|
، جلد ۱۸، شماره ۲، صفحات ۲۶-۴۰
|
|
|
عنوان فارسی |
توسعه ی یک مدل شناختی در ارزیابی عوامل اعتماد مخاطب به رسانه ی خبری با استفاده از ماشین یادگیر عاطفی مغز |
|
چکیده فارسی مقاله |
هدف: در این مطالعه تلاش شد تا با استفاده از یک مدل شناختی مبتنی بر هیجان، با عنوان ماشین یادگیر عاطفی مغز و همچنین عوامل کسب اعتماد مخاطب به خبر، ماشینی طراحی شود که خروجی آن سطحی از اعتماد به خبر را پیش بینی کند. روش: در این پژوهش، عوامل اعتمادساز خبر، از طریق پاسخ 110 نفر از خبرگان خبر رسانه ی ملی به پرسشنامه، ارزش گذاری شد. بر این اساس، با استفاده از ماشین یادگیر عاطفی مغز (BEL)، یک مدل شناختی طراحی و اجرا شد. برای تعیین اختلاف نتایج آزمایش ماشین با نتایج خبرگان، دو آزمون "منویتنی" و "کلوموگروف-اسمیرنوف" و برای مدلسازی مسأله، نرمافزار متلب به کار رفت یافته ها: نتایج پژوهش نشان داد که ضریب همبستگی شش مؤلفه ی " بیطرفی و بیغرضی"، " سانسور"، "صحت"، "جامعیت"، " موثق بودن منبع" و "جذابیت در ارائه ی خبر" با اعتماد مخاطب به خبر بسیار قوی است. نتایج داده های آموزشی ماشین نیز حاکی از آن بود که این ماشین با خطای کمتر از 0/002 آموزش داده شده و خروجی داده های تست نیز نشان داد که خروجی مدل شناختی طراحی شده تفاوتی با پرسشنامه ی خبرگان ندارد و ماشین بادقت مناسب طراحی شده است. نتیجه گیری: با توجه به اهمیت سنجش اعتماد مخاطب به اخبار، با استفاده از فنآوری اطلاعات و یک مدل شناختی میتوان ابزاری ساخت تا قادر باشد قبل از پخش خبر، موضوع را از لحاظ سطح اعتماد مخاطبان ارزیابی و اعتماد آن ها را به خبر پیشبینی کند. |
|
کلیدواژههای فارسی مقاله |
ماشین یادگیر عاطفی مغز، اعتماد، مؤلفه های اعتماد به خبر |
|
عنوان انگلیسی |
Development of a Cognitive Model for the Evaluation of Factors Contributing to Audience Trust in the News Media Using the Brain Emotion Learning Machine |
|
چکیده انگلیسی مقاله |
Objective: Audience trust is considered as a main asset for the news media, hence assessment of the influence of audience trust in the news is of great importance. An ultimate goal is to design a machine capable of anticipating the state of trust in the news, based on an emotional cognitive model, known as brain emotional learning (BEL) machine, and also determining the factors contributing to audience trust in the news. Method: In this study, factors contributing to audience trust were evaluated by means of a survey conducted among 110 news experts in IRIB. Each record comprised a set of features in six categories which were in fact the six factors of audience trust in this study. Accordingly, a cognitive model was designed and implemented using the brain emotional learning machine. Furthermore, Whitney and Kolmlgorov-smirnov statistical tests were employed to analyze the difference between the dataset from experts and the test outputs of the machine. The task was simulated using the MATLAB software. Results: Findings demonstrated that the six components of "impartiality and objectivity", "censorship", "integrity", "accuracy", "source credibility" and "broadcast attractiveness" had a very strong correlation coefficient with the audience trust in the news. The results of training data showed an error of less than 0.002 and output of test data showed insignificant difference between the results of the designed cognitive model and the results of the survey, suggesting the proper performance of the machine. Conclusion: Taking the significance of audience trust assessment in the news , information technology can help design a machine to predict the audience trust in the news before broadcast |
|
کلیدواژههای انگلیسی مقاله |
Brain Emotion Learning, Trust, Emotion, News |
|
نویسندگان مقاله |
سید محمد بطحائیان | Seyed Mohamad Bathaeian Department, Science and Research Branch Islamic Azad University, Tehran, Iran. دانشکده مدیریت، دانشگاه آزاد واحد علوم و تحقیقات تهران، تهران، ایران.
سعید ستایشی | Saeed Setayeshi Amirkabir University of Technology, Teran, Iran. دانشگاه صنعتی امیرکبیر، تهران، ایران.
|
|
نشانی اینترنتی |
http://icssjournal.ir/browse.php?a_code=A-10-2-455&slc_lang=other&sid=1 |
فایل مقاله |
فایلی برای مقاله ذخیره نشده است |
کد مقاله (doi) |
|
زبان مقاله منتشر شده |
other |
موضوعات مقاله منتشر شده |
تخصصی |
نوع مقاله منتشر شده |
پژوهشی اصیل |
|
|
برگشت به:
صفحه اول پایگاه |
نسخه مرتبط |
نشریه مرتبط |
فهرست نشریات
|