, нанятый в автономной программе восстановления), клиенты (люди в восстановлении, которые участвуют в автономной программе восстановления), и другие (сторонники и сторонники восстановления адвокатов из более широкого сообщества).
Детерминанты удержания в программе
Были проверены следующие гипотезы: (1) удержание программы должно быть связано с показателями развития капитала восстановления (т.е. отражено в количестве и качестве онлайн-взаимодействия), а (2) удержание программы также должно быть связано с показатели изменения идентичности (т.е. показатели позитивного развития идентичности восстановления). Количество онлайн-взаимодействия было указано по а) количеству сделанных постов, б) количеству сделанных комментариев, в) количество полученных постов лайков, г) количество полученных комментариев лайков и е) количество всех полученных лайков.
Для определения качества онлайн-взаимодействия были проанализированы структура сети и языковой контент. В частности, были использованы коэффициенты степени и междуличеством, полученные в ходе анализа социальных сетей (СНС) и лингвистические показатели положительного воздействия, полученные в ходе компьютеризированного лингвистического анализа. В качестве индикаторов положительного изменения идентичности (как отождествление с сообществом восстановления) использовалась частота использования местоимения "мы" и слова достижения (например, пробовать, цели, выигрывать и т.д.). Наконец, зависимая переменная (удержание в программе) была указана общим количеством дней, проведенных в программе (в диапазоне от 86 до 464 дней здесь). Как показали результаты, уровни онлайн-взаимодействия и в группе проверки (как это отражено в количестве лайков, полученных для сообщений и комментариев) предсказал истечение программы(таблица 2). Сохранение программы было также предсказано идентификационными маркерами (как зафиксировано использованием местоимения "мы" в сообщениях и достижения слова в должности и комментарии). Наконец, где участники находятся в социальной сети (т.е. степень централизации) также представляет собой важный аспект удержания (Таблица 2).
Переменной | B | Se | Β | R2 |
Комментарий лайков получен | 0,43 | 0,18 | 0,47 | 0,22 |
Полученные отметки «Нравится» (все) | 0,08 | 0,03 | 0,43 | 0,18 |
Комментарий-как разница | 1.09 | 0,5 | 0,43 | 0,19 |
Степень сети | 0,01 | 0.00 | 0,43 | 0,18 |
LIWC Мы (Почта) | 3.89 | 1,76 | 0,43 | 0,19 |
Достижение LIWC (Почта) | 0,56 | 0,26 | 0,43 | 0,18 |
Достижения LIWC (все) | 0,14 | 0,07 | 0,42 | 0,17 |
Таблица 2: Время удержания, как и предсказывалось онлайн-участие, сетевая статистика, и языковые категории.
Discussion
Описанный здесь подход основан на новом методе измерения того, как онлайн-групповые процессы могут повлиять на удержание в программе восстановления зависимости. Применяя этот метод к интернет-сообществу восстановления от зависимости, было установлено, что существует четыре ключевых аспектов предсказал сохранение программы: быть активное участие в интернет-сообществе, будучи центральным в онлайн социальной сети, положительный эффект выразил в общении с другими членами интернет-сообщества, и получать подтверждение от других для взносов в сеть14. Полученные с помощью этого метода результаты подтверждают существующие теоретические модели восстановления. То есть, две ключевые модели в литературе восстановления, Социальная идентичность Модель восстановления15 и социальная идентичность Модель прекращения обслуживания16, оба подчеркивают важность активного участия в группах, которые поддерживают Восстановления. Обе модели предполагают, что более широкое выявление и приверженность таким группам способствуют снижению контактов в будущем с использованием групп и последующему рецидиву.
Как показано в нашем исследовании, метод позволил нам наметить траектории восстановления или изменения отдельных членов интернет-сообщества14. Визуализации онлайн-социальных сетей и их эволюция с течением времени могут предоставить ценную информацию о перемещении членов интернет-сообщества с периферии в центр сети и наоборот (эти движения в сети указывают на изменения в уровнях взаимодействия с интернет-сообществом). В исследовании 2017года 14, интервью с членами интернет-сообщества, которые предприняли наиболее значительные изменения в плане перемещения с периферии в центр сетей были проведены как способ триангуляции наших выводов на основе SNA, компьютеризированные лингвистического анализа и регрессии в отношении данных о хранении. Будущие исследования могут быть сосредоточены вместо этого на тех членов, которые стали отключены с интернет-сообществом, на тех, кто никогда не заниматься, или на более прямые меры результата, такие как употребление психоактивных веществ и повторное правонарушение. Эта методология может дополнительно доработать для использования в интервенционных программах, например, для оценки роли модераторов в форумах помощи.
В настоящее время нет исследований, подтверждающих преимущества описанного здесь метода при использовании сам по себе (описанный метод использовался в сочетании с данными о хранении и триангуляции с качественными данными из интервью с ключевыми интернет-сообществом члены14), но этот подход может обеспечить точные и необъективные данные, которые могут дополнить самоотчетность и другие меры в исследованиях восстановления наркомании.
Этот метод был применен для изучения онлайновых социальных взаимодействий в контексте страницы в социальных сетях, созданной в качестве дополнительной формы поддержки стандартной программы очного восстановления. Однако, с незначительными изменениями, метод может быть использован для изучения онлайн социальных взаимодействий в других типах интернет-сообществ (онлайн-форумы, дискуссионные группы, чаты, комментарии веб-сайтов и т.д.). Одним из ключевых преимуществ этого метода является то, что он может быть адаптирован и применен к контекстам за пределами сообществ восстановления наркомании в любом интернет-сообществе. Например, в наших собственных исследованиях политической психологии, мы используем аналогичный метод (разработанный из описанного здесь метода), чтобы захватить качество онлайн-взаимодействий и изменений в этих взаимодействиях между членами ультраправых интернет-сообществ. По сути, метод может быть применен к любому интернет-сообществу, в котором могут быть извлечены данные в виде связей между членами (как ссылки социальных сетей) и лингвистического контента.
Однако, при доступе к онлайновым данным и работе с ним, исследователи должны быть осведомлены об этических проблемах, некоторые из которых относятся к самоотчетности и другим типам данных в целом, а некоторые из них встречаются только в онлайн-среде. В исследовании, описанном здесь (который был одобрен научно-исследовательской этики сообщества в университете Шеффилд Халлам), согласие было получено от организации, управляющей программой восстановления, и строгие меры были приняты для обеспечения полной анонимности участники на открытой странице в социальных сетях (например, после сопоставления данных в Режиме онлайн и хранения, вся идентифицирующая информация была удалена из файлов, а также не использовались потенциально идентифицирующие цитаты из общедоступной онлайн-коммуникации).
Тесная связь с организацией также обеспечила, чтобы участники программы были осведомлены об исследовании и результатах исследований, и один из исследователей регулярно встречался с группой, чтобы объяснить исследование и его результаты. В других случаях, однако, когда интернет-сообщества не связаны с конкретными автономными программами, может быть труднее определить, кого следует просить о согласии в отношении извлечения данных (особенно в неумеренных форумах, где люди в восстановлении искать онлайн поддержку сверстников). Хотя будут применяться общие принципы этических исследований, исследователям необходимо применять индивидуальной подход для обеспечения того, чтобы извлечение и анализ онлайновых данных не представляли каких-либо значительных рисков для участников (например, компрометация на конфиденциальность).
Disclosures
Авторам нечего раскрывать.
Acknowledgments
Мы благодарны клиентам и сотрудникам Jobs, Friends and Houses, Великобритания, которые поддержали и согласились принять участие в наших исследованиях.
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).