شناسایی زودهنگام سیگنال های ناآرامی در رسانه های اجتماعی (مطالعه موردی اعتراضات سال 97 ایران در تلگرام)

ایران از زمان فراگیری شبکه دیتای تلفن همراه تا امروز بیش از 35 میلیون کاربر پیام رسان های اجتماعی دارد. فراگیری رسانه های اجتماعی (در ایران با ضریب نفوذ 49%) در بین عموم مردم و کارکردهای متنوع آن ها می تواند نقطه شروع استفاده از سنجش اجتماعی باشد؛ در این حالت کاربران مشابه یک حسگر، داده هایی برای واکافت فراهم می کنند؛ یکی از کاربردهای سنجش اجتماعی مدیریت بحران است. ازآنجایی که شناسایی زودهنگام رویدادها و بحران های سیاسی، اقتصادی و اجتماعی از اهمیت بالایی برای مدیریت جامعه برخوردار است؛ روشی که بتواند با استفاده از واکافت کلان داده ها به این هدف بپردازد؛ به عنوان یک سیستم پدافندی می تواند از هزینه های انسانی، اقتصادی و اجتماعی بحران ها و رخدادها کاسته و به عنوان یک ابزار برای بالابردن آگاهی موقعیتی و ارتقا امنیت ملی مورد بهره برداری قرار گیرد. مجموعه داده پژوهش حاضر بر اساس خزش و متن کاوی خشونت کلامی در یک میلیون و چهارصد هزار کانال عمومی فارسی پیام رسان تلگرام در سال 97 جمع آوری شده و پس از پالایش بر اساس سری زمانی میانگین متحرک نمایی مدل شده است؛ برای شناسایی سیگنال های بحران در این مدل از اسیلاتور تعقیب گر روند مومنتوم (که بیشتر در تحلیل های مالی از آن استفاده می شود.) و میانگین متحرک همگرایی واگرایی (مکدی) تحلیل شده است؛ از این واکافت در علوم اجتماعی محاسباتی نخستین بار است که در جهت پیش بینی بحران های امنیتی و حوادث سیاسی و ایجاد امکان اشراف حاکمیتی بر آن استفاده شده است. بر اساس یافته های پژوهش، حداقل 6 اعتراض اجتماعی کشور در سال 97 پیش از رخداد، قابل شناسایی و مدیریت بوده است؛ همچنین سامانه ای که بتواند از چنین واکافت هایی درکلان داده های رسانه های اجتماعی به صورت بلادرنگ استفاده کند، کارایی لازم برای اعلان هشدار زودهنگام و اندازه گیری مخاطرات سیاسی و امنیتی جامعه را خواهد داشت.