تدوين روش برآورد تابع تقاضاي شبكه‌هاي اجتماعي با رويكرد غيرخطي

Developing A Method for Estimating Social Network Demand Function with Nonlinear Approach

در پژوهش حاضر سعي شده است با بررسي دقيق پژوهش‌هاي انجام شده در خصوص تابع تقاضا، روشي براي استخراج توابع تقاضاي ارتباطات ميان فردي در شبكه­‌هاي اجتماعي ارائه شود تا با مدل‌سازي رياضي دقيق، امكان مطالعه رفتار كاربران در فضاي مجازي و مديريت آسيب‌هاي احتمالي فراهم آيد. بر اين اساس، واحد تحليل در اين مطالعه، كاربران شبكه­‌هاي اجتماعي در نظر گرفته شده است. پس از مدل‌سازي روش استخراج تابع تقاضا در محيط فعاليت رسانه‌هاي اجتماعي، به­‌منظور بررسي امكان اجراي روش پيشنهادي در فضاي واقعي، اطلاعات مربوط به 621 نفر از كاربران شبكه‌هاي اجتماعي جمع‌آوري شد و بعد از بررسي اوليه 120 نفر انتخاب شدند. همچنين اطلاعات لازم براي اجراي مدل پيشنهادي بر اساس پرسشنامه محقق‌ساخته (با ضريب CVR و اسپيرمن قابل قبول) جمع‌آوري شد. روش استخراج توابع تقاضا، رگرسيون غيرخطي لگاريتمي و الگوريتم جستجوي غيرخطي تك­بعدي بوده است. يافته‌­ها نشان داد كه با تركيب اين دو روش آماري و رياضي، مي‌توان توابع تقاضا را براي شبكه‌­هاي اجتماعي و ارتباطات رودررو استخراج كرد.

The study tried to extract interpersonal communication demand functions in social networks through review related researches. So that by providing accurate mathematical modeling, it is possible to study users’ behavior in cyberspace and manage potential damage. The analysis unit in the research is social network users. After modeling the method of extracting the demand function in the social media activity environment, in order to examine the feasibility of implementing the proposed method in real space, data was gathered from 621 social network users and then 120 users were selected as a sample after the initial survey. The data needed to implement the proposed model was collected using a researcher-made questionnaire (with acceptable CVR and Spearman coefficient). The method of extraction of demand functions was non-linear logarithmic regression, and one-dimensional nonlinear search algorithm. The findings showed that by combining these two statistical and mathematical methods, it is possible to extract the demand functions for social networks and face-to-face communications