هدف: تحلیل حدود 45 میلیون توییت مقاله های علمی به عنوان نمونه ای از قابلیت های آلتمتریکس برای تحلیل کلان داده ها در محیط وب اجتماعی. روش شناسی: با روش توصیفی و با استفاده از شاخص های آلتمتریک، تمامی 322, 828, 44 توییت و بازتوییت مربوط به بیش از 000, 764, 6 مقاله علمی ثبت شده تا زمان گردآوری داده ها در پایگاه آلتمتریک اکسپلورر مطالعه شد. یافته ها: 8/78% به اشتراک گذاری برون دادهای علمی در رسانه های اجتماعی متعلق به توییتر بوده است. مطالعه زمانی توییت مقاله های علمی نشان داد روند به اشتراک گذاری مقاله های علمی در توییتر به میزان چشمگیری رو به افزایش بوده است. بیشترین تعداد توییت مقاله های علمی به ترتیب مربوط به کاربرانی از امریکا، انگلستان، و استرالیا بوده است. همچنین، برون دادهای پژوهشی منتشرشده در مجله های علوم پزشکی و علوم میان رشته ای به میزان گسترده تری توییت شده اند. نتیجه گیری: توییتر مهم ترین رسانه اجتماعی است که پژوهشگران برای به اشتراک گذاری برون دادهای پژوهشی خود از آن در سطح بین المللی استفاده می کنند و قابلیت های فراوانی برای مطالعه اثرگذاری اجتماعی پژوهش دارد.

افغانستان به عنوان همسایه همزبان شرقی ایران و کشوری با مشابهت های فراوان مذهبی و فرهنگی و نیز موطن میلیون ها مهاجر ساکن ایران، اهمیتی فراوان برای ایران و مردم آن دارد. فارسی زبان بودن برخی اقوام ساکن افغانستان، بخصوص هزاره ها، توییتر فارسی را به محفلی مناسب برای ارتباط افغان ها و ایرانیان و اظهار نظر درباره مسایل یکدیگر تبدیل کرده است. در نوشته حاضر، کارزارهای مهم توییتر فارسی درباره افغانستان و مسایل افغان ها از تیر 1399 تا تیر 1400 با روش های رایج تحلیل شبکه های اجتماعی-از جمله تحلیل محتوا، تشکیل شبکه های بازنشرکنندگان و دنبال کنندگان، خوشه بندی خودکار کاربران این شبکه ها و بررسی ملیت و گرایش سیاسی اعضای هر خوشه-بررسی شدند تا مسایل مورد توجه در این کارزارها، گروه های شرکت کننده و کاربران موثر آن ها مشخص گردد. همچنین، برخی کارزارهای توییتری پس از سیطره مجدد طالبان با این کارزارها مقایسه شد. براساس یافته های پژوهش حاضر، محکوم کردن حملات تروریستی، سوگواری برای کشته شدگان و همدردی با بازماندگان رایج ترین موضوعاتی بوده اند که کارزارهای توییتری فارسی زبان را حول مسایل افغانستان شکل داده اند. همچنین، تنوع شرکت کنندگان در کارزارهای مختلف متفاوت بوده است؛ اما در مجموع، کاربران افغان در کنار روزمره نویسان ایرانی و همه گروه های سیاسی ایرانی فعال در توییتر فارسی در این کارزارها مشارکت کرده اند. علاوه بر این، در این پژوهش موثرترین کاربران شرکت کننده در این کارزارها معرفی شدند.

یکی از مباحث پژوهشی مهم امروز در حوزه فناوری اطلاعات و فناوری استفاده از دانش نهفته در داده هایی است که امروزه با سرعت بالا، حجم زیاد و با تنوع فراوان در فرمت داده تولید می شوند. داده هایی با چنین ویژگی هایی را کلان داده می نامند. استخراج، پردازش و بصری سازی نتایج حاصل از کلان داده امروزه به یکی از دغدغه های دانشمندان علم داده تبدیل شده است. گفتنی است که امروزه زیر ساخت‍ ها، روش ها و ابزارهای بسیاری برای تحلیل کلان داده توسعه یافته اند. هدف این مقاله ارایه راهکاری برای استخراج و بصری سازی داده های شبکه اجتماعی توییتر به صورت بلادرنگ با حذف پایگاه های داده به عنوان نمونه ای از تحلیل کلان داده است. در این پژوهش یکی از راه حل های بصری سازی بلادرنگ، با استفاده از داده های توییتر به عنوان جریان ورودی، از آپاچی استورم به عنوان پلتفرم پردازشی و از D3. jsبرای نمایش داده ها ارایه خواهد شد؛ در نهایت داشبورد طراحی شده با استفاده از روش طراحی آزمایش ها و آزمون های آماری از نظر زمان طی شده برای پاسخ (Latency). در انواع پیکره بندی های مختلف آپاچی استورم مورد ارزیابی قرار گرفته و در نهایت بلادرنگ بودن با میانگین زمان پاسخ برابر یک دقیقه و سی ثانیه تایید شد.

توییتر یکی از محبوب ترین و مشهورترین شبکه های اجتماعی برخط برای گسترش اطلاعات است که در عین قابل اعتماد بودن، می تواند به عنوان منبعی برای گسترش شایعات باشد. شایعاتی غیرواقعی و فریبنده که می تواند تاثیرات جبران ناپذیری برروی افراد و جامعه به وجود بیاورد. در این پژوهش مجموعه کاملی از ویژگی های جدید ساختاری مربوط به درخت پاسخ و گراف کاربران در تشخیص مکالمه های شایعه توییتر استخراج شدند. این ویژگی ها با توجه به معیارهای سنتی گراف ها و معیارهای مخصوص انتشار شایعه، در بازه های زمانی مختلف به مدت 24 ساعت از زمان شروع مکالمه ها در خصوص رویدادهای بحرانی در توییتر استخراج شده اند. نتایج حاصل از بررسی ویژگی های جدید، دیدگاه عمیقی از ساختار انتشار اطلاعات در مکالمه ها را فراهم می کند. بر اساس نتایج به دست آمده، ویژگی های جدید ساختاری در تشخیص مکالمه های شایعه در رویدادهای توییتر موثر هستند؛ ازاین رو، الگوریتم دسته بند شایعه مبتنی بر ویژگی های جدید ساختاری، زبانی و کاربران در تشخیص مکالمه های شایعه زبان انگلیسی توییتر، پیشنهاد داده شد. روش پیشنهادی در مقایسه با روش های پایه، عملکرد بهتری دارد. همچنین، با توجه به اهمیت کاربر توییت منبع در مکالمه ها، این کاربر از جنبه های مختلفی موردبررسی و آنالیز قرار گرفت.

پس از ترور شهید سلیمانی در سال 1398 (2019 م) نظام سلطه و دشمنان مقاومت اسلامی، به واسطة ابزار رسانه و فضای همگانی سایبری، تلاش زیادی کردند تا بتوانند افکار عمومی جهانیان و به خصوص منطقة غرب آسیا و مردم آمریکا را به گونه ای هدایت و مدیریت کنند تا ضمن موجه نشان دادن ترور، جهانیان را نسبت به این ترور ددمنشانه متقاعد سازند. نظر به اهمیت موضوع بازنمایی رسانه ای، مقالة پیش رو با اتخاذ روش تحلیل محتوای کیفی و بهره گیری از روش هوشمند در جمع آوری داده ها و همچنین بهره گیری از تکنیک نتنوگرافی، درصدد پاسخ به این سؤال اصلی است: بازنمایی ترور شهید قاسم سلیمانی در توییتر و اینستاگرام شبکة ایران اینترنشنال چگونه انجام شده است؟ یافته های تحقیق ناظر بر تحلیل و تبیین دیدگاه کاربران شبکه های اجتماعی توییتر و اینستاگرام رسانة خبری ایران اینترنشنال با تأکید بر زمان ترور شهید سلیمانی، بر چند نکته تأکید دارد: 1. بازنمایی با رویکرد تعمدی و راهبرد کلیشه سازی با هدف وارونه سازی حقیقت و واقعیت جبهة مقاومت اسلامی و در راستای توجیه افکار عمومی جهان و رفتار دولت مردان آمریکایی انجام گرفته است. 2. جبهة مقاومت اسلامی گرچه پیروز عرصة میدانی نبرد نظامی بوده است، اما در عرصة مجازی و گفتمان سازی از ظرفیت ها به خوبی استفاده نکرده است. 3. جبهة مقاومت باید در عرصة نبرد رسانه ای و فضای مجازی پیشگام باشد و راهبرد تهاجمی را جایگزین راهبرد تدافعی کند. در واقع با پیشگامی در تصویرسازی می توان بازنمایی رسانه ای را به نفع جبهة مقاومت اسلامی مصادره کرد.

امروزه شبکه های اجتماعی، نقش مهمی در گسترش اطلاعات در سراسر جهان دارند. توییتر یکی از محبوب ترین شبکه های اجتماعی است که در هر روز 500 میلیون توییت در این شبکه ارسال می شود. محبوبیت این شبکه در میان کاربران منجر شده تا اسپمرها از این شبکه برای انتشار پست های هرزنامه استفاده کنند. در این مقاله برای شناسایی اسپم در سطح توییت از ترکیبی از روش های یادگیری ماشین استفاده شده است. روش پیشنهادی، چارچوبی مبتنی بر استخراج ویژگی است که در دو مرحله انجام می شود. در مرحله اول از Stacked Autoencoder برای استخراج ویژگی ها استفاده شده و در مرحله دوم، ویژگی های مستخرج از آخرین لایه Stacked Autoencoder به عنوان ورودی به لایه softmax داده می شوند تا این لایه پیش بینی را انجام دهد. روش پیشنهادی با برخی روش های مشهور روی پیکره متنی Twitter Spam Detection با معیارهای Accuracy،-Score1F، Precision و Recall مورد مقایسه و ارزیابی قرار گرفته است. نتایج تحقیق نشان می دهند که دقت کشف روش پیشنهادی به 1/78% می رسد. در مجموع، این روش با استفاده از رویکرد اکثریت آرا با انتخاب سخت در یادگیری ترکیبی، توییت های اسپم را با دقت بالاتری نسبت به روش های CNN، LSTM و SCCL تشخیص می دهد.

پس از ترور شهید سلیمانی در سال 1398 (2019 م) نظام سلطه و دشمنان مقاومت اسلامی، به واسطة ابزار رسانه و فضای همگانی سایبری، تلاش زیادی کردند تا بتوانند افکار عمومی جهانیان و به خصوص منطقة غرب آسیا و مردم آمریکا را به گونه ای هدایت و مدیریت کنند تا ضمن موجه نشان دادن ترور، جهانیان را نسبت به این ترور ددمنشانه متقاعد سازند. نظر به اهمیت موضوع بازنمایی رسانه ای، مقالة پیش رو با اتخاذ روش تحلیل محتوای کیفی و بهره گیری از روش هوشمند در جمع آوری داده ها و همچنین بهره گیری از تکنیک نتنوگرافی، درصدد پاسخ به این سؤال اصلی است: بازنمایی ترور شهید قاسم سلیمانی در توییتر و اینستاگرام شبکة ایران اینترنشنال چگونه انجام شده است؟ یافته های تحقیق ناظر بر تحلیل و تبیین دیدگاه کاربران شبکه های اجتماعی توییتر و اینستاگرام رسانة خبری ایران اینترنشنال با تأکید بر زمان ترور شهید سلیمانی، بر چند نکته تأکید دارد: 1. بازنمایی با رویکرد تعمدی و راهبرد کلیشه سازی با هدف وارونه سازی حقیقت و واقعیت جبهة مقاومت اسلامی و در راستای توجیه افکار عمومی جهان و رفتار دولت مردان آمریکایی انجام گرفته است. 2. جبهة مقاومت اسلامی گرچه پیروز عرصة میدانی نبرد نظامی بوده است، اما در عرصة مجازی و گفتمان سازی از ظرفیت ها به خوبی استفاده نکرده است. 3. جبهة مقاومت باید در عرصة نبرد رسانه ای و فضای مجازی پیشگام باشد و راهبرد تهاجمی را جایگزین راهبرد تدافعی کند. در واقع با پیشگامی در تصویرسازی می توان بازنمایی رسانه ای را به نفع جبهة مقاومت اسلامی مصادره کرد.

هدف: امروزه رسانه های اجتماعی به عنوان کانال ارتباطی چندسویه، ابزاری تمام و کمال برای نشر اخبار محسوب شده و امکان دسترسی ذی نفعان بازار به اطلاعات مکمل را فراهم نموده است. هدف این پژوهش، بررسی رابطه اخبار سود نشر یافته در رسانه اجتماعی توییتر و به موقع بودن اطلاعات سود حسابداری می باشد. روش پژوهش: داده های مربوط به 345 شرکت از 500 سهام برتر بورس و اوراق بهادار آمریکا، طی سالهای 2016 الی 2019 جمع آوری و با استفاده از نرم افزار استاتا مورد تجزیه و تحلیل قرار گرفت. تحلیل مضمون توییت ها بر اساس لیست لغات تخصصی حسابداری انجام شده است. یافته ها: نتایج نشان داد، بین نشر و مضمون توییت های سود منتشر شده از سوی شرکت ها با به موقع بودن اعلان رسمی سود حسابداری شرکت ها رابطه معناداری وجود دارد. نتیجه گیری: تفسیر نتایج نشان می دهد، قابلیت رسانه های اجتماعی به عنوان کانال نشر اخبار با پوشش گسترده موجب می شود، شرکت ها با نشر ناگزیر اخبار منفی در رسانه اجتماعی توییتر، زمانبندی اعلان سود را مدیریت نمایند. دانش افزایی: بنابراین با وجود نقش موثر رسانه های اجتماعی به عنوان منابع آگاهی بخش مکمل، این محیط می تواند مستعد نشر راهبردی اخبار از سوی شرکت ها باشد.