Summary

コンピュータ化された言語分析とソーシャルネットワーク分析を統合し、オンラインコミュニティにおける依存症回復資本を獲得

Published: May 31, 2019
doi:

Summary

この記事では、アルコールと薬物中毒からの回復のオンラインコミュニティの研究によって例示される動的なオンラインソーシャルインタラクション(オンラインコンテキスト)を分析するための新しいアプローチについて説明します。

Abstract

この記事では、アルコールと薬物(AOD)中毒からの回復のオンラインコミュニティにおける社会回復資本開発を捉える包括的で、控えめで正確な方法を見つけることを目的として設計された新しい方法論について説明します。回収資本は、オンライン回復コミュニティへの関与とコミュニティとの識別の両方として概念化されました。回収資本開発を測定するために、特定の回復プログラムのソーシャルメディアページから自然発生データを抽出し、対面復旧プログラムのリソースとしてページを設定しました。オンラインコミュニティとのエンゲージメントをマッピングするために、オンラインソーシャルインタラクションをキャプチャするソーシャルネットワーク分析(SNA)が行われました。ソーシャルインタラクションは、プログラムクライアント、スタッフ、およびより広範なコミュニティからのサポーターによって表されるオンライン貢献者/オンラインコミュニティのメンバー間のリンクを通じて測定されました。オンラインコミュニティとの社会的識別のマーカーをキャプチャするために、テキストデータ(投稿やコメントからのコンテンツ)のコンピュータ化された言語分析を行いました。この方法でキャプチャされた回復資本は、(対面)リカバリ・プログラムで費やされた日数として、保持データ(プロキシ結果指標)に対して分析されました。抽出されたオンラインデータは、主要な回復結果の予測をテストするためのプログラム保持に関する参加者データにリンクされました。このアプローチにより、オンラインサポートコミュニティの役割を検討し、回復資本(回復のオンラインコミュニティを介して開発)と回復結果との関連の評価を行うことが可能になりました。

Introduction

提示された方法は、オンラインコンテキストでアルコールおよび他の薬物(AOD)中毒回復資本をキャプチャするように設計されています。依存症の分野では、回収資本は「物質の誤用停止の開始と維持に負担させることができる資源の合計」定義されています 1.回収資本は、主に対面のコンテキストで自己報告2、3を通じて測定されています。このアプローチは、回復のオンラインコミュニティにおけるオンラインインタラクションの質と量をキャプチャすることにより、オンラインコンテキストで回復資本を測定する別の方法を提供します。

健康関連の問題4、5の範囲でピアサポートの形でオンラインリソースの使用が着実に増加することを考えると、これらのリソースの品質をキャプチャするための新しい方法を開発する必要があります。オンライン ピア サポートは、オンライン フォーラムやコミュニティでのソーシャルインタラクションの形で行われます。これらのオンラインコンテキストにおける支援的な社会的相互作用は、回復資本の構築に貢献し、回復プロセス6,7にプラスの影響を与えます。提案された方法は、代替方法に対して多くの利点を提示する。第一に、依存症研究における自己報告対策の使用に関するいくつかの制限を克服し、特にリコールと自己提示バイアスに関する。自己申告対策は、妥当なレベルの信頼性と妥当性を有すると考えられていますが、バイアスや不正確さの影響を受けやすくなります。精度を高め、バイアスを最小限に抑えるためには、これらの問題を回避または最小化するように設計された新しい手段およびデータ収集状況の使用を増やす必要があることが認識されている 8.回復の様々な段階の人々が自発的に相互作用する状況で自然に発生するデータにアクセスし、これらのデータから有意義な情報を抽出できる分析方法を使用することにより(心理状態の指標をキャプチャすることができる)。社会的な望ましさ(自己提示)によるバイアスやリコールの制限による不正確さは、削減または排除することができます。第二に、この方法は、既存のオンラインデータの抽出(すなわち、一般にアクセス可能なオープンオンラインフォーラム)の抽出に依存しているので、非常に効率的で費用対効果が高いです。

次に説明する方法は、早期回復段階で中毒者のための伝統的な対面中毒回復プログラムを補完するために設立されたオンラインコミュニティでの回復資本の構築の研究に適用された方法です。この場合、オンライン (ソーシャル メディア) データはプログラム保持データにリンクされていましたが、リンケージ データが利用できない場合やアクセス可能でない場合にもこの方法を使用できます。

Protocol

ここで説明する研究は、シェフィールド・ハラム大学の研究倫理コミュニティによって承認されました. 1. セットアップ 注:補足ファイル 1として提供されている添付の R スクリプトを参照してください。 R. パッケージの必須パッケージ (Rfacebook9、 dplyr10、 igraph11、 openxlsx12)の読み込みは、ユーザーがデータを分析、変換、または抽出できるようにする関数、データセット、またはコンパイル済みコードを参照します。 CSV ファイルからデータ フレームとして (外部) 保持データとユーザー データを R に読み込みます。注: 保持データとは、クライアントがオフライン (従来の) 依存症回復プログラムに参加する日数を指します。これは、参加者名とプログラムに関与した日数を持つ CSV ファイルに記録された (オフライン) 回復プログラムの管理者によって提供されました。参加者名は、R にインポートされる前に匿名 ID 番号に置き換えられました。 2. オンラインコミュニティからのデータ抽出(依存症回復コミュニティのソーシャルページ) 注: このプロトコルはソーシャル メディア ページに適用されますが、さまざまな種類のオンライン コミュニティに適応できます。Rfacebook パッケージの場合、ユーザーはソーシャル メディア ページから R にデータを抽出できます。 参照されているウェブサイト13のガイドに従って、ソーシャルメディア(Facebook)アクセストークンを作成します。 R でアクセス トークンを作成します。 Rfacebookの「getGroup」機能を使用して、関心のあるコミュニティのソーシャルメディアページからデータを抽出します(投稿の内容、各投稿のコメント数や「いいね」、投稿ごとに一意のID番号など)。このデータはデータ フレームとして保存されます。注: データ フレームは、基本的に、データの格納に使用される R 内のテーブルです。 Rfacebookの「getPosts」機能を使用し、ステップ2.3で抽出された投稿された投稿されたDと共に、ページ上で行われた投稿に関するデータを抽出します。 Rfacebookの「getPosts」機能を使用して、ステップ2.3で抽出された投稿された投稿されたイドと共に、各投稿に対して行われたコメントのデータを抽出します(例えば、投稿にコメントをコメントするユーザーのユーザーのユーザーのユーザーの誰も、コメントが行われたときに、投稿が受け取った数のいいね)。このデータはデータ フレームとして保存されます。 ステップ2.5で抽出したコメント付きコメントを使用して、各投稿で行われた「コメントのいいね」に関するデータを抽出します(例えば、コメントを好む人のユーザーのユーザーの一部)。このデータはデータ フレームとして保存されます。 投稿、投稿の「いいね」、コメント、コメントを 1 つのデータ フレームに結合します。 毎月の内訳 (月 1 から 8) を追加します。 3. 各クライアントが行い、受け取ったソーシャルメディア活動の計算 各クライアントが行った投稿、コメント、投稿の「いいね」やコメントの数を計算します。 各クライアントが受け取った投稿、コメント、投稿の「いいね」やコメントの数を計算します。 各クライアントが行って受信したソーシャル メディア アクティビティのデータ フレームを保持データ フレームに結合します。 「いいね」と「いいね」を持つ投稿とコメントの違いを計算します。 コメントとコメントのない投稿の差を計算します。 「いいね」の差分データを保持データに結合します。 コメント差分データを保持データに結合します。 各クライアントによって作られたすべての同類を計算します。 各クライアントが受け取ったすべての「いいね」を計算します。 どのユーザーがソーシャル メディア グループに参加していないか (つまり、活動がない) を特定します。 4. ソーシャルネットワーク解析の実施 エッジ リストを作成します。エッジリストはソーシャルネットワーク内の関係のリストであり、この場合は1)好きな投稿やコメント、2)投稿へのコメントに基づいています。これは、データセット内の 2 つの列を調えることによって行われます。最初の列には投稿を作成したユーザーの匿名 ID が含み、2 番目の列には投稿に好きなユーザーまたはコメントするユーザーの匿名 ID が含まれます。 頂点リストを作成します。頂点リストは、グループ内のすべての個人のリストです。これは、リレーションシップの一覧にある 2 つの列を 1 つの列に変換し、重複する匿名 ID を削除して、一意の匿名 ID だけが残るようにすることで行われます。 igraph パッケージの “graph.data.frame” 関数と “get.”隣接関数を使用して、エッジリストと頂点リストからグラフマトリックスオブジェクトを作成します。 igraphパッケージから「度」関数と「間」関数を使用して、オンライングループのネットワーク統計(度と間)を取得します。 5. LIWCにおけるコンピュータ言語分析の実施 テキストのソーシャルメディアデータ(投稿やコメント)と投稿/コメントID列をCSVファイルにエクスポートします。 テキストソーシャルメディアデータのCSVファイルを言語照会ワードカウント(LIWC)ソフトウェアにインポートします。 LIWC カテゴリを生成し、新しい CSV ファイルに保存します。これを行うには、「テキストの分析」をクリックし、「Excel/CSVファイル」をクリックし、投稿とコメントを含む列をクリックして分析するテキストを選択します。LIWC がテキスト データの分析を完了したら、出力を新しい CSV ファイルとして保存します。 LIWC 結果 CSV ファイルを R にインポートし、既存のデータとマージします。データは、LIWC と既存のデータ フレームの両方に存在するポスト/コメント ID 列と照合されます。 投稿とコメントの各ユーザーの LIWC スコアの合計を計算し、保持データに参加します。 すべてのテキスト データ (投稿とコメントを組み合わせた) で各ユーザーの LIWC スコアの合計を計算し、保持データに結合します。 保持データ・データ・フレームから NA を削除します。 6. 回帰分析の実施(オンラインコミュニティとのエンゲージメント指標がオフライン回復プログラムの保持を予測するかどうかを判断する) 独立変数を定義します。 基本Rの「lm」関数を使用して、保持データを従属変数として使用して線形回帰分析を行い、LIWCカテゴリ、コメント、投稿好き、コメントを独立変数として実行します。 回帰分析結果を 1 つのデータ フレームに結合します。 7. 毎月の SNA マップの作成 SNA マップ用のデータ フレームを準備します。 毎月の累積的なソーシャル メディア アクティビティに基づいてエッジ リストを作成します。 毎月の累積的なソーシャル メディア アクティビティに基づいて頂点リストを作成します。 毎月の累積的なソーシャルメディア活動に基づいてグラフとグラフ行列を作成します。 累積的なソーシャル メディアアクティビティに基づいて SNA マップのレイアウトを設定します。 ユーザー ロールに基づいて色を追加します。 SNA マップを作成し、ファイルに保存します。 8. ソーシャルメディアグループの月間累積ソーシャルメディア活動の計算 スタッフ、クライアント、およびソーシャル メディア グループの他のメンバーによる毎月の累積ソーシャル メディア アクティビティを計算します。 ソーシャル メディア グループのすべてのメンバーによる毎月の累積ソーシャル メディア アクティビティを計算します。 毎月の累積ソーシャルメディアアクティビティデータフレームに一緒に参加します。

Representative Results

この方法を用いて得られた代表的な結果の詳細な説明は、研究が行われた機関の研究倫理委員会からレビューされ、完全な承認を受けた最近の研究14で見つけることができます。ここで説明したレポートでは、回復コミュニティへのオンライン参加が、回復資本構築を通じて回復プロセスに寄与しているかどうかを調査しました(オンラインの社会的相互作用のレベルと質の向上によって捕捉され、ポジティブアイデンティティ開発)。言い換えれば、この研究は、オンラインデータの8ヶ月間にオンライン回復資本の指標が評価されたかどうかを調べ、また、早期に中毒者のためのコミュニティの関与を促進するために設計された回復プログラムの保持を予測しました。回復。 参加者がオンラインでどのようにやり取りしたかをマッピングするために、回復コミュニティのソーシャルメディアページ(n = 609)から抽出されたデータを使用して、ソーシャルネットワーク分析(SNA)を実施しました。ソーシャルネットワークとその進化を視覚的に表現する図 1に示します。この図は、オンライン コミュニティのすべての参加者間の接続の形で毎月 8 か月間観察されたオンライン コミュニティでの活動 (投稿へのコメント、投稿の好み、好きなコメント) を示しています。ネットワーク内の”エージェント”が持つ接続の数によって、ネットワーク内の中央の接続量が決まります。コンピュータ化された言語分析を用いてテキストデータ(社会的アイデンティティマーカーのキャプチャ)を評価し、線形回帰分析を行い、回復資本の指標がプログラム保持を予測したかどうかを判断した。これらの分析は、プログラムの保持が実際に予測されたことを示しました: (a) ソーシャルメディアページで受け取ったコメントやすべての「いいね」の形で受け取ったグループ検証のレベル, (b) ソーシャルネットワーク内の位置 (ネットワークの中心性), (c) グループアイデンティティと成果(オンラインコミュニケーションの言語的内容によって捕捉される)。結果は、オンライン回復コミュニティのメンバー間の全体的な肯定的な社会的相互作用が回復プロセスを支持するという議論を支持した。これらの調査結果の概要を以下に示します。 図1:8ヶ月以上のオンラインコミュニティのソーシャルネットワークの毎月の表現は、参加者間の社会的相互作用のパターンの変化を示唆しています。これらの表現は、開始時に、オンライン コミュニティ (オフライン回復プログラムのクライアント) のクライアントメンバーのほとんどが切断され、プログラム スタッフであり、オンライン アクティビティを駆動するクライアントの数が少ない場合を示しています。しかし、これは徐々に変化し、8ヶ月後にクライアントが最も接続されたもの(したがって最も中心的)であり、ネットワーク内の接続数が最も多い(図は前の出版物から適応される)14である。この図のより大きなバージョンを表示するには、ここをクリックしてください。 記述統計 オンライン コミュニティとの参加者のエンゲージメントのレベルは、オンライン コミュニティのすべての参加者の投稿数、コメント、およびスタッフ、クライアント、および広範なコミュニティ メンバーによる「いいね」の数として計算することによって測定されました。表1は、8ヶ月間の貢献の種類別(参加者の各カテゴリーによって行われた)の内訳を示しています。 グループ メンバー オンライン投稿の種類 月 1 月 2 月 3 月 4 月 5 月 6 月 7 月 8 すべての 投稿とコメント 382の 388(770) 579(1349) 369 (1718年) 530(2248) 581(2829) 796(3625) 674(4299) 投稿の「いいね」 1167年 878 (2045) 1856年(3901年) 1440年(5341) 1880年(7221) 1756年(8977年) 2667 (11644) 1857年(13501年) 与えられたコメントが好き 784の 970(1604年) 825(2429) 171(2600) 634(3234) 970(4204) 825(5029) 171(5200) スタッフ 投稿とコメント 129の 106(235) 170(405) 96(501) 185(686) 176(862) 227(1089) 316(1405) 投稿の「いいね」 188年 147(335) 302(637) 209(846) 385(1231) 372(1603) 567(2170) 511(2681) 与えられたコメントが好き 168の 303(471) 237(708) 69(777) 168(945) 303(1248) 237(1485) 69(1554) クライアント 投稿とコメント 145名 155(300) 214(514) 132(646) 208(854) 286(1140) 419(1559) 253 (1812年) 投稿の「いいね」 365名 252(617) 415(1032) 303(1335) 549 (1884年) 529(2413) 898(3311) 576(3887) 与えられたコメントが好き 143の 318(461) 235(696) 33(729) 143(872) 318(1190) 235(1425) 33(1458) 他 投稿とコメント 108の 127(235) 195(430) 141(571) 137(708) 119(827) 150(977) 105(1082) 投稿の「いいね」 614の 479(1093) 1139(2232) 928(3160) 946(4106) 855(4961) 1202(6163) 770(6933) 与えられたコメントが好き 473の 349(672) 353(1025) 69(1094) 323(1417) 349 (1766年) 353(2119) 69(2188) 表1:8ヶ月間のオンラインコミュニティのメンバーによるタイプ別のオンライン投稿数(投稿とコメント、投稿に与えられた好き、コメントに与えられた好き)の数です。オンライン コミュニティのメンバーは、スタッフ (オフライン回復プログラムで雇用されるサポート スタッフ)、クライアント (オフライン回復プログラムに参加している回復中の人々)、およびその他のメンバー (サポーターおよびプロリカバリー支持者) に分類されます。より広範なコミュニティ)。 プログラムにおける保存の決定要因 次の仮説をテストしました: (1) プログラムの保持は、回復資本開発の指標に関連付けられるべきである (つまり、オンラインインタラクションの量と質に反映される) と(2) プログラムの保持も関連付けるべきであるアイデンティティの変化の指標(すなわち、肯定的な回復アイデンティティ開発の指標)。オンラインインタラクションの量は、a)作られた投稿の数、b)行われたコメントの数、c)受け取った投稿の数、d)受け取ったコメントの数、およびe)すべてのいいねの数によって示された。 オンラインインタラクションの質を判断するために、ネットワーク構造と言語コンテンツを分析した。より具体的には、ソーシャルネットワーク分析(SNA)から導き出された程度と間の係数と、コンピュータ化された言語分析から導き出された正の影響の言語指標が用いられた。正のアイデンティティ変化の指標として(回復コミュニティとの識別として)代名詞「私たち」および達成語(例えば、試み、目標、勝利など)の使用頻度が使用された。最後に、従属変数 (プログラム内の保持) は、プログラムで費やされた合計日数 (ここでは 86 日から 464 日) で示されました。結果に示すように、オンラインインタラクションとグループ内検証のレベル(投稿やコメントに対して受け取った「いいね」の数に反映される)は、プログラムの保持を予測しました(表2)。プログラムの保持も識別マーカーによって予測されました(投稿の代名詞「we」の使用と、投稿とコメントの両方の達成語の使用によってキャプチャされます)。最後に、参加者がソーシャルネットワーク内に位置する場合(すなわち、中心性の程度)も保持の重要な側面を表します(表2)。 変数 B Se β R2 「いいね!」のコメントを受け取りました 0.43分 0.18円 .47* 0.22分 受け取った「いいね」(すべて) 0.08円 0.03 .43* 0.18円 コメントのような違い 1.09件 0.5年 .43* 0.19件 ネットワークの度合い 0.01 0 .43* 0.18円 LIWC 私たち (ポスト) 3.89件 1.76 .43* 0.19件 LIWC アチーブメント (ポスト) 0.56分 0.26分 .43* 0.18円 LIWC アチーブメント (すべて) 0.14 0.07 .42* 0.17 表 2:オンライン エンゲージメント、ネットワーク統計、および言語カテゴリによって予測される保持時間。

Discussion

ここで説明するアプローチは、オンライン グループ プロセスが依存症回復プログラムの保持に与える影響を測定する新しい方法に基づいています。この方法を中毒からの回復のオンラインコミュニティに適用すると、プログラムの保持を予測する4つの重要な側面があることがわかった:オンラインコミュニティに非常に関与していること、オンラインソーシャルネットワークの中心であること、肯定的な影響が表現されたオンラインコミュニティの他のメンバーとのコミュニケーションで、ネットワーク14への貢献のための他の人からの検証を受け取る.この方法を用いて得られた知見は、既存の回収モデルをサポートする。つまり、回復文献における2つの主要モデル、回復の社会的アイデンティティモデル15と停止維持16の社会的アイデンティティモデルは、いずれも支持するグループへの積極的な参加の重要性を強調している。回復。両方のモデルは、このようなグループへの識別とコミットメントの増加が、グループの使用と結果的に再発との将来の接触を低下させるに寄与することを示唆している。

我々の研究で示されているように、この方法は、オンラインコミュニティ14の個々のメンバーの回復または変化の軌跡をマッピングすることができました。オンラインソーシャルネットワークの可視化とその時間の経過に応じての進化は、ネットワークの中心に周辺からオンラインコミュニティのメンバーの動きに関する貴重な情報を提供することができます(ネットワーク内のこれらの動きは示していますオンラインコミュニティとのエンゲージメントレベルの変化)。2017年の調査14では、ネットワークの周辺から中心への移動の面で最も重要な変化を引き受けたオンラインコミュニティのメンバーへのインタビューは、SNAに基づいて私たちの調査結果を三角測量する方法として行われました。言語分析、および保持データに対する回帰。今後の研究は、オンラインコミュニティと離脱したメンバー、関与したことのない人、または物質の使用や再犯などの結果のより直接的な措置に焦点を当てるかもしれません。この方法論は、ヘルプフォーラムでのモデレーターの役割を評価するなど、介入プログラムで使用するようにさらに微調整することができます。

現在、単独で使用する場合にここで説明する方法の利点に関する証拠を提供する研究はありません(記載された方法は、保持データと組み合わせて使用され、主要なオンラインコミュニティとのインタビューから定性的なデータと三角パッチ化されました)メンバー14)が、このアプローチは、依存症の回復の研究における自己報告やその他の措置を補完することができる正確かつバイアスのないデータを提供することができます。

この方法は、標準的な対面回復プログラムへの補完的なサポートとして確立されたソーシャルメディアページのコンテキストでオンラインの社会的相互作用を調べるために適用されました。ただし、マイナーな変更を加えて、この方法を使用して、他の種類のオンライン コミュニティ (オンライン フォーラム、ディスカッション グループ、チャット ルーム、解説 Web サイトなど) でのオンラインソーシャルインタラクションを調査できます。この方法の主な利点の1つは、任意のオンラインコミュニティに中毒回復のコミュニティを超えてコンテキストに適応し、適用できることです。例えば、私たち自身の政治心理学研究では、同様の方法(ここで説明する方法から開発)を使用して、極右のオンラインコミュニティのメンバー間のオンライン相互作用の質とこれらの相互作用の変化をキャプチャします。実際には、このメソッドは、メンバー間の接続の形で(ソーシャルネットワークのリンクとして)言語コンテンツを抽出することができる任意のオンラインコミュニティに適用することができます。

しかし、オンラインデータにアクセスして作業する場合、研究者は倫理的な問題に注意する必要があります。ここに記載された研究(シェフィールド・ハラム大学の研究倫理コミュニティによって承認された)では、回復プログラムを管理する組織から同意を得て、完全な匿名性を確保するために厳格な措置が講じられた。オープンなソーシャルメディアページの参加者(例えば、オンラインおよび保持データの一致後、すべての識別情報がファイルから削除され、また、一般にアクセス可能なオンライン通信から潜在的に自己識別された引用符は使用されませんでした)。

また、組織との緊密なコミュニケーションにより、プログラムの参加者が研究結果や研究成果を認識し、研究者の一人が定期的にグループと会い、研究とその結果を説明しました。しかし、オンラインコミュニティが特定のオフラインプログラムに関連付けられていない場合、データ抽出に関する同意を求められる人を特定するのが難しい場合があります(特にモデレートされていないフォーラムでは、回復中の人々が利用できる)オンラインピアサポートを求める)。倫理的研究の一般的な原則が適用されますが、研究者は、オンラインデータの抽出と分析が参加者に重大なリスク(例えば、プライバシーを侵害する)を引き起さないことを確実にするために、ケースバイケースのアプローチを採用する必要があります。

Offenlegungen

The authors have nothing to disclose.

Acknowledgements

私たちは、私たちの研究に参加することを支持し、同意したジョブ、友人と家、英国のクライアントとスタッフに感謝しています。

Materials

LIWC software Receptiviti https://liwc.wpengine.com/ computerised linguistic analysis software
R software n/a https://www.r-project.org/ free statistical and data visualisation sofware

Referenzen

  1. Cloud, W., Granfield, R. Conceptualizing recovery capital: Expansion of a theoretical construct. Substance Use and Misuse. 43, 1971-1986 (2008).
  2. Best, D., et al. Mapping the recovery stories of drinkers and drug users in Glasgow: Quality of life and its associations with measures of recovery capital. Drug and Alcohol Review. 31 (3), 334-341 (2012).
  3. Laudet, A. B., White, W. L. Recovery capital as prospective predictor of sustained recovery, life satisfaction, and stress among former poly-substance users. Substance Use and Misuse. 43 (1), 27-54 (2008).
  4. Moorhead, S. A., et al. A new dimension of health care: systematic review of the uses, benefits, and limitations of social media for health communication. Journal of Medical Internet Research. 15, e85 (2013).
  5. White, M., Dorman, S. M. Receiving social support online: implications for health education. Health Education Research. 16, 693-707 (2001).
  6. Best, D., Bliuc, A. M., Iqbal, M., Upton, K., Hodgkins, S. Mapping social identity change in online networks of addiction recovery. Addiction Research and Theory. 26 (3), 163-173 (2018).
  7. Bliuc, A. M., Best, D., Beckwith, M., Iqbal, M. Online support communities in addiction recovery. Addiction, behavioral change and social identity: The path to resilience and recovery. , 137 (2016).
  8. Del Boca, F. K., Darkes, J. The validity of self‐reports of alcohol consumption: state of the science and challenges for research. Addiction. 98, 1-12 (2003).
  9. . Package ‘Rfacebook’ Available from: https://cran.r-project.org/web/packages/Rfacebook/Rfacebook.pdf (2017)
  10. . Package ‘dplyr’ Available from: https://cran.r-project.org/web/packages/dplyr/dplyr.pdf (2018)
  11. . Package ‘igraph’ Available from: https://cran.r-project.org/web/packages/igraph/igraph.pdf (2018)
  12. . Package ‘openxlsx’ Available from: https://cran.r-project.org/web/packages/openxlsx/openxlsx.pdf (2018)
  13. . How to get a Facebook access token which never expires Available from: https://smashballoon.com/custom-facebook-feed/access-token/ (2018)
  14. Bliuc, A. M., Best, D., Iqbal, M., Upton, K. Building addiction recovery capital through online participation in a recovery community. Social Science and Medicine. 193, 110-117 (2017).
  15. Best, D., et al. Overcoming alcohol and other drug addiction as a process of social identity transition: The Social Identity Model of Recovery (SIMOR). Addiction Research and Theory. 24, 111-123 (2016).
  16. Frings, D., Albery, I. P. The social identity model of cessation maintenance: Formulation and initial evidence. Addictive Behaviors. 44, 35-42 (2015).

Play Video

Diesen Artikel zitieren
Bliuc, A., Iqbal, M., Best, D. Integrating Computerized Linguistic and Social Network Analyses to Capture Addiction Recovery Capital in an Online Community. J. Vis. Exp. (147), e58851, doi:10.3791/58851 (2019).

View Video