اثر بازخورد بین تشابه و تاثیر اجتماعی در جوامع آنلاین
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 547
فایل این مقاله در 17 صفحه با فرمت PDF و WORD قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
TACEIT01_003
تاریخ نمایه سازی: 27 بهمن 1394
چکیده مقاله:
یک سوال آشکار اساسی در تجزیه و تحلیل شبکه های اجتماعی درک تعامل بین روابط تشابه و روابط اجتماعی است. در یک شبکه اجتماعی مردم به دو دلیل مجزا شبیه به همسایگان خود هستند: اول، آنها رشد می کنند تا شبیه به دوستان فعلی خود با توجه به تاثیر اجتماعی باشند و دوم، آنها متمایل به شکل دهی لینک جدید با دیگرانی هستند که در حال حاضر شبیه آنها هستند ، یک فرآیند اغلب انتخاب توسط جامعه شناسان نامیده می شود. در حالی که هر دو عوامل در فرآیندهای اجتماعی روزمره حضور دارند، که در تنش هستند: تاثیر اجتماعی می تواند سیستم را به سمت یکنواختی رفتار بکشاند، در حالی که انتخاب می تواند به تکه تکه شدن منجر شود. به این ترتیب، مهم است که اثرات نسبی این نیروها را درک کنیم، و این امر به دلیل مشکل جداسازی و تعیین کمیت آنها در مجموعه های واقعی بوده منجر به یک چالش می شود. ما تکنیکی را برای شناسایی و مدل سازی تعاملات بین تاثیر اجتماعی و انتخاب توسعه دادیم ، که با استفاده از داده های جوامع آنلاین که در آن هر دو تعامل اجتماعی و تغییر در رفتار در طول زمان می تواند اندازه گیری شود. ما اثرات بازخورد روشنی بین دو عامل یافتیم، با افزایش شباهت بین دو خدمت منحصر به فرد، در کل، به عنوان شاخص تعامل آینده - اما با شباهت، سپس در ادامه با افزایش پیوسته، هر چند با سرعت کند تر و برای مدت طولانی پس از تعاملات اولیه. ما همچنین ارزش نسبی شباهت و تاثیر اجتماعی در مدل سازی رفتار آینده در نظر گرفتیم. به عنوان مثال، برای پیش بینی فعالیت هایی که فرد به احتمال زیاد بعدا انجام می دهد، آیا مفید است که بدانیم فعالیت های فعلی دوستانش ، و یا مردم بیشتر شبیه به آنها هستند؟
کلیدواژه ها:
نویسندگان
جمشید کریمی
کارشناس ارشد نرم افزارمدرس دانشگاه جامع علمی کاربردی مرکز سقز
فاطمه فرج پور
کارشناس ارشد نرم افزارمدرس دانشگاه جامع علمی کاربردی مرکز سقز
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :