نوع مقاله : مقاله پژوهشی
نویسندگان
1 استادیار گروه سیاستگذاری علم و فناوری پژوهشکده مطالعات بنیادین علم و فناوری دانشگاه شهید بهشتی، تهران، ایران
2 کارشناسی ارشد مدیریت تکنولوژی، گروه مدیریت، دانشکده مدیریت و حسابداری، دانشگاه شهید بهشتی، تهران، ایران
3 دکتری سیاستگذاری علم و فناوری، گروه مدیریت صنعتی، دانشکده علوم اقتصادی و اداری، دانشگاه مازندران، مازندران، بابلسر
چکیده
امروزه، کاربران بسیاری در شبکه‌های اجتماعی مختلف، عقاید و نظرات خود را با سایرین به اشتراک می‌گذارند. حجم انبوه داده‌های خام تولیدشده در شبکه‌های اجتماعی، آن‌ها را به مخزنی سرشار از ایده‌ها، افکار و دغدغه‌های تعداد بی‌شماری از کاربران تبدیل کرده که می‌تواند نقش تعیین‌کننده‌ای در تصمیم‌گیری‌های خرد و کلان داشته باشند. فلذا پژوهش حاضر درصدد آن است که با استفاده از روش‌های متن‌کاوی در توییتر، دغدغه‌های اجتماعی مردم را شناسایی کرده تا در طرح‌های آتی نوآوری و کارآفرینی اجتماعی لحاظ شود. برای دستیابی به این هدف، توییت‌های مرتبط با نوآوری اجتماعی و کارآفرینی اجتماعی با روشی نوین از توییتر استخراج شدند و با استفاده از تکنیک‌ها و الگوریتم‌های متن کاوی از جمله مدل سازی موضوعی LDA و تحلیل احساسات مورد بررسی قرار داده شدند. یافته‌های متن‌کاوی نشان داد، کاربران عموما در حوزه کارآفرینی اجتماعی بیشتر به موضوعاتی همچون لزوم اهمیت به مساله‌ی اشتغال در چابهار، برگزاری رویداد‌های رایگان برای شناسایی ایده‌ها و فرصت‌ها و مشکلات جذب سرمایه در پروژه‌های کارآفرینی پرداخته بودند. همچنین در حوزه نوآوری اجتماعی نیز کاربران به موضوعاتی چون لزوم اهمیت به معلولین، ساخت مراکز دندانپزشکی و همچنین تاسیس گلخانه در مناطق جنوبی کشور و توانمندسازی بانوان توجه بیشتری نشان داده‌اند. علاوه‌براین تحلیل احساسات توییت‌های فارسی درباره‌ی کارآفرینی و نوآوری اجتماعی، حاکی از مثبت بودن نتایج داشت. باتوجه به نتایج مثبت حاصل از تحلیل احساسات مردم نسبت به کارآفرینی و نوآوری اجتماعی و موضوعات شناسایی شده، می‌توان در برنامه‌ریزی‌ها و تصمیم‌گیری‌های آینده، طرح‌هایی را برای رفع دغدغه‌های مردم .....
کلیدواژه‌ها
عنوان مقاله [English]
Social Networks at the Service of Social Innovation and Social Entrepreneurship (The Case Study of Twitter)
نویسندگان [English]
- Ali Asghar Sadabadi 1
- Faraz Mehraien 2
- Zohreh Rahimi Rad 3
1 Assistant Professor of Science and Technology Policy Department, Institute of Basic Studies of Science and Technology, Shahid Beheshti University, Tehran, Iran
2 MA in technology management, Department of Management, Management and Accounting Faculty, Shahid Beheshti University, Tehran, Iran
3 Ph.D. in Science and Technology Policy, Department of Industrial Management, Faculty of Economics and Administrative Sciences, Mazandaran University, Mazandaran, Babolsar, Iran.
چکیده [English]
Nowadays, many users share their ideas and opinions with others on various social networks. The mass volume of raw data generated on social networks has made them a repository full of ideas, thoughts and concerns of countless users noticing which can play a decisive role in micro and macro decisions. Therefore, the present study seeks to identify people's social concerns by using text analysis methods on Twitter to be included in future plans for social innovation and social entrepreneurship. To achieve this goal, tweets related to social innovation and social entrepreneurship were extracted from Twitter in a new way and analyzed using text mining techniques and algorithms such as topic modeling of LDA and sentiment analysis. The text mining findings showed that users in the field of social entrepreneurship generally focused on issues such as the need to pay attention to employment in Chabahar, holding free events to identify ideas, and opportunities and the problems of raising capital in entrepreneurial projects. Also, in the field of social innovation, users have paid more attention to issues such as the need to care for the disabled, construction of dental centers, the establishment of greenhouses in the southern regions of the country, and empowerment of women. In addition, the analysis of Persian tweets' sentiments about social entrepreneurship and social innovation showed positive results. Given the positive results of analyzing people's feelings towards social entrepreneurship and social innovation and the identified topics, programs and decisions can be considered in future planning to address people's concerns, which can ultimately increase people's satisfaction and their level of well-being.
کلیدواژه‌ها [English]
- Social Entrepreneurship
- Data Mining
- Social Innovation
- Opinion Mining
-
چیت سازیان، علیرضا، صادقی کیا، محمد علی. (1397). مشارکت مردمی در نوآوری اجتماعی. مدیریت نوآوری. ( دوره 8 ، شماره 1)( از صفحه 1 تا صفحه 20)
خدایاری، مریم و نیل فروشان، هادی،1398،کنکاشی بر مفهوم شناسی و ابعاد اصلی نوآوری اجتماعی،شانزدهمین کنفرانس بین المللی مدیریت (علمی-پژوهشی)،تهران،https://civilica.com/doc/996800
سعدآبادی، علی اصغر؛ پور عزت، علی اصغر؛ قانعی راد، محمد امین؛ مختارزاده گروسی، نیما؛ الیاسی، مهدی. (1395). چرخه‌ی حیات نوآوری اجتماعی. مدیریت توسعه فناوری. ( دوره 4 شماره 2)( از صفحه 69 تا صفحه 95 )
سهرابی، بابک، رئیسی، بابک، خداپرست، فرشته. (1395). تحلیل نظرات کاربران وب سایت های تجارت اجتماعی بر اساس روش های متن کاوی و داده کاوی. مجله جهانی رسانه. (دوره 11 ؛ شماره2 ) ( از صفحه 163 تا صفحه 179) .
عباسی، مهدی. (1395). طبقه بندی توئیتهای فارسی شبکه اجتماعی توییتر با استفاده از روش متن کاوی.(پایان نامه کارشناسی ارشد). قابل بازیابی از گنج، پایگاه اطلاعات علمی ایران(ایرانداک) دانشگاه علامه طباطبایی. تهران. ایران
عباسی، مهناز ؛ مویدی، فاطمه ؛ بازرگان لاری؛ کیمیا.(1397).آنالیز احساسات داده های توییتر با استفاده از الگوریتم های داده کاوی.پنجمین کنفرانس ملی علوم ومهندسی کامپیوتر و فناوری اطلاعات،بابل،https://civilica.com/doc/810342.
عرفان منش، محمد امین، حسینی، الهه، حبیبی، سحر. (1397). تحلیل توییت های علمی مقالات در توییتر. فصلنامه مطالعات ملی کتابداری و سازماندهی اطلاعات، (دوره 29 , شماره 3 (پیاپی 115)) (از صفحه 93 تا صفحه 111)
کشتکار, مهران. (1397). شناسایی ابعاد و مؤلفه های نوآوری اجتماعی در ایران. فصلنامه مدیریت نوآوری در سازمان‌های دفاعی, دوره 1 , شماره 1 ( از صفحه 1 تا صفحه 23).
مرجانی، تیمور؛ صدری، صدرالدین. (1393). توسعة کارآفرینی اجتماعی؛ آسیب ها، عوامل مؤثر و راهکارها. مدیریت فرهنگ سازمانی. سال دوازدهم تابستان 1393 شماره 2 (پیاپی 32)
میرزاآقازاده، میترا؛ سلوک، وحید؛ باقرزاده، جمشید. (1394). ارزیابی تاثیر محبوبیت کاربر و هشتگ در محبوبیت پست‌های شبکه اجتماعی توییتر. هفتمین کنفرانس بین المللی فناوری اطلاعات و دانش ،ارومیه،. https://civilica.com/doc/388744
نداف، مهدی؛ جلدانی، شادی؛ محمدی، سارا. (1398). بررسی نقش عوامل نهادی درکارآفرینی اجتماعی دانشجویان(شواهدی از دانشجویان مهندسی دانشگاه شهید چمران اهواز). چهارمین کنفرانس ملی اقتصاد، مدیریت و حسابداری، اهواز،https://civilica.com/doc/1019911.
نظری، فائزه؛ نوروزی، کاوه؛ حسینی، سهراب؛ صهبا، فرشید.. (1398). مروری بر : داده کاوی متون شبکه های اجتماعی برای احساسات و تمایلات مصرف کننده برند. چهارمین کنگره ملی تحقیقات بنیادین در مهندسی کامپیوتر و فناوری اطلاعات, 1–22.
Angelidou, M., & Psaltoglou, A. (2018). Digital social innovation in support of spatial planning. An investigation through nine initiatives in three smart city programmes. Spatium, 39, 7–16. https://doi.org/10.2298/SPAT1839007A
Bagheri, A., Saraee, M., & De Jong, F. (2013). Sentiment classification in Persian: Introducing a mutual information-based method for feature selection. 2013 21st Iranian Conference on Electrical Engineering, ICEE 2013. https://doi.org/10.1109/IranianCEE.2013.6599671
Ghavidel, H. A. (2014). Impact of Topic Modeling on Rule-Based Persian Metaphor Classification and its Frequency Estimation.IJICTR 7(2), 33–40. http://ijict.itrc.ac.ir/article-1-100-en.html
Groot, A., & Dankbaar, B. (2014). Does Social Innovation Require Social Entrepreneurship? Technology Innovation Management Review, 4(12), 17–26. https://doi.org/10.22215/timreview854
Hosseini, P., Hosseini, P., & Broniatowski, D. A. (2020). Content analysis of Persian/Farsi tweets during COVID-19 pandemic in Iran using NLP. ArXiv, 1–16. https://doi.org/10.18653/v1/2020.nlpcovid19-2.26
Howaldt, J., & Schwarz, M. (2017). Social Innovation and Human Development—How the Capabilities Approach and Social Innovation Theory Mutually Support Each Other. Journal of Human Development and Capabilities, 18(2), 163–180. https://doi.org/10.1080/19452829.2016.1251401
Kaila, R.P. & Prasad, A. V. K. (2020). Informational Flow on Twitter - Corona Virus Outbreak – Topic. 11(3), 128–134.
Kireyev, K., Palen, L., & Anderson, K. (2009). Applications of topics models to analysis of disaster-related twitter data. NIPS Workshop on Applications for Topic Models: Text and Beyond. http://www.umiacs.umd.edu/~jbg/nips_tm_workshop/15.pdf
Li, G., Dai, J. S., Park, E. M., & Park, S. T. (2017). A study on the service and trend of Fintech security based on text-mining: focused on the data of Korean online news. Journal of Computer Virology and Hacking Techniques, 13(4), 249–255. https://doi.org/10.1007/s11416-016-0288-9
Marques, P., Morgan, K., & Richardson, R. (2018). Social innovation in question: The theoretical and practical implications of a contested concept. Environment and Planning C: Politics and Space, 36(3), 496–512. https://doi.org/10.1177/2399654417717986
Maylawati, D. S., Aulawi, H., & Ramdhani, M. A. (2018). The concept of sequential pattern mining for text. IOP Conference Series: Materials Science and Engineering, 434(1). https://doi.org/10.1088/1757-899X/434/1/012042
Rossi, A., & Bocci, R. (2018). The Transformative Potential of Social Innovation. The Case of Wheat and Bread Value Chain in Tuscany. Jrnl. of Soc. of Agr. & Food, 24(3), 431–448. www.diversifood.eu
Saura, J. R., & Bennett, D. R. (2019). A three-stage method for data text mining: Using UGC in business intelligence analysis. Symmetry, 11(4). https://doi.org/10.3390/sym11040519
Saura, J. R., Palos-Sanchez, P., & Grilo, A. (2019). Detecting indicators for startup business success: Sentiment analysis using text data mining. Sustainability (Switzerland), 11(3), 1–14. https://doi.org/10.3390/su11030917
Sheikha, H. (2020). text mining twitter social media for covid-19.) Undergraduate Project( University of Gävle, Faculty of Engineering and Sustainable Development, Department of Computer and Geospatial Sciences.
Shen, C. W., & Ho, J. T. (2018). Public opinion toward social business from a social media perspective. Lecture Notes in Computer Science (Including Subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics), 10943 LNCS, 555–562. https://doi.org/10.1007/978-3-319-93803-5_52
Sindhani, M., Parameswar, N., Dhir, S., & Ongsakul, V. (2019). Twitter analysis of founders of top 25 Indian startups. Journal for Global Business Advancement, 12(1), 117–144. https://doi.org/10.1504/JGBA.2019.099918
)