Conceptual model of social media bigdata analytic with cognitive science approach

Document Type : Original Article

Authors

1 PhD Student in Strategic Management of Cyberspace, Higher National Defense University, Tehran, Iran

2 Faculty Member, Department of Strategic Management, Cyberspace, Faculty of National Security, Higher National Defense University,

3 Professor in Higher National Defense University, Tehran, Iran

Abstract

The social media big data analytic have become a key factor for the development and progress of most governments. The capacities of the cognitive sciences to analyze and evaluate the content and structural effects of these media on the minds and brains of users provide valuable knowledge and insights for researchers and managers. Cognitive science plays an important role in assessing the mental processes of social media users to gain an understanding of beliefs and tastes, as well as cognition of feelings, perceptions, thoughts, attention, excitement, behavior, relationships, choices, and so on.
To provide the conceptual model in this research, while studying the theoretical literature and previous research by interviewing experts (N: 9), the dimensions and components of the initial model were extracted, then to fit and confirm the model using a survey method and experts (N: 72) Data were collected using a questionnaire and tested for factor analysis by software.
This conceptual model has the dimensions of producer and consumer of content, social media, data management, content cognitive approach, structural and network cognitive approach, methods of analysis, technologies, security, rules and regulations. In the dimension of content cognitive approach, the components include perception, thoughts, feelings, attention, ideas, excitement, reasoning, language. In the dimension of structural and network cognitive approach, the components include relationships and communities, behavior, choice, attention. Is. Therefore, analysis with a cognitive approach increased the quality of research, management and decision-making and strengthened strategic capabilities

Keywords


  • بیانیه «گام دوم انقلاب» مقام معظم رهبری (مدظله‌العالی) خطاب به ملت ایران، (22/11/97).
  • سیاست‌های کلی نظام در امور امنیت فضای تولید و تبادل اطلاعات و ارتباطات-افتا، (1389).
  • سیاست‌های کلی نظام در برنامه ششم توسعه، (1394).
  • سیاست‌های کلی نظام در امور علم و فناوری، (1393).
  • سیاست­های کلی نظام در امور خانواده، (1395).
  • حکم مقام معظم رهبری (مدظله‌العالی) برای تشکیل و انتصاب اعضای شورای عالی مجازی، (17/12/1390).
  • حکم مقام معظم رهبری (مدظله‌العالی) برای انتصاب اعضای شورای عالی فضای مجازی در دوره دوم، (14/06/1394).
  • بیانات مقام معظم رهبری (مدظله‌العالی) در دیدار مسئولان ستاد توسعه علوم شناختی، (03/11/97).
  • سند راهبردی نظام جامع فناوری اطلاعات جمهوری اسلامی ایران، (1388).
  • نقشه جامع علمی کشور، (1389).
  • پرس، الیزابت ام (1393)، مترجم مهدی منتظر قائم، اثرات رسانه­ای و جامعه، مرکز تحقیقات سازمان صداوسیما
  • تاگارد، پل (1391)، مترجم رامین گلشائی، ذهن: درآمدی بر علوم شناختی، سازمان مطالعه و تدوین کتب علوم انسانی دانشگاه­ها (سمت).
  • جکسون هاریس، ریچارد (1390)، مترجمان حسن اسدزاده، اسماعیل سعدی­پور، منیژه شهبازخان، روانشناسی شناختی وسایل ارتباط‌جمعی، مرکز تحقیقات سازمان صداوسیما.
  • خرازی، کمال (1398)، علوم شناختی و رسانه، ماهنامه شناخت، مرکز تحقیقات صداوسیما، شماره 2.
  • خرازی، کمال و دولتی، رمضان (1388)، کتاب راهنمای روانشناسی شناختی و علوم شناختی، انتشارات سمت.
  • خوانساری، محمد (1396)، بررسی چالش‌های کلان­داده­ها در ایران، پژوهشگاه ارتباطات و فناوری اطلاعات (مرکز تحقیقات مخابرات ایران)، تهران.
  • سایت ستاد توسعه علوم و فناوری­های شناختی (1394)، زیرشاخه‌های اصلی علوم شناختی با آدرس

https://cogc.ir/index.php?ctrl=static_page&lang=1&id=1080&section_id=75

  • سهرابی، بابک و حمیده، ایرج (1394)، مدیریت کلان داده­ها در بخش خصوصی و عمومی، چاپ اول، تهران، انتشارات سمت.
  • شریفی ساعی، محمدحسین (1398)، حوزه‌های علوم شناختی، مرکز تحقیقات سازمان صداوسیما.
  • علی‌اکبری، حسین و گرامی، محسن (1396)، امنیت فضای مجازی، اولین کنفرانس ملی کامپیوتر و فناوری اطلاعات، سپیدان.
  • عظیمی فرد، فاطمه (1398)، زبان‌شناختی رسانه و کاربردهای آن در رسانه ملی، مرکز تحقیقات سازمان صداوسیما.
  • فردنبرگ، جی و سیلورمن، گوردون (1391)، مترجم محسن افتاده‌حال، علوم شناختی مقدمه‌ای بر مطالعه ذهن، مؤسسه آموزشی و تحقیقاتی صنایع دفاعی.
  • فیروزی، محمدحسین ؛ تقی­پور، رضا و علیدادی، رضا (1399)، مدل مفهومی راهبردی تولید محتوای فاخر در فضای مجازی کشور، مجموعه مقالات هفدهمین اجلاس سراسری فناوری رسانه.
  • فیروزی، محمدحسین و موحدی صفت، محمدرضا (1397)، نقش کلان­داده­های رسانه­های اجتماعی در تحقق تمدن نوین اسلامی، چهارمین همایش تمدن نوین اسلامی، دانشگاه شاهد، تهران.
  • عاملی، سید سعید رضا (1394)، مطالعات جهانی‌ شدن، دو فضایی شدن­ها و دو جهانی شدن­ها، انتشارات سمت، تهران.
  • کاظم­پور، محسن (1399)، هوش مصنوعی و حقوق مالکیت فکری، ماهنامه علمی فرادرس، شماره چهار.
  • مک کوئیل، دنیس (1387)، مخاطب­شناسی، ترجمه مهدی منتظرقائم، مرکز مطالعات و تحقیقات رسانه‌ها وزارت ارشاد، تهران.
  • نانیسلی، تد و تابرهام، پائول (1398)، مترجم احمدرضا چوپانیان، نظریه شناخت رسانه (2)، مرکز تحقیقات سازمان صداوسیما.

 

ب. منابع انگلیسی

  • Abdul Ghani N. & Hamid S., & Hashem I., &Ahmed E (2018) Social media big data analytics: A survey, Computers in Human Behavior, Available online.
  • (2018). BIG DATA MATURITY SURVEY. https://Atscale.com
  • Ari Z. Klein, Abeed Sarker, Haitao Cai, Davy Weissenbacher, Graciela Gonzalez-ernandez,(2018) Social media mining for birth defects research: A rule-based, bootstrapping approach to collecting data for rare health-related events on Twitter
  • Bazzaz Abkenar, S., Haghi Kashani, M., Mahdipour, E., Mahdi Jameii, S.(2020), Big data Analytics meets social media: A systematic review of techniques, open issues, and future directions, Telematicsand Informatics (2020), https://doi.org/10.1016/j.tele.2020.101517
  • Bhathal, G, S. Singh, A. (2019) Big Data: Hadoop framework vulnerabilities, security issues and attacks. https://www.elsevier.com/journals/array/2590-0056/open-access-journal
  • Blazquez, D., &Domenech, J (2018). Big Data sources and methods for social and economic analyses. Journal: Technological Forecasting & Social Change, No: 130
  • Bolognesi M (2015) Big Data in Cognitive Science: Flickr as a database of semantic features, Chapter 7.
  • Chen,M. Mao,S. Zang,Y. Leung,V. (2014) Big Data Related Technologies, Challenges and Future Prospects,Springer
  • Driss OB., & Mellouli S., & Trabelsi Z, (2019), from citizens to government policy-makers: Social media data analysis, 561
  • Digital economy compass (2019) Report Digital economy, com
  • (2018). CONSUMER PRODUCT SAFETY IN THE INTERNET OF THINGS, OECD DIGITAL ECONOMY PAPERS, No. 267
  • Elhoseny, M.   Hassan K,  Singh A. (2019), Special issue on cognitive big data analytics for business intelligence applications: Towards performance improvement, International Journal of Information Management, https://doi.org/10.1016/j.ijinfomgt.2019.08.004
  • Gartner (2018) artificial-intelligence, https://www.gartner.com/it-glossary/artificial-intelligence/
  • Gartner (2018) Gartner Says Global Artificial Intelligence Business Value to reach $1.2 Trillion in 2018, https://www.gartner.com/technology/pressRoom.do?id=3872933
  • Gartner (2018) Top 10 Strategic Technology Trends for 2019 ,https://www.gartner.com/smarterwithgartner/gartner-top-strategic-predictions-for-2019-and-beyond/
  • Graham G. Monkman, Michel J. Kaiser, Kieran Hyder (2018), Text and data mining of social media to map wildlife recreation activity,Biological Conservation, Volume 228, December 2018.
  • Gokalp, Mert. Onuralp, Kerem Kayabay, Mohamed Zaki., Altan Koçyigit, P. Erhan Eren, & Andy Neely. (2017). Big-Data Analytics Architecture for usinesses: a comprehensive review on new open-source big data tools, University of Cambridge.
  • Hargrave, M. (2020). Deep Learning, https://www.investopedia.com/terms/d/deep-learning.asp
  • Herget (2017) what is AI? History, definitions and applications, https://www.androidpit.com/what-is-artificial-intelligence-history-definitions-and-applications.
  • (2017). Data Age 2025:The Evolution of Data to Life-Critical , Don’t Focus on Big Data; Focus on the Data That’s Big
  • IDC (2017) ICT Development Index, https://www.itu.int/net4/ITU-D/idi/2017/index.html
  • Joseph, D(2018), Big Data sources and methods for social and economic analyses, Journal: Technological Forecasting & Social Change, Elsevier, no: 13
  • T, Daramola.O, Adebiyi.A,Seth.A (2020),A framework for pre-processing of social media feeds based on integrated local knowledge base, Information Processing and Management, Published by Elsevier, https://linkinghub.elsevier.com/retrieve/pii/S0306457320308438
  • Landscape , (2018) Report of Social Media Landscape
  • Marquez, J. Carrasco, G. Mezcua, BR. (2019) towards a big data framework for analyzing social media content, International Journal of Information Management 44:1-12.
  • Marzouki, A., Malleoli, S., & Daniel, S. (2017). Towards a context-based citizen participation approach. ICEGOV 10th international conference on theory and practice of electronic governance.
  • Meshi, D. Tamir,D.. Heekeren,R,H (2015) The Emerging Neuroscience
  • Of Social Media, http://dx.doi.org/10.1016/j.tics.2015.09.004
  • Mayo, M. (2016).  The Data Science Puzzle, Explained, https://www.kdnuggets.com/2016/03/data-science-puzzle-explained.html
  • Morris A (2018) Big Data Social Media Study Reveals Our Cognitive-Emotional Patterns, https://www.forbes.com/sites/andreamorris/2018/06/20/big-data-social-media-study-reveals-our-cognitive-emotional-patterns/#bdbacfe62fe8
  • O’Reilly Media, (2014). Big Data Now, Published by O’Reilly Media
  • Ohlhorst, Frank (2013). Big Data Analytics Turning Big Data into Big Money, John Wiley & Sons.
  • Peng,l. His, l. (2018) Research Landscape of Business Intelligence and Big Data analytics: A bibliometrics study, Expert Systems with Applications,Volume 111, 30 November, Pages 2-10
  • Sahatiya, P (2018). Big Data Analytics on Social Media Data: A Literature Review. International Research Journal of Engineering and Technology (IRJET).
  • M, Jedidi.F.G, Fourati. L.C (2019) org/10.1177/1075547A New Architecture for Cognitive Internet of Things and Big Data, Procedia Computer Science, Published by Elsevier
  • H, Taieb.M.A.H, Aouicha.M.B, (2018), Review of social media analytics process and Big Data pipeline,springer, https://link.springer.com/article/10.1007/s13278-018-0507-0
  • Shamim, S., Zeng, j., Shariq, S, M. & Khan, Z. (2018). Role of big data management in enhancing big data decision-making capability and quality among Chinese firms: A dynamic capabilities view. Journal: Information & Management, https://doi.org/10.1016/j.im.2018.12.003
  • N.C, Seitz. H.H (2019) Correcting Misinformation about Neuroscience via Social Media, Science Communication, https://doi.org/10.1177/1075547019890073
  • Sreeshma Mohan, Indu Valsaladevi, and Sabu M. Thampi (2019), “Think Before You Post”: A Cognitive,Psychological Approach for Limiting,Bullying in Social Media. Center for Research and Innovation in Cyber Threat Resilience.https://doi.org/10.1007/978-981-15-1301-5_33
  • Stieglitz S, Mirbabaie M, Ross B, Neuberger C,(2018), Social media analytics – Challenges in topic discovery, data collection, and data preparation, Elsevier, International Journal of Information Management, no:39, 156–168
  • Valle, L, D. Kenett, R. (2018) Social media big data integration: A new approach based on
  • X, McEwen.R, Ong. L.R, Zihayat.M (2020) A big data analytics framework for detecting user-level depression from social networks, International Journal of Information Management, Published by Elsevier, https://doi.org/10.1016/j.ijinfomgt.2020.102141
  • Yu, Jiang,W. Ren,Z. Xu,S. Zhang,L. Hu, X (2021).Detecting changes in attitudes toward depression on Chinese social media:A text analysis, Journal of Affective Disorders
  • Zhang.W, Wang.M, Zhu. Y.C (2019), Does government information release really matter in regulating contagionevolution of negative emotion during public emergencies? From the Perspective of cognitive big data analytics, International Journal of Information Management, Published by Elsevier, https://doi.org/10.1016/j.ijinfomgt.2019.04.001