تحلیل احساس

پژوهش حاضر با هدف شناخت جنبه های دسترسی آزاد مورد توجه کاربران شبکه اجتماعی «توییتر» و تحلیل عقاید آنان در این باره انجام شد. نمونه ای از توییت های انگلیسی درباره دسترسی آزاد شناسایی و به روش تحلیل محتوای کمی با رویکرد تحلیل عقاید مطالعه شد. بدین منظور، نخست جنبه های مختلف دسترسی آزاد با مرور ادبیات حوزه شناسایی و در قالب فرمول های جست وجو تدوین شد. این گام به بازیابی ۸۷۴۲۷۰ توییت انجامید. داده ها با کمک جست وجوی انطباق دقیق در «اکسل» پاکسازی و نمونه ای مشتمل بر ۱۶۵۳۲۰ توییت مرتبط به دست آمد و سپس، نمونه به چهار گروه موضوعی «هزینه و منابع مالی»، «نشر و منابع»، «مدل ها» و «اعتبار و کیفیت» دسترسی آزاد دسته بندی شد. پردازش متن و محاسبه نمره عقیده توییت ها به ترتیب با نرم افزار «نایم» و «سنتی استرینگث» انجام شد. تحلیل داده ها با آمار توصیفی و استنباطی در «اکسل» و «اس پی اس اس» صورت گرفت. نتایج نشان داد که مفاهیم مرتبط با «نشر و انواع منابع دسترسی آزاد» از بیشترین توییت برخوردارند. چنانچه این گروه به دلیل کلیت و عمومیت آن نادیده گرفته شود، «اعتبار و کیفیت» و «هزینه ها و منابع مالی» دو موضوع اصلی مورد توجه کاربران «توییتر» است. بر اساس نتایح عقیده کاوی، بیش از نیمی از توییت ها خنثی بوده و فراوانی عقاید مثبت با اختلاف کمی از عقاید منفی بیشتر است. با این حال، دو موضوع «اعتبار و کیفیت» و «هزینه ها و منابع مالی» بیش از همه توییت های منفی گرفته اند. به این ترتیب، همسو با نتایج پیمایش های پیشین، که با هدف کشف دغدغه های محققان و ذی نفعان دسترسی آزاد انجام شده، پژوهش حاضر تصویری کم وبیش یکسان را برای فضای اجتماعی به دست داد. از آنجا که دسترسی آزاد به اطلاعات علمی در جهت توسعه جوامع دانش بنیان یک ضرورت محسوب می شود، نتایج تحقیق حاضر لزوم برداشتن گام هایی جدی برای تقویت نقاط مثبت و اندیشیدن راهکارهایی برای رفع مسائل و چالش هایی که به عقاید منفی منجر شده است، برجسته می سازد.

این پژوهش، روشی برای کمّی سازی اطلاعات بدون ساختار اخبار اقتصادی برای به کارگیری در ارزیابی به هنگام شرایط اقتصادی را پیشنهاد می دهد. به همین منظور، اخبار اقتصادی به صورت روزانه از ابتدای سال 1384 تا انتهای آذرماه سال 1402، از پایگاه اینترنتی خبرگزاری فارس استخراج شده است. متون خبری، پس از پیش پردازش اولیه، با استفاده از مدل تخصیص پنهان دیریکله (LDA) در دسته های مختلفی طبقه بندی شدند به نحوی که هر دسته، یک موضوع خبری را نشان می دهد. سپس با استفاده از رویکرد تحلیل احساس مبتنی بر واژه نامه، امتیاز یا نمره حسی هر خبر مشخص شده است. از تجمیع فصلی امتیازات حسی اخبار ذیل هر موضوع، سری های زمانی حسی ایجاد و توانایی این سری های زمانی در پیش بینی تولید ناخالص داخلی فصلی ایران با استفاده از روش های ریج، لسو، الستیک نت و تقویت گرادیان ارزیابی شده اند. نتایج نشان داده اند که به کارگیری داده های حسی می تواند خطای پیش بینی را بین 12 تا 18 درصد نسبت به الگوی سری زمانی تک متغیره کاهش دهد. علاوه بر این، با استفاده از رویکرد پیشنهادی این پژوهش می توان بلافاصله بعد از اتمام هر فصل مرجع و با استفاده از اخبار اقتصادی منتشر شده در همان فصل، برآوردی به هنگام از تولید ناخالص داخلی فصلی ارائه کرد