در دنیای امروز، شبکه‌های اجتماعی به منبعی غنی از اطلاعات و نظرات مردم تبدیل شده‌اند. این اطلاعات، به‌ویژه در زمان بحران‌هایی مانند همه‌گیری کووید-۱۹، می‌توانند دیدگاه‌های ارزشمندی در مورد مسائل مختلف ارائه دهند. مقاله حاضر، به معرفی یک مجموعه داده بزرگ از توییت‌های مربوط به آموزش آنلاین در دوران شیوع سویه اُمیکرون کووید-۱۹ می‌پردازد. این مجموعه داده، فرصتی بی‌نظیر برای تحلیل نظرات، نگرش‌ها و بازخوردهای عمومی نسبت به آموزش آنلاین در این دوره فراهم می‌کند.

این مقاله توسط نیرمالیا تاکور نوشته شده است. زمینه تحقیقاتی نویسنده شامل شبکه‌های اجتماعی و اطلاعاتی، هوش مصنوعی، رایانه و جامعه، و یادگیری ماشین است. تخصص ایشان در این حوزه‌ها، به جمع‌آوری و تحلیل دقیق داده‌های شبکه‌های اجتماعی، به‌ویژه توییتر، کمک کرده است.

با گسترش سویه اُمیکرون کووید-۱۹، بسیاری از مدارس، کالج‌ها و دانشگاه‌ها در سراسر جهان مجبور به تغییر روش آموزش به صورت آنلاین شدند. این تغییر، منجر به افزایش چشمگیر گفتگوها در مورد آموزش آنلاین در شبکه‌های اجتماعی، به ویژه توییتر شد. مقاله حاضر، یک مجموعه داده بزرگ و در دسترس عموم از این گفتگوها را ارائه می‌دهد. این مجموعه داده، شامل توییت‌های مربوط به آموزش آنلاین از زمان شناسایی اولین مورد از سویه اُمیکرون در نوامبر ۲۰۲۱ است. هدف از ارائه این مجموعه داده، فراهم کردن یک منبع اطلاعاتی برای تحلیل نظرات، نگرش‌ها، دیدگاه‌ها و بازخوردهای عمومی نسبت به آموزش آنلاین در طول موج اُمیکرون است.

این مجموعه داده، با رعایت سیاست‌های حفظ حریم خصوصی توییتر، توافقنامه توسعه دهندگان و دستورالعمل‌های مربوط به توزیع محتوا، و همچنین اصول FAIR (قابلیت یافتن، دسترسی‌پذیری، تعامل‌پذیری و قابلیت استفاده مجدد) برای مدیریت داده‌های علمی، تهیه شده است. مقاله همچنین به طور خلاصه به برخی از کاربردهای بالقوه این مجموعه داده در زمینه‌های کلان داده، داده‌کاوی، پردازش زبان طبیعی و رشته‌های مرتبط، با تمرکز ویژه بر آموزش آنلاین در طول موج اُمیکرون، اشاره می‌کند.

روش‌شناسی تحقیق در این مقاله بر جمع‌آوری و سازماندهی داده‌های توییتر متمرکز است. مراحل اصلی این روش‌شناسی عبارتند از:

• جمع‌آوری داده‌ها: استفاده از API توییتر برای جمع‌آوری توییت‌های مرتبط با آموزش آنلاین با استفاده از کلیدواژه‌ها و هشتگ‌های مرتبط. به عنوان مثال، کلیدواژه‌هایی مانند “آموزش آنلاین”، “کلاس مجازی”، “یادگیری از راه دور” و هشتگ‌هایی مانند #آموزش_آنلاین، #کلاس_مجازی، #یادگیری_از_راه_دور می‌توانند برای این منظور استفاده شوند.
• پاکسازی داده‌ها: حذف داده‌های نامربوط، تکراری و ناهنجار از مجموعه داده. این مرحله شامل حذف توییت‌های تبلیغاتی، هرزنامه‌ها و توییت‌هایی که به زبان‌های دیگر هستند، می‌شود.
• سازماندهی داده‌ها: ساختاربندی داده‌ها به منظور سهولت در تحلیل و استفاده. این مرحله شامل تبدیل داده‌ها به فرمت‌های قابل پردازش مانند CSV یا JSON و ایجاد ستون‌هایی برای ویژگی‌های مختلف توییت‌ها مانند متن، تاریخ، نویسنده و تعداد لایک‌ها و ریتوییت‌ها می‌شود.
• رعایت اصول اخلاقی: اطمینان از رعایت حریم خصوصی کاربران توییتر و پیروی از قوانین و مقررات مربوط به جمع‌آوری و استفاده از داده‌های شبکه‌های اجتماعی. این شامل ناشناس‌سازی داده‌ها و حذف اطلاعات شخصی قابل شناسایی از مجموعه داده می‌شود.

این روش‌شناسی، امکان ایجاد یک مجموعه داده معتبر و قابل اعتماد را فراهم می‌کند که می‌تواند برای تحقیقات مختلف در زمینه آموزش آنلاین مورد استفاده قرار گیرد.

ارائه یک مجموعه داده بزرگ و با کیفیت از توییت‌های مربوط به آموزش آنلاین، خود یک یافته کلیدی است. این مجموعه داده، امکان بررسی دقیق‌تر و جامع‌تر دیدگاه‌ها و نظرات مردم در مورد آموزش آنلاین را فراهم می‌کند. از جمله یافته‌های بالقوه‌ای که می‌توان از طریق تحلیل این مجموعه داده به دست آورد، عبارتند از:

• شناسایی موضوعات مورد بحث: تعیین مهم‌ترین موضوعاتی که در توییت‌ها در مورد آموزش آنلاین مطرح می‌شوند. به عنوان مثال، می‌توان فهمید که دانشجویان و اساتید بیشتر در مورد چه مسائلی مانند کیفیت تدریس، دسترسی به اینترنت، یا تعاملات اجتماعی در محیط آنلاین نگران هستند.
• تحلیل احساسات: بررسی احساسات مثبت، منفی یا خنثی کاربران توییتر نسبت به آموزش آنلاین. این تحلیل می‌تواند نشان دهد که آیا نگرش عمومی نسبت به آموزش آنلاین در طول زمان تغییر کرده است و چه عواملی بر این تغییرات تاثیر گذاشته‌اند.
• مقایسه دیدگاه‌ها: مقایسه دیدگاه‌های مختلف گروه‌های کاربری، مانند دانشجویان، اساتید، والدین و سیاست‌گذاران، در مورد آموزش آنلاین. این مقایسه می‌تواند به شناسایی تفاوت‌ها و اختلافات در دیدگاه‌ها و درک بهتر نیازهای هر گروه کمک کند.
• شناسایی الگوها و روندها: کشف الگوها و روندهایی که در گفتگوهای توییتر در مورد آموزش آنلاین وجود دارند. به عنوان مثال، می‌توان فهمید که در چه زمان‌هایی از سال بیشترین گفتگوها در مورد آموزش آنلاین صورت می‌گیرد و چه عواملی باعث افزایش یا کاهش این گفتگوها می‌شوند.

مجموعه داده ارائه شده در این مقاله، کاربردهای گسترده‌ای در زمینه‌های مختلف تحقیقاتی و عملی دارد. برخی از مهم‌ترین کاربردهای این مجموعه داده عبارتند از:

• تحلیل و بهبود کیفیت آموزش آنلاین: با تحلیل نظرات و بازخوردهای دانشجویان و اساتید، می‌توان نقاط قوت و ضعف آموزش آنلاین را شناسایی و راهکارهایی برای بهبود کیفیت آن ارائه کرد. به عنوان مثال، می‌توان فهمید که چه نوع فعالیت‌های آموزشی آنلاین بیشترین تعامل را ایجاد می‌کنند و چه مشکلاتی باعث کاهش انگیزه دانشجویان می‌شوند.
• سیاست‌گذاری آموزشی: نتایج حاصل از تحلیل این مجموعه داده می‌تواند به سیاست‌گذاران آموزشی در تصمیم‌گیری‌های آگاهانه‌تر در مورد آموزش آنلاین کمک کند. به عنوان مثال، می‌توان فهمید که چه نوع منابع و حمایت‌هایی برای موفقیت آموزش آنلاین مورد نیاز است و چه سیاست‌هایی می‌توانند به بهبود دسترسی به آموزش آنلاین برای همه افراد کمک کنند.
• توسعه ابزارها و فناوری‌های آموزشی: با درک بهتر نیازها و چالش‌های آموزش آنلاین، می‌توان ابزارها و فناوری‌های آموزشی جدیدی را توسعه داد که به بهبود تجربه یادگیری کمک کنند. به عنوان مثال، می‌توان ابزارهایی را طراحی کرد که تعاملات اجتماعی بین دانشجویان را تسهیل کنند یا بازخوردهای شخصی‌سازی‌شده‌ای را به دانشجویان ارائه دهند.
• پیش‌بینی و مدیریت بحران: با تحلیل گفتگوهای توییتر در طول بحران‌های مشابه، می‌توان الگوهایی را شناسایی کرد که به پیش‌بینی و مدیریت بهتر بحران‌های آینده کمک کنند. به عنوان مثال، می‌توان فهمید که چه عواملی باعث افزایش نگرانی‌ها و استرس دانشجویان در طول همه‌گیری‌ها می‌شوند و چه اقداماتی می‌توانند به کاهش این نگرانی‌ها کمک کنند.

از جمله دستاوردهای این مقاله، ارائه یک منبع اطلاعاتی ارزشمند برای محققان و متخصصان در زمینه‌های مختلف است. این مجموعه داده، امکان انجام تحقیقات گسترده‌تری در مورد آموزش آنلاین و بهبود کیفیت آن را فراهم می‌کند.

مقاله ارائه شده، با ارائه یک مجموعه داده بزرگ و قابل دسترس از توییت‌های مربوط به آموزش آنلاین در دوران همه‌گیری کووید-۱۹، گامی مهم در جهت درک بهتر دیدگاه‌ها و نظرات عمومی در مورد این نوع آموزش برداشته است. این مجموعه داده، با رعایت اصول اخلاقی و استانداردهای علمی، می‌تواند به عنوان یک منبع اطلاعاتی ارزشمند برای محققان، سیاست‌گذاران و توسعه‌دهندگان آموزشی مورد استفاده قرار گیرد. تحلیل این داده‌ها می‌تواند به بهبود کیفیت آموزش آنلاین، سیاست‌گذاری‌های آموزشی آگاهانه‌تر و توسعه ابزارها و فناوری‌های آموزشی نوین کمک کند. در نهایت، این تلاش‌ها می‌توانند منجر به ایجاد یک سیستم آموزشی آنلاین مؤثرتر و عادلانه‌تر برای همه افراد شوند.