Summary

دمج تحليلات الشبكات اللغوية والاجتماعية المحوسبة لالتقاط رأس المال للتعافي من الإدمان في مجتمع على الإنترنت

Published: May 31, 2019
doi:

Summary

يصف المقال نهجا ً جديداً لتحليل التفاعلات الاجتماعية الديناميكية عبر الإنترنت (في سياق على الإنترنت) يتمثل في دراسة لمجتمع على الإنترنت للتعافي من إدمان الكحول والمخدرات.

Abstract

يصف المقال منهجية جديدة مصممة بهدف إيجاد طريقة شاملة وغير مزعجة ودقيقة لالتقاط تنمية رأس المال التعافي الاجتماعي في المجتمعات على الانترنت للتعافي من إدمان الكحول والمخدرات (AOD). وقد تم تصور رأس المال الانتعاش على حد سواء المشاركة في المجتمع الانتعاش على الانترنت والتعرف مع المجتمع. ولقياس تطور رأس المال الانتعاشي، تم استخراج البيانات التي تحدث بشكل طبيعي من صفحة وسائل التواصل الاجتماعي لبرنامج استرداد محدد، مع إعداد الصفحة كمورد لبرنامج الاسترداد وجهاً لوجه. ولرسم خريطة للمشاركة مع مجتمع الإنترنت، أُجري تحليل للشبكات الاجتماعية يُجري على موقع الإنترنت تفاعلاً اجتماعياً. تم قياس التفاعل الاجتماعي من خلال الروابط بين المساهمين على الانترنت / أعضاء المجتمع على الانترنت كما يمثلها عملاء البرنامج، والموظفين، والمؤيدين من المجتمع الأوسع. ولالتقاط علامات التحديد الاجتماعي للهوية الاجتماعية مع مجتمع الإنترنت، أُجري تحليل لغوي محوسبة للبيانات النصية (المحتوى من المشاركات والتعليقات). تم تحليل رأس المال الاسترداد القبض عليه بهذه الطريقة في ضوء بيانات الاحتفاظ (مؤشر نتائج وكيل)، كما قضى في برنامج الانتعاش (وجها لوجه). وربطت البيانات المستخرجة على الإنترنت ببيانات المشاركين فيما يتعلق بالاحتفاظ بالبرنامج لاختبار التنبؤ بنتيجة استرداد رئيسية. وأتاح هذا النهج دراسة دور مجتمعات الدعم على الإنترنت وتقييم الارتباط بين رأس المال الانتعاشي (الذي تم تطويره عن طريق مجتمع الانتعاش على الإنترنت) ونتائج الانتعاش.

Introduction

وقد تم تصميم الطريقة المعروضة لالتقاط الكحول وغيرها من المخدرات (AOD) الإدمان استرداد رأس المال في سياقات على الانترنت. وفي مجال الإدمان، عُرِّف رأس المال للتعافي بأنه “مجموع الموارد التي يمكن أن تؤثر على بدء وقف إساءة استعمال المواد والحفاظ عليه”1. وقد تم قياس رأس المالالانتعاش في المقام الأول من خلال التقارير الذاتية 2،3 في سياقات وجها لوجه. ويوفر هذا النهج طريقة بديلة لقياس رأس المال الاستردادي في السياقات الإلكترونية عن طريق التقاط نوعية وكمية التفاعلات عبر الإنترنت في مجتمعات الانتعاش على الإنترنت.

وبالنظر إلى الزيادة المطردة في استخدام الموارد على الإنترنت في شكلدعم الأقران في مجموعة من القضايا المتعلقة بالصحة 4،فمن الضروري تطوير أساليب جديدة لالتقاط نوعية هذه الموارد. ويحدث دعم الأقران عبر الإنترنت في شكل تفاعلات اجتماعية في المنتديات والمجتمعات المحلية على الإنترنت. التفاعلات الاجتماعية الداعمة في هذه السياقات على الانترنت تسهم في بناء رأسالمال الانتعاش، والتي بدورها لها تأثير إيجابي على عملية الانتعاش 6،7. وتقدم الطريقة المقترحة عددا من المزايا على الطرق البديلة. أولا، فإنه يتغلب على بعض القيود التي تنطوي على استخدام تدابير الإبلاغ الذاتي في بحوث الإدمان، ولا سيما حول استدعاء والتحيزات العرض الذاتي. وفي حين تعتبر تدابير الإبلاغ الذاتي ذات مستويات معقولة من الموثوقية والصلاحية، فإنها عرضة للتحيزات وعدم الدقة. ولتعزيز الدقة والتقليل إلى أدنى حد من التحيز، تم التسليم بأن هناك حاجة إلى زيادةاستخدام التدابير الجديدة وحالات جمع البيانات المصممة لتجنب هذه المسائل أو التقليل منها إلى أدنى حد. من خلال الوصول إلى البيانات التي تحدث بشكل طبيعي في السياقات التي يتفاعل فيها الأشخاص في مختلف مراحل التعافي بشكل تلقائي، وباستخدام أساليب التحليل التي يمكن أن تستخرج معلومات ذات مغزى من هذه البيانات (قادرة على التقاط مؤشرات الحالات النفسية)، التحيزات بسبب الرغبة الاجتماعية (العرض الذاتي) وعدم الدقة بسبب القيود في استدعاء يمكن تقليلها أو حتى القضاء عليها. ثانياً، تتسم هذه الطريقة بكفاءة عالية وفعالية من حيث التكلفة، لأنها تعتمد على استخراج البيانات المتاحة بالفعل على الإنترنت (أي في المنتديات المفتوحة على الإنترنت التي يمكن للجمهور الوصول إليها).

ويرد وصف التالي للطريقة التي طُبقت على دراسة لبناء رأس المال للتعافي في مجتمع على الإنترنت أنشئ لاستكمال برنامج تقليدي للتعام من الإدمان وجها لوجه للمدمنين في مراحل التعافي المبكر. وفي هذه الحالة، تم ربط البيانات عبر الإنترنت (وسائط التواصل الاجتماعي) ببيانات الاحتفاظ بالبرنامج، ولكن يمكن استخدام هذه الطريقة أيضاً في الحالات التي لا تكون فيها بيانات الربط متاحة أو متاحة.

Protocol

تمت الموافقة على البحث الموصوف هنا من قبل مجتمع أخلاقيات البحث في جامعة شيفيلد هالام. 1. الإعداد ملاحظة: الرجاء الرجوع إلى البرنامج النصي R المرفقة المقدمة كملف تكميلي 1. تحميل الحزم المطلوبة (Rfacebook9،dplyr10،igraph11،وopenxlsx12)في R. تشير الحزم إلى دالات أو مجموعات بيانات أو تعليمات برمجية مترجمة تسمح للمستخدمين بتحليل البيانات أو تحويلها أو استخراجها. تحميل الاحتفاظ (الخارجي) وبيانات المستخدم في R كإطار بيانات من ملف CSV.ملاحظة: تشير بيانات الاحتفاظ إلى عدد الأيام التي يشارك فيها العميل في برنامج استرداد الإدمان (التقليدي) دون اتصال. تم توفيره من قبل مسؤول برنامج الاسترداد (غير المتصل) كما هو مسجل على ملف CSV مع اسم المشارك وعدد الأيام التي شاركوا فيها في البرنامج. تم استبدال اسم المشارك برقم الهوية المجهول قبل استيراده إلى R. 2. استخراج البيانات من المجتمع على الانترنت (الصفحة الاجتماعية لمجتمع استعادة الإدمان) ملاحظة: ينطبق هذا البروتوكول على صفحة وسائل التواصل الاجتماعي، ولكن يمكن تكييفه مع أنواع مختلفة من المجتمعات عبر الإنترنت. في حالة حزمة Rfacebook، فإنه يسمح للمستخدم لاستخراج البيانات من صفحة وسائل الاعلام الاجتماعية في R. إنشاء وسائل الاعلام الاجتماعية (الفيسبوك) رمز الوصول باتباع الدليل على الموقع المشار إليه13. إنشاء رمز وصول في R. باستخدام وظيفة “getGroup” من Rfacebook، استخراج البيانات من صفحة وسائل الاعلام الاجتماعية من المجتمع من الاهتمام (على سبيل المثال، محتوى آخر، وعدد من التعليقات ويحب لكل وظيفة، ورقم معرف فريد لكل وظيفة، وما إلى ذلك). ثم يتم حفظ هذه البيانات كإطار بيانات.ملاحظة: إطار بيانات هو أساساجدول داخل R المستخدمة لتخزين البيانات. باستخدام وظيفة “getPosts” من Rfacebook، جنبا إلى جنب مع الغيرين آخر المستخرجة في الخطوة 2.3، استخراج البيانات حول المشاركات يحب المحرز على الصفحة. باستخدام وظيفة “getPosts” من Rfacebook، جنبا إلى جنب مع الغيرين آخر المستخرجة في الخطوة 2.3، استخراج البيانات على التعليقات التي أجريت على كل وظيفة (على سبيل المثال، المعون المستخدم من الناس التعليق على آخر، عندما تم إجراء التعليق، كم يحب آخر وردت). ثم يتم حفظ هذه البيانات كإطار بيانات. باستخدام الإجابات التعليق المستخرجة في الخطوة 2.5، استخراج البيانات على “تعليق يحب” المحرز على كل وظيفة (على سبيل المثال، الUser IDs من الناس تروق التعليق). ثم يتم حفظ هذه البيانات كإطار بيانات. الجمع بين المشاركات، ونشر يحب، والتعليقات، والتعليق يحب البيانات في إطار بيانات واحد. إضافة توزيع شهري (أي الشهر من 1 إلى 8). 3. حساب نشاط وسائل الاعلام الاجتماعية التي يقوم بها وتلقاها كل عميل حساب عدد المشاركات والتعليقات والإعجابات المنشورة وتعليقات الإعجابات التي أدلى بها كل عميل. حساب عدد المشاركات والتعليقات والإعجابات المنشورة وتعليقات الإعجابات التي يتلقاها كل عميل. انضم إلى إطار بيانات نشاط وسائل التواصل الاجتماعي الذي قام به واستلمه كل عميل إلى إطار بيانات الاحتفاظ. حساب الفرق بين المشاركات والتعليقات مع يحب وليس يحب. حساب الفرق بين المشاركات مع التعليقات ولا تعليقات. انضم إلى بيانات فرق الإعجاب اتّبأ إلى بيانات الاستبقاء. انضم إلى بيانات فرق التعليقات إلى بيانات الاستبقاء. حساب جميع أمثال التي أدلى بها كل عميل. حساب كافة المعجبين التي تلقاها كل عميل. تحديد المستخدمين الذين لم يشاركوا في مجموعة وسائل التواصل الاجتماعي (أي عدم وجود نشاط). 4. إجراء تحليل الشبكات الاجتماعية إنشاء قائمة حافة. قائمة الحافة هي قائمة من العلاقات داخل الشبكة الاجتماعية، والتي تقوم في هذه الحالة على 1) تروق المشاركات والتعليقات و 2) التعليق على المشاركات. ويتم ذلك عن طريق النظر إلى عمودين داخل مجموعة البيانات. يحتوي العمود الأول على هوية مجهولة الشخص الذي يقوم بالمشاركة، بينما يحتوي الثاني على هوية مجهولة الشخص الذي يحب أو يعلق على المشاركة. إنشاء قائمة رأس. قائمة الرأس هي قائمة بجميع الأفراد في المجموعة. ويتم ذلك عن طريق تحويل العمودين في قائمة العلاقات إلى عمود واحد وإزالة معرفات مجهولة مكررة بحيث يتم ترك المعرف المجهول الفريد فقط. باستخدام دالات “graph.data.frame” و “get.adjacency” في حزمة igraph، قم بإنشاء كائنات مصفوفة الرسم البياني والرسم البياني من قوائم الحافة والرأس. باستخدام وظائف “درجة” و “الدرجة” من حزمة igraph، والحصول على إحصاءات الشبكة (درجة وبين) من المجموعة على الانترنت. 5- إجراء تحليل لغوي محوسب في LIWC تصدير بيانات وسائل التواصل الاجتماعي النصية (أي المشاركات والتعليقات) وعمود معرّف النشر/التعليق إلى ملفات CSV. استيراد ملفات CSV من بيانات وسائل الاعلام الاجتماعية النصية في برنامج عدد كلمات التحقيق اللغوي (LIWC). إنشاء فئات LIWC وحفظها إلى ملفات CSV جديدة. القيام بذلك عن طريق النقر على “تحليل النص”، ثم على “ملف إكسيل / CSV”، والنقر على العمود الذي يحتوي على المشاركات والتعليقات لتحديد النص المراد تحليله. بعد الانتهاء من تحليل LIWC البيانات النصية حفظ الإخراج كملف CSV جديد. استيراد ملف CSV نتائج LIWC إلى R ودمج مع البيانات الموجودة. يتم مطابقة البيانات بواسطة عمود معرف post/comment الموجود في كل من LIWC وإطارات البيانات الموجودة. حساب إجمالي درجات LIWC لكل مستخدم في المشاركات والتعليقات، ثم الانضمام إلى بيانات الاحتفاظ. حساب إجمالي درجات LIWC لكل مستخدم في كافة البيانات النصية (نشر والتعليقات مجتمعة)، ثم الانضمام إلى بيانات الاحتفاظ. إزالة NAs من إطار بيانات الاستبقاء. 6. إجراء تحليل الانحدار (لتحديد ما إذا كانت مؤشرات التفاعل مع المجتمع على الإنترنت تنبئ بالاحتفاظ في برنامج التعافي غير المتصل بالإنترنت) تعريف المتغيرات المستقلة. باستخدام الدالة “lm” في قاعدة R، إجراء تحليل الانحدار الخطي باستخدام بيانات الاحتفاظ كمتغير تابع، وفئات LIWC، والتعليقات، ويحب آخر، ويحب التعليق كمتغيرات مستقلة. دمج نتائج تحليل الانحدار في إطار بيانات واحد. 7 – وضع خرائط شهرية لنظام الحسابات القومية إعداد إطارات البيانات لخرائط SNA. إنشاء قائمة حافة استنادًا إلى نشاط وسائل التواصل الاجتماعي التراكمي الشهري. إنشاء قائمة رأس استنادًا إلى نشاط وسائل التواصل الاجتماعي التراكمي الشهري. إنشاء رسوم بيانية ومصفوفات رسوم بيانية استنادًا إلى نشاط وسائل التواصل الاجتماعي التراكمي الشهري. تعيين تخطيط خرائط SNA استناداً إلى نشاط وسائل الإعلام الاجتماعية التراكمي. إضافة ألوان استناداً إلى أدوار المستخدم. إنشاء خرائط SNA وحفظها إلى ملف. 8. حساب النشاط الشهري التراكمي لوسائل التواصل الاجتماعي لمجموعة وسائل التواصل الاجتماعي حساب نشاط وسائل الاعلام الاجتماعية التراكمي الشهري من قبل الموظفين والعملاء وأعضاء آخرين من مجموعة وسائل الاعلام الاجتماعية. حساب نشاط وسائل الاعلام الاجتماعية التراكمي الشهري من قبل جميع أعضاء مجموعة وسائل الاعلام الاجتماعية. انضم إلى إطارات بيانات نشاط الوسائط الاجتماعية التراكمية الشهرية معًا.

Representative Results

ويمكن الاطلاع على وصف مفصل للنتائج التمثيلية التي تم الحصول عليها باستخدام هذه الطريقة في عملنا الأخير14، الذي تم استعراضه وحصل على الموافقة الكاملة من لجنة أخلاقيات البحث في المؤسسة التي أجريت فيها البحوث. في التقرير الموضح هنا، بحثت الدراسة ما إذا كانت المشاركة عبر الإنترنت في مجتمع الانتعاش يساهم في عملية الانتعاش من خلال بناء رأس المال الانتعاش (كما تم التقاطها من خلال زيادة مستويات ونوعية التفاعلات الاجتماعية على الانترنت و تطوير الهوية الإيجابية). وبعبارة أخرى، درست الدراسة ما إذا كانت مؤشرات رأس المال الانتعاش على الانترنت وضعت على مدى ثمانية أشهر من البيانات على الانترنت تقييمها، وتنبأت أيضا الاحتفاظ في برنامج الانتعاش تهدف إلى تعزيز مشاركة المجتمع للمدمنين في المراحل المبكرة من الانتعاش. ولرسم خريطة لكيفية تفاعل المشاركين على الإنترنت، أُجري تحليل للشبكات الاجتماعية باستخدام البيانات المستخرجة من صفحة وسائط التواصل الاجتماعي (n = 609) لمجتمع الإنعاش. وترد في الشكل 1تمثيل مرئي للشبكة الاجتماعية وتطورها. يوضح هذا الرقم النشاط في مجتمع الإنترنت الذي يُراقب كل شهر لمدة 8 أشهر في شكل اتصالات بين جميع المشاركين في مجتمع الإنترنت (أي التعليق على المشاركات، والمشاركات التي تروق لها، والتعليقات التي تروق). يحدد عدد الاتصالات التي يحتوي عليها “وكيل” في الشبكة مدى مركزية أنها ستكون في الشبكة الاجتماعية. واستُخدم التحليل اللغوي المحوسب لتقييم البيانات النصية (التقاط علامات الهوية الاجتماعية)، وأُجري تحليل الانحدار الخطي لتحديد ما إذا كانت مؤشرات رأس المال الاسترداد ية متوقعة بالاحتفاظ بالبرنامج. وأشارت هذه التحليلات إلى أن الاحتفاظ بالبرنامج كان متوقعاً بالفعل من خلال: (أ) مستويات التحقق من صحة المجموعة التي تم تلقيها في شكل تعليقات وإعجابات جميع المعجبين الواردة على صفحة وسائل التواصل الاجتماعي، (ب) الوضع في الشبكة الاجتماعية (مركزية الشبكة)، و(ج) المجموعة الهوية والإنجاز (كما تم التقاطها من قبل المحتوى اللغوي للاتصال عبر الإنترنت). وأيدت النتائج الحجة القائلة بأن التفاعلات الاجتماعية الإيجابية عموما بين أعضاء مجتمع الإنعاش على الإنترنت تدعم عملية الإنعاش. ويرد أدناه موجز لتلك النتائج. الشكل 1: تشير الإقرارات الشهرية للشبكة الاجتماعية لمجتمع الإنترنت على مدى 8 أشهر إلى حدوث تغييرات في نمط التفاعلات الاجتماعية بين المشاركين. توضح هذه التمثيلات كيف في البداية، يتم قطع اتصال معظم أعضاء العميل في المجتمع عبر الإنترنت (عملاء برنامج الاسترداد دون اتصال) في الغالب، ومن موظفي البرنامج وعدد قليل فقط من العملاء الذين يقودون النشاط عبر الإنترنت. مهما, يغيّر هذا تدريجيّا, [س ثت] بعد 8 شهور, الزبونات ال أكثر يربط (لذلك ال أكثر مركزية), مع الرقم [هيغست] توصيلات في الشبكة (رقم كيّفت من نشر سابقة)14. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم. الإحصاءات الوصفية تم قياس مستويات مشاركة المشاركين مع مجتمع الإنترنت من خلال حساب مساهمات جميع المشاركين في مجتمع الإنترنت كعدد من المشاركات والتعليقات والمعجبين التي أدلى بها الموظفون والعملاء وأعضاء المجتمع الأوسع. ويعرض الجدول 1 توزيعا حسب نوع المساهمة (حسب ما قدمته كل فئة من فئات المشتركين) على مدى 8 أشهر. أعضاء المجموعة نوع المساهمة على الإنترنت الشهر الأول الشهر الثاني الشهر الثالث الشهر الرابع الشهر الخامس الشهر السادس الشهر السابع الشهر الثامن جميع المشاركات والتعليقات 382 388 (770) 579 (1349) 369 (1718) 530 (2248) 581 (2829) 796 (3625) 674 (4299) آخر يحب نظرا 1167 878 (2045) 1856 (3901) 1440 (5341) 1880 (7221) 1756 (8977) 2667 (11644) 1857 (13501) تعليق يحب نظرا 784 970 (1604) 825 (2429) 171 (2600) 634 (3234) 970 (4204) 825 (5029) 171 (5200) الموظفين المشاركات والتعليقات 129 106 (235) 170 (405) رقم 96 (501) 185 (686) 176 (862) 227 (1089) 316 (1405) آخر يحب نظرا 188 147 (335) 302 (637) 209 (846) 385 (1231) 372 (1603) 567 (2170) 511 (2681) تعليق يحب نظرا 168 303 (471) 237 (708) 69 (777) 168 (945) 303 (1248) 237 (1485) 69 (1554) العملاء المشاركات والتعليقات 145 155 (300) 214 (514) 132 (646) 208 (854) 286 (1140) 419 (1559) 253 (1812) آخر يحب نظرا 365 252 (617) 415 (1032) 303 (1335) 549 (1884) 529 (2413) 898 (3311) 576 (3887) تعليق يحب نظرا 143 318 (461) 235 (696) 33 (729) 143 (872) 318 (1190) 235 (1425) 33 (1458) الاخرين المشاركات والتعليقات 108 127 (235) رقم 195 (430) 141 (571) 137 (708) 119 (827) 150 (977) 105 (1082) آخر يحب نظرا 614 479 (1093) 1139 (2232) 928 (3160) 946 (4106) 855 (4961) 1202 (6163) 770 (6933) تعليق يحب نظرا 473 349 (672) 353 (1025) 69 (1094) 323 (1417) 349 (1766) 353 (2119) 69 (2188) الجدول1: يظهر عدد المساهمات عبر الإنترنت حسب النوع (المشاركات والتعليقات المقدمة، والإعجابات التي تعطى للمشاركات، والإعجابات التي تعطى للتعليقات) من قبل أعضاء المجتمع على الإنترنت على مدى 8 أشهر. يتم تصنيف أعضاء المجتمع على الانترنت كموظفين (موظفي الدعم العاملين في برنامج الاسترداد دون اتصال)، والعملاء (الناس في استرداد الذين يشاركون في برنامج الانتعاش حاليا)، وغيرهم (المؤيدين ودعاة الانتعاش من مجتمع أوسع). محددات الاحتفاظ في البرنامج تم اختبار الفرضيات التالية: (1) ينبغي أن يرتبط الاحتفاظ بالبرنامج بمؤشرات تنمية رأس المال الاستردادي (أي، التي تنعكس في كمية ونوعية التفاعل عبر الإنترنت)، و(2) ينبغي أن يرتبط الاحتفاظ بالبرنامج أيضاً مؤشرات تغيير الهوية (أي مؤشرات التنمية الإيجابية لهوية الانتعاش). وقد أشير إلى كمية التفاعل عبر الإنترنت من خلال (أ) عدد المشاركات التي تم إجراؤها، (ب) عدد التعليقات التي تم إجراؤها، ج) عدد الإعجابات التي تم تلقيها، (د) عدد الإعجابات الواردة، و(ه) عدد جميع التعليقات التي تم تلقيها. لتحديد جودة التفاعل عبر الإنترنت، تم تحليل بنية الشبكة ومحتوى اللغة. وبصورة أكثر تحديدا، استخدمت معاملات الدرجة والترابط المستمدة من تحليل الشبكات الاجتماعية والمؤشرات اللغوية ذات التأثير الإيجابي المستمدة من التحليل اللغوي المحوسب. كمؤشرات من إيجابيّة هوية تغير (بما أنّ يتمّ مع الإستعادة جماعة) استعملت التردد من إستعمال من الضمائر “نحن” وإنجاز كلمات ([إ.غ.], محاولة, هدف, فوز, [إتك.])). وأخيراً، تم الإشارة إلى المتغير التابع (الاحتفاظ في البرنامج) من خلال العدد الإجمالي للأيام التي قضاها في البرنامج (تتراوح بين 86 إلى 464 يوماً هنا). وكما يتبين من النتائج، فإن مستويات التفاعل عبر الإنترنت والتحقق من صحتها في المجموعة (كما يتضحمن عدد الإعجابات المتلقاة للمشاركات والتعليقات) توقع الاحتفاظ بالبرنامج (الجدول 2). كما تم التنبؤ بالاحتفاظ بالبرنامج من خلال علامات تحديد الهوية (كما تم التقاطها باستخدام الضمائر “نحن” في المشاركات وكلمات الإنجاز في كل من المشاركات والتعليقات). وأخيراً، عندما يقع المشاركون داخل الشبكة الاجتماعية (أي درجة المركزية) يمثل أيضاًجانباً هاماً من جوانب الاحتفاظ (الجدول 2). متغير ب حد ذاته Β R2 الإعجابات بالتعليقات 0.43 0.18 ..47* 0.22 الإعجابات الواردة (جميع) 0.08 0.03 ..43* 0.18 الفرق الشبيه بالتعليقات 1.09 0.5 0.5 ..43* 0.19 درجة الشبكة 0.01 صفر ..43* 0.18 LIWC نحن (آخر) 3.89 1.76 1.76 ..43* 0.19 إنجاز LIWC (وظيفة) 0.56 0.26 ..43* 0.18 إنجاز LIWC (الكل) 0.14 0.07 ..42* 0.17 الجدول2: وقت الاحتفاظ كما هو متوقع من خلال المشاركة عبر الإنترنت، وإحصاءات الشبكة، والفئات اللغوية.

Discussion

ويستند النهج الموضح هنا على طريقة جديدة لقياس كيف يمكن لعمليات المجموعة على الانترنت أن تؤثر على الاحتفاظ في برنامج التعافي من الإدمان. تطبيق هذه الطريقة على مجتمع على الانترنت للتعافي من الإدمان، ووجد أن هناك أربعة جوانب رئيسية توقع الاحتفاظ بالبرنامج: المشاركة بشكل كبير في المجتمع على الانترنت، كونها مركزية في الشبكة الاجتماعية على الانترنت، والتأثير الإيجابي أعرب في التواصل مع أعضاء آخرين في المجتمع على الانترنت، وتلقي التحقق من صحة من الآخرين للمساهمات في الشبكة14. النتائج التي تم الحصول عليها باستخدام هذه الطريقة تدعم النماذج النظرية القائمة للاسترداد. وهذا هو، نموذجين رئيسيين في الأدب الانتعاش، نموذج الهوية الاجتماعية للانتعاش15 ونموذج الهوية الاجتماعية للتوقف الصيانة16،وكلاهما يؤكد على أهمية المشاركة النشطة في المجموعات التي تدعم الانتعاش. ويشير كلا النموذجين إلى أن زيادة تحديد هوية هذه المجموعات والالتزام بها تسهم في خفض الاتصال في المستقبل باستخدام المجموعات وما يترتب على ذلك من انتكاس.

كما هو موضح في أبحاثنا، سمحت لنا الطريقة لرسم مسارات الانتعاش أو التغيير من أعضاء المجتمع على الانترنت14. يمكن أن توفر تصورات الشبكات الاجتماعية عبر الإنترنت وتطورها مع مرور الوقت معلومات قيمة عن حركة أعضاء المجتمع عبر الإنترنت من المحيط إلى مركز الشبكة والعكس بالعكس (تشير هذه الحركات في الشبكة إلى التغيرات في مستويات التفاعل مع المجتمع عبر الإنترنت). في دراسة عام 201714، أجريت مقابلات مع أعضاء المجتمع على الانترنت الذين قاموا بأهم التغييرات من حيث الانتقال من محيط إلى مركز الشبكات كوسيلة للتثليث النتائج التي توصلنا إليها على أساس نظام الحسابات القومية، المحوسبة التحليل اللغوي، والانحدار مقابل بيانات الاحتفاظ. وقد تركز الدراسات المستقبلية بدلاً من ذلك على الأعضاء الذين انفصلوا عن المجتمع على الإنترنت، أو على أولئك الذين لم يشاركوا أبداً، أو على مقاييس أكثر مباشرة للنتائج مثل تعاطي المخدرات والعودة إلى الإجرام. ويمكن لهذه المنهجية أن تُعدَّم أكثر من دُمِّر لاستخدامها في برامج التدخل، على سبيل المثال، لتقييم دور المشرفين في منتديات المساعدة.

لا توجد حالياً دراسات تقدم أدلة على فوائد الطريقة الموصوفة هنا عند استخدامها في حد ذاتها (تم استخدام الطريقة الموصوفة بالاقتران مع بيانات الاحتفاظ والثلاثي مع البيانات النوعية من المقابلات مع المجتمع الرئيسي على الإنترنت الأعضاء14)،ولكن هذا النهج يمكن أن توفر بيانات دقيقة وخالية من التحيز التي يمكن أن تكمل الإبلاغ الذاتي وغيرها من التدابير في دراسات التعافي من الإدمان.

وقد طُبقت هذه الطريقة لدراسة التفاعلات الاجتماعية عبر الإنترنت في سياق صفحة وسائط التواصل الاجتماعي التي أنشئت كشكل تكميلي من أشكال الدعم لبرنامج قياسي للانتعاش وجها ً لوجه. ومع ذلك، مع تغييرات طفيفة، يمكن استخدام هذه الطريقة للتحقيق في التفاعلات الاجتماعية عبر الإنترنت في أنواع أخرى من المجتمعات على الانترنت (المنتديات على الانترنت، ومجموعات المناقشة، وغرف الدردشة، ومواقع التعليق، وما إلى ذلك). واحدة من المزايا الرئيسية لهذه الطريقة هو أنه يمكن تكييفها وتطبيقها على سياقات خارج مجتمعات التعافي من الإدمان إلى أي مجتمع على الانترنت. على سبيل المثال، في أبحاثنا الخاصة في علم النفس السياسي، نستخدم طريقة مماثلة (تم تطويرها من الطريقة الموضحة هنا) لالتقاط جودة التفاعلات عبر الإنترنت والتغيرات في هذه التفاعلات بين أعضاء المجتمعات اليمينية المتطرفة على الإنترنت. وفي الواقع، يمكن تطبيق هذه الطريقة على أي مجتمع على الإنترنت يمكن فيه استخراج البيانات في شكل صلات بين الأعضاء (كروابط للشبكة الاجتماعية) والمحتوى اللغوي.

ومع ذلك، يجب على الباحثين، لدى الوصول إلى البيانات على الإنترنت والعمل معها، أن يكونوا على علم بالقضايا الأخلاقية، التي ينطبق بعضها على الإبلاغ الذاتي وأنواع أخرى من البيانات بشكل عام، وبعضها لا يُصادف إلا في بيئة إلكترونية. في البحث الموصوف هنا (الذي وافق عليه مجتمع أخلاقيات البحث في جامعة شيفيلد هالام)، تم الحصول على موافقة من المنظمة التي تدير برنامج الاسترداد، واتخذت تدابير صارمة لضمان عدم الكشف عن هويته الكاملة من المشاركين في صفحة وسائل التواصل الاجتماعي المفتوحة (على سبيل المثال، بعد مطابقة بيانات الاحتفاظ بالإنترنت والاحتفاظ، تمت إزالة جميع المعلومات التعريفية من الملفات، كما لم يتم استخدام أي اقتباسات يمكن أن تحدد هويتها الذاتية من الاتصال عبر الإنترنت الذي يمكن الوصول إليه للجمهور).

كما حرص التواصل الوثيق مع المنظمة على أن يكون المشاركون في البرنامج على علم بنتائج الدراسة والبحوث، واجتمع أحد الباحثين بانتظام مع المجموعة لشرح الدراسة ونتائجها. ومع ذلك، في حالات أخرى، حيث لا ترتبط المجتمعات عبر الإنترنت ببرامج محددة غير متصلة بالإنترنت، قد يكون من الصعب تحديد من الذي ينبغي أن يطلب منه الموافقة فيما يتعلق باستخراج البيانات (ينطبق بشكل خاص في المنتديات غير المعتدلة، حيث يتعافى الأشخاص التماس دعم الأقران عبر الإنترنت). وفي حين أن المبادئ العامة للبحوث الأخلاقية ستنطبق، فإن الباحثين بحاجة إلى اعتماد نهج كل حالة على حدة لضمان ألا يشكل استخراج وتحليل البيانات على الإنترنت أي مخاطر كبيرة على المشاركين (مثل المساس بالخصوصية).

Disclosures

The authors have nothing to disclose.

Acknowledgements

نحن ممتنون للعملاء والموظفين من وظائف، الأصدقاء والمنازل، المملكة المتحدة، الذين دعموا ووافقوا على المشاركة في أبحاثنا.

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

References

  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

Cite This Article
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