概要

שילוב ממוחשב לשוני ומנתח רשתות חברתיות לכידת הון שחזור התמכרות בקהילה מקוונת

Published: May 31, 2019
doi:

概要

המאמר מתאר גישה מקורית לניתוח אינטראקציות חברתיות מקוונות דינאמיות (בהקשר מקוון) לידי ביטוי במחקר של קהילה מקוונת של התאוששות מאלכוהול והתמכרות לסמים.

Abstract

המאמר מתאר מתודולוגיה חדשה שתוכננה במטרה למצוא דרך מקיפה, לא מפריע ומדויקת של לכידת ההון החברתי התאוששות התפתחות בקהילות מקוונות של התאוששות מאלכוהול וסמים (AOD) התמכרות. בירת ההחלמה הייתה מעשית כהתחייבות בקהילה התאוששות מקוונת וזיהוי עם הקהילה. כדי למדוד פיתוח הון שחזור, הנתונים באופן טבעי חולצו מתוך דף המדיה החברתית של תוכנית התאוששות ספציפית, עם הדף הגדיר כמשאב עבור תוכנית התאוששות פנים אל פנים. כדי למפות את האירוסין עם הקהילה המקוונת, ניתוח רשת חברתית (SNA) לכידת אינטראקציה חברתית מקוונת בוצעה. האינטראקציה החברתית נמדדה באמצעות הקשרים בין התורמים המקוונים/חברי הקהילה המקוונת, כפי שמיוצג על-ידי לקוחות התוכנית, אנשי הצוות ותומכי הקהילה הרחבה. כדי ללכוד סמנים של הזדהות חברתית עם הקהילה המקוונת, ניתוח לשוני ממוחשב של הנתונים הטקסטואליים (תוכן מהודעות והערות) נערך. הון שחזור שנתפסו בדרך זו היה מנותח נגד נתוני שמירה (מחוון תוצאה של פרוקסי), כמו ימים שהושקע בתוכנית (פנים אל פנים) התאוששות. נתונים מקוונים שחולצו היה קשור לנתונים משתתף לגבי שימור התוכנית כדי לבדוק את החיזוי של תוצאה של שחזור מפתח. גישה זו אפשרה את הבדיקה של התפקיד של קהילות התמיכה המקוונת והערכה של הקשר בין הון ההתאוששות (שפותחה באמצעות הקהילה המקוונת של התאוששות) ותוצאות ההתאוששות.

Introduction

השיטה המוצגת נועדה ללכוד אלכוהול ותרופות אחרות (AOD) התמכרות להתאוששות ההון בהקשרים מקוונים. בתחום ההתמכרות, בירת ההחלמה הוגדרה כ”סכום הכולל של משאבי האדם שניתן להביא לשאת בייזום ותחזוקה של הפסקת שימוש לרעה בסמים”1. הון שחזור נמדד בעיקר באמצעות דוחות עצמית2,3 בהקשרים פנים אל פנים. גישה זו מספקת שיטה חלופית למדידת הון שחזור בהקשרים מקוונים על ידי לכידת האיכות והכמות של אינטראקציות מקוונות בקהילות המקוונות של ההתאוששות.

בהינתן העלייה המתמדת בשימוש במשאבים מקוונים בצורה של תמיכה בעמיתים במגוון בעיות הקשורות לבריאות4,5, יש צורך לפתח שיטות חדשות כדי ללכוד את האיכות של משאבים אלה. תמיכה עמיתים מקוונת מתרחשת בצורה של אינטראקציות חברתיות בפורומים מקוונים וקהילות. אינטראקציות חברתיות תומכות בהקשרים מקוונים אלה תורמים לבניית הון שחזור, אשר בתורו יש השפעה חיובית על תהליך ההחלמה6,7. השיטה המוצעת מציגה מספר יתרונות על פני שיטות חלופיות. ראשית, הוא מתגבר על כמה מההגבלות הכרוכות בשימוש באמצעים לדיווח עצמי במחקרי התמכרות, בעיקר סביב הזיכרון והנוכחות העצמית. בעוד שפעולות בדוח עצמי נחשבות לרמות סבירות של אמינות ותוקף, הן חשופות לביסים ולאי-דיוקים. כדי לשפר את הדיוק ולמזער את ההטיה, הוא הוכר כי יש צורך להגדיל את השימוש באמצעים חדשניים ומצבים איסוף נתונים שנועדו למנוע או למזער בעיות אלה8. על-ידי גישה לנתונים המתרחשים באופן טבעי בהקשרים שבהם אנשים בשלבים שונים של שחזור מקיימים אינטראקציה ספונטנית, ובאמצעות שיטות ניתוח שיכולות לחלץ מידע משמעותי מנתונים אלה (מסוגלים ללכוד אינדיקטורים של מצבים פסיכולוגיים), הטיות עקב הבעת היכולת החברתית (התזכרות עצמית) ואי-דיוקים עקב מגבלות בזיכרון ניתן לצמצם או אפילו לחסל. שנית, שיטה זו יעילה מאוד וחסכונית, כפי שהיא מסתמכת על החילוץ של נתונים מקוונים קיימים כבר (כלומר, בפורומים מקוונים פתוחים הנגישים בפומבי).

המתואר הבא הוא השיטה שהוחלה על מחקר של בניית הון שחזור בקהילה מקוונת שהוקמה כדי להשלים את המסורתית, פנים אל פנים תוכנית התאוששות התמכרות למכורים בשלבי שחזור מוקדם. במקרה זה, נתונים מקוונים (מדיה חברתית) קושרו לנתוני שמירת תוכניות, אך ניתן להשתמש בשיטה גם במקרים שבהם נתוני הצמדה אינם זמינים או נגישים.

Protocol

המחקר המתואר כאן אושר על ידי קהילת האתיקה המחקר באוניברסיטת שפילד האלם. 1. ההתקנה הערה: נא עיין בתסריט המצורף של R המסופק כקובץ משלים 1. טעינת חבילות נדרשות (Rfacebook9, d,10, igraph11, ו-openxlsx12) ב-R. חבילות מתייחסות לפונקציות, לערכות נתונים או לקוד שעבר קומפילציה המאפשרות למשתמשים לנתח, לשנות צורה או לחלץ נתונים. טעינת (חיצוני) נתוני שמירה ומשתמש ל-R כמסגרת נתונים מקובץ CSV.הערה: נתוני שמירה מתייחסים למספר הימים בהם לקוח משתתף בתוכנית לשחזור התמכרות לא מקוונת (מסורתית). הוא סופק על-ידי מנהל תוכנית השחזור (לא מקוונת) כפי שנרשם בקובץ CSV עם שם המשתתף ומספר הימים בהם הם היו מעורבים בתוכנית. שם המשתתף הוחלף על-ידי מספר המזהה האנונימי לפני הייבוא ל-R. 2. הוצאת נתונים מהקהילה המקוונת (העמוד החברתי של קהילה לשיקום התמכרות) הערה: פרוטוקול זה חל על דף מדיה חברתית, אך ניתן להתאים אותו לסוגים שונים של קהילות מקוונות. במקרה של החבילה Rfacebook, זה מאפשר למשתמש לחלץ נתונים מתוך דף המדיה החברתית אל R. צור מדיה חברתית (Facebook) אסימון גישה על-ידי ביצוע המדריך באתר האינטרנט המופנה13. צור אסימון גישה ב-R. באמצעות “getGroup” פונקציה מ-Rfacebook, לחלץ נתונים מדף התקשורת החברתית של קהילת הריבית (למשל, תוכן של פוסט, מספר הערות ואוהב עבור כל הודעה, מספר זיהוי ייחודי עבור כל הודעה, וכו ‘). נתונים אלה נשמרים לאחר מכן כמסגרת נתונים.הערה: מסגרת נתונים היא למעשה טבלה בתוך R המשמשת לאחסון נתונים. באמצעות “getPosts” הפונקציה של Rfacebook, יחד עם מזהי Post שחולצו בשלב 2.3, לחלץ נתונים על הצבות אוהב להתבצע בדף. באמצעות “getPosts” הפונקציה של Rfacebook, יחד עם מזהי Post שחולצו בשלב 2.3, לחלץ נתונים על ההערות שנעשו על כל הודעה (למשל, מזהי משתמש של אנשים להעיר את ההודעה, כאשר ההערה נעשתה, כמה אוהבים את ההודעה התקבלה). נתונים אלה נשמרים לאחר מכן כמסגרת נתונים. באמצעות מזהי הערות שחולצו בשלב 2.5, לחלץ נתונים על “הערה אוהב” שנעשו על כל הודעה (למשל, מזהי משתמש של אנשים אוהבים את ההערה). נתונים אלה נשמרים לאחר מכן כמסגרת נתונים. לשלב את ההודעות, פוסט אוהב, הערות, והערה אוהב נתונים לתוך מסגרת נתונים אחת. הוסף פירוט חודשי (כלומר, חודש 1 עד 8). 3. חישוב פעילות מדיה חברתית שנעשתה ומתקבלת על ידי כל לקוח לחשב את מספר ההצבות, הערות, פוסט אוהב והערות אוהב שנעשו על ידי כל לקוח. לחשב את מספר ההצבות, הערות, פוסט אוהב והערות אוהב קיבל על ידי כל לקוח. הצטרפות למסגרת הנתונים של פעילות מדיה חברתית שנעשתה ומתקבלת על-ידי כל לקוח למסגרת נתוני השמירה. לחשב את ההבדל בין הודעות והערות עם אוהב וללא אוהב. חשב את ההפרש בין הצבות עם הערות וללא הערות. הצטרפות לנתוני השינוי האוהבים לנתוני השמירה. הצטרפות לנתוני השמירה על נתוני ההערות. לחשב את כל האוהבים שנעשו על ידי כל לקוח. לחשב את כל האוהבים שהתקבלו על ידי כל לקוח. לזהות אילו משתמשים לא השתתפו בקבוצת המדיה החברתית (כלומר, אין פעילות). 4. ביצוע ניתוח רשת חברתית צור רשימת קצוות. רשימת קצה היא רשימה של קשרי גומלין בתוך הרשת החברתית, אשר במקרה זה מבוסס על 1) אוהב פוסטים והערות 2) הערות על הצבות. פעולה זו מתבצעת על-ידי התבוננות בשתי עמודות בתוך ערכת הנתונים. העמודה הראשונה מכילה את המזהה האנונימי של האדם שעושה את ההודעה, בעוד השניה מכילה את המזהה האנונימי של האדם האוהב או מגיב בהודעה. יצירת רשימת קודקודים. רשימת קודקודים היא רשימה של כל האנשים בקבוצה. פעולה זו מתבצעת על-ידי המרת שתי העמודות ברשימת קשרי הגומלין לעמודה אחת, והסרת מזהים אנונימיים כפולים כך שרק המזהה האנונימי הייחודי נותר. באמצעות הפונקציות “גרף. data. frame” ו-“קבל. טריצת שכנות” בחבילה igraph, צור אובייקטים של מטריצת גרף וגרף מרשימות הקצוות והקודקודים. באמצעות הפונקציות “מידה” ו “בין” מתוך חבילת igraph, לקבל את סטטיסטיקת הרשת (תואר ושני) של הקבוצה המקוונת. 5. ביצוע ניתוח לשוני ממוחשב בלירותים ייצוא נתוני מדיה חברתית מילוליים (כלומר, הצבות והערות) ועמודת מזהה post/הערה לקבצי CSV. יבא את קבצי ה-CSV של נתוני מדיה חברתית טקסטואליים לתוך ספירת מילה של חקירה לשונית (LIWC) התוכנה. צור קטגוריות LIWC ושמור לקבצי CSV חדשים. עשה זאת על ידי לחיצה על “ניתוח טקסט”, לאחר מכן על “קובץ Excel/CSV”, ולחיצה על העמודה המכילה את ההודעות והערות כדי לבחור את הטקסט לניתוח. לאחר LIWC השלימה ניתוח הנתונים הטקסטואליים, לשמור את הפלט כקובץ CSV חדש. יבא את קובץ ה-CSV של תוצאות LIWC ל-R ומזג עם נתונים קיימים. הנתונים מותאמים לעמודת מזהה ההצבה/הערה, הקיימת הן ב-LIWC והן במסגרות נתונים קיימות. חישוב ציונים LIWC הכולל עבור כל משתמש בהצבות והערות, ולאחר מכן להצטרף לנתונים שמירה. חישוב ציונים LIWC סה כ עבור כל משתמש בכל הנתונים הטקסטואליים (הודעה והערות בשילוב), ולאחר מכן להצטרף לנתונים שמירה. הסרת NAs ממסגרת הנתונים של נתוני השמירה. 6. ביצוע ניתוח רגרסיה (כדי לקבוע אם מחווני ההתקשרות עם הקהילה המקוונת חיזוי שמירה בתוכנית התאוששות לא מקוונת) הגדירו את המשתנים העצמאיים. באמצעות הפונקציה “lm” בבסיס R, התנהלות ניתוח רגרסיה ליניארית באמצעות נתוני השמירה כמשתנה התלוי, וקטגוריות LIWC, הערות, הודעה אוהבת והערות אוהבות כמשתנים עצמאיים. שילוב תוצאות ניתוח רגרסיה למסגרת נתונים אחת. 7. יצירת מפות SNA חודשיות הכן מסגרות נתונים עבור מפות SNA. יצירת רשימת קצוות המבוססת על פעילות מדיה חברתית מצטברת חודשית. צור רשימת קודקודים המבוססת על פעילות מדיה חברתית מצטברת חודשית. צור גרפים ומטריצות גרפיות על בסיס פעילות מדיה חברתית חודשית מצטברת. הגדר את הפריסה של מפות SNA בהתבסס על פעילות מדיה חברתית מצטברת. הוספת צבעים המבוססים על תפקידי משתמשים. צור מפות SNA ושמור אותן בקובץ. 8. חישוב פעילות מדיה חברתית מצטברת חודשית של קבוצת המדיה החברתית לחשב פעילות מדיה חברתית חודשית מצטברת על-ידי צוות, לקוחות וחברים אחרים בקבוצת המדיה החברתית. חישוב פעילות מדיה חברתית חודשית מצטברת של כל חברי קבוצת המדיה החברתית. הצטרפות למסגרות הנתונים של פעילות המדיה החברתית המצטברת יחד.

Representative Results

תיאור מפורט של תוצאות מייצגות שהושגו באמצעות שיטה זו ניתן למצוא בעבודתנו האחרונה14, שנבדקה וקיבלה אישור מלא מוועדת האתיקה המחקרי של המוסד בו נערך המחקר. בדו ח המתואר כאן, המחקר חקר אם השתתפות באינטרנט בקהילה של התאוששות תורמת תהליך ההחלמה באמצעות בניין הון ההתאוששות (כפי שנלכד על ידי רמות גבוהות ואיכות של אינטראקציות חברתיות מקוונות ו פיתוח זהות חיובית). במילים אחרות, המחקר בדק אם מחוונים של הון שחזור מקוון פיתח במשך שמונה חודשים של נתונים מקוונים העריכו גם שמירה בתוכנית התאוששות שתוכננה לטיפוח מעורבות קהילתית עבור מכורים בשלבים המוקדמים של שחזור. כדי למפות את האופן שבו המשתתפים במגע באינטרנט, ניתוח רשת חברתית (SNA) באמצעות נתונים שחולצו מתוך דף המדיה החברתית (n = 609) של קהילת שחזור נערכה. ייצוג חזותי של הרשת החברתית והתפתחותו מוצגת באיור 1. האיור ממחיש את הפעילות בקהילה המקוונת שנצפתה מדי חודש לתקופה של 8 חודשים בצורה של התקשרויות בין כל המשתתפים בקהילה המקוונת (כלומר, הערות על הצבות, הודעות האוהבות והערות). מספר החיבורים ש-“סוכן” ברשת קובע עד כמה הם יהיו מרכזיים ברשת החברתית. ניתוח לשוני ממוחשב שימש להערכת הנתונים הטקסטואליים (לכידת סמנים הזהות החברתית), ניתוח רגרסיה לינארית נערך כדי לקבוע אם האינדיקטורים של שחזור ההון החזוי התוכנית שימור. מנתח אלה הצביע על כך ששמירת התוכנית אכן חזתה על-ידי: (א) רמות של אימות קבוצתי שהתקבלו בצורה של הערה אוהב וכולם אוהבים שהתקבלו בדף המדיה החברתית, (ב) מיקום ברשת החברתית (רשת רכזיותה), ו (ג) קבוצה זהות והישגים (כפי שנתפס על ידי התוכן הלשוני של תקשורת מקוונת). התוצאות תמכו בטיעון, כי, הכולל, אינטראקציה חברתית חיובית בין חברי קהילת התאוששות מקוונת תומכים בתהליך ההחלמה. להלן סיכום של ממצאים אלה. איור 1: ייצוגים חודשיים של הרשת החברתית של הקהילה המקוונת למעלה מ -8 חודשים מצביעים על שינויים בדפוסי האינטראקציות החברתיות בין המשתתפים. ייצוגים אלה מדגימים כיצד בהתחלה, רוב חברי הלקוח בקהילה המקוונת (לקוחות של תוכנית התאוששות לא מקוונת) מנותקים בעיקר, והוא צוות התוכנית ורק מספר קטן של לקוחות הנוהגים בפעילות המקוונת. עם זאת, השינויים הללו משתנים בהדרגה, כך שלאחר 8 חודשים, הלקוחות הם אלה המחוברים ביותר (ולכן המרכזיים ביותר), עם המספר הגבוה ביותר של חיבורים ברשת (הדמות מותאמת מפרסום קודם)14. אנא לחץ כאן כדי להציג גירסה גדולה יותר של איור זה. סטטיסטיקה תיאורית רמות המעורבות של המשתתפים עם הקהילה המקוונת נמדדות באמצעות חישוב התרומות של כל המשתתפים בקהילה המקוונת כמספר הצבות, הערות, והוא אוהב את העובדים, הלקוחות וחברי הקהילה הרחבים. טבלה 1 מציגה התמוטטות לפי סוג של תרומה (כפי שנעשה על ידי כל קטגוריה של משתתף) לאורך 8 חודשים. חברי קבוצה סוג התרומה המקוונת החודש הראשון . החודש השני . החודש השלישי . החודש הרביעי 5 בחודש . החודש השישי חודש 7 . השמיני בחודש כל הודעות והערות 382 388 (770) 579 (1349) 369 (1718) 530 (2248) 581 (2829) 796 (3625) 674 (4299) פוסט אוהב לתת 1167 878 (2045) 1856 (3901) 1440 (5341) 1880 (7221) 1756 (8977) 2667 (11644) 1857 (13501) הערה אוהבת לתת 784 970 (1604) 825 (2429) 171 (2600) 634 (3234) 970 (4204) 825 (5029) 171 (5200) צוות הודעות והערות 129 106 (235) 170 (405) 96 (501) 185 (686) 176 (862) 227 (1089) 316 (1405) פוסט אוהב לתת 188 147 (335) 302 (637) 209 (846) 385 (1231) 372 (1603) 567 (2170) 511 (2681) הערה אוהבת לתת 168 303 (471) 237 (708) 69 (777) 168 (945) 303 (1248) 237 (1485) 69 (1554) לקוחות הודעות והערות 145 155 (300) 214 (514) 132 (646) 208 (854) 286 (1140) 419 (1559) 253 (1812) פוסט אוהב לתת 365 252 (617) 415 (1032) 303 (1335) 549 (1884) 529 (2413) 898 (3311) 576 (3887) הערה אוהבת לתת 143 318 (461) 235 (696) 33 (729) 143 (872) 318 (1190) 235 (1425) 33 (1458) אחרים הודעות והערות 108 127 (235) 195 (430) 141 (571) 137 (708) 119 (827) 150 (977) 105 (1082) פוסט אוהב לתת 614 479 (1093) 1139 (2232) 928 (3160) 946 (4106) 855 (4961) 1202 (6163) 770 (6933) הערה אוהבת לתת 473 349 (672) 353 (1025) 69 (1094) 323 (1417) 349 (1766) 353 (2119) 69 (2188) טבלה 1: המוצג הוא מספר התרומות המקוונות לפי סוג (הצבה והערות שנעשו, והוא אוהב לתת הודעות, ואוהב לתת הערות) על ידי חברי הקהילה המקוונת על פני שמונה חודשים. חברי הקהילה המקוונת מסווגים כצוות (צוות תמיכה המועסקים על ידי תוכנית התאוששות לא מקוונת), לקוחות (אנשים להתאושש מי המשתתפים בתוכנית התאוששות לא מקוונת), ואחרים (תומכים, תומכי שחזור תומכים מ קהילה רחבה יותר). דטרמיננטים של שמירה בתוכנית ההשערות הבאות נבדקו: (1) החזקת התוכנית צריך להיות משויך אינדיקטורים של פיתוח הון שחזור (כלומר, המתבטא בכמות ובאיכות של אינטראקציה מקוונת), ו (2) שמירה התוכנית צריך גם להיות משויך אינדיקטורים של שינוי זהות, (קרי, אינדיקטורים של פיתוח זהות שחזור חיובית). כמות האינטראקציה המקוונת המצוין על ידי a) מספר הצבות שנעשו, b) מספר הערות שנעשו, c) מספר של פוסט אוהב קיבל, d) מספר הערה אוהב קיבל, ו-e) מספר כולם אוהב קיבל. כדי לקבוע את איכות האינטראקציה המקוונת, מבנה הרשת ותוכן השפה נותחו. באופן ספציפי יותר, מקדמי מידה ובין בין הנובעים מניתוח רשתות חברתיות (SNA) ואינדיקטורים לשוניים של השפעה חיובית הנגזרת מניתוח לשוני ממוחשב שימשו. כאינדיקטורים של שינוי זהות חיובית (כהזדהות עם קהילת ההחלמה) תדירות השימוש של “אנחנו” ומילים הישג (למשל, לנסות, מטרה, לנצח, וכו ‘) שימשו. לבסוף, המשתנה התלוי (שמירה בתוכנית) צוין על-ידי מספר הימים הכולל שהושקע בתוכנית (החל מ-86 עד 464 ימים כאן). כפי שמוצג על-ידי התוצאות, רמות של אינטראקציה מקוונת ואימות בקבוצה (כפי שמשתקף על-ידי מספר התפקידים שהתקבלו עבור הצבות והערות) שימור התוכנית החזוי (טבלה 2). השמירה על התוכנית חזתה גם על ידי סמני זיהוי (כפי שנתפסו על ידי השימוש של כינוי “אנחנו” בהצבות ומילים הישג בשתי ההודעות והערות). לבסוף, כאשר המשתתפים נמצאים בתוך הרשת החברתית (כלומר, מידת הרכזיותה) מייצגת גם היבט חשוב של שמירה (שולחן 2). שתנה B SE β מאורהשני הערה אוהבת שהתקבלו 0.43 0.18 47* 0.22 אוהב שהתקבלו (הכל) 0.08 0.03 43* 0.18 הבדל בדומה להערה 1.09 0.5 43* 0.19 מידת רשת 0.01 0 43* 0.18 LIWC אנו (Post) 3.89 1.76 43* 0.19 הישג LIWC (פוסט) 0.56 0.26 43* 0.18 הישג LIWC (הכל) 0.14 0.07 42* 0.17 טבלה 2: זמן שמירה כפי שחזוי באמצעות התקשרות מקוונת, סטטיסטיקת רשת וקטגוריות לשוניות.

Discussion

הגישה המתוארת כאן מבוססת על שיטה חדשה למדידת האופן שבו תהליכים קבוצתיים מקוונים יכולים להשפיע על שימור בתוכנית התאוששות מהתמכרות. החלת שיטה זו לקהילה מקוונת של התאוששות מהתמכרות, נמצא כי היו ארבעה היבטים מרכזיים החזוי תוכנית שימור: להיות מעורבים בקהילה המקוונת, להיות מרכזי ברשת החברתית המקוונת, השפעה חיובית הביע בתקשורת עם חברים אחרים בקהילה המקוונת וקבלת אימות מאחרים עבור תרומות לרשת14. הממצאים שהושגו באמצעות שיטה זו תומכים במודלים תיאורטיים קיימים של התאוששות. כלומר, שני דגמים מרכזיים בספרות התאוששות, מודל זהות חברתית של שחזור15 ומודל זהות חברתית של תחזוקת הפסקת הפוגה16, הן מדגישות את החשיבות של השתתפות פעילה בקבוצות התומכות ב שחזור. שני הדגמים מצביעים על כך שהזיהוי המוגבר והמחויבות לקבוצות כאלה תורמים למגע עתידי נמוך יותר עם שימוש בקבוצות והתדרדרות.

כפי שמודגם במחקר שלנו, השיטה אפשרה לנו למפות מסלולים של שחזור או שינוי של חברי הקהילה המקוונת14. הפריטים החזותיים של הרשתות החברתיות המקוונות והאבולוציה שלהם לאורך זמן יכולים לספק מידע חשוב על תנועת חברי הקהילה המקוונת מהפריפריה למרכז הרשת ולהיפך (תנועות אלה ברשת מציינות שינויים ברמות ההתקשרות עם הקהילה המקוונת). ב2017 מחקר14, ראיונות עם חברי הקהילה המקוונת שעברו את השינויים המשמעותיים ביותר במונחים של תנועה מהפריפריה למרכז הרשתות, נערכו כדרך לאתר את הממצאים שלנו בהתבסס על SNA, ממוחשב ניתוח לשוני ורגרסיה כנגד נתוני שמירה. מחקרים עתידיים עשויים להתמקד במקום באותם חברים שהפכו להיות מנותקים עם הקהילה המקוונת, על אלה שמעולם לא הפכו להיות מאורסים, או על צעדים ישירים יותר של התוצאה כגון שימוש בסמים ופגיעה מחודשת. מתודולוגיה זו יכולה להיות מכווננת יותר לשימוש בתוכניות התערבות, לדוגמה, להערכת התפקיד של מנחים בפורומים לעזרה.

כיום אין מחקרים המספקים ראיות על היתרונות של השיטה המתוארת כאן כאשר היא משמשת בפני עצמה (השיטה המתוארת שימש בשילוב עם נתוני שמירה ומשולש עם נתונים איכותיים מראיונות עם הקהילה המקוונת המפתח חברים14), אבל גישה זו יכולה לספק נתונים מדויקים ונטולת הטיה שיכולים להשלים את הדיווח העצמי ואמצעים אחרים במחקרים של התאוששות התמכרות.

שיטה זו החלה לבחון אינטראקציות חברתיות מקוונות בהקשר של דף מדיה חברתית שהוקמה כצורה משלימה של תמיכה בתוכנית התאוששות סטנדרטית, פנים אל פנים. עם זאת, עם שינויים קלים, ניתן להשתמש בשיטה כדי לחקור אינטראקציות חברתיות מקוונות בסוגים אחרים של קהילות מקוונות (פורומים מקוונים, קבוצות דיון, חדרי צ’אט, אתרי פרשנות, וכו ‘). אחד היתרונות המרכזיים של שיטה זו הוא שזה יכול להיות מותאם ולהחיל ההקשרים מעבר לקהילות של התמכרות להחלמה לכל קהילה מקוונת. לדוגמה, במחקר הפסיכולוגי הפוליטי שלנו, אנו משתמשים בשיטה דומה (שפותחה מהשיטה המתוארת כאן) כדי ללכוד את האיכות של אינטראקציות מקוונות ושינויים באינטראקציות אלה בין חברי קהילות מקוונות מרחוק. למעשה, ניתן להחיל את השיטה על כל קהילה מקוונת שבה נתונים בצורת חיבורים בין חברים (כקישורים לרשת חברתית) ותוכן לשוני ניתן לחילוץ.

עם זאת, בגישה ובעבודה עם נתונים מקוונים, החוקרים צריכים להיות מודעים בעיות אתיות, כמה החלים על הדיווח העצמי וסוגים אחרים של נתונים בכלל וכמה שנתקלים רק בסביבה מקוונת. במחקר המתואר כאן (אשר אושרה על ידי קהילת האתיקה המחקר באוניברסיטת שפילד האלם), הסכמה הושגה מהארגון לנהל את תוכנית ההחלמה, וצעדים קפדנית נלקחו כדי להבטיח אנונימיות מלאה של המשתתפים בדף התקשורת החברתית הפתוחה (למשל, לאחר התאמת הנתונים באינטרנט ושמירה, כל המידע המזהה הוסר מהקבצים וגם לא הצעות מחיר לזיהוי עצמי שימשו מהתקשורת המקוונת הנגישה לציבור).

התקשורת הצמודה עם הארגון גם מבטיחה כי המשתתפים בתוכנית היו מודעים למחקרים ולמחקרים, ואחד החוקרים נפגש בקביעות עם הקבוצה כדי להסביר את המחקר ואת תוצאותיה. עם זאת, במקרים אחרים, כאשר קהילות מקוונות אינן משויכות לתוכניות לא מקוונות ספציפיות, ייתכן שיהיה קשה יותר לקבוע מי צריך לבקש הסכמה בנוגע לחילוץ נתונים (רלוונטי במיוחד בפורומים שאינם מבוקרות, היכן שאנשים בהתאוששות חפש תמיכה עמיתים מקוונת). בעוד העקרונות הכלליים של מחקר אתי יחולו, החוקרים צריכים לאמץ גישה מקרה-למקרה כדי להבטיח שהחילוץ והניתוח של נתונים מקוונים לא יהווה סיכונים משמעותיים למשתתפים (למשל, התפשרות על פרטיות).

開示

The authors have nothing to disclose.

Acknowledgements

אנחנו אסירי תודה ללקוחות ולצוות של משרות, חברים ובתים, בריטניה, שתמכו והסכימו להשתתף במחקר שלנו.

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

参考文献

  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. 中毒. 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

記事を引用
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