شناسایی زودهنگام سیگنال‌های ناآرامی در رسانه‌های اجتماعی (مطالعۀ موردی اعتراضات سال 97 ایران در تلگرام)

ایران از زمان فراگیری شبکۀ دیتای تلفن همراه تا امروز بیش از 35 میلیون کاربر پیام‌رسان‌های اجتماعی دارد. فراگیری رسانه‌های اجتماعی (در ایران با ضریب نفوذ 49%) در بین عموم مردم و کارکردهای متنوع آن­ها می‌تواند نقطۀ شروع استفاده از سنجش اجتماعی باشد؛ در این حالت کاربران مشابه یک حسگر، داده‌هایی برای وا...

Full description

Bibliographic Details
Main Authors: هومن اهرامی, احمد جعفرنژاد چقوشی, مسعود اسدپور
Format: Article
Language:fas
Published: Higher National Defense University 2022-10-01
Series:امنیت ملی
Subjects:
Online Access:https://ns.sndu.ac.ir/article_2277_1fc78ff0e0cb9dbfea83630c8f4a27ca.pdf
_version_ 1797839673812320256
author هومن اهرامی
احمد جعفرنژاد چقوشی
مسعود اسدپور
author_facet هومن اهرامی
احمد جعفرنژاد چقوشی
مسعود اسدپور
author_sort هومن اهرامی
collection DOAJ
description ایران از زمان فراگیری شبکۀ دیتای تلفن همراه تا امروز بیش از 35 میلیون کاربر پیام‌رسان‌های اجتماعی دارد. فراگیری رسانه‌های اجتماعی (در ایران با ضریب نفوذ 49%) در بین عموم مردم و کارکردهای متنوع آن­ها می‌تواند نقطۀ شروع استفاده از سنجش اجتماعی باشد؛ در این حالت کاربران مشابه یک حسگر، داده‌هایی برای واکافت فراهم می‌کنند؛ یکی از کاربردهای سنجش اجتماعی مدیریت بحران است. ازآنجایی‌که شناسایی زودهنگام رویدادها و بحران‌های سیاسی، اقتصادی و اجتماعی از اهمیت بالایی برای مدیریت جامعه برخوردار است؛ روشی که بتواند با استفاده از واکافت کلان داده‌ها به این هدف بپردازد؛ به‌عنوان یک سیستم پدافندی می‌تواند از هزینه‌های انسانی، اقتصادی و اجتماعی بحران‌ها و رخدادها کاسته و به‌عنوان یک ابزار برای بالابردن آگاهی موقعیتی و ارتقا امنیت ملی مورد بهره‌برداری قرار گیرد. مجموعۀ داده پژوهش حاضر بر اساس خزش و متن‌کاوی خشونت کلامی در یک میلیون و چهارصد هزار کانال عمومی فارسی پیام‌رسان تلگرام در سال 97 جمع‌آوری‌شده و پس از پالایش بر اساس سری زمانی میانگین متحرک نمایی مدل شده است؛ برای شناسایی سیگنال‌های بحران در این مدل از اسیلاتور تعقیب‌گر روند مومنتوم (که بیشتر در تحلیل‌های مالی از آن استفاده می‌شود.) و میانگین متحرک همگرایی واگرایی (مکدی) تحلیل شده است؛ از این واکافت در علوم اجتماعی محاسباتی نخستین بار است که در جهت پیش‌بینی بحران‌های امنیتی و حوادث سیاسی و ایجاد امکان اشراف حاکمیتی بر آن استفاده شده است. بر اساس یافته‌های پژوهش، حداقل 6 اعتراض اجتماعی کشور در سال 97 پیش از رخداد، قابل ‌شناسایی و مدیریت بوده است؛ همچنین سامانه‌ای که بتواند از چنین واکافت­هایی درکلان داده‌های رسانه‌های اجتماعی به‌صورت بلادرنگ استفاده کند، کارایی لازم برای اعلان هشدار زودهنگام و اندازه‌گیری مخاطرات سیاسی و امنیتی جامعه را خواهد داشت.
first_indexed 2024-04-09T16:01:58Z
format Article
id doaj.art-94e66b3dcfa74d5c89f20b284fd6116b
institution Directory Open Access Journal
issn 2538-3329
language fas
last_indexed 2024-04-09T16:01:58Z
publishDate 2022-10-01
publisher Higher National Defense University
record_format Article
series امنیت ملی
spelling doaj.art-94e66b3dcfa74d5c89f20b284fd6116b2023-04-25T10:15:25ZfasHigher National Defense Universityامنیت ملی2538-33292022-10-0112459342277شناسایی زودهنگام سیگنال‌های ناآرامی در رسانه‌های اجتماعی (مطالعۀ موردی اعتراضات سال 97 ایران در تلگرام)هومن اهرامی0احمد جعفرنژاد چقوشی1مسعود اسدپور2گروه مدیریت فناوری اطلاعات،واحد تهران مرکزی، دانشگاه آزاد اسلامی،تهران، ایراناستاد دانشکده مدیریت، دانشگاه تهراناستادیار،دانشکده برق و مهندسی کامپیوتر، دانشگاه تهران، تهران، ایرانایران از زمان فراگیری شبکۀ دیتای تلفن همراه تا امروز بیش از 35 میلیون کاربر پیام‌رسان‌های اجتماعی دارد. فراگیری رسانه‌های اجتماعی (در ایران با ضریب نفوذ 49%) در بین عموم مردم و کارکردهای متنوع آن­ها می‌تواند نقطۀ شروع استفاده از سنجش اجتماعی باشد؛ در این حالت کاربران مشابه یک حسگر، داده‌هایی برای واکافت فراهم می‌کنند؛ یکی از کاربردهای سنجش اجتماعی مدیریت بحران است. ازآنجایی‌که شناسایی زودهنگام رویدادها و بحران‌های سیاسی، اقتصادی و اجتماعی از اهمیت بالایی برای مدیریت جامعه برخوردار است؛ روشی که بتواند با استفاده از واکافت کلان داده‌ها به این هدف بپردازد؛ به‌عنوان یک سیستم پدافندی می‌تواند از هزینه‌های انسانی، اقتصادی و اجتماعی بحران‌ها و رخدادها کاسته و به‌عنوان یک ابزار برای بالابردن آگاهی موقعیتی و ارتقا امنیت ملی مورد بهره‌برداری قرار گیرد. مجموعۀ داده پژوهش حاضر بر اساس خزش و متن‌کاوی خشونت کلامی در یک میلیون و چهارصد هزار کانال عمومی فارسی پیام‌رسان تلگرام در سال 97 جمع‌آوری‌شده و پس از پالایش بر اساس سری زمانی میانگین متحرک نمایی مدل شده است؛ برای شناسایی سیگنال‌های بحران در این مدل از اسیلاتور تعقیب‌گر روند مومنتوم (که بیشتر در تحلیل‌های مالی از آن استفاده می‌شود.) و میانگین متحرک همگرایی واگرایی (مکدی) تحلیل شده است؛ از این واکافت در علوم اجتماعی محاسباتی نخستین بار است که در جهت پیش‌بینی بحران‌های امنیتی و حوادث سیاسی و ایجاد امکان اشراف حاکمیتی بر آن استفاده شده است. بر اساس یافته‌های پژوهش، حداقل 6 اعتراض اجتماعی کشور در سال 97 پیش از رخداد، قابل ‌شناسایی و مدیریت بوده است؛ همچنین سامانه‌ای که بتواند از چنین واکافت­هایی درکلان داده‌های رسانه‌های اجتماعی به‌صورت بلادرنگ استفاده کند، کارایی لازم برای اعلان هشدار زودهنگام و اندازه‌گیری مخاطرات سیاسی و امنیتی جامعه را خواهد داشت.https://ns.sndu.ac.ir/article_2277_1fc78ff0e0cb9dbfea83630c8f4a27ca.pdfشناسایی زودهنگامسیگنال بحرانسری زمانیمکدیرسانه‌های اجتماعی
spellingShingle هومن اهرامی
احمد جعفرنژاد چقوشی
مسعود اسدپور
شناسایی زودهنگام سیگنال‌های ناآرامی در رسانه‌های اجتماعی (مطالعۀ موردی اعتراضات سال 97 ایران در تلگرام)
امنیت ملی
شناسایی زودهنگام
سیگنال بحران
سری زمانی
مکدی
رسانه‌های اجتماعی
title شناسایی زودهنگام سیگنال‌های ناآرامی در رسانه‌های اجتماعی (مطالعۀ موردی اعتراضات سال 97 ایران در تلگرام)
title_full شناسایی زودهنگام سیگنال‌های ناآرامی در رسانه‌های اجتماعی (مطالعۀ موردی اعتراضات سال 97 ایران در تلگرام)
title_fullStr شناسایی زودهنگام سیگنال‌های ناآرامی در رسانه‌های اجتماعی (مطالعۀ موردی اعتراضات سال 97 ایران در تلگرام)
title_full_unstemmed شناسایی زودهنگام سیگنال‌های ناآرامی در رسانه‌های اجتماعی (مطالعۀ موردی اعتراضات سال 97 ایران در تلگرام)
title_short شناسایی زودهنگام سیگنال‌های ناآرامی در رسانه‌های اجتماعی (مطالعۀ موردی اعتراضات سال 97 ایران در تلگرام)
title_sort شناسایی زودهنگام سیگنال‌های ناآرامی در رسانه‌های اجتماعی مطالعۀ موردی اعتراضات سال 97 ایران در تلگرام
topic شناسایی زودهنگام
سیگنال بحران
سری زمانی
مکدی
رسانه‌های اجتماعی
url https://ns.sndu.ac.ir/article_2277_1fc78ff0e0cb9dbfea83630c8f4a27ca.pdf
work_keys_str_mv AT hwmnạhrạmy sẖnạsạyyzwdhngạmsygnạlhạynạậrạmydrrsạnhhạyạjtmạʿymṭạlʿەmwrdyạʿtrạḍạtsạl97ạyrạndrtlgrạm
AT ạḥmdjʿfrnzẖạdcẖqwsẖy sẖnạsạyyzwdhngạmsygnạlhạynạậrạmydrrsạnhhạyạjtmạʿymṭạlʿەmwrdyạʿtrạḍạtsạl97ạyrạndrtlgrạm
AT msʿwdạsdpwr sẖnạsạyyzwdhngạmsygnạlhạynạậrạmydrrsạnhhạyạjtmạʿymṭạlʿەmwrdyạʿtrạḍạtsạl97ạyrạndrtlgrạm