کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
8917983 1642807 2017 11 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Bridging big data and qualitative methods in the social sciences: A case study of Twitter responses to high profile deaths by suicide
ترجمه فارسی عنوان
برآورد داده های بزرگ و روش های کیفی در علوم اجتماعی: مطالعه موردی از پاسخ های توییتر به مرگ و میر بالا توسط خودکشی
کلمات کلیدی
رسانه های اجتماعی، جمع آوری منابع، کلوچه، پردازش زبان طبیعی، علوم اجتماعی، پریشانی احساسی، خودکشی بالا مشخصات، همدردی عمومی،
ترجمه چکیده
با افزایش رسانه های اجتماعی، حجم گسترده ای از مواد تحقیقاتی اولیه برای دانشمندان علوم اجتماعی در دسترس قرار گرفته است، اما حجم و تنوع وسیع آن به دسترسی از طریق رویکردهای سنتی دشوار است: خواندن نزدیک و تفسیر های ناصحیح از برنامه نویسی کتبی دستی و تحلیل و بررسی. این مقاله در جهت ایجاد شکاف با ایجاد جایگزینی نیمه اتوماتیک برای برنامه نویسی دستی از طریق مخلوطی از فرهنگ سازی و یادگیری ماشین، ایجاد شده است که از طریق یک طرح کدگذاری دقیق دستی از نمونه ای کوچک از داده ها بوجود می آید. برای نشان دادن وعده این رویکرد، ما تلاش می کنیم دسته بندی متفاوتی از پاسخ ها را در توییتر به چندین مرگ و میر ناشی از خودکشی اخیر نشان دهیم. از طریق این، ما نشان می دهیم که ممکن است به طور خودکار در یک مجموعه داده های بزرگ به درجه بالایی از دقت (71٪) کد گذاری شود و در مورد امکانات و مشکلات پیچیده استفاده از روش های بزرگ داده برای علوم اجتماعی بحث شود.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر شبکه های کامپیوتری و ارتباطات
پیش نمایش مقاله
برآورد داده های بزرگ و روش های کیفی در علوم اجتماعی: مطالعه موردی از پاسخ های توییتر به مرگ و میر بالا توسط خودکشی
چکیده انگلیسی
With the rise of social media, a vast amount of new primary research material has become available to social scientists, but the sheer volume and variety of this make it difficult to access through the traditional approaches: close reading and nuanced interpretations of manual qualitative coding and analysis. This paper sets out to bridge the gap by developing semi-automated replacements for manual coding through a mixture of crowdsourcing and machine learning, seeded by the development of a careful manual coding scheme from a small sample of data. To show the promise of this approach, we attempt to create a nuanced categorisation of responses on Twitter to several recent high profile deaths by suicide. Through these, we show that it is possible to code automatically across a large dataset to a high degree of accuracy (71%), and discuss the broader possibilities and pitfalls of using Big Data methods for Social Science.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Online Social Networks and Media - Volume 1, June 2017, Pages 33-43
نویسندگان
, , , ,