دانلود مقاله ISI انگلیسی شماره 94301
ترجمه فارسی عنوان مقاله

مدیریت شبکه های اجتماعی: استفاده از روش تئوری نفوذ برای درک نگرش و روحیه افراد

عنوان انگلیسی
Managing social networks: Applying the percolation theory methodology to understand individuals' attitudes and moods
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی
94301 2018 11 صفحه PDF
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Technological Forecasting and Social Change, Volume 129, April 2018, Pages 297-307

ترجمه کلمات کلیدی
تئوری نفوذ، مدیریت شبکه های اجتماعی، خوشه بندی تراکم، آستانه نفوذ،
کلمات کلیدی انگلیسی
Percolation theory; Managing social networks; Clustering; Density; Percolation threshold;
ترجمه چکیده
این مطالعه مفهومی با هدف بررسی شیوه های توصیف و مدیریت وضعیت گروه های افراد با تحقیق در پروسه های پرکولاسیون در شبکه های اجتماعی و شناسایی آستانه نفوذ پذیری است که در آن خلق های منفی و ایده های نامطلوب در شبکه توزیع می شود. روش پیشنهادی برای توصیف وضعیت و پویایی روحیه افراد، مدل های نفوذ را اجرا می کند. فرآیندهای پرکولاسیون با استفاده از نرم افزار طراحی شده خاص طراحی می شوند. در چارچوب مدل انتخاب شده، نظریه نفوذ، پاسخ به سوالات زیر را ارائه می دهد: الف) چگونه جامعه به گروهی از افراد متصل می شود که با مشاهدات خاصی با توجه به میانگین تعداد اتصالات در هر گره به هم می چسبند؟ و ب) چه میزان از افراد متمرکز بر منفی می تواند شبکه را به چنین وضعیتی منتقل کند در حالی که اطلاعات مضر می تواند بین دو فرد به طور تصادفی انتخاب شده منتقل شود؟ تمرکز بر بحث در مورد مفاهیم عملی نتایج به منظور پیش بینی رفتار افراد و مدیریت گروهی از افراد در شبکه قرار می گیرد. این کار ممکن است برای دانشمندان، متخصصان رفتار مصرف کننده، جامعه شناسان و سیاستمداران مورد توجه باشد.
پیش نمایش مقاله
پیش نمایش مقاله  مدیریت شبکه های اجتماعی: استفاده از روش تئوری نفوذ برای درک نگرش و روحیه افراد

چکیده انگلیسی

This conceptual study aims to search for ways in which to describe and manage the states of groups of individuals by researching percolation processes in social networks, and identifying percolation thresholds at which negative moods and undesirable ideas will be freely distributed within the network. The methodology proposed for describing the state and dynamics of individuals' moods implements percolation models. Percolation processes are modelled using specially designed software. Within the chosen model framework, percolation theory generates answers to the following questions: a) how does society become clustered into groups of individuals united by certain views according to the average number of connections per node? and b) what proportion of negatively-tuned individuals can bring the network into such a state wherein harmful information can be transmitted between two randomly chosen individuals? Focus is placed on discussing practical implications of the results in order to both predict people's behaviours, and to manage groups of people in networks. This work may be of interest to scientists, specialists in consumer behaviour, sociologists and politicians.