تشخیص عقیده

هدف این پژوهش شناسایی و دسته بندی نظرات کاربران فارسی زبانِ «توئیتر» در رابطه با موضوع بحران های خشکسالی در ایران و سپس، توسعه مدلی برای تشخیص این نظرات در پلتفرم «توئیتر» است. ازاین رو، مدلی با کمک روش های یادگیری ماشین و متن کاوی برای تشخیص نظرات کاربران فارسی زبانِ «توئیتر» توسعه داده شد. جامعه آماری پژوهش، تعداد 42028 توئیت منتشرشده در بازه زمانی یک ساله مرتبط با خشکسالی بود. این توئیت ها با کلیدواژه های مرتبط با مسایل و بحران های خشکسالی در ایران، از «توئیتر» استخراج شد و سپس، یک نمونه 2300تایی توئیت به روش کیفیِ تحلیل تم، برچسب گذاری، دسته بندی و تحلیل شد. آنگاه یک دسته بندی چهارتایی از نظرات کاربران در رابطه با بحران های خشکسالی و تاب آوری ایرانیان در برابر این بحران ها شناسایی گردید. سپس، مبتنی بر این چهار دسته، مدل یادگیری ماشین بر اساس روش رگرسیون لجستیک برای پیش بینی و تشخیص انواع نظرات در پست های «توئیتر»، آموزش داده شد. مدل توسعه داده شده دارای دقت 09/66 درصد و معیار افِ 60 درصد است که نشان می دهد این مدل، برای تشخیص نظرات کاربران ایرانی در ارتباط با بحران های خشکسالی از عملکرد خوبی برخوردار است. تشخیص نظرات در رابطه با بحران های خشکسالی در پلتفرم های اجتماعی مانند «توئیتر» از نیازهای سیاست گذاران و مدیران این حوزه است. توسعه مدل تشخیص این نظرات با روش های یادگیری ماشینی می تواند میزان تاب آوری جامعه ایرانی در برابر این بحران ها را به صورت هوشمند به سیاست گذاران نمایش داده و آن ها را نسبت به تغییرات افکار عمومی در این رابطه آگاه سازد.