Rooyesh-e-Ravanshenasi Journal(RRJ)

fa تشخیص و تبیین مدل تمایل به تبعیت افراد از توصیه‌های بهداشتی درحین پاندمی کرونا ویروس (کووید 19) بر اساس تحلیل احساسات کاربران شبکه‌های اجتماعی Identification and Explanation of Individuals’ Compliance Intention Model with Health Recommendations during Coronavirus )COVID-19 (Pandemic based on Sentiment Analysis of Social Media Users روانشناسی اجتماعی Social psychology پژوهشي Research یکی از منابع ارزشمند در خصوص هیجانهای افراد در مورد پدیدههای مختلف، شبکههای اجتماعی است، که با استفاده از تحلیل آنها میتوان اطلاعات با ارزشی بدست آورد. پژوهش حاضر با هدف بررسی مدل تمایل به تبعیت از توصیههای بهداشتی بر اساس تحلیل احساسات کاربران شبکههای مجازی در پاندمی کرونا طراحی شد. روش این پژوهش دادهکاوی بود. جامعه آماری این پژوهش متون کاربران ایرانی شبکههای اجتماعی مجازی توئیتر، تلگرام و اینستاگرام بود. به منظور انجام این پژوهش نمونهای متشکل 2500 متن از دادههای پیشپردازش شدهی شبکههای مجازی توئیتر، تلگرام و اینستاگرام در بازه زمانی 1 اسفند 1398 تا 31 فروردین 1399 مورد بررسی قرار گرفتند و با استفاده از الگوریتم ماشین بردار پشتیبان در طبقه‌های تمایل به تبعیت از توصیه‌های بهداشتی و احساسات دستهبندی شدند، در آخر نیز به منظور بررسی سئوال پژوهش از روش رگرسیون لجستیک استفاده شد. یافتههای این پژوهش نشان داد که بر اساس پنج هیجان ترس، اعتماد، غم، شادی و پیشبینی، میتوان تمایل به تبعیت کاربران از توصیههای بهداشتی را پیشبینی کرد. همچنین نتایج نشان داد که هیجان شادی با تمایل به تبعیت رابطه منفی و هیجانهای ترس، اعتماد، غم و پیشبینی با تمایل به تبعیت رابطه مثبت معناداری دارد (۰۵/۰P &lsaquo;). به طور کلی یافتههای این پژوهش موید نقش هیجانها در تمایل به تبعیت افراد از توصیههای بهداشتی بود. One of the valuable resources for individuals’ emotions about various phenomena is social networks, which can be analyzed to obtain valuable information. The aim of this study was to investigate the model of compliance intention with health recommendations based on the analysis of the emotions of virtual network users in the Corona pandemic. This study was conducted by the data mining method. The statistical population of this study was the texts of Iranian users on virtual social networks Twitter, Telegram, and Instagram. In order to conduct this research, a sample of 2500 texts of pre-processed data of virtual networks Twitter, Telegram, and Instagram from February 20, 2020, to April 19, 2020, were studied, and using the support vector machine algorithm, they were classified into categories intention to compliance health recommendations, and feeling. Finally, the logistic regression method was used to investigate the research question. The findings of this research indicated that users' intention to comply with health recommendations could be predicted. based on the five emotions of fear, trust, sadness, happiness, and anticipation. The results also showed that happiness emotion has a negative relationship and the feelings of fear, trust, sadness, and anticipation have a positive relationship with the compliance intention (P<0.05). In general, the findings of this study indicated the importance of emotions in individuals' health recommendations compliance. تحلیل احساسات, تمایل به تبعیت, توصیه‌های بهداشتی , شبکه های مجازی, ویروس کرونا Sentiment Analysis, Compliance Intention, Health Recommendation, Virtual Networks, Corona Virus. 205 216 http://frooyesh.ir/browse.php?a_code=A-10-7339-1&slc_lang=fa&sid=1 زهره رافضی rafezi.zohreh13@gmail.com 6649815306 100319475328460038593 Yes Assistant Professor of Psychology, Department of Clinical Psychology, Faculty of Education And Psychology, University of Allameh Tabataba’i, Tehran, Iran. استادیار روانشناسی، گروه روانشناسی بالینی، دانشکدۀ علوم تربیتی و روان‌شناسی ، دانشگاه علامه طباطبائی، تهران، ایران. Mohammad Ali Soltani Soltani محمد علی سلطانی mohalisoltani@gmail.com 100319475328460038594 100319475328460038594 No MSc. of Psychometrics, Faculty of Education And Psychology, University of University of Allameh Tabataba’i, Tehran, Iran. کارشناسی ارشد روان‌ سنجی، گروه سنجش و اندازه گیری، دانشکدۀ علوم تربیتی و روان‌شناسی، دانشگاه علامه طباطبائی، تهران، ایران. Leila Rafezi لیلا رافضی l.rafezi@gmail.com 100319475328460038595 100319475328460038595 No Ph. D. of physics,, Faculty of Basic Science, University of Semnan, Semnan, Iran. دکتری تخصصی فیزیک، گروه فیزیک، دانشکدۀ فیزیک، دانشگاه سمنان، سمنان، ایران.