فایل ورد کامل انتشار اطلاعات از طریق شبکه های اجتماعی: مورد تقاضانامه آنلاین

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل انتشار اطلاعات از طریق شبکه های اجتماعی: مورد تقاضانامه آنلاین،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۴۵ صفحه

مردم معمولاً از شبکه‌های اجتماعی آنلاین به دلیل راحتی، کارایی و قدرت برودکست قابل توجه آن برای اشتراک‌گذاری اطلاعات استفاده می‌کنند. با این حال انتشار اطلاعات در شبکه‌های اجتماعی آنلاین یک فرآیند پویا و پیچیده است. در این پژوهش از مورد مطالعاتی برای بررسی فرآیند انتشار یک تقاضانامه آنلاین استفاده می‌کنیم. گستره‌ی تقاضانامه‌ها در شبکه‌های اجتماعی باعث بروز سوالات عملی و نظری شده است: نرخ انتشار چیست؟ آغاز گر برای سرعت بخشیدن به انتشار چه عملیاتی را می‌تواند انجام دهد؟ رفتار اشتراک بین دوستان چگونه می‌تواند بر فرآیند انتشار اثر بگذارد؟ تعداد تغییرات امضا در هر زمان چگونه است؟ برای پاسخ به این سوالات از مدلسازی پویای سیستم برای مشخص کردن و کمیت بندی مکانیسم‌های اصلی انتشار آنلاین تقاضانامه استفاده می‌کنیم و بر اساس داده‌های تجربی بدست آمده مدل پویای نتیجه را برآورد می‌کنیم. رویکرد مدلسازی بینش عملی بالقوه‌ای برای کسانی ارائه می‌دهد که به طراحی تقاضانامه‌ها و جمع آوری امضاها علاقه مند هستند. رویکردهای تست مدل و کالیبراسیون (از جمله روش‌های تجربی مانند برآورد حداکثر احتمال، معیار اطلاعات Akaike، تست نسبت احتمال) شیوه‌های بالقوه‌ی اضافی برای مدلسازان پویا ارائه می‌کند. روش تحلیل ما اطلاعاتی در مورد قدرت نسبی فشار (یعنی ارسال اعلان‌ها) و کشیدن (یعنی اشتراک گذاری توسط امضاکنندگان) ارائه می‌کند و فرآیندها و بینش‌هایی در مورد آگاهی، علاقه، اشتراک گذاری، یادآوری و مکانیزیم‌های فراموشی ارائه می‌کند. با مقایسه فرآیندهای فشار و کشش، دریافتیم که روند انتشار یک فرآیند کشش است نه فشار.علاوه بر این با مقایسه‌ی سناریوهای مختلف دریافتیم که هدف قرار دادن جمعیت مناسب یک محرک بالقوه در گسترش اطلاعات است (برای مثال گرفتن امضاهای بیشتر) به طوری که سرمایه گذاری کم برای هدف قرار دادن افراد مناسب اثر «نامناسبی» در افزایش تعداد کل امضاها دارد. این مدل برای توسعه و تکثیر بیشتر به طور کامل مدلسازی شده است.

کلمات کلیدی: فرآیند انتشار | شبکه‌های اجتماعی آنلاین | تقاضانامه | مدلسازی پویای سیستم

عنوان انگلیسی:

Information diffusion through social networks: The case of an online petition

~~en~~ writers :

Mohammad S. Jalali, Armin Ashouri, Oscar Herrera-Restrepo, Hui Zhang

People regularly use online social networks due to their convenience, efficiency, and significant broadcasting
power for sharing information. However, the diffusion of information in online social networks is a complex
and dynamic process. In this research, we used a case study to examine the diffusion process of an online
petition. The spread of petitions in social networks raises various theoretical and practical questions: What
is the diffusion rate What actions can initiators take to speed up the diffusion rate How does the behavior
of sharing between friends influence the diffusion process How does the number of signatures change over
time In order to address these questions, we used system dynamics modeling to specify and quantify the
core mechanisms of petition diffusion online; based on empirical data, we then estimated the resulting dynamic model. The modeling approach provides potential practical insights for those interested in designing
petitions and collecting signatures. Model testing and calibration approaches (including the use of empirical methods such as maximum-likelihood estimation, the Akaike information criterion, and likelihood ratio
tests) provide additional potential practices for dynamic modelers. Our analysis provides information on the
relative strength of push (i.e., sending announcements) and pull (i.e., sharing by signatories) processes and
insights about awareness, interest, sharing, reminders, and forgetting mechanisms. Comparing push and pull
processes, we found that diffusion is largely a pull process rather than a push process. Moreover, comparing
different scenarios, we found that targeting the right population is a potential driver in spreading information
(i.e., getting more signatures), such that small investments in targeting the appropriate people have ‘disproportionate’ effects in increasing the total number of signatures. The model is fully documented for further
development and replications.

Keywords: Diffusion process | Online social networks | etition | System dynamics modeling

$$en!!