فهرست نشریات علمی دسترسی آزاد ایران

هدف این پژوهش شناسایی و دسته‌بندی نظرات کاربران فارسی‌زبانِ «توئیتر» در رابطه با موضوع بحران‌های خشکسالی در ایران و سپس، توسعه مدلی برای تشخیص این نظرات در پلتفرم «توئیتر» است. ازاین‌رو، مدلی با کمک روش‌های یادگیری ماشین و متن‌کاوی برای تشخیص نظرات کاربران فارسی‌زبانِ «توئیتر» توسعه داده شد. جامعه آماری پژوهش، تعداد 42028 توئیت منتشرشده‎ در بازه زمانی یک‌ساله مرتبط با خشکسالی بود. این توئیت‌ها با کلیدواژه‌های مرتبط با مسایل و بحران‌های خشکسالی در ایران، از «توئیتر» استخراج شد و سپس، یک نمونه 2300تایی توئیت به ‌روش کیفیِ تحلیل تم، برچسب‌گذاری، دسته‌بندی و تحلیل شد. آنگاه یک دسته‌بندی چهارتایی از نظرات کاربران در رابطه با بحران‌های خشکسالی و تاب‌آوری ایرانیان در برابر این بحران‌ها شناسایی گردید. سپس، مبتنی ‌بر این چهار دسته، مدل یادگیری ماشین بر اساس روش رگرسیون لجستیک برای پیش‌بینی و تشخیص انواع نظرات در پست‌های «توئیتر»، آموزش داده شد. مدل توسعه‌داده‌شده دارای دقت 09/66 درصد و معیار افِ 60 درصد است که نشان می‌دهد این مدل، برای تشخیص نظرات کاربران ایرانی در ارتباط با بحران‌های خشکسالی از عملکرد خوبی برخوردار است. تشخیص نظرات در رابطه با بحران‌های خشکسالی در پلتفرم‌های اجتماعی مانند «توئیتر» از نیازهای سیاست‌گذاران و مدیران این حوزه است. توسعه مدل تشخیص این نظرات با روش‌های یادگیری ماشینی می‌تواند میزان تاب‌آوری جامعه ایرانی در برابر این بحران‌ها را به‌صورت هوشمند به سیاست‌گذاران نمایش داده و آن‌ها را نسبت به تغییرات افکار عمومی در این رابطه آگاه سازد.