دوره 12، شماره 1 - ( 3-1404 )
جلد 12 شماره 1 صفحات 78-61 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Moradi M. A Model for Increasing Student Interaction with Professors and Course Content Based on Data Mining Techniques. Human Information Interaction 2025; 12 (1)
URL: http://hii.khu.ac.ir/article-1-3203-fa.html
URL: http://hii.khu.ac.ir/article-1-3203-fa.html
مرادی محمد، دانیالی سمیرا. تحلیل تعامل کاربران با پست‌های بازاریابان الکترونیکی در شبکه اجتماعی اینستاگرام. تعامل انسان و اطلاعات. 1404; 12 (1)
گروه مهندسی کامپیوتر، دانشکده مهندسی، دانشگاه بزرگمهر قائنات، قائنات، ایران.
چکیده: (703 مشاهده)
هدف: شبکه‌های اجتماعی و نفوذ هر چه بیشتر آن‌ها در میان کاربران مختلف در تمام نقاط دنیا باعث شده است که این شبکه‌ها به ابزارهایی مناسب برای تبلیغات و تجارت الکترونیک تبدیل شوند. شبکه اجتماعی اینستاگرام به‌عنوان یکی از ابزارهای قدرتمند بازاریابی شناخته می‌شود و افزایش بازدید، پسند و نظر در اینستاگرام، نقش مهمی در دیده شدن کسب‌وکارها دارد. هدف این پژوهش تحلیل رفتار کاربران در مواجهه با پست‌های بازاریابان الکترونیکی در شبکه اجتماعی اینستاگرام به‌منظور افزایش تعاملات کاربران با پست‌های بازاریابان الکترونیکی است.
روش‌پژوهش: طبق مطالعات کتابخانه‌ای، عوامل تأثیرگذار بر میزان بازدید، پسند و نظر پست‌های بازاریابان الکترونیکی در شبکه اجتماعی اینستاگرام استخراج‌شده است. پس از استخراج داده‌های متناسب با هر عامل شناسایی‌شده، به محاسبه وزن و اهمیت هر یک بر اساس مدل رگرسیون پرداخته‌شده‌است. همچنین با استفاده از تکنیک‌های داده‌کاوی به ایجاد مدل طبقه‌بندی درخت تصمیم برای پیش‌بینی و مدیریت پست‌ها به‌منظور افزایش میزان بازدید، پسند و نظر، ایجادشده است.
یافته‌ها: به‌طور مستقیم، عواملی مانند «تعداد پست‌ها»، «تعداد دنبال‌کنندگان»، «نوع پست»، «محتوای پست» و «زمان پست» عوامل بالقوه‌ای هستند که بر تعداد بازدید، پسند‌ها و نظر‌ها تأثیرگذار هستند. طبق نتایج بدست آمده عامل «محتوای پست با موضوع نظرسنجی» با دارا بودن علامت مثبت و ضریب 420290.616 بیشترین تأثیر مثبت را بر میزان بازدید یک پست داشته است. عامل «محتوای پست با موضوع تخفیف» با دارا بودن علامت مثبت و ضریب 5417.751 بیشترین تأثیر مثبت را بر میزان پسند یک پست داشته است. عامل «محتوای پست با موضوع تخفیف» با دارا بودن علامت مثبت و ضریب 2164.016 بیشترین تأثیر مثبت را بر میزان نظر یک پست داشته است.
نتیجه‌گیری: بر اساس عوامل مؤثر استخراج‌شده، محاسبه وزن و اهمیت هر عامل و مدل درخت تصمیم ایجادشده می‌توان به مدیریت پست‌ها در جهت افزایش میزان بازدید، پسند و نظر پرداخت.
روش‌پژوهش: طبق مطالعات کتابخانه‌ای، عوامل تأثیرگذار بر میزان بازدید، پسند و نظر پست‌های بازاریابان الکترونیکی در شبکه اجتماعی اینستاگرام استخراج‌شده است. پس از استخراج داده‌های متناسب با هر عامل شناسایی‌شده، به محاسبه وزن و اهمیت هر یک بر اساس مدل رگرسیون پرداخته‌شده‌است. همچنین با استفاده از تکنیک‌های داده‌کاوی به ایجاد مدل طبقه‌بندی درخت تصمیم برای پیش‌بینی و مدیریت پست‌ها به‌منظور افزایش میزان بازدید، پسند و نظر، ایجادشده است.
یافته‌ها: به‌طور مستقیم، عواملی مانند «تعداد پست‌ها»، «تعداد دنبال‌کنندگان»، «نوع پست»، «محتوای پست» و «زمان پست» عوامل بالقوه‌ای هستند که بر تعداد بازدید، پسند‌ها و نظر‌ها تأثیرگذار هستند. طبق نتایج بدست آمده عامل «محتوای پست با موضوع نظرسنجی» با دارا بودن علامت مثبت و ضریب 420290.616 بیشترین تأثیر مثبت را بر میزان بازدید یک پست داشته است. عامل «محتوای پست با موضوع تخفیف» با دارا بودن علامت مثبت و ضریب 5417.751 بیشترین تأثیر مثبت را بر میزان پسند یک پست داشته است. عامل «محتوای پست با موضوع تخفیف» با دارا بودن علامت مثبت و ضریب 2164.016 بیشترین تأثیر مثبت را بر میزان نظر یک پست داشته است.
نتیجه‌گیری: بر اساس عوامل مؤثر استخراج‌شده، محاسبه وزن و اهمیت هر عامل و مدل درخت تصمیم ایجادشده می‌توان به مدیریت پست‌ها در جهت افزایش میزان بازدید، پسند و نظر پرداخت.
واژه‌های کلیدی: تعامل استاد و دانشجو، شاخص‌های ارزشیابی استادان، تکنیک‌های داده‌کاوی، مدل رگرسیون، مدل درخت تصمیم.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 | این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
