پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 43 |
| تعداد شماره‌ها | 1,706 |
| تعداد مقالات | 13,972 |
| تعداد مشاهده مقاله | 33,529,584 |
| تعداد دریافت فایل اصل مقاله | 13,281,757 |
تحلیل تحریم‌های غرب علیه ایران به‌عنوان یک واقعیت اجتماعی در فضای دیجیتال (توییتر) | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| جامعه شناسی کاربردی | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| مقاله 7، دوره 35، شماره 2 - شماره پیاپی 94، تیر 1403، صفحه 131-155 اصل مقاله (2.16 M) | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| نوع مقاله: مقاله پژوهشی | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| شناسه دیجیتال (DOI): 10.22108/jas.2024.139881.2451 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| نویسندگان | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| مسعود زارع مهرجردی1؛ احمدرضا اصغرپور ماسوله* 2؛ علیرضا نظریان3؛ محسن نوغانی4 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| 1دانشجوی دکتری گروه جامعه‌شناسی، دانشکده ادبیات وعلوم انسانی دکتر شریعتی، دانشگاه فردوسی مشهد، مشهد، ایران | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| 2استادیار گروه جامعه‌شناسی دانشکدۀ ادبیات و علوم انسانی دکتر شریعتی، دانشگاه فردوسی مشهد، مشهد، ایران | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| 3دانشیار، مدرسۀ کسب و کار، دانشگاه وست مینستر، لندن، انگلستان | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| 4دانشیار گروه جامعه‌شناسی دانشکدۀ ادبیات و علوم انسانی دکتر شریعتی، دانشگاه فردوسی مشهد، مشهد، ایران | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| چکیده | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| این مقاله، شبکۀ اجتماعی توییتر را حول محور شکل‌گیری شبکه و خوشه‌های تحریم‌های اقتصادی غرب علیه ایران تحلیل میکند. این مقاله، روش تحلیل شبکههای اجتماعی را روش پژوهش و همچنین تحلیل گفتمان دیجیتال را چارچوب نظری خود قرار داده است. از میان حدود دو میلیون و چهارصد هزار دادۀ جمع‌آوری‌شده از شبکۀ اجتماعی توییتر (که پس از تغییر مالکیت با نام شبکۀ ایکس شناخته می‌شود)، در مدت‌زمان حدود 2 سال، حدود یک میلیون دادۀ مفید تحلیل شده است. در این مقاله، به شبکههای توییت و ریتوییت به زبان‌های فارسی و انگلیسی، به‌همراه روندهای زمانی اوج و فرود بحث‌های تحریمی توجه شده است. یافته‌های این مقاله نشان‌دهندۀ تنوع عوامل تأثیرگذار بر شکل‌گیری معنای تحریم، به‌عنوان واقعیت اجتماعی در فضای مجازی است. دادههای مقاله نشان می‌دهند خوشه‌های مختلف، تحت تأثیر متن، زمینه، کنش و واکنش و همچنین قدرت و ایدئولوژی، علاوه بر تولید گفتمان، بر گفتمان‌های دیگر نیز تأثیر می‌گذارند. همچنین تحلیل یافته‌ها، نشان‌دهندۀ جنگ مغلوبۀ خوشه‌های گفتمان‌ساز حامیان حکومت ازنظر تأثیرگذاری در کل شبکه است. | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| کلیدواژه‌ها | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| تحریم‌های اقتصادی؛ تحلیل گفتمان دیجیتال؛ جامعه‌شناسی دیجیتال؛ رسانه‌های اجتماعی | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| اصل مقاله | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
مقدمه سالیان زیادی است که جامعۀ ایرانی با تحریم‌های اقتصادی و سیاسی[1] مواجه است؛ تحریم‌هایی که در طول جنگ ایران و عراق نیز ادامه داشته است. سابقۀ تحریم‌های بین‌المللی ایران به سال‌ها پیش از انقلاب و هم‌زمان با دورۀ نخست‌وزیری مصدق باز‌می‌گردد. این تحریم‌ها را که ابتدا انگلیس و روسیه وضع کردند، بعدها به سطح شدیدتری از تحریم‌ها در سطح بین‌المللی منجر می‌شود (Katouzian, 2012). از آن زمان تاکنون، تغییرات زیادی در نحوۀ وضع، اعمال و اجرای تحریم‌ها بر ضد ایران به وجود آمده است. تحریم‌ها در ابتدا سیاسی و اقتصادی به نظر می‌رسیدند، اما اکنون با گذشت سال‌ها، آثار بی‌شمار دیگری نیز به آنها نسبت داده می‌شود (Fakheran, 2019; Farzanegan & Hayo, 2019; Kim, 2019). هم‌زمان با شدت‌گرفتن تحریم‌های ضد ایرانی ده سال اخیر، شبکههای تعاملی اجتماعی و انواع رسانه‌های دیجیتال نیز، رشد چشمگیری را در ایران، همگام با دیگر کشورهای جهان داشته‌اند. نفوذ بالای اینترنت در ایران موجب شده است تا افکار عمومی همواره تحت تأثیر این شبکه‌ها باشند و دیگران را نیز تحت تأثیر قرار دهند. این شبکه‌ها شکل‌پذیر از واقعیت‌های اجتماعی‌اند و از سوی دیگر آن را شکل می‌دهند (Hemminger, 2018). در‌واقع تأثیر درجه اول اجتماعی تحریم‌ها، در شبکههای ارتباطی جست‌وجو می‌شود؛ شبکه‌هایی که در آن، بخش زیادی از جامعه ازجمله مردم عادی، سیاست‌گذاران، سیاستمداران، تبادل نظر مستقیم و غیرمستقیم می‌کنند و مفاهیم عینی و ذهنی را شکل می‌دهند ((Lewis et. al., 2008. بنابراین پژوهش دربارۀ تحریم به‌عنوان یک واقعیت اجتماعی دیجیتال، بسیار متفاوت است از آنچه در جوامع پیشادیجیتال شاهد بوده‌ایم. جامعۀ دیجیتال دیگر براساس برداشت‌های کلی پژوهشگران و دولت‌ها از اعمال و کنش افراد عمل نمی‌کند. در جامعۀ دیجیتال، ساخت واقعیت‌های اجتماعی، فرآیندی یک سویه و ایستا نیست، بلکه واقعیت اجتماعی در مقیاس شبکههای ارتباطی و انواع و اقسام رسانه‌ها و عاملان بی‌شمار آن ساخته می‌شود (Hemminger, 2018; Yan, 2020). تحریم نیز با عنوان یک واقعیت اجتماعی، از این قاعده مستثنا نیست. وقتی از این نظر دربارۀ واقعیت اجتماعی تحریم‌های اقتصادی صحبت می‌کنیم، باید دادههای کلان حاصل از کنش‌های کاربران را در این شبکه‌ها تحلیل کنیم تا دریابیم اثر اجتماعی واقعی تحریم‌ها چه بوده است. این پژوهش با در نظر گرفتن نگاه میان‌رشته‌ای به موضوع تحریم، دلایل تحریم و آثار و عواقب تحریم‌ها به‌صورت کلی و نیز تحریم‌های ضد ایرانی به‌صورت خاص، در بازنمایی و تحلیل رفتار اجزای شبکۀ دیجیتال تحریم‌ها می‌کوشد. جامعۀ هدف این نوشتار، کاربران ایرانی توییترند؛ هرچند واقعیت اجتماعی دیجیتال تحریم‌ها در توییتر، حاصل برساخت واقعیت نزد تمام کاربرانی است که به تحریم ایران می‌اندیشند، دربارۀ آن عمل می‌کنند و دغدغۀ آن را دارند. توییتر، شبکۀ اجتماعی پر‌استفاده است که بیشتر اخبار و تعاملات سیاسی در آنجا بیان و ترند می‌شوند (Khan et al., 2021) و مهم‌ترین اجتماع برای بررسی تحریم ایران است؛ زیرا وضع‌کنندگان تحریم‌ها، مدافعان و مخالفان آن هم در این توییتر حضور دارند (Orhan, 2023; Nourani et al., 2023). بنابراین در توییتر، جدالی گفتمانی در حال وقوع است و جریان دارد. کاربران در توییتر، تحریم‌ها را پدیده‌ای بینامتنی، بازتولید و باز‌تعریف می‌کنند و دوباره آن را در قالب گزاره‌های غیررسمی، اما نافذ، به چرخۀ تولید واقعیت اجتماعی وارد می‌کنند. به‌طور کلی، محققان در این پژوهش به‌دنبال تحلیل دادههای کلان از عکسالعمل کنشگران در فضای توییترند.
پیشینۀ پژوهش در پژوهش‌های مربوط به این پژوهش، تحریم‌ها منطبق با پژوهش‌های سیاسی، به سه دستۀ یک‌جانبه، چندجانبه و همه‌جانبه نیز تقسیم و هر‌یک در یکی از این محدوده‌ها بررسی می‌شوند؛ اما شاید جامع‌ترین دسته‌بندی تحریم‌ها، از گالتونگ[2] (1967) باشد: الف) تحریم‌های دیپلماتیک و سیاسی شامل: 1- نادیده‌گرفتن و نبود شناخت؛ 2- گسیختگی روابط دیپلماتیک؛ 3- تماس‌نداشتن مستقیم با رهبران سیاسی و 4- همکاری‌نکردن سازمان‌های بین‌المللی؛ ب) تحریم‌های ارتباطی شامل 1- گسست ارتباطات؛ 2- گسست روابط حمل و نقل مانند ارتباط زمینی، هوایی، دریایی و ریلی؛ 3- گسست رسانه‌ای و 4- گست روابط بین فردی مانند گردشگری و دید و بازدید خانوادگی؛ ج) تحریم‌های اقتصادی شامل 1- تخریب اقتصاد داخلی؛ 2- گسست روابط تجاری و 3- تحریم واردات. با گذشت زمان مشخص شد که تحریم‌های اقتصادی، اگرچه به‌دنبال منافع سیاسی‌اند، عواقبی فراتر از حوزۀ اقتصاد و سیاست دارند. صرف‌نظر از اینکه تحریم‌ها چگونه به اهداف مدنظر خود می‌رسند، ممکن است آسیب‌های انسانی و اجتماعی درخور توجهی را به جوامع هدف وارد کنند. همان‌طور که تحریم‌ها در بخش مالی، باعث افزایش هزینه‌های تأمین سرمایه و بدهی میان‌مدت و بلندمدت می‌شود، دیگر هزینه‌ها مانند اعتماد‌نداشتن به کشورها در زمینۀ فضای کسب و کار است که مانع حضور سرمایه‌گذاران داخلی و خارجی می‌شود (Biglaiser & Lektzian, 2011; Dreger et al., 2016; Kim, 2013)؛ این موضوع به‌طور کلی باعث کاهش کارایی در بازارها می‌شود، به‌خصوص هنگامی که کمک‌های بین‌المللی قطع می‌شود (Early & Jadoon, 2019)، همچنین شرایط زندگی مردم عادی مختل می‌شود و ممکن است ناآرامی‌های اجتماعی نیز ایجاد شود (Grauvogel et al., 2017; Hufbauer et al., 2007). بنابراین پژوهش‌های حوزۀ تحریم، تنها ازنظر اقتصادی و سیاسی در نظر گرفته نمی‌شود و تعبیر و تفسیرها از جنبه‌های اجتماعی و فرهنگی نیز باید مدنظر قرار گیرد؛ همان‌طور که در پژوهش حاضر نیز، این موضوع مدنظر قرار گرفته است.
جدول 1- محدوده‌های پژوهش تحریم Table 1- Scopes of sanctions research
جدول 2- مسئله‌های محوری پژوهش تحریم Table 2- Central issues of sanctions research
در پژوهش‌های داخلی، قنبری و چمنی (1400)، تحقیقی به نام «تحلیل ساختار پویش تبلیغاتی رأی بی‌رأی در توییتر» را براساس مدل تحلیلی جاوت و ادانل بررسی کرده و نتیجه گرفته‌اند که این پویش در دستیابی به هدف اصلی خود، یعنی کاهش میزان مشارکت در انتخابات، موفق نبوده است. همچنین حاجی‌ملامیرزایی و همکاران (1400) در مقاله‌ای با عنوان «تبیین نقش فناوری کلان‌داده‌ها»، در هوشمندی سامانه‌های «فرماندهی و کنترل سایبری» و ارائۀ مدل کاربردی آن، نقش فناوری کلان‌داده‌ها را در هوشمندی سامانۀ فرماندهی و کنترل سایبری بررسی کرده‌اند. نتایج حاصل از این تحقیق، بیانگر آن است که با توجه به ویژگی‌های سامانه‌های نوین فرماندهی و کنترل سایبری، فناوری کلان‌داده‌ها از ویژگی‌های پشتیبانی قاطع از تصمیم‌گیری، مدیریت کارآمد داده‌ها، آگاهی فراگیر و فهم برتر از فضای نبرد، پشتیبانی و نقش مؤثری را در تحقق هوشمندی این سامانه‌ها ایفا میکند. جمشیدی بروجردی و همکاران (1402)، شش گونه ذهنیت در مواجهه با به‌کارگیری کلان‌داده‌ها را در فضای اقتصادی کشور استخراج کرده‌اند: «اقتدارگرایان»، «هواداران اقتصاد رقابتی قانون‌مدار»، «طرفداران اقتصاد باز خودتنظیم»، «تنظیم‌گران میانه‌گرا»، «متحیران» و «طرفداران تصمیم‌گیری متمرکز غیرامنیتی» که هر‌یک از نگاه خود، مسائل موجود در این حوزه را تفسیر می‌کنند. دربارۀ استخراج و تفسیر شبکه‌ها، اصنافی و همکاران (1396) با استفاده از تحلیل شبکههای اجتماعی، به «ترسیم و تحلیل شبکۀ هم‌نویسندگی مقالات در تمام ادوار کنگرۀ ملی آسیب‌شناسی خانواده» روی آورده‌اند. آنها در این پژوهش به روش توصیفی و با رویکرد علم‌سنجی و با استفاده از شاخص‌های خرد و کلان، دست به تحلیل شبکه‌ای از ارجاعات بین نویسندگان مقالات زده‌اند. همچنین میرمحمدصادقی (1391) در مقاله‌ای با عنوان «بررسی جایگاه و توانایی اثرگذاری قشر رهبران اجتماعی در شبکۀ اجتماعی آنلاین فیسبوک»، روابط 1081 گره را تحلیل کرده و دریافته است که گره‌هایی دارای مرکزیت بالاترند که در بیرون از فضای مجازی نیز، جزء نخبگان یا رهبران فکری جامعه در رشتۀ کاری و تخصصی خودند.
چارچوب نظری در این پژوهش تحلیل گفتمان دیجیتال را چارچوب نظری خود قرار داده‌ایم. ازنظر جونز و همکاران[3] (2015)، تحلیل گفتمان دیجیتال در تقاطع زبان، جامعه و فناوری قرار گرفته است. پژوهشگران دیجیتال از طیف متنوعی از رشته‌های اجتماعی استفاده می‌کنند. همچنین روش‌ها و ابزار پژوهش آنها در انجام تحقیقات تجربی متنوعی به کار می‌رود. با این حال، برخی از این روش‌ها و ابزارها ممکن است به ارزیابی انتقادی و انعکاسی نیاز داشته باشند و لازم است که آنها با دیگر روش‌ها ترکیب شوند تا به‌درستی در فهم و تفسیر انقلاب ارتباطی رخ‌داده در دنیای دیجیتال، به‌طور مناسب استفاده شوند (Jones et al., 2015). ازنظر فرکلاف[4] (1379)، گفتمان بیش از زبان، به «پرکتیس اجتماعی» مربوط می‌شود؛ بنابراین تحلیل گفتمان، مطالعۀ «روش‌های ایجاد و مدیریت دنیای اجتماعی مردم با استفاده از سیستم‌های نشانه‌شناختی مختلف» در نظر گرفته می‌شود. به بیان دیگر، چنان‌که گی (2023) بیان میکند، تحلیل گفتمان دیجیتال به چگونگی استفاده از منابع چندوجهی و چند‌نشانه‌ای برای ایجاد هویت‌ها، فعالیت‌ها و ایدئولوژی‌ها در دنیای دیجیتال، به‌عنوان بخشی از یک جهان اجتماعی بزرگ‌تر، مربوط است. بحث مربوط به بحث‌های فعلی تحلیل گفتمان دیجیتال، به پرکتیس دیجیتالی[5] مربوط است(Ilbury, 2022; Seargeant and Tagg, 2019, Lane, 2019) ؛ به‌طور خاص، شامل تطبیق الگوهای فعلی با شرایط و دستاوردهای پژوهش‌های گذشته، حال و آینده و همچنین بررسی چگونگی استفادۀ کاربران از منابع چندوجهی جمع‌آوری‌شده ازطریق فناوری‌های دیجیتال است و درنهایت مباحث مربوط به شناسایی ایدئولوژی‌های اساسی، در ساخت متن‌های دیجیتالی در دنیای اجتماعی مدنظر تحلیل گفتمان دیجیتال قرار میگیرد (Bou-Franch and Blitvich, 2018). به‌طور کلی ازنظر نوریس[6] (2004)، تمام ارتباطات انسان چندوجهی است؛ اما فناوری‌های دیجیتال تقریباً همیشه در زندگی افراد و به‌طور کلی در جامعه‌اند و با ترکیب نوشتن، تصاویر، صداها و دیگر موارد به شکلی چندوجهی در‌می‌آیند. نادیده‌گرفتن این واقعیت در تجزیه و تحلیل پرکتیس دیجیتال، باعث به دست آمدن نتایج یک سویه و همراه با کژتابی می‌شود. بنابراین، ما باید مفاهیم چندشکلی و چندحالتی را محور اصلی تحقیقات فعلی در رسانه‌های دیجیتال قرار دهیم (Darics & Clifton, 2023). همچنین گی[7] (2023) بیان میکند با توجه به آنکه جهان واقعی و مجازی از مجموعۀ این عناصر اولیه برخوردارند، با استفاده از یک نظریۀ واحد، تحلیل گفتمانی و معنایی می‌شوند؛ زیرا موضوع مشترک بین آنها، چندشکلی‌بودن و عملکرد نهایی آنهاست. بر این اساس در اینجا، فرصت منحصر به فردی وجود دارد که ازطریق آن استفادۀ منظم از مفاهیم و چارچوب‌های چندوجهی، نه‌تنها در زمینۀ ارتباط زبان و گفتمان دیجیتال، خود پژوهشگری چندوجهی را ارتقا می‌دهد؛ به‌خصوص در پژوهش بر جوامع معاصر با پیچیدگی درخور توجه و طیف وسیعی از شیوه‌های چندوجهی، به‌ویژه در رسانه‌های دیجیتال تعاملی (O’Halloran and Smith, 2012). یکی از چالش‌های تحلیل گفتمان دیجیتال، گسترش پارادایمی با چشم‌اندازهای کیفی و انتقادی گسترده‌تر است؛ زیرا شیوه‌های جدید دیجیتال، طرز تفکر تحلیلگران گفتمان را دربارۀ متن‌ها، تعاملات اجتماعی و حتی ماهیت خود زبان به چالش می‌کشد(Herring, 2019). فضاهای نوشتاری تعاملی مانند وبلاگ‌ها و سایت‌های شبکههای اجتماعی، شکل بسیار متفاوتی از تعامل اجتماعی را در مقایسه با مکالمات رو در رو و متون سنتی مکتوب امکان‌پذیر میکند. همچنین ابزارهای تحلیلی طراحی‌شده برای بررسی ابعاد ایدئولوژیک گفتمان‌ها نیز، باید متناسب با محیط‌های گفتمانی انتخاب شوند که در آن پراکندگی قدرت -در دیدگاه فوکویی- زیاد است. در این پژوهش، از چارچوب تحلیلی گفتمان دیجیتال پیشنهادی جونز و همکاران (2015) بهره گرفته‌ایم که در‌واقع، برگرفته و کاربردی‌سازی‌شدۀ عناصری از تحلیل گفتمان انتقادی، سیاسی و فوکویی است. همان‌طور که در ادامه خواهیم دید، این چارچوب چهار بخشی است که در بخش بحث و تحلیل، بنا به ضرورت موضوع، بخش اول و دوم، هم‌زمان و در یک بخش مدنظر قرار گرفته است.
متن‌ها به گفتۀ هالیدی و حسن[8] (2014)، بیشتر تحلیلگران گفتمان معتقدند برای اینکه مجموعه‌ای از عناصر نشانه‌شناختی یک متن در نظر گرفته شوند، باید دارای آن چیزی باشند که به آن «بافتار[9]» می‌گویند. بافتار یک ویژگی پیوسته است که به انسجام متن منجر می‌شود، یعنی نحوۀ گردهم‌آمدن قسمت‌های مختلف متن با استفاده از دستورات نحوی و معنایی هر سیستم نشانه‌شناختی و نیز نحوۀ استفاده از بخش‌های مختلف متن به‌گونه‌ای که نزد خوانندگان، منطقی و معنی‌دار باشد. اگرچه متن‌هایی مانند بازی‌های رایانه‌ای، سایت‌های شبکههای اجتماعی و برنامه‌های تلفن همراه از بسیاری جهات با متن نوشتاری و گفت‌وگوی رو در رو تفاوت دارند، دارای بافتار خاص خودند (Jones et al., 2015). یکی از ویژگی‌های مهم متون که در تحلیل گفتمان دیجیتال حائز اهمیت است، نحوۀ ایجاد ارتباط با دیگر متون است. البته بینامتنیت[10] از خصوصیات همۀ متن‌هاست، اما رسانه‌های دیجیتال به‌دلیل دارا‌بودن امکانات گوناگون برای پیوندهای فرامتنی، کپی و چسباندن، ترکیب و تنظیم، اتصال متن‌ها به همدیگر و ادغام آنها با یکدیگر، بستری فراهم‌تر از متن‌های سنتی برای ایجاد و تشخیص بینامتنیت دارند. ماهیت بینامتنی متون رسانه‌های جدید، تأثیر مثبت و منفی را در شیوه‌های خواندن و نوشتن و همچنین مرزبندی‌ها و مفاهیم معمول متن و نویسنده بر جای می‌گذارد (, 2023 Gordon) به‌طور کلی، بینامتنیت اساساً یک فرایند اجتماعی است که ازطریق آن مردم نه‌تنها بین متن‌ها ارتباط برقرار می‌کنند، روابط بین آنها را نیز ایجاد می‌کنند (Jones et al., 2015).
زمینه‌ها دومین مؤلفه، توجه به زمینه‌های مادی و اجتماعی است که در آن متن‌ها تولید، مصرف و برای انجام اقدامات اجتماعی، استفاده می‌شوند. معنا و کاربرد متن‌ها نه‌تنها در عناصر متنی آنها، در چگونگی قرارگرفتن این عناصر در زمینه‌های واقعی ارتباطات است (Lupton, 2014). چنین درکی باید جنبه‌های مختلف زمینه را شامل شود؛ ازجمله جنبه‌های مکانی و زمانی و همچنین جنبه‌های مادی و شناختی که ازطریق عامل‌های اجتماعی همراه شده است (ون دایک، 1382). فناوری‌های دیجیتالی همۀ این جنبه‌ها، زمینه را بسیار پیچیده‌تر کرده‌اند. آنها با ایجاد ترکیب‌های پیچیده از فضاهای آنلاین و آفلاین، تجربۀ ما را از جنبه‌های مکانی و زمانی زمینه تغییر داده‌اند. آنها تجربۀ ما از زمینه‌های اجتماعی را تغییر داده‌اند و به ما اجازه می‌دهند در طیف گسترده‌ای از انواع مختلف اجتماعات هم‌زمان و ناهم‌زمان، با استفاده از رسانه‌ها و شبکههای مختلف شرکت کنیم. آنها با امکان‌پذیر‌کردن مشارکت در جریانات جدید و پیچیدۀ جهانی متشکل از محصولات و ایده‌های فرهنگی، تجربۀ ما را از زمینۀ فرهنگ[11] را تغییر داده‌اند (Lupton, 2014).
کنش‌ها و واکنش‌ها[12] گوردون[13] (2023) معتقد است که وقتی افراد با استفاده از فناوری‌ها و متن‌ها، دست به کنش‌هایی می‌زنند، به‌ندرت این کار را به‌تنهایی انجام می‌دهند. آنها همیشه در کنش و واکنش با افراد دیگر رفتار می‌کنند. بنابراین تعامل اینکه مردم برای ایجاد جهان اجتماعی خود درگیر آن می‌شوند، یک موضوع عملی است که تحلیلگران گفتمان به آن توجه می‌کنند (ون دایک، 1382). فناوری‌ها، تعامل انسان با انسان را تسهیل می‌کنند. در بیشتر مواقع وقتی از فناوری‌های دیجیتال استفاده می‌کنیم، درگیر تعاملات متعدد با انسان‌های دیگر، نمایه‌ها، الگوریتم و سازمان‌هاییم (Gee, 2023). همچنین نکتۀ مهم این است که هرگونه تعامل با فناوری‌ها، هم‌زمان به‌منزلۀ گفت‌وگو با طراحان این فناوری‌هاست. به بیان دیگر امکانات فناوری‌های دیجیتال، نوعی ارتباط بین طراحان و استفاده‌کنندگان از فناوری‌ها هستندGordon, 2023; Gee, 2023) ).
ایدئولوژی و قدرت آخرین مؤلفه، توجه به چگونگی تعامل گفتمان با ایدئولوژی‌ها و روابط خاص قدرت بین افراد و گروه‌هاست. این توجه در هر سه نوع تحلیل گفتمان انتقادی، سیاسی و فوکویی رهگیری می‌شود. اما این موضوع در تحلیل گفتمان دیجیتال، چگونه بررسی می‌شود؟ جونز و همکاران (2015) در این باره بیان میکند که تحلیل گفتمان دیجیتال دربارۀ روش‌های تأثیرگذاری فن‌آوری‌های دیجیتال، بر چگونگی درک مردم از جهان و برخورد با یکدیگر و تأثیر آن بر توزیع نمادها و ابزارهای اجتماعی بحث میکند. محلی که عملکرد قدرت و ایدئولوژی در آن دیده می‌شود، در دستورالعمل‌های ایدئولوژیک و جهت‌گیری‌های بیان‌شده در گفتمانی است که ازطریق رسانه‌های دیجیتال منتشر می‌شود (Baig et al., 2019; Kopytowska, 2023). پژوهشگران زیادی در طول این سال‌ها نشان داده‌اند که چگونه با وجود جدید‌بودن و وعده‌های دموکراسی و برابری، رسانه‌های جدید در بیشتر اوقات، بسیاری از گرایش‌های مشابه را منعکس و تقویت می‌کنند. بنابراین با وجود فرصت‌های جدید و خلاقانه‌ای که شبکههای اجتماعی برای افراد جامعه فراهم می‌کنند تا محتوای خلاقانۀ خود را تولید کنند و به اشتراک بگذارند، این فرایندها بیشتر در خدمت بازتولید ارزش‌های رسانه‌های وابسته به گرایش‌های خاص ایدئولوژیک و قدرت است. همان‌طور که در رسانه‌های قدیمی‌تر نیز مرسوم بوده است (Sam, 2023). این روابط معمولاً در متن‌ها به‌صورت واضح بیان نمی‌شوند؛ زیرا با استفاده از روش‌های ظریف‌تر، باعث می‌شوند که نرم‌افزار و رابط وب، کاربران را به انواع خاصی از کنش‌ها و تعاملات هدایت کند. اقداماتی کوچک و مداوم، مانند کلیک‌کردن بر یک چیز، موافقت با شرایط و ضوابط، ایجاد و پیگیری هشتگ‌های مختلف برای پیگیری موضوع و افراد مختلف، پسندیدن و امتیاز‌دادن به عکس و فیلم‌ها (Lupton, 2014 و فوکس، 1399). مکان مهم دیگری که تحلیلگران گفتمان به‌دنبال ایدئولوژی‌ها و روابط قدرت مرتبط با شیوه‌های دیجیتالی می‌روند، روش‌های نمایش فناوری‌ها و شیوه‌های دیجیتال در گفتمان عمومی است (Jiang, 2019; Selwyn, 2015). نظارت‌های دیجیتال در گفتمان عمومی، در زمینه‌های ارتباطات و آموزش آنلاین و مطالعات سواد دیجیتالی، موجب شکل‌گیری سوگیری‌های ایدئولوژیک می‌شود که این سوگیری‌ها درنهایت به درک متفاوتی از ایجاد، مالکیت و توزیع متن می‌انجامد (Synder, 2015). به‌طور کلی با وجود وعده‌هایی فن‌آوری‌های دیجیتال برای قرار‌دادن قدرت ایجاد و دسترسی متن‌ها در اختیار مردم عادی و برابری در زمینۀ بازی گفتمان، هنوز هم قوانین نانوشتۀ بازی را گروه نسبتاً کوچک اما قدرتمند تنظیم می‌کنند ( فوکس، 1399).
روش در این پژوهش، از روش تحلیل شبکههای اجتماعی (SNA) بهره‌گیری شده است که روشی برای شبیه‌سازی[14] و الگویابی[15] ارتباطات بین افراد و ساختار شبکه و در عین حال راهی برای نمایش اهمیت افراد حاضر در یک شبکه است (Akhtar et al., 2013، ؛ Catanese et al., 2011؛ Park et al., 2009 ). از دیدگاه تحلیل شبکه جزء اصلی ساخت اجتماعی، نوعی گروه در حال کارکرد است که با شبکۀ تعاملی خود در زمان و مکان جاری است؛ زیرا این نوع واحدها هستند که عینیت دارند و حائز نوعی منزلت هستی‌شناختی‌اند (چلبی، 1373). در‌واقع به‌واسطۀ توسعۀ روابط اجتماعی در دنیای مدرن، چه رودررو و چه در بستر اینترنت، حجم وسیعی از دادههای رابطه‌ای[16] (اسکات، 1396) به وجود می‌آیند که این داده‌ها ازنظر اسکات[17] (1396)، معطوف به تماس‌ها، روابط، وابستگی‌ها، تعلقات گروهی و دیدارهایی است که یک عامل را به دیگری مرتبط میکند و به خصوصیات عامل‌های منفرد تقلیل‌دادنی نیست، بلکه خصوصیات نظام‌های رابطه‌ای کنشگران و ماحصل اتصال عامل‌هایی است که دو به دو با هم تعامل دارند. دادههای رابطه‌ای با روش‌های کمی و کیفی پیشین، تجزیه و تحلیل و تفسیر نمی‌شنود. بنابراین تحلیل شبکههای اجتماعی راهی برای استخراج و تحلیل این داده‌ها برای استفادۀ پژوهشگران، در راستای هدفی است که از این تحلیل‌ها دنبال می‌کنند. در‌واقع روش تحلیل شبکه است که براساس آن روابط به‌مثابۀ پیوندهای اتصال‌دهندۀ عامل‌ها تلقی می‌شوند (اسکات، 1396).
تعداد کل داده‌ها و زبان توییت‌ها همان‌طور که پیش‌تر گفته شد، نزدیک به 2.4 میلیون توئیت به زبان‌های مختلف جمع‌آوری شد که پس از پیش‌پردازش توئیت‌ها و انتخاب توئیت‌هایی که به ایران مربوط‌اند، درمجموع حدود یک میلیون توئیت، متشکل از توئیت‌های فارسی و انگلیسی برای تحلیل‌های بیشتر انتخاب شد. از این میان حدود 24درصد از توییت‌ها به زبان انگلیسی منتشر شده و مابقی حدود 76درصد به زبان فارسی بوده است.
شکل 1- زبان توییت‌ها Fig 1-The language of tweets
نوع توییت از مجموع کل داده‌ها، 70% مربوط به بازتوئیت‌هایی بوده است که کاربران انجام داده‌اند، 17% مربوط به ریپلای و منشن بوده است و 13% از کل داده‌ها شامل توئیت‌هایی می‌شود که به‌صورت مستقل و یکتا منتشر شده است.
شکل 2- دسته‌بندی توئیت‌ها براساس نوع توئیت Fig 2- Classification of tweets based on the type of tweet استخراج داده‌ها پژوهشگر در تحلیل شبکه، برای جمع‌آوری دادههای شبکه‌ای مربوط به انواع روابط اجتماعی، از ابزارهایی نظیر پرسش‌نامه، مشاهدۀ مستقیم، مطالعۀ اسنادی، آزمایش، آزمون‌ها، مقیاس‌ها و حتی گروه‌سنجی استفاده میکند. اما آنچه در طرح گویه‌ها یا پرسش‌ها و به‌طورکلی در جمع‌آوری داده‌ها باید مدنظر قرار گیرد، این است که آنها باید طوری طرح شوند که وضعیت رابطه یا پیوند بین گره‌ها را آشکار کنند (نوغانی دخت بهمنی و صادقی‌نژاد، 1393). به‌طور کلی، دادههای شبکه‌ای از منابع مختلفی به دست آورده می‌شود؛ ازجمله شبکههای بانکی آنلاین، موقعیت‌های فیزیکی افراد و جابه‌جایی‌های آنها، افکارسنجی‌های گسترده و همچنین سایت‌ها و شبکههای اینترنتی. شبکههای اجتماعی اینترنتی، از مهم‌ترین منابع انباشت دادههای کلان‌‌اند (Tan et al., 2013). این شبکه‌ها با جذب مشارکت فعالانة کاربران خود، با ترفندهای متفاوت به بازتولید افکار و عقاید، سرگرمی‌ها، جابه‌جایی‌ها و روابط گروهی حقیقی و مجازی آنها روی می‌آورند و از این طریق، موجب تغییر در سرمایه‌های اجتماعی آنها نیز می‌شوند (Ellison et al., 2007). گردآوری خودکار این داده‌ها و بایگانی‌کردن آنها، حجم زیادی داده تولید میکند. دادههای مدنظر این پژوهش که کلان‌داده[18] نیز نامیده می‌شود، معمولاً شامل محتوای تولید‌شده به‌وسیلۀ کاربر[19] یا اطلاعاتی است که کاربران در شبکههای اجتماعی تولید می‌کنند: توییت‌های کاربران، به‌روزکردن وضعیتشان[20]، نوشتارها و نظرهای وبلاگی، عکس و فیلم و مانند آنها. بسترهای شبکههای اجتماعی شمار زیادی امکانات ارتباطی را ثبت و ضبط می‌کنند. نه‌تنها آنچه گفته می‌شود، مشخصات[21] گویندگان و مخاطبان آنها و همچنین عکسالعمل آنها را نسبت‌به محتوا ثبت میکند؛ مانند تعداد لایک‌ها[22]، نظرها، بازدیدها، زمان ماندن در یک صفحه، «بازتوییت‌ها[23]»، زمان صرف‌شده برای تعامل در روز، موقعیت جغرافیایی کاربران، جمله‌های استفاده‌شده برای جست‌وجوی محتوا، چگونگی اشتراک‌گذاری محتوا در بستر شبکه‌ای و نظایر آن. توجه روزافزونی از جانب سازمان‌های تجاری و غیرتجاری نسبت‌به ارزش کلان‌داده‌ها وجود دارد 2014) Lupton,). اسکات و کرینگتون[24] (2011) مراحل زیر را برای استخراج، تا تحلیل دادههای شبکه‌ای در نظر می‌گیرند:
در این پژوهش. همچنین برای استخراج داده‌ها از توییتر، از سایت‌هایی مانند Blockspring و Workbench استفاده شده است. واژگان کلیدی و هشتگ‌های جست‌وجوشده در این پژوهش، به شرح زیر است: Sanctions, economic sanctions, Iranian Ban, Sanctions against Iran, US sanctions, Un Sanctions این عبارات، شامل کلمه‌های فارسی تحریم (جدا از معانی عربی آن) و تحریم اقتصادی نیز می‌شود. تعداد دادههای مستخرج در حدود 4/2 میلیون توییت است که پس از حذف دادههای نامرتبط، مانند داده‌هایی که با همین کلمات کلیدی در رشته‌های دیگر نظیر روان‌شناسی استفاده می‌شوند، حدود 1میلیون دادۀ تحلیل‌شدنی به دست آمد. برای تبدیل دادههای شبکۀ به دست آمده به گراف‌های براساس کلان‌داده، از چند نرم‌افزار اصلی تحلیل شبکههای اجتماعی استفاده شد. کتابخانه‌های dplyr و tidyr زبان برنامه‌نویسی Rبرای پاک‌سازی و مرتب‌سازی داده‌ها و نرم‌افزار Gephi برای رسم گراف‌ها، به کار گرفته شده است یافته‌ها روند داده‌ها برحسب تاریخ شمسی شکل 3- روند انتشار توئیت‌ها بر اساس تاریخ Fig 3- Trend of tweets by date
همان‌طور که از شکل3 برداشت می‌شود، از مهرماه 1399 تا تیرماه سال 1400، مباحث پردامنه‌ای به تحریم‌های بین‌المللی علیه ایران مربوط بوده است. این دوران هم‌زمان با بالاگرفتن بحث‌های مربوط به برجام و تشدید آثار تحریم‌ها و نمایان‌شدن آنها در شاخص‌های اقتصادی ایران که به طور کلی شامل تورم بیش از 50 درصد و کاهش ارزش پول ایران نسبت به دلار است. همچنین اوج‌گرفتن این مباحث، هم‌زمان است با آغاز تبلیغات ریاست‌جمهوری آمریکا در شهریورماه 1399 و برگزاری انتخابات در آبان ماه همان سال که به پیروزی دموکرات‌ها انجامید. شایان ذکر است که یکی از تیترهای مبارزۀ نامزدهای دموکرات و جمهوری‌خواه (به ترتیب جو بایدن و دونالد ترامپ) تحریم‌های ضد ایران و بازگشت یا بازنگشتن به قراردادی موسوم به برنامۀ جامع اقدام مشترک (برجام) [25] بود. گفتنی است که بیشتر این گفت‌وگو و مجادله‌ها به خروج آمریکا از برجام، به‌عنوان یک قرارداد بین‌المللی برمی‌گشت که در زمان دونالد ترامپ، ریاست‌جمهور وقت ایالات‌متحده در 18 اردیبهشت ماه 1397 شمسی اتفاق افتاد؛ قراردادی که سال‌ها زمان و انرژی دیپلماتیک کشورهای مختلف را به خود اختصاص داده و قرار بود تا برنامه‌ای برای اطمینان از دستیابی‌نیافتن حکومت جمهوری اسلامی در قبال برداشته‌شدن تدریجی تحریم‌های بین‌المللی علیه ایران باشد. اما در بخش دوم متراکم نمودار، سه قلۀ مرتفع حدود 12000 توییتی بر‌می‌خوریم.
هیستوگرام تولید داده‌ها
شکل 4- تعداد توئیت منتشر‌شده برحسب تعداد افراد Fig 4- Number of published tweets by number of people
نمودار شکل 4 نشان می‌دهد تعداد زیادی از افراد، تنها یک توئیت منتشر کرده و در مقابل تعداد کمی از افراد، توییت‌های متعددی داشته‌اند. بیشترین ری‌توییت‌شده‌ها
شکل5- بیشترین ریتوئیت‌شدگان در بین توئیت‌های فارسی Fig 5- The most retweeted among Persian tweets
براساس محتوای کلی داده‌ها، بیشترین ری‌توییت‌ها را می‌توان به افراد و ارگان‌های وابسته به حکومت ایران نسبت داد. اکانت‌های افراد مستقل یا حتی منتقدان نرم‌خوی داخلی در این دسته قرار داده‌اند. کمی کمتر از این مقدار را اکانت‌های وابسته به فرقة موسوم به مجاهدین خلق نیز در دست دارند و پس از آنها، سلطنت‌طلب‌ها قرار می‌گیرند.
شکل6- بیشترین ریتوئیت‌شدگان در بین توئیت‌های انگلیسی Fig 6- The most retweeted among English tweets
بیشترین ری‌توییت‌شدگان در بین توییت‌های انگلیسی برخلاف زبان فارسی، رتبه‌های بالای ریتوییت‌شوندگان زبان انگلیسی، در دست مخالفان حکومت ایران است. اما بیشترین ریتوییت‌شوندۀ انگلیسی، یک شخصیت جعلی به نام حشمت علوی است. او مقالات زیادی را در نشریات آمریکایی منتشر کرده است که در آنها از نظام جمهوری اسلامی ایران، انتقاد و از شورای ملی مقاومت ایران حمایت میکند؛ اما هیچ شواهد و مدارکی از وجود واقعی این شخص وجود ندارد. رتبه‌های بعدی این نمودار شکل 6 نیز درخور توجه‌اند. میک پامپمئو که از مخالفان سرسخت حکومت ایران است، در رتبۀ دوم قرار دارد و پس از او، عسل راد جای دارد که پژوهشگر حوزه‌های سیاسی است. در بقیۀ موارد نیز بیشتر با مخالفان جمهوری اسلامی، اعم از سلطنت‌طلب و فرقۀ موسوم به مجاهدین خلق است.
شکل7- بیشترین ریتوئیت کنندگان در زبان فارسی Fig 7- The most retweeters in Persian language
بیشترین ری‌توییت‌کنندگان نقش ری‌توییت‌کنندگان در شکل‌گیری شبکه‌ها درخور توجه است. ریتوییت یک عملکرد تکمیلی و تأثیرگذار در شبکههای اجتماعی است که به کاربران اجازه می‌دهد تا توییت‌های دیگران را به دنبال‌کنندگان خود نشان دهند. این یک راه جاافتاده برای به اشتراک گذاشتن اطلاعات و ایده‌ها با مخاطبان گسترده‌تر است و به شکل‌گیری گفتمان‌های جدید و شبکههای گسترده‌تر کمک میکند. ری‌توییت‌کنندگان به گسترش آگاهی از موضوعات مهم و به ایجاد گفت‌وگو و تبادل ایده‌ها کمک می‌کنند. آنها همچنین بر دیدگاه‌های مختلف دربارۀ یک موضوع تأثیر می‌گذارند. در عین حال نباید به‌سادگی از نقش منفی ری‌توییت‌کنندگان در شکل‌گیری شبکه‌ها و گفتمان‌های شایعه‌محور گذر کرد. ری‌توییت‌ها برای انتشار اطلاعات نادرست و شایعات و برای تضعیف صدای گروه‌های آسیب‌پذیر استفاده می‌شوند. ری‌توییت‌ها همچنین بستری برای ایجاد فضایی به‌جهت نفرت‌پراکنی و خشونت استفاده می‌شوند. استفادۀ مسئولانه یا غیرمسئولانه از ری‌توییت‌ها، نقش مهمی در فضای موردبحث دارد. با همین دیدگاه، فضای ری‌توییت‌کنندگان فارسی عمدتاً در اختیار حامیان فرقۀ موسوم به مجاهدین خلق، براندازان و سلطنت‌طلبان است که احتمال هدف‌مند‌بودن و مخرب‌بودن این فضا را بالا می‌برد. به نظر می‌رسد با افزایش فیلترینگ توییتر در داخل کشور، به دلیل کم‌رنگ‌شدن حضور عموم مردن، عرصه برای استفادة غیرمسئولانه و تفرقه‌برانگیز، بازتر و محیا‌تر شده است. بیشترین ری‌توییت‌کنندگان در زبان انگلیسی
شکل 8- بیشترین ریتوئیت کنندگان در زبان انگلیسی Fig 8- The most retweeters in English
این فضا در ریتوییت انگلیسی نیز، همانند و بیشتر از زبان فارسی، فضایی مغلوب به نفع فرقۀ موسوم به مجاهدین خلق است. همان‌طور که گفته شد، فیلترینگ، باعث برهم‌خوردن تعادل در استفاده از شبکه شده است.
شبکۀ ریتوییت فارسی و انگلیسی
شکل9- گراف شبکۀ ریتوییت فارسی و انگلیسی Fig 9- Farsi and English retweet network graph
برای یافتن طرح کلی از شبکۀ شکل‌گرفته حول مفهوم تحریم، شبکة کلی ری‌توییت‌ها را استخراج کردیم. در این شبکه چند طیف عمده و تأثیرگذار تشخیص‌دادنی است:
خوشه 1 خوشۀ شمارۀ 1 که شکل 9 با رنگ سبز متمایز شده است، عمدتاً از کاربران متمایل به حکومت جمهوری اسلامی با گرایش‌های محافظه‌کارانه، مذهبی و انقلاب‌محور تشکیل شده است. اکانت‌های تأثیرگذار این خوشه، اکانت‌های منتسب به رهبر جمهوری اسلامی و تئوریسین‌های انقلابی- مذهبی جمهوری اسلامی، نظیر سعید جلیلی، حسن عباسی، امیرحسین ثابتی و اکانت‌های رسانه‌های دولتی‌اند. حساب‌های این خوشه، درمجموع 14. 2درصد از کاربران شبکه را تشکیل می‌دهند و 20.3درصد کل محتوای این شبکه را تولید می‌کنند. به بیان دیگر، بازدهی کلی افراد در این خوشه بیش از 1000درصد است.
خوشۀ 2 خوشۀ شمارۀ 2 ازنظر تعداد یال‌های ارتباطی، کوچک‌تر از خوشۀ پیشین است. این در حالی است که بیش از ده درصد از مجموع حساب‌های بررسی‌شده در این گفتمان حضور دارند. گفتمان این خوشه عموماً با میانه‌روهای انقلابی و مسئولان سابق جمهوری اسلامی و فعالان وابسته به آنها شکل گرفته است. بازدهی کلی افراد در این خوشه، حدود 60درصد برآورد می‌شود. البته باید توجه داشت که این خوشه، تمام پتانسیل این گفتمان را پوشش نمی‌دهد، بلکه با توجه به شاخصه‌های این گفتمان، بخش درخور توجهی از محتوا و حساب‌های خوشۀ فعالان سیاسی میانه‌روی خارج‌نشین را نیز به حساب شبکه و گفتمان خوشۀ شمارۀ 2 به‌طور مستقیم و غیرمستقیم منظور کرد. به عبارت دیگر این خوشه با و بدون ارتباط با خوشۀ 5 تحلیل کرد. البته رویکرد نگارندگان این نوشته، تفکیک بین این دو گفتمان برای سهولت در تشخیص رویکرهای غیرمشترک رویکردهای گفتمانی این خوشه‌هاست.
خوشۀ 3 با وام‌گیری از مفاهیم سیاسی رایج، نام این دسته را خوشۀ برانداز می‌گذاریم. گروه‌های برانداز به آن دسته از مخالفان سیاسی و اجتماعی حکومت کنونی ایران(جمهوری اسلامی) اطلاق می‌شود که به‌صورت کلی برای رسیدن به اهداف، راهی به‌جز دگرگونی ساختاری حکومت چه ازطریق مبارزۀ سیاسی، اجتماعی و حتی نظامی متصور نیستند. برخی از این گروه‌ها همچون مجاهدین خلق، سابقۀ مبارزاتی طولانی در دوران رژیم سابق و کنونی دارند و در طول بیش از 50 سال، فراز و نشیب‌های زیادی را گذرانده‌اند و هم‌اکنون علاوه بر فعالیت‌های سیاسی گسترده، ازطریق راه‌اندازی نشست‌ها و همایش‌های بین‌المللی، به مبارزه و یارگیری در شبکههای مجازی، در رأس آنها توییتر روی آورده‌اند. اما گروه‌های دیگر با سابقۀ کمتر نیز، با گروه‌سازی در شبکههای اجتماعی، در مدیریت افکار عمومی و تلاش بر آماده‌سازی جامعۀ ساکن داخل ایران برای پشتیبانی فکری و احیاناً مالی و مبارزاتی دارند؛ ازجمله سلطنت‌طلبان که معتقد به بازگشت سلطنت مشروطه به ایران و پادشاهی فرزند شاه پیشین برای بهبود اوضاع‌اند. هرچند مجاهدین و سلطنت‌طلب‌ها در یک جبهۀ سیاسی قرار نمی‌گیرند، اما می‌توان با مراجعه به نوع فعالیت، پژوهش‌های رسانه‌ای و مشی سیاسی، براندازی را هدف مشترک آنها اعلام کرد. 11. 8درصد حساب‌های شبکۀ استخراج‌شده متعلق به این گروه‌هاست. این در حالی است که 15.8 محتوای تولید‌شده در شبکه را همین خوشه بر عهده داشته است؛ بنابراین بازدهی کلی اجزای تولیدکنندۀ این گفتمان را حدود 190درصد در نظر می‌گیریم.
خوشۀ 4
خوشۀ 5 هرچند ممکن است این نام به‌طور کلی در بر گیرندۀ همۀ افراد این خوشه نباشد، اما این خوشه براساس حساب‌هایی با موقعیت مکانی خارج از کشور بنا شده است؛ مثلاً، حساب انگلیسی محمدجواد ظریف، وزیر امور خارجة سابق ایران نیز با توجه به موقعیت این حساب در شبکه، در همین عنوان دسته‌بندی شده است. ۹.۱۲درصد از محتوای کل شبکه با همین خوشه تولید شده است، درحالی‌که حدود ۷.۱۸درصد از حساب‌های بررسی‌شدۀ این شبکه، در تولید گفتمان کلی این خوشه، تأثیرگذار بوده‌اند.
خوشۀ 6 تقریباً کار تولید گفتمان این خوشه، ازطریق بات‌های مجازی انجام شده است. بات‌ها را باید در پژوهش‌های متعددی بررسی کرد. بات‌ها قادرند تنها به‌وسیلۀ یک نفر تولید شوند و تعادل معنایی و گفتمانی یک شبکۀ بزرگ را تحت تأثیر قرار دهند. این بات‌ها، بازگوکنندۀ یک مطلب مشخص در سطح بسیار زیاد در شبکه‌اند. خوشه‌ای که نام بات‌های انقلابی را بر آن نهاده‌ایم، از همین دست است. آنها حدود ۴. ۸درصد از محتوای شبکه را تولید کرده‌اند. همان‌طور که در شبکه نیز مشاهده می‌شود، این بات‌ها اهدافی بیرون شبکه‌ای دارند و تنها ارتباط مؤثرشان با خوشۀ شمارۀ ۱، که نمایندۀ گفتمانی نزدیکان انقلابی به حکومت جمهوری اسلامی‌اند، به‌عنوان تأمین‌کنندۀ خوراک بات‌هاست. این بات‌ها ازطریق حدود ۱.۵درصد از حساب‌های این شبکه اداره می‌شوند و با بازدهی ۳۵۰درصدی، حدود ۴.۸درصد از حجم شبکه را به خود اختصاص داده‌اند. در جدول زیر به‌طور خلاصه، افراد یا حساب‌های تأثیرگذار در هر خوشه را با در نظر گرفتن شاخص مرکزیت، به‌عنوان شاخص تأثیرگذاری و رهبری در شبکه می‌بینیم (Monzani et. al., 2021).
جدول 3- حساب‌های تأثیرگذار در هر خوشه Table 3- Influential accounts in each cluster
بحث و جمع‌بندی در پژوهش حاضر، دادههای مرتبط با تحریم‌های اقتصادی با حجم بزرگ از شبکۀ اجتماعی توییتر (ایکس) استخراج و تحلیل شده است. براساس یافته‌های این پژوهش، عوامل بسیار متفاوتی در شکل‌گیری مفهوم تحریم در شبکههای اجتماعی نقش دارند. تحریم‌ها واقعیتی اجتماعی در فضای دیجیتال‌اند که مفهوم مستقل و جدیدی را به خود گرفته‌اند و افراد و گروه‌های تأثیرگذار در شبکههای اجتماعی به‌طور خاص توییتر، در صدد غلبۀ معنایی و تفسیری این واژگان براساس گفتمان خود و تسری آن در کل شبکه‌اند. در ادامه، دادههای به دست آمده در چارچوب نظری پژوهش تحلیل می‌شود.
متن‌ها و زمینه‌ها در تشخیص متن منسجم‌شده در شبکه، با توجه به عقیدۀ هالیدی و حسن (2014) و جونز و همکاران (2015)، بافتار کلی و بینامتنیت، ابزارهای مهمی‌اند که در تشخیص شکل‌گیری یک متن منسجم به ما یاری می‌رسانند. در این پژوهش، متن که همان گراف و خوشه‌های توییت‌ها و ریتوییت‌هاست، تقرب فکری-سیاسی اجزای هر گفتمان، موجب انسجام داخلی متن‌ها و مرزبندی با گفتمان‌های مجاور شده است؛ به این صورت که در یک فرآیند اجتماعی دیجیتال، کاربران هر خوشه، هم به تولید متن دست می‌زنند و هم بافتار آن خوشه را با ریتوییت‌کردن، گسترش می‌دهند. همچنین، همین کاربران‌اند که با اضافه‌کردن نظر خود (کوت‌کردن) نوشتۀ اولیه، تفسیر بینامتنی را به این روند می‌افزایند و این افزودن، تا شکل‌گیری گفتمان مشخصی، ادامه پیدا میکند. در تمامی خوشه‌های این شبکه، به‌جز خوشۀ بات‌ها، این بینامتنیت حاضر در بافتار است که ازطریق حساب‌های مختلف گسترش می‌یابد و البته در مواردی به خوشۀ مجاور با تفسیری هم‌راستا یا غیرهم‌راستا نیز تسری می‌یابد. بنابراین تفسیر بینامتنی هر بافتار در هر خوشه را با تفسیرهای دیگری به حیات خود در گفتمان‌های مجاور ادامه می‌دهند و در شکل‌گیری بافتار، بینامتنیت، گفتمان و پرکتیس دیجیتال خوشه‌های دیگر نیز، تأثیرگذار خواهند بود. از این حیث، همان‌طور که بوفرانچ و بلیتویچ[26] (2018) تصریح می‌کنند، تحلیل روابط گفتمان‌ها و پرکتیس‌های دیجیتال، تنها با در نظر گرفتن یک یا چند جنبۀ ثابت، همانند آنچه معمولاً در شبکههای غیردیجیتال اتفاق می‌افتد، امری ناممکن و احتمالاً بی‌نتیجه است. البته این به آن معنا نیست که شبکههای آنالوگ (غیردیجیتال) و دیجیتال، ماهیتی کاملاً مجزا دارند؛ زیرا براساس عقیدۀ وندایک[27] (2008)، تحلیل ارتباطات بین افراد باید با در نظر گرفتن جنبه‌های مختلف زمانی و مکانی و نیز شناخت جنبه‌های مادی و شناختی عوامل اجتماعی همراه باشد. پس در تحلیل شبکۀ حاضر، زمینه‌های فرهنگی، اجتماعی و اقتصادی نادیده گرفته نمی‌شود؛ برای نمونه، زمینۀ سیاسی و اجتماعی اجزای خوشۀ 4 که فعالان خارجی‌اند و آن‌چنان که خواهیم دید، درون خود نیز طیف‌بندی درخور توجهی دارند، چه ازنظر هدف‌گذاری و چه ازنظر مبنای نظری، بسیار متفاوت با ایرانیانی است که خارج از کشورند یا توییت‌هایشان را به زبان انگلیسی منتشر می‌کنند.
کنش‌ها و واکنش‌ها همان‌طور که پیش‌تر اشاره شد، تحلیل شبکههای اجتماعی، تحلیل کنش‌ها و واکنش‌ها نیز هست. این کنش و واکنش در سطوح مختلفی انجام میگیرد، به‌خصوص در توییتر و شبکة استخراج‌شده از آن، کنش‌ها و واکنش‌ها، به‌جز در بین اجزای هر خوشه، در نقاط مرزی بین خوشه‌ها درخور توجه و تفسیر است؛ برای نمونه، خوشۀ شمارۀ 2 که خوشه‌ای میانه با خوشه‌های 1، 3 و 5 است، بیشترین کنش و واکنش مرزی را با دیگر خوشه‌ها دارد. به معنای دیگر، گفتمان شکل‌گرفته در خوشۀ 3، بیشترین تعامل (اعم از مثبت و منفی) را با گفتمان‌های دیگر خوشه‌ها دارد که این تعامل، با ماهیت میانه‌روتر این خوشه نسبت‌به خوشۀ 1، سازگار است. با توجه به موارد گفته‌شده، خوشۀ بات‌ها، به‌دلیل فقدان کنش و واکنش، اساساً مبدأ و منظور هیچ‌گونه تحلیلی ننیست. اما با توجه به آنچه خواهیم دید، وجود آنها برای این پژوهش، تحلیل‌شدنی و تفسیرپذیر خواهد بود. شایان ذکر است با توجه به نظر گی (2023) که معتقد است هرگونه تعامل با فناوری‌ها هم‌زمان، به‌منزلۀ گفت‌وگو با طراحان این فناوری‌هاست، وجود و حضور هر‌یک از خوشه‌ها و گفتمان‌های تولید‌شده ازطریق آنها، در حکم کنش و واکنش با صاحبان و سازندگان شبکۀ ایکس یا توییتر است. این گزاره در پژوهش حاضر نیز معنا پیدا میکند؛ زیرا مدتی پس از تغییر مالکیت توییتر، تغییرات عمده‌ای در الگوریتمهای این شبکه در مواجهه با حساب‌های غیرواقعی، به‌ویژه بات‌ها انجام می‌شود و با توجه به فشارهای اجتماعی و سیاسی برای از بین بردن ترافیک غیرواقعی و تعامل‌های مصنوعی در این شبکۀ اجتماعی، بنا به وعدۀ مالک شبکه، ادامه خواهد داشت[28].
ایدئولوژی و قدرت بررسی خطوط ارتباطی قدرت‌ها و ایدئولوژی‌ها در شبکۀ بحث‌شده، در عین سادگی تفکیک‌شده‌اش، حامل پیام‌های پیچیده‌ای برای اهل تفسیر و تحلیل است. همان‌طور که پیش‌تر نیز به‌طور تلویحی اشاره شد، تفکیک خوشه‌های این شبکه، به‌طور کلی مبتنی بر تعیین نسبت با جریان‌های قدرت و ایدئولوژی انجام گرفته است. در تحلیل کلان‌داده‌ها، این نوع تفکیک، نه با خواست و ارادۀ پژوهشگران، براساس به‌کارگیری الگوریتمهای تحلیل داده‌ها به دست می‌آید؛ بنابراین، این شبکه ذاتاً به دلایل شرایط خاص اجتماعی، سیاسی و فرهنگی ایران، چنین دسته‌بندی واضحی را عرضه کرده است، به‌گونه‌ای که اگر خوشۀ 1 را که به‌نوعی نمایندۀ گفتمان حاکمیت مستقر و مبتنی بر ارزش‌های رادیکال انقلابی است، یک‌سر طیفی فرضی در نظر بگیریم، سر دیگر طیف، خوشۀ شمارۀ 3 قرار میگیرد که تولیدکنندۀ گفتمان رادیکال براندازانه و غیر (ضد) انقلابی است. بقیۀ خوشه‌ها در این تعیین نسبت، در میانۀ این دو گفتمان قرار خواهند گرفت. اما بازدهی اجزای هر خوشه نیز، تحلیل دیگری را در اختیار می‌گذارد. خوشۀ 1 که بزرگ‌ترین خوشۀ این شبکه است، بازدهی 1000درصدی دارد که با توجه به نزدیکی افراد تأثیرگذار این خوشه به مرکز قدرت، احتمالاً حمایت‌های مادی و معنوی حاکمیت برای گفتمان‌سازی، نادیده گرفته نمی‌شود؛ آن هم در شبکه‌ای که ازطریق همین حاکمیت از دسترس عموم مردم خارج شده است. ناگفته نماند که خوشۀ بات‌های انقلابی نیز با همین مجموعه تولید و تکثیر و چنین اعتباری برای این خوشه نیز در نظر گرفته می‌شود. اما تحلیل این موضوع به همین‌جا ختم نخواهد شد؛ زیرا در این تحلیل باید کیفیت ارتباطی و تأثیرگذاری و تأثیرپذیری خوشه‌ها را نیز در نظر بگیریم؛ برای نمونه، با بررسی خوشۀ شمارۀ 4، در‌می‌یابیم که شخصیت‌های سیاسی، رسانه‌ای و فعالان اجتماعی بین‌المللی، نه از بزرگ‌ترین خوشه (ازنظر حجم) که از دو یا سه خوشۀ کوچک‌تر تأثیر می‌پذیرند؛ یعنی این خوشه‌های 3 و 5 هستند که بافتار و تفسیر بینامتنی خوشۀ 4 را، به‌عنوان خوشۀ گفتمان‌ساز با مخاطبان غیر ایرانی تحت تأثیر قرار می‌دهند. نکتۀ درخور توجه در خوشۀ 4، شکل‌گیری طیفی از نظریه‌هاست که در یک‌سر آن افراد نزدیک به جمهوری‌خواهان آمریکایی (موافق تحریم‌ها و حتی جنگ مستقیم با ایران) و در سر دیگر آن، فعالان اجتماعی و رسانه‌هایی قرار می‌گیرند که تحریم‌ها را غیر مؤثر و غیرانسانی می‌دانند؛ بنابراین تأثیر خوشۀ نه‌چندان گستردۀ 3 که خوشۀ برانداز نام نهاده شد و در نقطۀ مقابل قدرت و ایدئولوژی حاکم قرار دار، از تأثیر خوشۀ 1، به‌مراتب بیشتر و تأثیرگذارتر است. به عبارت دیگر، با حذف عموم مخاطبان ایرانی ازطریق حاکمیت از پهنۀ گفتمان‌سازی شبکۀ ایکس یا توییتر و تلاش بر جایابی مصنوعی در جامعۀ دیجیتال (توسط افراد و بات‌ها)، گفتمان‌سازی پرشور؛ اما کم‌اثرتری نسبت‌به گذشته به جریان افتاده است که جنگ گفتمانی را برای خود حاکمیت به نفع جریان مخالف (و عموماً نامحبوب نزد جامعۀ ایرانی) مغلوبه کرده است (به جایگاه بات‌ها و پیوندهایی توجه کنید که به‌جای تأثیرگذاری وصل نمی‌شوند). به نظر می‌رسد در جامعه‌ای با ضریب نفوذ بالای اینترنت و درصد بالای فارغ‌التحصیلان دانشگاهی، تحریم‌های خارجی به‌همراه تحریم‌های داخلی نظیر فیلترینگ و ضعف گفتمانی، جنگ معناسازی و گفتمان‌سازی را در شبکههای اجتماعی نابرابر و در بخش‌هایی، مغلوبه میکند. چنان‌که با وجود حضور مستقیم و پر‌جمعیت طرفداران و نزدیکان هستۀ قدرت در جمهوری اسلامی و حتی ساخت و انتشار بات‌های پرشمار، گفتمان حاصل‌شده، جز بافتار همین خوشه و تا حدی خوشۀ مجاور، تأثیر چندانی (اعم از مثبت یا منفی) در انتشار این گفتمان در شبکه ندارد. در‌واقع گفتمان حاصل‌شده، بیشتر مصرفی درون‌شبکه‌ای دارد و با وجود قدرت کمی، گسترش کیفی چندانی پیدا نکرده است. خوشۀ میانه‌روی طرفداران حکومت، تأثیر بینامتنی بیشتری در شکل‌گیری و گسترش گفتمان خود دارد و به‌صورت مستقیم یا غیرمستقیم، تمامی خوشه‌های دیگر را تحت تأثیر قرار می‌دهد. خوشۀ براندازان را باید خوشه‌ای مؤثرتر از خوشۀ نزدیک به حاکمیت در شکل‌گیری معنای تحریم‌ها در گفتمان‌های بین‌المللی دانست که این تأثیر قدری بیشتر از تأثیر ایرانیان خارج کشور است. شبکۀ استخراج‌شده، مانند تمام روابط دیگر (بیشتر ازنظر فوکویی)، در کنش و واکنش با نهادهای قدرت و ایدئولوژی شکل میگیرد و ردپای این گزاره چه در بافتار، چه در بینامتنیت و چه در شکل‌گیری پرکتیس دیجیتال ردگیری می‌شود. همچنین از محدودیت‌های پژوهش حاضر، به مشکلات اساسی در اینترنت، فیلترینگ، قطعی کامل اینترنت بین‌الملل در جریان اعتراضات سال 1401، تغییر مالکیت توییتر و پیرو آن تغییر سطح دسترسی‌های فنی برای جمع‌آوری داده‌ها، از این شبکه بود. در حال حاضر به‌سختی می‌توان از مبادی استاندارد از توییتر، با نام کنونی ایکس، داده‌ها مناسبی را جمع‌آوری کر؛ اما در صورت فراهم‌شدن این بستر، به پژوهندگان آینده پیشنهاد می‌کنیم تا گفتمان شبکههای مختلف تحریم و غیر از آن و نیز سرمایه‌های دیجیتال اجتماعی در دنیای امروز را کنیم.
[1] Eco-Political Sanctions [2] Galtung [3] Jones et al. [4] Fairclough [5] digital practices [6] Norris [7] Gee [8] Halliday & Hasan [9] texture [10] intertextuality [11] context of culture [12] Actions and interactions [14] Simulation [15] Modeling [16] Relational Data [17] Scott [18] Big Data [19] User- Generated content [20] Status Updates [21] Profile [22] Likes [23] Retweets [24] Scott & Carrington [25] Joint Comprehensive Plan of Action [26] Bou-Franch & Blitvich [27] Van Dijk [28] https://www.theguardian.com/technology/2023/sep/09/x-twitter-bots-republican-primary-debate-tweets-increase | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| مراجع | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
اسکات، ج. (1396). تحلیل شبکۀ اجتماعی (ترجمۀ محسن نوغانی و مهسا صدقی‌نژاد)، مشهد: انتشارات دانشگاه فردوسی مشهد. اصنافی، ا. ر.؛ حسینی، ا. و آمایه، س. (1396). ترسیم و تحلیل شبکۀ هم‌نویسندگی مقالات کنگرۀ ملی «آسیب‌شناسی خانواده» با بهره‌گیری از شاخص‌های تحلیل شبکۀ اجتماعی. خانواده‌پژوهی، 13 (2)، 319-333. جمشیدی بروجردی، ع.ر؛ حمیدی‌زاده، ع.؛ امامی، س.م. و امیری، ع.ن. (1402). فهم ذهنیت‌های کلیدی بازیگران عرصۀ خط‌مشی اقتصادی کشور در به‌کارگیری کلان‌داده‌ها. مطالعات مدیریت دولتی ایران، 6(1)، 37-1. doi: 10.22034/jipas.2023.377932.1529 چلبی، م. (1373). تحلیل شبکه در جامعه‌شناسی. فصلنامۀ علوم اجتماعی، 2 (5 و 6)، 9-48. حیدری، ف. (1396). تأثیر تحریم‌های اقتصادی بر حقوق زنان. پژوهش‌نامۀ حقوق بشری، 8(2)، 103–116. حاجی ملا‌میرزایی، ح.؛ محمدی، ح. و سعادتمند، ا.م. (1400). تبیین نقش فناوری کلان‌داده‌ها در هوشمندی سامانه‌های فرماندهی و کنترل سایبری و ارائۀ مدل کاربردی آن. مطالعات بین رشته‌ای دانش راهبردی. 11(43)، 124-97. فرکلاف، ن. (1379). تحلیل انتقادی گفتمان نورمن فرکلاف (ترجمۀ فاطمه شایسته‌پیران، محمد نبوی و مهران مهاجر). تهران: وزارت فرهنگ و ارشاد اسلامی. فوکس، ک. (1399). رسانه‌های اجتماعی خوانش انتقادی (ترجمۀ حسین بصریان جهرمی). تهران: نشر پژوهشگاه فرهنگ هنر و ارتباطات. قنبری، ع. و چمنی، ح. (1400). تحلیل ساختار پویش تبلیغاتی «رأی بی رأی» در توییتر، براساس مدل تحلیلی جاوت و ادانل. جامعه، فرهنگ و رسانه، 10(39 )، 11-44. میرمحمدصادقی، م. (1391). بررسی جایگاه و توانایی اثرگذاری قشر «رهبران شبکه‌ای» در شبکة اجتماعی آنلاین فیسبوک. مطالعات بین رشته‌ای در رسانه و فرهنگ. 2(1)، 73-97. نوغانی دخت‌بهمنی، م. و صادقی‌نژاد، م. (1393). روش تحلیل شبکه (رویکردهای نظری و تکنیک‌ها). [ارائۀ مقاله در دومین کنفرانس ملی جامعه‌شناسی و علوم اجتماعی، دی‌ماه 1393]. ون دایک، ت. ا. (1382). مطالعاتی در تحلیل گفتمان، تهران: دفتر مطالعات و توسعۀ رسانه‌ها.
References Akhtar, N., Javed, H., & Sengar, G. (2013). Analysis of Facebook social network. In 2013 5th International Conference and Computational Intelligence and Communication Networks (pp. 451-454). IEEE. http://dx.doi.org/10.1109/CICN.2013.99 Allen, S. H., & Lektzian, D. J. (2013). Economic sanctions: A blunt instrument?. Journal of Peace Research, 50(1), 121–135. https://doi.org/10.1177/0022343312456224 Asnafi, A. R., Hosseini, E., & Amayeh, S. (2017). Visualization and analysis of the co-authorship network of articles of national congress on “Family Pathology” using social network analysis indicators. Journal of Family Research, 13(2), 319-333. [In Persian] Baig, M. I., Shuib, L., & Yadegaridehkordi, E. (2019). Big data adoption: State of the art and research challenges. Information Processing & Management, 56(6), 102095. https://doi.org/10.1016/j.ipm.2019.102095 Biglaiser, G., & Lektzian, D. (2011). The effect of sanctions on U. S. foreign direct investment. International Organization, 65(3), 531–551. https: //doi. org/10. 1017/S0020818311000117 Bou-Franch, P., & Blitvich, P. G. C. (Eds.). (2018). Analyzing digital discourse: New insights and future directions. Springer. http://dx.doi.org/10.1007/978-3-319-92663-6 Busk, H. (2016). Sanctions and the exit from unemployment in two different benefit schemes. Labour Economics, 42(1), 159–176. https: //doi. org/10. 1016/j. labeco. 2016. 09. 001 Catanese, S. A., De Meo, P., Ferrara, E., Fiumara, G., & Provetti, A. (2011). Crawling facebook for social network analysis purposes. In Proceedings of the international conference on web intelligence, mining and semantics (pp. 1-8). https://doi.org/10.1145/1988688.1988749 Chalabi, M. (1995). Network analysis in sociology. Social Sciences, 3(5.6), 9-48. [In Persian] Choi, S. W., & Luo, S. (2013). Economic sanctions, poverty, and international terrorism: An empirical analysis. International Interactions, 39(2), 217–245. https: //doi. org/10. 1080/03050629. 2013. 768478 Darics, E., & Clifton, J. (2023). Tracking the identity of the organisation via twitter: metadiscourse analysis. In Organisation, Communication and Language: A Case Book of Methods for Analysing Workplace Text and Talk (pp. 105-127). Springer International Publishing. http://dx.doi.org/10.1007/978-3-031-30199-5_6 Dizaji, S. F., & Farzanegan, M. R. (2019). Do sanctions constrain military spending of Iran? Defence and Peace Economics, 00(00), 1–26. https: //doi. org/10. 1080/10242694. 2019. 1622059 Dreger, C., Kholodilin, K. A., Ulbricht, D., & Fidrmuc, J. (2016). Between the hammer and the anvil: The impact of economic sanctions and oil prices on Russia’s ruble. Journal of Comparative Economics, 44(2), 295–308. https: //doi. org/10. 1016/j. jce. 2015. 12. 010 Drezner, D. W. (2015). Targeted sanctions in a world of global finance. International Interactions, 41(4), 755–764. https: //doi. org/10. 1080/03050629. 2015. 1041297 Early, B. R., & Jadoon, A. (2019). Using the carrot as the stick: us foreign aid and the effectiveness of sanctions threats. Foreign Policy Analysis, 15(3), 350–369. https: //doi. org/10. 1093/fpa/orz007 Ellison, N. B., Steinfield, C., & Lampe, C. (2007). The benefits of Facebook “friends”: Social capital and college students’ use of online social network sites. Journal of Computer‐Mediated Communication, 12(4), 1143-1168. Fakheran, O. (2019). Economic sanctions and dental public health in Iran. Journal of Oral Health and Oral Epidemiology, 8(1), 52–54 https://doi.org/10.22122/johoe.v8i1.443 Farzanegan, M. R., & Hayo, B. (2019). Sanctions and the shadow economy: empirical evidence from Iranian provinces. Applied Economics Letters, 26(6), 501–505. https: //doi. org/10. 1080/13504851. 2018. 1486981 Fairclough, N. (2000). Critical analysis of Norman Fairclough's discourse. (Translated by Fatemeh Shaistapiran, Mohammad Nabawi and Mehran Mohajer), Tehran: Ministry of Culture and Islamic Guidance. [In Persian] Frye, T. (2019). Economic sanctions and public opinion: survey experiments from Russia. Comparative Political Studies, 52(7), 967–994. https: //doi. org/10. 1177/0010414018806530 Fuchs, C. (2020). Social media : A critical introduction. (Translated by Hossein Basirian Jahormi), Tehran: Publication Research Center for Culture, Art and Communication. [In Persian] Galtung, J. (1967). On the effects of international economic sanctions, with examples from the case of Rhodesia. World Politics, 19(3), 378–416. https: //doi. org/10. 2307/2009785 Gee, J. P. (2023). Discourse and ‘the New Literacy Studies'. In The Routledge handbook of discourse analysis (pp. 469-480). Routledgehttp://dx.doi.org/10.4324/9781003035244-39 Ghanbari, A., & Chamani, H. (2021). Analysis of the "No Vote" campaign on twitter based on the garth S. Jowett and victoria o’donnell’s analytical model of advertisement camping. Society Culture Media, 10(39), 1-44. [In Persian] Gordon, C. (2023). Intertextuality 2. 0: Metadiscourse and meaning-making in an online community. Oxford University Press. https://doi.org/10.1093/oso/9780197642689.001.0001 Grauvogel, J., Licht, A. A., & Von Soest, C. (2017). Sanctions and signals: How international sanction threats trigger domestic protest in targeted regimes. International Studies Quarterly, 61(1), 86–97. https: //doi. org/10. 1093/isq/sqw044 Gutmann, J., Neuenkirch, M., & Neumeier, F. (2021). Sanctioned to death? The impact of economic sanctions on life expectancy and its gender gap. The Journal of Development Studies, 57(1), 139-162. https: //doi. org/10. 2139/ssrn. 3036391 Halliday, M. A. K., & Hasan, R. (2014). Cohesion in english (No. 9). Routledge. https://doi.org/10.4324/9781315836010 Haji Molla Mirzaie, H., Mohammadi, H., & Saadatmand, A. M. (2021). Explain the role of "big data" technology in the intelligence of "cyber command and control" systems and providing its practical model. Strategic Management Studies of National Defence Studies, 11(43), 97-124. [In Persian] Hatipoglu, E., & Peksen, D. (2018). Economic sanctions and banking crises in target economies. Defence and Peace Economics, 29(2), 171–189. https: //doi. org/10. 1080/10242694. 2016. 1245811 Hemminger, E. (2018). The digital construction of social reality: An analysis of online cultures as communities of practice. Informelles Lernen: Standortbestimmungen, 181-197. https: //doi. org/10. 1007/978-3-658-15793-7_11 Herring, S. C. (2019). The coevolution of computer-mediated communication and computer-mediated discourse analysis. Analyzing Digital Discourse: New Insights and Future Directions, 25-67. http://dx.doi.org/10.1007/978-3-319-92663-6_2 Heydari, F. (2016). The effect of economic sanctions on women's rights. Research Journal of Human Rights, 8(2), 103-116. [In Persian] Hufbauer, G. C., Schott, J. J., Elliott, K. A., & Oegg, B. (2007). Economic sanctions reconsidered. 3rd Ed.,Washington D.C., Peterson, Institute for International Economics. https: //doi. org/10.2307/2203870. Ilbury, C. (2022). Discourses of social media amongst youth: An ethnographic perspective. Discourse, Context & Media, 48, 100625 https://doi.org/10.1016/j.dcm.2022.100625 Jamshidi Borujerdi, A., Hamidizadeh, A., Emami, S. M., & Amiri, A. N. (2023). Understanding the key mindsets of Iranian economic policy actors in the Use of Big Data. Journal of Iranian Public Administration Studies, 6(1), 1-37. doi: 10.22034/jipas.2023.377932.1529. [In Persian] Jazairy, I. (2019). Unilateral economic sanctions, international law, and human rights. Ethics and International Affairs, 33(3), 291–302. https: //doi. org/10. 1017/S0892679419000339 Jiang, L. (2019). Discourse and digital practices: Doing discourse analysis in the digital age. Open Journal of Modern Linguistics, 9(2), 92-96. https://doi.org/10.4236/ojml.2019.92009 Jones, R. H., Chik, A., & Hafner, C. A. (2015). Discourse and digital practices: Doing discourse analysis in the digital age (p. 262). Taylor & Francis. https://doi.org/10.4324/9781315726465 Katouzian, H. (2012). Iranian history and politics: the dialectic of state and society. Routledge. https://doi.org/10.4324/9780203081310 Khan, H. U., Nasir, S., Nasim, K., Shabbir, D., & Mahmood, A. (2021). Twitter trends: A ranking algorithm analysis on real time data. Expert Systems with Applications, 164(1), 113990. https://doi.org/10.1016/j.eswa.2020.113990 Kim, D. H. (2013). Coercive assets? Foreign direct investment and the use of economic sanctions. International Interactions, 39(1), 99–117. https: //doi. org/10. 1080/03050629. 2013. 751305 Kim, I., & Lee, J. C. (2019). Sanctions for nuclear inhibition: Comparing sanction conditions between Iran and North Korea. Asian Perspective, 43(1), 95–122. https: //doi. org/10. 1353/apr. 2019. 0003 Kim, Y. (2019). Economic sanctions and HIV/AIDS in women. Journal of Public Health Policy, 40(3), 351–366. https: //doi. org/10. 1057/s41271-019-00173-6 Kokabisaghi, F. (2018). Assessment of the effects of economic sanctions on iranians’ right to health by using human rights impact assessment tool: A systematic review. International Journal of Health Policy and Management, 7(5), 374–393. https: //doi. org/10. 15171/ijhpm. 2017. 147 Kopytowska, M. (2023). Proximization, prosumption and salience in digital discourse: on the interface of social media communicative dynamics and the spread of populist ideologies. In Social Media Critical Discourse Studies (pp. 26-42). Routledge. https://doi.org/10.1080/17405904.2020.1842774 Lewis, K., Kaufman, J., Gonzalez, M., Wimmer, A., & Christakis, N. (2008). Tastes, ties, and time: A new social network dataset using Facebook. com. Social Networks, 30(4), 330–342. https: //doi. org/10. 1016/j. socnet. 2008. 07. 002 Lane, C. A. (2019). Digitizing learning: How video games can be used as alternative pathways to learning. In Innovative Trends in Flipped Teaching and Adaptive Learning (pp. 138-161). IGI Global. https://doi.org/ 10.4018/978-1-5225-8142-0 Lupton, D. (2014). Digital sociology. London: Routledge, 236p. https: //doi. org/10. 4324/9781315776880 McCormack, D., & Pascoe, H. (2017). Sanctions and preventive war. Journal of Conflict Resolution, 61(8), 1711–1739. https: //doi. org/10. 1177/0022002715620471 Mir Mohammad Sadeghi, M. (2012). A review of the effectiveness potential of ‘network leaders’ and the positions occupied by them in facebook online social network. Interdisciplinary Studies in Media and Culture, 2(1), 73-97. Monzani, L., Seijts, G. H., & Crossan, M. M. (2021). Character matters: The network structure of leader character and its relation to follower positive outcomes. PLoS One, 16(9), e0255940 https://doi.org/10.1371/journal.pone.0255940 Neuenkirch, M., & Neumeier, F. (2016). The impact of US sanctions on poverty. Journal of Development Economics, 121)1), 110–119. https: //doi. org/10. 1016/j. jdeveco. 2016. 03. 005 Noghani Dekhtbahmani, M., & Sadeghinjad, M. (2014). Network analysis method (theoretical approaches and techniques). [Presentation of the article at the second national conference of sociology and social sciences, January 2014]. [In Persian] Norris, S. (2004). Analyzing multimodal interaction: A methodological framework. Routledge. http://dx.doi.org/10.4324/9780203379493 Nourani, H., Mohammadian, M., Sarhaddi, R., Danesh, A., & Latifi, F. (2023). Discursive delegitimization of rouhani's nuclear diplomacy and the Iran nuclear deal by Iranian conservatives on Twitter. Digest of Middle East Studies, 32(3), 184-205. http://dx.doi.org/10.1111/dome.12297 Oechslin, M. (2014). Targeting autocrats: Economic sanctions and regime change. European Journal of Political Economy, 36 )1), 24–40. https: //doi. org/10. 1016/j. ejpoleco. 2014. 07. 003 O'Halloran, K., & Smith, B. A. (Eds.). (2012). Multimodal studies: Exploring issues and domains (Vol. 2). Routledge. Orhan, D. D. (2023). Making foreign policy through twitter: an analysis of trump's tweets on Iran. In Research Anthology on Social Media's Influence on Government, Politics, and Social Movements (pp. 350-364). IGI Global. http://dx.doi.org/10.4018/978-1-6684-7472-3.ch015 Park, N., Kee, K. F., & Valenzuela, S. (2009). Being immersed in social networking environment: Facebook groups, uses and gratifications, and social outcomes. Cyberpsychology & Behavior, 12(6), 729-733. http://dx.doi.org/10.1089/cpb.2009.0003 Peksen, D. (2009). Better or worse? the effect of economic sanctions on human rights. Journal of Peace Research, 46(1), 59–77. https: //doi. org/10. 1177/0022343308098404 Peksen, D. (2011). Economic sanctions and human security: The public health effect of economic sanctions. Foreign Policy Analysis, 7(3), 237–251. https: //doi. org/10. 1111/j. 1743-8594. 2011. 00136. x Peksen, D. (2019a). Autocracies and economic sanctions: The divergent impact of authoritarian regime type on sanctions success. Defence and Peace Economics, 30(3), 253–268. https: //doi. org/10. 1080/10242694. 2017. 1368258 Pratt, S., & Alizadeh, V. (2018). The economic impact of the lifting of sanctions on tourism in Iran: a computable general equilibrium analysis. Current Issues in Tourism, 21(11), 1221–1238. https: //doi. org/10. 1080/13683500. 2017. 1307329 Sam, C. H., & Gupton, J. T. (2023). Of power and stories: Using foucauldian discourse analysis for a digimodern era. Schriften der Deutschen Gesellschaft für Erziehungswissenschaft (DGfE), 125. https://www.researchgate.net/publication/374441300_Of_Power_and_Stories_Using_Foucauldian_Discourse_Analysis_for_a_Digimodern_Era Scott, J., & Carrington, P. J. (2011). The SAGE handbook of social network analysis. SAGE publications. https://doi.org/10.4135/9781446264688 Scott, J. (2017). Social network analysis. Translated by Noghani, M., & Sedqi Nejad, M. Mashhad: Publications of Ferdowsi University of Mashhad. [In Persian] Seargeant, P., & Tagg, C. (2019). Social media and the future of open debate: A user-oriented approach to Facebook’s filter bubble conundrum. Discourse, Context & Media, 27, 41-48. https://doi.org/ 10.1016/j.dcm.2018.03.005 Selwyn, N. (2015). The discursive construction of education in the digital age. Discourse and digital practices. Doing discourse analysis in the digital age, 226-240. https://doi.org/ 10.4324/9781315726465-15 Sen, K., Al-Faisal, W., & Alsaleh, Y. (2013). Syria: Effects of conflict and sanctions on public health. Journal of Public Health (United Kingdom), 35(2), 195–199. https: //doi. org/10. 1093/pubmed/fds090 Snyder, I. (2015). Discourses of ‘curation'in digital times. In Discourse and digital practices (pp. 209-225). Routledge. Tuzova, Y., & Qayum, F. (2016). Global oil glut and sanctions: The impact on Putin’s Russia. Energy Policy, 90)1), 140–151. https: //doi. org/10. 1016/j. enpol. 2015. 12. 008 Studies, P. (2016). The effects of economic sanctions on the informal economy. Management Dynamics in the Knowledge Economy, 4(4), 623–648. https://doi.org/10.4236/ojml.2019.92009 Tan, W., Blake, M. B., Saleh, I., & Dustdar, S. (2013). Social-network-sourced big data analytics. IEEE Internet Computing, 17(5), 62-69. https://doi.org/10.1109/MIC.2013.100 Van Dijk, T. A. (2003). Studies in discourse analysis. Tehran: Office of media studies and development. [In Persian] Van Dijk, T. A. (2008). Discourse and context. A sociocognitive approach. Cambridge. https://doi.org/10.1017/CBO9780511481499 Wallace, G. P. R. (2013). Regime type, issues of contention, and economic sanctions: Re-evaluating the economic peace between democracies. Journal of Peace Research, 50(4), 479–493. https: //doi. org/10. 1177/0022343313482339 Yan, F. (2020). Image, reality and media construction. Springer Singapore https://doi.20org/10.201007/978-981-32-9076-1 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
آمار تعداد مشاهده مقاله: 429 تعداد دریافت فایل اصل مقاله: 209 |
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||