بررسی یافت‌پذیری اطلاعات در اینستاگرام با تحلیل رفتار برچسب‌گذاری اجتماعی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکتری علم اطلاعات و دانش شناسی، دانشکده علوم تربیتی و روان‌شناسی، دانشگاه فردوسی مشهد، مشهد، ایران.

2 دانشیار گروه علم اطلاعات و دانش شناسی، دانشکده علوم تربیتی و روان‌شناسی، دانشگاه فردوسی مشهد، مشهد، ایران.

3 استاد گروه علم اطلاعات و دانش شناسی، دانشکده علوم تربیتی و روان‌شناسی، دانشگاه فردوسی مشهد، مشهد، ایران.

چکیده

هدف: پژوهش حاضر درصدد بررسی رفتار برچسب‌‌گذاری اطلاعات و میزان همخوانی برچسب‌ها با مضمون محتوا در صفحه‌های آموزشی و موفق در رؤیت‌پذیری شبکه اجتماعی اینستاگرام است تا بتوان به الگویی در رابطه با برچسب‌گذاری اجتماعی برای افزایش یافت‌پذیری در آن دست یافت.
روش پژوهش: رویکرد پژوهش، از نوع کیفی و اکتشافی است و با روش تحلیل مضمون انجام شده است. در این رابطه، بیش از 2800 برچسب (هشتگ)، از صفحه‌های موضوعی و آموزشی اینستاگرام، که بر اساس رویکرد افزارسنجی رقابتی به صورت نمونه هدفمند انتخاب شده بودند، تحلیل مضمون شدند و ضمن مقوله‌بندی هشتگ‌ها، همخوانی آن‌ها با مضمون محتوا مورد بررسی قرار گرفت.
یافته‌های پژوهش: یافته‌های پژوهش نشان داد برچسب‌ها و هشتگ‌های موضوعی، متداول و انحصاری بیشتر به محتوا اختصاص داده شده و کمتر از هشتگ‌های تأکیدی و انتقادی استفاده شده بود. نوع برچسب‌های اختصاص داده شده بستگی به بافت‌ صفحه‌ها نیز داشت. همچنین یافته‌ها نشان داد 76 درصد از هشتگ‌های مورد بررسی با مضمون محتوای به اشتراک گذاشته شده همخوانی داشت.
نتیجه‌گیری: رفتار برچسب‌گذاری می‌تواند نشان‌دهنده انگیزه‌های اشتراک اطلاعات نیز باشد و از هشتگ‌های صفحه‌های آموزشی با توجه به ارزیابی همخوانی آن‌ها با مضمون محتوا می‌توان به عنوان الگویی برای سازماندهی تصاویر استفاده کرد.

کلیدواژه‌ها


عنوان مقاله [English]

Information Tagging Behavior in the Instagram based on Social Tagging Theory

نویسندگان [English]

  • Fatemeh Taghi Pana 1
  • Mohsen Nowkarizi 2
  • Mohammad Hossein Dayyani 3
1 Ph.D. Candidate in Knowledge and Information Science, Faculty of Education Sciences and Psychology, Ferdowsi University of Mashhad, Mashhad, Iran.
2 Associate Professor in knowledge and Information Science, Faculty of Education Sciences and Psychology, Ferdowsi University of Mashhad, Mashhad, Iran.
3 Professor in knowledge and Information Science, Faculty of Education Sciences and Psychology, Ferdowsi University of Mashhad, Mashhad, Iran.
چکیده [English]

Objective: Findability is a critical factor of usability and visibility in information architecture. One of the preparations developed to support the findability of social networks is the use of social tagging. Social tagging is an effective way for users to organize, manage, share and search various types of resources. This research done with aim of investigate information tagging behavior and the degree to which the content themes were matched in the educational and successful pages in Instagram visibility, to reach a model for social tagging that can be found to increase the information findability on Instagram that leads to success in information visibility on this social network site.
Methodology: This was a qualitative and exploratory study, carried out through thematic analysis. Thematic analysis is a way to see the text, the good perception and understanding of apparently unrelated information, qualitative information analysis, systematic observation of person, group, position, organization or culture; the transformation of quantitative data into quantitative data. In this regard, more than 2,800 labels (hashtags), from the Instagram theme and educational pages, were selected as a targeted sample based on a competitive bench-marking approach, and analyzed. While classifying hashtags, they were matched to the theme of the contents. Theses hashtags were surveyed from shared posts in 30 selected pages that picked by purposed sampling.
 





 





Findings: The findings showed that most content with more than 42% of the posts surveyed was related to the photo and the lowest content was allocated to the film with more than 26%. 2844 hashtags dedicated to 300 Instagram posts were categorized into thematic, critical, exclusive, common, descriptive, emphasis, location and event categories. The subject, common, and exclusive tags and hashtags were assigned more to content and used less to emphatic and critical hashtags. Having a well-defined and policy in using of hashtags, the assignment of subject and related hashtags to content, the use of exclusive hashtags for customizing and branding were the behaviors that were showed in these pages in regard of using social tagging.  The findings also indicated that 76 percent of the investigated hashtags matched to the theme of the shared content and were related to the main topic and theme of these pages. This can also cause networking among pages in same theme. The co-occurrence of the theme codes and subject hashtags suggests that the subject code has a co-occurrence with a large number of theme codes, which is due to the fact that many pages have focused on subject hashtags among a variety of hashtags.
Conclusion: Investigations showed that the selected pages in the posts surveyed used a specific pattern for hashtaging. Most hashtags were in Persian, and in many cases hashtags contributed to the understanding of visual content because they were sharing the main theme of the content. Successful pages in visibility have more applied subject hashtags in the same time they used less and more the other categories. The type of tags assigned to the content depended on the pages' context. Tagging behavior may reflect information sharing motivations and the hashtags assigned in educational pages can be used as a pattern for the pictures organization, according to their relevance to content theme.

کلیدواژه‌ها [English]

  • Social tagging
  • Folksonomy
  • Instagram
  • Hashtags
  • Thematic analysis
  • Visibility

یافت‌پذیری[1]، عامل موفقیت حیاتی استفاده‌پذیری[2] و رؤیت‌پذیری[3] در معماری اطلاعات[4] است. اگر کاربران نتوانند آنچه را نیاز دارند، با ترکیب مرور و جستجو بیابند، وبگاه و بستر ارائه اطلاعات ناکارآ محسوب می‌شود (روزنفلد و مورویل[5]، 2006). با ظهور شبکه‌های اجتماعی و گسترش کاربرد آن‌ها در بین عموم مردم، حجم اطلاعات در این شبکه‌ها به سرعت در حال افزایش است. یکی از تمهیداتی که برای تقویت یافت‌پذیری در این شبکه‌ها اندیشیده شده است، بهره‌گیری از برچسب‌گذاری اجتماعی[6] است. برچسب‌گذاری اجتماعی، روشی مؤثر برای کاربران در جهت سازماندهی، مدیریت، به اشتراک‌گذاری و جستجوی انواع مختلف منابع است. از مزایای برچسب‌‌گذاری اجتماعی می‌توان به سادگی، نبود کنترل مرکزی، مشارکت فعال، ارتباطات بین فردی، فرصت‌های برابر، و دسترسی‌ جهانی اشاره کرد (درنتل، همپل، متسچینگ-پیتریک، و پینتر[7]  2011). مارلاو، نامان، بوید، و دیویس[8] (2006) و ایمز[9] و نامان (2007)، مدیریت محتوا[10] و بازیابی اطلاعات[11] را دو انگیزه برچسب‌گذاری اجتماعی می‌دانند.

برچسب‌گذاری اجتماعی در علم اطلاعات و دانش‌شناسی با مفهوم فولکسونومی[12] مورد توجه قرار گرفته است. فولکسونومی یا رده‌بندی مردمی، نوعی سازماندهی اطلاعات در شبکه‌های اجتماعی[13] است که در آن با قرار دادن واژه پس از علامت هشتگ (#)، آن را قابل جستجو و یافت‌پذیر می‌سازد و اصطلاحی مرکب از دو واژه «عوام یا مردم[14]» و «طبقه‌بندی[15]» است. همچنین استفاده از فولکسونومی به عنوان شبکه پیچیده توسط شن و وو[16] (2005) معرفی شد. از آنجایی که فولکسونومی، نظام رده‌بندی محتوای وب است، مشخصه‌های ایستا و پویایش می‌تواند به جستجو و بازیابی اطلاعات مرتبط بیانجامد.

هشتگ‌های[17] شبکه‌های اجتماعی از دیدگاه‌ سیاسی، اجتماعی و رویدادهای فرهنگی دارای اهمیت هستند. در این رابطه برونز و برجس[18] (2014) اشاره کرده‌ اند که استفاده از هشتگ‌‌های خاص ممکن است انواع خاصی از ارتباطات را شکل دهد، مثلاً واکنش سریع و جمعی به یک اتفاق عمومی در حوزه‌های سیاسی یا فرهنگی و اجتماعی. همچنین هشتگ‌ها از منظر سازماندهی اطلاعات و دانش با هدف مدیریت محتوا می‌توانند مورد توجه قرار گیرند. آنچه در این نوشتار به آن پرداخته می‌شود، توجه به برچسب‌گذاری اجتماعی و هشتگ‌ها از دیدگاه سازماندهی اطلاعات و مدیریت محتواست.

پیش از ورود به بحث، ابتدا لازم است توضیح بیش‌تری پیرامون هشتگ‌ها ارائه ‌شود. هشتگ‌ها عبارتند از: برچسب‌، واژه‌ کلیدی، عنوان رده‌ یا ابرداده. از منظر ماهیت، برچسب‌ها مجموعه‌ای از کلیدواژه‌های متنی هستند که به صورت آزادانه انتخاب شده ‌اند. به هر حال، چون متخصصان اطلاعات در اختصاص برچسب‌ها مشارکت ندارند، در حال حاضر از هیچ راهبرد رسمی موجود در سازماندهی اطلاعات پیروی نمی‌کنند؛ این بدان معناست که اقلام می‌توانند با هر واژه‌ای که پیوندی میان منبع برخط و اندیشه‌ موجود در ذهن کاربر برقرار کند، دسته‌بندی ‌شوند (گای و تنکین[19]، 2006). برچسب، به عنوان یک شیء سه جزئی تعریف شده است که شامل «برچسب»، «متعلق شناسایی» و «کاربر»ی است که برچسب را به منبع اختصاص می‌دهد (اصفهانی و جلالی، 1393)، که به صورت زیر نشان داده می‌شود:

Tag = (User, Object, Keyword)

نقش اساسی هشتگ‌ها به صورت سنتی، سازماندهی دانش و تسهیل دسترسی و بازیابی اطلاعات است (اسمال[20]،2011). هشتگ‌ها افزون بر بازیابی دیداری محتوا، به یافت‌پذیری نیز کمک می‌کنند؛ در عین حال، استفاده فراپیوندی نیز دارند. هشتگ‌ها می‌توانند به عنوان عناصر توصیفی در تصویر عمل کنند یا مربوط به شرح تصویر باشند و محتوا را بهتر وصف نمایند (ماتز[21]، 2004 ).

شبکه اجتماعی اینستاگرام، برنامه کاربردی[22] رایگان برای ابزارهای موبایل است که به کاربران این امکان را می‌دهد تا تصاویر، فیلم‌ها و مطالب خود را بارگذاری[23]، ویرایش و با دیگر کاربران اینستاگرام به اشتراک بگذارند. این شبکه توسط کوین سیستروم[24] و مایک کرایگر[25] در اکتبر 2010 راه‌اندازی شد و به سرعت محبوبیت لازم را کسب کرد. به صورتی که موفق به جذب 700 میلیون کاربر فعال در سال 2018 شد و تخمین زده می‌شود روزانه 80 میلیون تصویر از طریق اینستاگرام به اشتراک گذاشته ‌شود[26]. اصطلاح اینستاگرام، از دو واژه «اینستنت»[27] (لحظه) که برای دوربین‌های قدیمی استفاده می‌شد و «گرام» که از تلگراف و عکس‌های فوری که مردم می‌گرفتند، تشکیل شده است.[28] دفتر مرکزی آن در سانفرانسیسکو[29] ایالات متحده است و در حال حاضر، سریع‌ترین وبگاه شبکه اجتماعی[30] در سطح جهان از نظر رشد محسوب می‌شود (واگنر[31]، 2015). در ژانویه 2011، هشتگ به اینستاگرام اضافه شد و از 27 آوریل 2015، کاربران قادر به استفاده از نویسه‌های تصویری (ایموجی)[32]، به عنوان هشتگ شدند. هشتگ‌ها، تگ‌هایی یا واژه‌هایی هستند که با علامت # اضافه شده ‌اند تا محتوای تصویر را بهتر وصف کرده، و به کاربران اجازه می‌دهند تا تصاویر را جستجو کنند و این مسأله منجر به یافت‌پذیری محتوا و در نهایت موفقیت در رؤیت‌پذیری آن می‌شود. گاهی عاملان اشتراک تصویر، تصاویر را با احساسات مرتبط می‌سازند. در این مورد آن‌ها از نویسه‌های تصویری برای نشان دادن احساساتشان استفاده می‌کنند. بنابراین اینستاگرام افزون بر اینکه به کاربران امکان اشتراک تصاویر و فیلم‌ها را می‌دهد، امکان ویرایش محتوای دیداری با فیلترهای ارائه شده، افزودن شرح به تصویر یا فیلم و گذاشتن هشتگ در زیر آن با علامت # و نام کار‌بری[33] افراد با علامت @ را در اختیار آنان قرارداده است. علامت‌ @ امکان برقراری پیوند واقعی بین حساب‌های کاربری[34]، و علامت # نیز امکان برقراری محتواهای دارای هشتگ مشابه را با یکدیگر به کاربران می‌دهد و هردوی این موارد مانند پیوند‌های داده‌های پیوندی عمل می‌کنند. شکل 1. نمونه‌ای از یک صفحه اینستاگرام است.

 

 

 

 

 

 

 

شکل 1. نمونه‌ای از صفحه اینستاگرام

 

افزون بر نقش‌های چندگانه و مهم برچسب‌گذاری اجتماعی در اینستاگرام (بیان دیدگاه‌های ذهنی، احساسات، مکان، ارائه شرح بیشتر، نظر یا قضاوت پیرامون محتوا) طبق دیدگاه گیانولاکیس و تساپاتسولیس[35] (2015)، هشتگ‌ها می‌توانند گامی ضروری برای ایجاد حاشیه‌نویسی خودکار تصویر[36] که مبتنی بر یادگیری پارادایم نمونه[37] است، قلمداد شوند. از آنجایی که در حاشیه‌نویسی دستی تصویر، حتی برای ایجاد مجموعه‌های آموزشی درالگوریتم‌های یادگیری ماشین، نیاز به تلاش بسیار است و این کار همراه با خطاهای قضاوت و ذهنیت انسانی است، طبق پژوهش یاد شده اینستاگرام می‌تواند به عنوان منبع غنی، آسان و خودکار برگرفته از داده‌های واقعی، برای توسعه این روش‌ها به کار گرفته شود. آن‌ها معتقدند که با فرض این که هشتگ‌های اختصاص داده شده به صورت دقیق، محتوای تصویر را بیان کنند اینستاگرام می‌تواند به منزله مجموعه داده بزرگ تصویر دارای برچسب مورد استفاده قرار گیرد. آنگیوس، کنکاس، مانکا، پانی، و سانا[38] (2014) نیز بیان کرده ‌اند که برچسب‌گذاری اجتماعی در اینستاگرام، منجر به ظهور نسلی از فولکسونومی شده که مشارکتی و جمعی است و سازماندهی اجتماعی در سطح ابرداده و مربوط به  اطلاعات وارد شده توسط کاربر محسوب می‌شود. بنابراین، رفتار برچسب‌گذاری اجتماعی و استفاده از هشتگ، مورد توجه حوزه‌های مختلف سازماندهی اطلاعات و حوزه‌های پردازش زبان طبیعی قرار گرفته است. در این پژوهش به این رفتار از باب تأثیرگذاری‌اش بر رؤیت‌پذیری اطلاعات پرداخته می‌شود.

 

 

به باور ایبا، اورو، پانی و پورو[39] (2015)، هدف اصلی برچسب‌گذاری اجتماعی، تسهیل رؤیت‌پذیری اطلاعات (رؤیت‌پذیری تصاویر در مورد اینستاگرام) و خلق سامانه‌های پیشنهاددهنده[40] است. با توجه به این نکته که یافت‌پذیری به عنوان یکی از عوامل موفقیت رؤیت‌پذیری و استفاده‌پذیری در معماری اطلاعات مطرح است، هدف پژوهش حاضر آن است که با الگوبرداری از رفتار صفحه‌های موفق در رؤیت‌پذیری، به بررسی چگونگی رفتار برچسب‌گذاری اجتماعی در این صفحه‌ها بپردازد با این هدف که به الگویی در پیوند با استفاده از این نوع سازماندهی برای صفحه‌های شبکه‌های اجتماعی دست یابد و بر اساس آن به هدف افزایش رؤیت‌پذیری نائل شود. صفحه‌های نمونه اینستاگرام در این مطالعه، بر اساس رویکرد افزارسنجی رقابتی[41] - برگرفته از رویکردهای معماری اطلاعات (روزنفلد و مورویل، 2007)- به صورت هدفمند انتخاب شدند. در این پژوهش با توجه به دو کارکرد برچسب‌گذاری اجتماعی، یعنی کمک به موفقیت رؤیت‌پذیری و ایجاد سامانه‌های پیشنهاددهنده، دو سؤال مطرح شده است. برای رسیدن به پاسخ پرسش اول، رفتار برچسب‌گذاری در صفحه‌های مورد نظر بررسی شد و برای رسیدن به پاسخ پرسش دوم، میزان انطباق برچسب‌ها با مضمون محتوای دیداری مورد بررسی قرار گرفت. این پژوهش با اهداف تازه‌ای که دنبال می‌کند در پی کاهش شکاف پژوهشی در این حوزه است. افزون بر این، این پژوهش نوعی ارزیابی کارآیی فولکسونومی یا رده‌بندی مردمی محتوای دیداری نیز محسوب می‌شود. 

 

سؤالات پژوهش

  1. در صفحه‌های موفق در مقوله رؤیت‌پذیری و جذب کاربر در شبکه اجتماعی اینستاگرام، رفتار برچسب‌گذاری اجتماعی چگونه است؟
  2. همخوانی هشتگ‌های استفاده شده در صفحه‌های مورد بررسی با مضمون اصلی اطلاعات به اشتراک گذاشته شده چگونه است؟

 

پیشینه پژوهش

رفتار کاربر در حاشیه‌نویسی تصاویر با هشتگ‌ها به وسیله فرارا، اینتردوناتو و تاگرائیلی[42] (2014) مورد بررسی قرار گرفت. پژوهشگران دریافتند که کاربران از تعداد محدودی از هشتگ‌ها برای حاشیه‌نویسی تصویر استفاده می‌کنند. پژوهش آن‌ها نشان داد که اینستاگرام می‌تواند به منزله منبعی غنی در راستای خلق مجموعه‌های آموزشی برای حاشیه‌نویسی خودکار تصاویر عمل کند، منبعی که دربردارنده حجم عظیمی از تصاویری است که از طریق هشتگ‌ها به وسیله عامل‌های اشتراک محتوای دیداری[43] تصاویر سازماندهی شده‌ اند. هرچند در واقع، همه هشتگ‌ها مرتبط با محتوای دیداری تصویر نیستند، اما بسیاری از هشتگ‌ها، اطلاعات توصیفی مهمی از محتوای دیداری تصاویر را ارائه می‌دهند. از این پژوهش و برخی پژوهش‌های دیگر (فازی، هونگ، بلخاتیر[44]، 2009؛ ترایفو، تئودوزیو، تساپاتسولیس[45]، 2012) چنین استنباط می‌شود که رویکردهای مبتنی بر برچسب‌گذاری توسط صاحبان تصاویر، بهتر از رویکردهای نمایه‌سازی سنتی مبتنی بر متن است.

ایبا، اورو، پانی و پورو[46] (2015) در پژوهشی، هشتگ‌هایی که توسط کاربران در پست‌های خود قرار داده شده بود و استفاده از آن‌ها را تحلیل کردند. آن‌ها به این نتیجه رسیدند که فولکسونومی حاصل از برچسب‌گذاری در اینستاگرام را می‌توان به عنوان شبکه پیچیده‌ای که قادر به تحلیل‌ ارزیابی‌، همچون یک مدل ریاضی باشد، در نظر گرفت.

در پژوهشی که گیانولاکیس و تساپاتسولیس (2015)، انجام دادند، هزار تصویر اینستاگرام را گردآوری و یک تا چهار هشتگ اختصاص داده شده به تصویر توسط عامل اشتراک تصویر را که آگاهی‌بخش‌تر بود، انتخاب کردند. پایگاه داده برخط برای خلق پرسشنامه‌ای شامل 20 تصویر در بین شرکت‌کنندگان خبره توزیع شد و آن‌ها بهترین هشتگ مناسب را برای هر تصویر بر اساس تفسیر خود انتخاب کردند. نتایج نشان داد که به طور متوسط 66 درصد از شرکت‌کنندگان هشتگ‌هایی را انتخاب کردند که با هشتگ انتخابی دارنده تصویر همخوانی داشت. همچنین آن‌ها نشان دادند نصف هشتگ‌های اختصاص داده شده، محتوای دیداری تصویر را پوشش می‌دادند و می‌توانستند به منزله نمونه‌های آموزشی برای الگوریتم‌های یادگیری ماشین مورد استفاده قرار گیرند.

گیانولاکیس و تساپاتسولیس (2016) از هشتگ‌های متداول که برای افزایش احتمال یافت‌پذیری بدون ربط به محتوای پست، استفاده می‌شوند، با اصطلاح هشتگ ‌بازدارنده[47] یاد کردند. آن‌ها این اصطلاح را از مفهوم سیاهه بازدارنده[48] وام گرفتند. نتایج پژوهش آن‌ها نشان داد در70 درصد تصاویر بررسی شده دارای این هشتگ‌ها به منزله عملکردهای اَبَرارتباطی برای افزایش یافت‌پذیری یا قابل جستجو بودن از آن‌ها استفاده شده بود.

بررسی محتوای پست‌های اینستاگرام با هشتگ #pharmacist به وسیله هیندمن و دیگران[49] (2017)، با هدف تحلیل محتوای این پست‌ها در طول یک سال انجام شد. روش پژوهش ترکیبی، اکتشافی و مطالعه توصیفی گذشته‌نگر بود و در آن به تحلیل محتوای پست‌های با هشتگ #pharmacist، در بازه 4 نوامبر 2014 تا 3 نوامبر 2015، و انتخاب تصادفی 14 روز از این بین پرداخته شد. در مجموع 661 پست با هشتگ #pharmacist، از بین 1338پست انتخاب شد. نتیجه پژوهش نشان داد 88 درصد پست‌ها در موضوع حفظ بهداشت و سلامتی و نیز 7/19 درصد مربوط به مقوله رویداد بود. تجربه کاری و تبلیغات با 6/18 درصد، و 6/12 درصد در رتبه‌های بعدی قرار داشتند و کمتر از 25 درصد از پست‌ها نیز مربوط به مقوله خویش‌انداز[50] بود. پژوهش‌های لامار و رایس[51] (2017)، گیبس، میز، آرنولد، نانسن و کارتر[52] (2015)، ژانگ، بافیرو، هاشم و مورفی[53] (2016) با رویکردی مشابه به بررسی در صفحه‌های اینستاگرام از دیدگاه‌های مختلف پرداخته‌ اند. 

آنچه از تحلیل پژوهش‌های انجام شده برمی‌آید آن است که مطالعه رفتار برچسب‌گذاری اجتماعی در اینستاگرام، تبدیل به دغدغه‌ای برای حوزه‌های پژوهشی مختلف شده است و هر حوزه پژوهشی به دنبال بهره‌برداری از آن به منظور اهداف پژوهشی خود است. برچسب‌گذاری اجتماعی، به عنوان روشی برای تحلیل مضمون پست‌ها در یک موضوع خاص، تحلیل رفتار از دیدگاه برچسب‌گذاران و استفاده از این نوع سازماندهی برای کاربرد به منزله جایگزین و بدیل سازماندهی منابع، از دغدغه‌های پژوهشگران حوزه سازماندهی و پردازش زبان طبیعی بوده است. پژوهش حاضر با توجه به پیشینه موجود و نبود پژوهشی بومی که به نقش برچسب‌گذاری اجتماعی در یافت‌پذیری و رؤیت‌پذیری اطلاعات به اشتراک گذاشته شده توسط کاربران ایرانی در اینستاگرام را بنماید، شکل گرفته است.

 

روش پژوهش

روش پژوهش کیفی و از نوع اکتشافی است. از یکی از رویکردهای پژوهش معماری اطلاعات، افزارسنجی رقابتی (روزنفلد و مورویل، 2007) برای تعیین نمونه هدفمند استفاده شد. افزارسنجی[54]، یا الگوبرداری از بهترین‌ها در هر چیزی، عبارت از تعیین مرجعی به منظور داوری یا سنجش تطبیقی با آن است. در تحلیل رفتار برچسب‌گذاری، روش تحلیل مضمون[55] به کار رفته است. تحلیل مضمون، روشی است برای دیدن متن، برداشت و درک مناسب از اطلاعات ظاهراً نامرتبط، تحلیل اطلاعات کیفی، مشاهده نظام‌مند شخص، گروه، موقعیت، سازمان و یا فرهنگ؛ تبدیل داده‌های کیفی به داده‌های کمی (بویاتزیس[56]، 1998).

برای اجرای پژوهش، 30 صفحه اینستاگرام که در آن‌ها به ارائه محتوا در مورد موضوع خاص و یا آموزش مهارت، دانش و یا هنر خاصی پرداخته شده بود، و توانسته بود تعداد دنبال‌کننده چشمگیری جذب کند، به صورت هدفمند انتخاب و در مجموع 300 پست اینستاگرام از آن صفحات مورد مطالعه قرار گرفت و در نهایت 2845 هشتگ بررسی شد. بررسی این تعداد، پژوهشگر را به اشباع داده رساند. جمع‌آوری داده‌ها در بازه زمانی آبان تا آذر 1396 یعنی اکتبر و نوامبر 2017 انجام شده است. پس از گردآوری داده‌های مربوط، از نرم‌افزار Maxqda12.3 برای تحلیل داده‌ها استفاده شد. ابتدا برای پاسخ به سؤال نخست، کلیه هشتگ‌ها، تحلیل مضمون و کدگذاری آزاد شد. البته از مقوله‌های پژوهشی (گیانولاکیس و ساپاتسولیس، 2016) نیز استفاده شد. برای تأییدپذیری پژوهش، کلیه فعالیت‌های انجام شده در نرم‌افزار مذکور ثبت شده است و برای سنجش پایایی، مقوله کدگذاری دو مرتبه انجام شده و با استفاده از فرمول هولستی، پایایی دو کدگذاری 94 درصد محاسبه شد.

 

نتایج پژوهش

  1. در صفحه‌های موفق در مقوله رؤیت‌پذیری و جذب کاربر اینستاگرام، رفتار برچسب‌گذاری اجتماعی در  استفاده از هشتگ چگونه است؟

پیش از ورود به بحث، ابتدا اطلاعات توصیفی از محتوای مورد بررسی این پژوهش ارائه می‌شود. نوع محتوای دیداری بررسی شده در صفحه‌های مذکور به شرح جدول 1 بود. 

 

جدول 1. نوع محتوای پست‌های مورد بررسی

نوع محتوا

فراوانی

درصد

درصد فراوانی تجمعی

عکس

127

3/42

3/42

عکس‌نوشته

94

3/31

6/72

فیلم

79

3/26

100

 

همان گونه که یافته‌های جدول 1 نشان می‌دهد، بیشترین محتوا با بیش از 42 درصد پست‌های مورد بررسی مربوط به عکس بود و کم‌ترین محتوا به فیلم با بیش از 26 درصد اختصاص داشت. به بیانی دیگر، نزدیک به 74 درصد محتوا به عکس و عکس‌ نوشته اختصاص داشت. برای آگاهی از بافت صفحه‌های مورد بررسی، کلیه پست‌های مورد بررسی، تحلیل مضمون شد و در تصویر1، شبکه مضامین آن‌ها ترسیم شده است.

 

تصویر1.  شبکه مضامین پست‌های مورد بررسی برای آگاهی از بافت صفحه‌ها

 

تعداد هشتگ‌های اختصاص داده شده در پست‌های مورد بررسی در تصویر2، ارائه شده است.

همان طور که در تصویر 2 نشان داده شده است، 105 پست مورد بررسی هیچ نوع هشتگی نداشتند  به عبارت دیگر بیش از 36 درصد پست‌های مورد بررسی فاقد هشتگ بودند و 3.5 درصد صفحه‌ها از حداکثر تعداد مجاز استفاده از هشتگ یعنی 32 هشتگ، استفاده کرده ‌اند که نشان می‌دهد هنوز برخی از صفحه‌های مورد بررسی، در رفتار برچسب‌گذاری اجتماعی مشارکتی ندارند. با این وصف، تقریباً 64 درصد پست‌های مورد بررسی، از هشتگ برای سازماندهی محتوای خود بهره برده‌اند که در ادامه به تحلیل این پست‌ها پرداخته شده است.

 

 

تصویر 2. فراوانی تعداد برچسب‌های اختصاص داده شده به پست‌های مورد بررسی

در ادامه، هشتگ‌های اختصاص داده شده به 300 پست اینستاگرام که به آموزش فن، حرفه، دانش، یا موضوع تخصصی می‌پرداختند، تحلیل مضمون شد. در نهایت، 2845هشتگ‌ اختصاص داده شده در این تعداد پست اینستاگرام طبق جدول 2 کدگذاری شدند. شرح کدگذاری‌ها در جدول2  آورده شده است.

 

جدول 2. انواع هشتگ‌های اختصاص داده شده در صفحه‌های مورد بررسی

انواع هشتگ

توضیح

متداول مرسوم و پرکاربرد

استفاده از هشتگ‌های متداول و محبوب

توصیفی

توصیف حس نویسنده از محتوای منتشر شده

تأکیدی

تأکید نویسنده بر موضوع و مطلب خاصی با برجسته کردن اطلاعات

بیان‌کننده حالت

توضیح حالت یا کاری مانند سبک زندگی

ترویج رویدادها

همایش، جشن، رویداد سیاسی، اجتماعی، فرهنگی

مکان

مکان

انتقادی

دربردارنده قضاوت و نظر

انحصاری

منحصر به فرد و مختص مؤلف

موضوعی

مرتبط با موضوع و محتوای پست

 

همان طور که در جدول2 مشاهده می‌شود، 2844 هشتگ‌ اختصاص داده شده در 300 پست اینستاگرام در مقوله‌های موضوعی، انتقادی، انحصاری، متداول، توصیفی، تأکیدی، مکان و ترویج رویدادها مقوله‌بندی شدند. این مقوله‌ها گسترش‌یافته‌های دسته‌بندی گیانولاکیس و تساپاتسولیس (2016) است. در ادامه، استفاده از انواع هشتگ‌ها با تأکید بر هشتگ‌هایی که فراوانی بیشتری داشتند در پست‌های مورد بررسی تحلیل شد. در ادامه، استفاده از انواع هشتگ‌ها در پست‌های مورد بررسی تحلیل شد. برای این منظور از بخش تحلیل و ترسیم نقشه‌های نرم‌افزار مکس‌کیودا 12.3 استفاده شد.

طبق جدول 3، نتایج تحلیل مضمون هشتگ‌های استفاده شده در پست‌های مورد بررسی، نشان داد بیشترین فراوانی (2042) هشتگ‌های مورد استفاده مربوط به موضوع محتوای به اشتراک گذاشته است. کمترین فراوانی انواع هشتگ‌ها نیز به هشتگ‌های انتقادی اختصاص داشت. در ادامه به بررسی هر کدام از این هشتگ‌ها و رابطه بین آن‌ها و کد مضامین پرداخته شد تا مشخص شود آیا در بافت‌های گوناگون استفاده از هشتگ رفتار متفاوتی را نشان می‌دهد.

 

 

 

 

جدول 3.  میزان فراوانی هشتگ‌ها بر اساس کدگذاری انجام شده توسط مکس‌کیودا

نوع هشتگ

فراوانی

درصد

تعداد در صفحه‌ها

تعداد در پست‌ها

موضوعی

2042

80/71

161

24

موضوعی مرتبط

129

53/4

3

9

متداول

275

66/9

12

54

مکان

155

45/5

9

43

انحصاری

140

92/4

16

86

تاکیدی

65

28/2

8

30

ترویج رویدادها

26

91/0

11

16

توصیفی

10

35/0

3

5

انتقادی

2

07/0

1

1

 

تصویر 3 نمایی از ماتریس کد هشتگ انحصاری را نشان می‌دهد. از 30 صفحه مورد بررسی، 16 صفحه هشتگ انحصاری را به محتوای خود اختصاص داده‌اند؛ یعنی بیش از 50 درصد صفحه‌های مورد بررسی از این هشتگ استفاده کرده‌اند. در 86 پست از 300 پست مورد بررسی از این هشتگ استفاده شده بود؛ یعنی حدود 29 درصد پست‌ها دارای حداقل یک هشتگ انحصاری بودند. متوسط تعداد استفاده از این هشتگ، 8.75 عدد هشتگ در بین 10 پست مورد بررسی از صفحه‌هایی بود که از این هشتگ استفاده کرده بودند. در برخی از پست‌ها از چند هشتگ انحصاری استفاده شده بود.

 

 تصویر3. نمایی از مرورگر ماتریس کد هشتگ انحصاری

 

 

در بررسی رابطه کدهای مضامین و هشتگ انحصاری، طبق تصویر 4 مشاهده شد که در صفحه‌هایی که در عنوان حساب کاربری‌شان از نام پدیدآور استفاده شده و یا طبق تصویر 4 و 5 انتخاب عنوان حساب کاربری طوری بوده که هدف، برندسازی برای صفحه مربوط باشد، استفاده از هشتگ انحصاری که مختص مؤلف یا پدیدآور صفحه مورد بررسی است، بیشتر دیده شد. تصویر 6 نشان داد که هشتگ انحصاری دقیقاً با مضامینی پیوند خورده است که این ویژگی در صفحه آن‌ها دیده می‌شود. در تصویر 7 به صورت واضح‌تر، نمایی از کدگذاری‌ها در صفحه‌ای که عنوان آن با قصد برندسازی انتخاب شده بود، میزان استفاده از این هشتگ به تصویر کشیده شده است.

 

تصویر 4. هم‌رخدادی کدهای مضامین و هشتگ انحصاری در پست‌های مورد بررسی

 

 

 

تصویر 5. نمایی از نتایج در گستره بازتر از هم‌رخدادی کدهای مضامین و هشتگ انحصاری

 

 

تصویر 6. هم‌رخدادی هشتگ انحصاری و کدهای مضامین در پست‌های مورد بررسی

 

 

تصویر 7. رفتار استفاده از هشتگ انحصاری در صفحه‌ای با عنوان برند

 

65 هشتگ تأکیدی، در 30 پست و از سوی 8 صفحه به محتوا اختصاص داده شده بود؛ یعنی 10 درصد پست‌های مورد بررسی، دارای حداقل یک هشتگ تأکیدی بودند. فقط 2.6 درصد صفحه‌های مورد بررسی از این هشتگ استفاده کرده‌اند که حضور هر سه صفحه‌ با بافت و موضوع گردشگری در این سیاهه، نشان از اختصاص این نوع هشتگ در این صفحه‌ها دارد. استفاده از هشتگ تأکیدی در صفحه‌هایی که به بیان تجربه‌ها و اطلاعات خود در قالب داستان و یا خاطره می‌پرداختند، بیشتر مشاهده شد. براساس تصویر 8 صفحه‌هایی که به ارائه اطلاعات گردشگری پرداخته‌اند، بیش‌تر از این هشتگ استفاده کرده‌اند و هدف از استفاده از آن، برجسته‌سازی مطلب و واژه‌ای در نوشته آن‌ها بوده است.

 

 

تصویر 8. استفاده از هشتگ تأکیدی در پست با بافت گردشگری

 

هشتگ مکان در 43 پست (حدود 15 درصد پست‌ها) مورد بررسی، استفاده شده بود. در بین 30 صفحه مورد بررسی، 9 صفحه از این هشتگ استفاده کرده‌ بودند. همان طور که قبلا اشاره شد، استفاده از نوع هشتگ‌ها، به بافت و موضوع صفحه نیز بستگی داشت. براساس یافته‌های موجود در تصویر 9، استفاده از هشتگ مکان در صفحه‌هایی که به اطلاعات گردشگری و کشاورزی، مربوط می‌شد، بیشتر به چشم می‌خورد.

 

 

 

تصویر 9.  استفاده از هشتگ مکان در صفحه‌ای با بافت گردشگری

 

استفاده از هشتگ ترویج رویدادها، که به رویدادها و اتفاق‌های مهم روز اختصاص داشت، در بین 11 صفحه مورد بررسی، حاکی از آن بود که 36 درصد این صفحه‌ها از این هشتگ استفاده کرده و نسبت به وقایع روز واکنش نشان داده ‌اند. 26 هشتگ ترویج رویدادها از سوی 16 پست مورد بررسی به محتوا اختصاص داده شد.

از هشتگ متداول، در 12 صفحه (40درصد کل صفحه‌ها) مورد بررسی استفاده شده بود. تعداد پست‌های دارای این هشتگ، 54 پست از بین 300 پست (18درصد کل پست‌ها) مورد بررسی بود. تصویر 10 نشان‌دهنده هم‌رخدادی این هشتگ و کدهای مضامین است و نشان می‌دهد در بیشتر بافت‌های موضوعی از این هشتگ استفاده شده است. البته باید توجه داشت در صفحه‌هایی که جنبه علمی بیشتری دارند از این هشتگ استفاده چندانی نشده است. همان طور که در تصویر 11. هم‌رخدادی کدهای مضامین و هشتگ متداول نشان داده شده است.

 

 

 

تصویر 10. هم رخدادی کدهای موضوعی و کد هشتگ متداول

 

تصویر 11.  هم‌رخدادی هشتگ متداول و کدهای مضامین در پست‌های مورد بررسی

  1. همخوانی هشتگ‌های استفاده شده در صفحه‌های مورد بررسی با مضمون اصلی اطلاعات به اشتراک گذاشته شده چگونه است؟

در بررسی همخوانی هشتگ‌های استفاده شده در صفحه‌های مورد بررسی، مشاهده شد که بیش از 76 درصد هشتگ‌ها، مرتبط با مضمون اصلی محتوای به اشتراک گذاشته شده بودند. تصویر 12 و 13 نمایی از کدگذاری برچسب‌ها و نقشه شبکه مضامین هشتگ‌ها را نشان می‌دهد.

 

 

تصویر 12.  نمایی از کدگذاری برچسب‌ها درپست‌های مورد بررسی در نرم‌افزار maxqda12.3

 

 

 

تصویر 13. انواع هشتگ‌های اختصاص داده شده به پست‌های صفحه‌های مورد بررسی

 

در مجموع در 300 پست مورد بررسی، 2844 هشتگ مورد استفاده قرار گرفت که طبق جدول 3،                3/ 76 درصد آن مربوط به هشتگ‌های موضوعی مرتبط با محتوای به اشتراک گذاشته بود. البته 71 درصد این هشتگ‌ها کاملاً مرتبط با محتوای پست و 5/4 درصد از این هشتگ‌ها مرتبط با محتوای کل صفحه بود. تحلیل نتایج نشان داد که صفحه‌هایی که به ارائه محتوا در یک موضوع خاص می‌پرداختند، بیش‌تر از هشتگ‌های مرتبط و کم‌تر از هشتگ‌های متداول و پرکاربرد برای جستجوپذیری محتوای خود استفاده می‌کردند.  

  

تصویر 14 . هم‌رخدادی کدهای مضامین و هشتگ موضوعی

تصویر 14. نشان‌دهنده هم‌رخدادی هشتگ موضوعی با تعداد زیادی از کدهای مضامین است. تصویر 15، نشان‌دهنده هم‌رخدادی کدهای مضامین و هشتگ موضوعی با حذف موارد نا هم‌رخداد است و به بیان دیگر نشان‌دهنده آن است که کد موضوعی با تعداد زیادی از کدهای مضامین هم‌رخدادی دارد که همان طور که در پیش هم گفته شد علت آن این است که بسیاری از صفحه‌ها از بین انواع هشتگ‌ها به هشتگ موضوعی توجه داشته‌اند. از نقشه‌های هم‌رخدادی می‌توان نتیجه گرفت بسته به بافت و موضوع صفحه، رفتار برچسب‌گذاری و استفاده از انواع هشتگ‌ها می‌تواند متفاوت باشد.

 

 

نقشه6. هم‌رخدادی هشتگ موضوعی و مضامین پس از حذف موارد ناهم‌رخداد

 

 

بحث و نتیجه‌گیری

پژوهش حاضر در پی هدف بررسی رفتار برچسب‌گذاری اجتماعی و استفاده از هشتگ در صفحه‌های آموزشی شبکه اجتماعی اینستاگرام انجام شد. نمونه‌ به صورت هدفمند با رویکرد افزارسنجی رقابتی انتخاب شد و صفحه‌های منتخب به عنوان الگوهای موفق در رؤیت‌پذیری مورد بررسی قرار گرفتند.

بررسی‌ها نشان داد معمولاً صفحه‌های گزینش شده در پست‌های مورد بررسی از الگوی مشخصی برای هشتگ‌گذاری استفاده می‌کردند. به عنوان نمونه، در بیش‌تر موارد برای پست‌های تبلیغاتی با اهداف اقتصادی، برچسبی اختصاص داده نشده بود و در بسیاری از موارد کاربران از رفتار ثابتی در اختصاص برچسب پیروی می‌کردند، مثلاً در هر پست فقط دو هشتگ، آن هم از نوع انحصاری و یا از یک تعداد ثابت، و کلیدواژه‌های مشابه در پایان هر پست خود استفاده کرده بودند و یا برخی از صفحه‌ها اصلاً از هشتگ استفاده نکرده‌ بودند و برخی دیگر از حداکثر تعداد ممکن هشتگ بهره برده بودند. بنابراین می‌توان این گونه نتیجه گرفت که صفحه‌های مورد بررسی، تقریباً روند مشخصی در استفاده از هشتگ از خود نشان دادند. همچنین در مورد تعداد هشتگ‌های استفاده شده نتایج پژوهش نشان داد درصد قابل توجهی (36درصد) از پست‌های مورد بررسی، از هشتگ استفاده نکرده‌ اند و یا به تعداد محدود یعنی تنها یک تا چند هشتگ از آن بهره برده ‌اند، که هم‌راستا با نتیجه‌ای است که در پژوهش فرارا و دیگران (2014) به آن دست یافتند. همه این موارد نشان از وجود روند مشخص در برچسب‌گذاری دارد.

نکته قابل توجه این است که بیش‌تر هشتگ‌ها به زبان فارسی بود و در بسیاری از موارد، هشتگ‌ها به درک محتوای دیداری کمک کرده‌ بودند، زیرا در ارتباط با مضمون اصلی محتوای به اشتراک گذاشته بودند این یافته در راستای نتایج حاصل از پژوهش ماتز و آدام (2014) بود. در ضمن بررسی‌ها نشان داد بیشترین هشتگ‌های اختصاص داده شده، مرتبط با موضوع صفحه تشخیص داده شدند. استفاده از هشتگ‌های مرتبط با موضوع، به افزایش ربط در جستجو کمک می‌کند و در نتیجه احساس رضایت کاربران افزایش می‌یابد و تجربه خوشایندی از یافتن اطلاعات مرتبط خواهند داشت و به تشکیل شبکه واژگانی مرتبط با موضوع یاری می‌رساند. این ویژگی از دید عاملان اشتراک اطلاعات در صفحه‌های مورد بررسی مورد توجه قرار گرفته است و با نتیجه پژوهش‌های (گیانولاکیس و تساپاتسولیس، 2015؛ هیندمن و دیگران، 2017) همخوانی داشت. البته باید توجه داشت که صفحه‌های مورد بررسی پژوهش حاضر کاملاً به موضوع و محتوای خاصی اختصاص داشت و در این صفحه‌ها معمولاً رفتار به صورتی مشاهده شد که پدیدآورنده درصدد برقراری ارتباط با موضوع خود در این شبکه بود و قصد دارد محتوای صفحه را با موضوعات کاملاً مربوط به آن، مرتبط ساخته و به نوعی شبکه‌سازی در این حوزه دست یابد.

همچنین مشخص شد در صفحه‌های مورد بررسی در پست‌هایی که مورد مطالعه قرار گرفت، از کلیه انواع هشتگ‌ها با تفاوت در میزان استفاده بهره‌برداری شده بود. نتایج مرتبط با رفتار استفاده از هشتگ انحصاری، نشان داد در بسیاری از صفحه‌ها با مفاهیم سازماندهی اطلاعات آشنایی مختصری وجود دارد  و از این هشتگ برای بازیابی بهتر محتوا، طبقه‌بندی آن و نیز شخصی‌سازی آن استفاده می‌شود. از آنجایی که انتخاب برچسب توسط کاربران به هدف و انگیزه آن‌ها از برچسب‌گذاری بستگی دارد (جوکار و کوکبی، 1395) و از طرفی مشاهده‌ها و بررسی‌ حساب‌های کاربری که از هشتگ‌های انحصاری استفاده می‌کردند و از این موضوع برای شخصی‌سازی محتوای خود بهره برده بودند، این موضوع را تأیید می‌کند که آن‌ها در انتخاب عنوان حساب کاربری نیز به دنبال برندسازی و شخصی‌کردن آن بودند. این نکته بیانگر آن است که هدف‌های منفعت بین فردی[57]، منزلت[58] و رشد فردی[59] (دیویس و جر، 2011) که از اهداف و انگیزه‌های استفاده از اینستاگرام بر اساس نظریه استفاده و رضامندی[60] (بلوملر و مک‌کوایل[61]، 1969) اشتراک اطلاعات است، در این صفحه‌ها مورد توجه می‌باشد. این هدف برگرفته از نیازهای همگرایی شخصی است که اشاره به تقویت تصویر فرد از خود، موقعیت اجتماعی، و یا شهرت دارد به صورتی که فرد از رسانه برای افزایش اعتبار یا موقعیت اجتماعی و یا تأیید خود استفاده می‌کند (کتز و بلوملر و گورویچ[62]، 1973). از سوی دیگر، داشتن هشتگ‌های انحصاری برای سهولت در جستجوی محتوای خاص نیز می‌تواند به راحتی به کاربر و استفاده‌پذیری محتوای مربوط کمک کند و این نشان می‌دهد که جلب رضایت کاربر و سهولت استفاده و تجربه خوشایند وی نیز از کنش‌های مورد توجه این صفحه‌هاست.

همچنین بررسی‌ها نشان داد نزدیک به 40 درصد از صفحه‌ها از هشتگ ترویج رویدادها در پست‌های خود استفاده می‌کنند. از این مورد چنین استنباط می‌شود کاربر ایران حتی در صفحه‌هایی هم که به موضوع خاصی اختصاص داشتند، به رویدادهای فرهنگی و اجتماعی و مسائل روز واکنش نشان می‌دهد. این همان نکته ای است که برونز و برجس (2014) نیز به آن اشاره کرده‌اند.

همچنین نتایج نشان داد استفاده از هشتگ، هم به بافت صفحه و هم به نیت و هدف و انگیزه اشتراک اطلاعات توسط عامل اشتراک آن، بستگی داشت. همان چیزی که در معماری اطلاعات روزنفلد و مورویل (2007) با عنوان بافت به آن اشاره شده و باید در تحلیل‌ها به این مسئله توجه ویژه داشت و با شناسایی بافت و انگیزه‌ها و اهداف که از مشخصه‌های بافت هستند، به تفسیر صحیح‌تری دست یافت.

هشتگ‌های متداول به تعبیر گیانولاکیس و تساپاتسولیس (2015)، مانند سیاهه بازدارنده عمل می‌کنند و تنها هدف‌شان قرار گرفتن در سیاهه پربازدیدترین محتواهاست بی آنکه ربط موضوعی با محتوای خود داشته باشند. بررسی‌ها نشان داد صفحه‌های مورد بررسی از این نوع هشتگ‌ها هم استفاده کرده بودند هر چند میزان استفاده از این نوع هشتگ به مراتب کم‌تر از هشتگ‌های مرتبط با مضمون صفحه بود.

بنابراین می‌توان دریافت که داشتن خط‌مشی مشخص و تقریباً ثابت در استفاده از هشتگ‌ها، اختصاص هشتگ‌های موضوعی و مرتبط با محتوا، استفاده از هشتگ‌های انحصاری برای شخصی‌سازی و برندسازی محتوا از رفتارهایی است که صفحه‌های مورد نظر از آن‌ها استفاده کرده‌ اند و این موضوع می‌تواند منجر به یافت‌پذیری و در نهایت رؤیت‌پذیری اطلاعات در آن‌ها شود. از طرفی هشتگ‌ها می‌توانند بیانگر انگیزه‌های اشتراک اطلاعات نیز باشند و دست‌کم درباره استفاده از هشتگ انحصاری می‌توان به این مسئله اذعان داشت. ضمن آنکه استفاده از هشتگ‌های موضوعی کاملاً مرتبط با محتوا، غیر از یافت‌پذیری مطلوب، ممکن است به شبکه‌سازی بین صفحه‌هایی که محتوای یکسانی را به اشتراک می‌گذارند، و ایجاد همکاری بین آن‌ها منجر شود. استفاده از هشتگ‌های متداول، گرچه ممکن است تا حدی به یافت‌پذیری محتوا بیانجامد اما مانند ارجاع کور عمل کرده و ممکن است در نهایت منجر به عدم تجربه خوشایند در کاربرانی شود که به دنبال جستجوی اطلاعات هستند. بنابراین باید تا حد امکان از این هشتگ‌ها کمتر استفاده شود. در مجموع با وجود کاستی‌ها و ضعف‌هایی در تطابق و همخوانی هشتگ‌ها با محتوای موجود، به نظر می‌رسد رفتار هشتگ‌گذاری محتوای آموزشی و موضوعی موجود در شبکه اجتماعی اینستاگرام می‌تواند الگویی برای سازماندهی تصاویر به دست دهد. هر چند که  نمی‌توان به صورت کامل به این رده‌بندی اعتماد نمود اما تا حد زیادی می‌توان از آن، برای اهداف سازماندهی اطلاعات و دانش بهره برد.



[1]. Findability

[2]. Usability

[3]. Visibility

[4]. Information architecture

[5]. Rosenfeld, Morville

[6]. Social tagging

[7]. Derntl, Hampel, Motschnig-Pitrik, & Pitner

[8]. Marlow, Naaman, Boyd, Davis

[9]. Ames

[10]. Content management

[11]. Retrieval information

[12]. فولکسونومی، که نخستین بار توسط واندروال مورد استفاده قرار گرفت، مجموعه واژگان موضوعی است که خود کاربران آن را خلق کرده‌‌اند و رهیافتی برای خلق ابرداده است. رهیافتی که در آن کاربران اقلام اطلاعاتی را با کمک کلیدواژه‌هایی با عنوان برچسب با ساختار آزاد و برخلاف واژگان مهارشده، توصیف یا سازماندهی می‌کنند.

[13]. نخستین بار استفاده از برچسب‌گذاری اجتماعی در وبگاه دلیشس (Delicious) در سال 2003 انجام شد.

14. Folk

15. Taxonomy

16. Shen, Wu

1. Hashtag

2.Bruns, Burgess

3. Guy, Tonkin

[20]. Small

[21]. Mathes

[22]. application

[23]. upload

[24]. Kevin Systrom

[25]. Mike Krienger

[26]. http://www.statista.com/statistics/272014/global-socialnetworks-ranked-by-number-of-users/.

[27]. instant

[28]. Instagram: FAQ, https://instagram.com/about/faq/#

[29]. San Francisco

[30]. Social network sites

[31]. Wagner

[32]. Emoji

[33]. Mention

[34]. Account

[35]. Giannoulakis, Tsapatsoulis

[36]. automated image annotation (AIA)

[37]. example paradigm

[38]. Angius, Concas, Manca, Pani & Sanna

[39].Ibba, Orrù, Pani,Porru

[40]. Recommendation system

[41]. Competitive benchmariking

[42]. Ferrara, Interdonato, Tagraelli

[43]. به این دلیل با عنوان عامل اشتراک از گردانندگان این صفحه‌ها یاد شده است که ممکن است محتوا تولید این افراد باشد و یا فقط آنها انتشاردهندگان آن محتوا باشند.

[44]. Fauzi, Hong, Belkhatir

[45]. Tryfou, Theodosiou, Tsapatsoulis

[46]. Ibba, Orrù, Pani,Porru

[47]. Stophashtag

[48]. Stopword

[49]. Hindman, Bukowitz, Reed& Mattingly

[50]. selfie

[51]. LaMarre, Rice

[52]. Gibbs, Meese, Arnold, Nansen, Carter

[53]. Zhang, Baghirov, Hashim, Murphy

[54]. Comparative benchmarking

[55]. thematic analysis

[56] .Boyatzis

[57]. Interpersonal utility

[58]. status

[59]. Self-development

[60]. User and gratification theory

[61]. Blumler, McQuail

[62]. Katz, Blumler, Hurevitch

اصفهانی، شبنم. جلالی، مهرداد. (1393). مروری بر سیستم‌های برچسب‌گذاری اجتماعی. اولین کنگره بین‌المللی فن‌آوری، ارتباطات و دانش. مشهد: دانشگاه آزاد مشهد.
جوکار، طاهره. کوکبی، مرتضی. (1395). مروری بر ساختار و کاربردهای نظام‌های برچسب‌گذاری اجتماعی. کتابداری و اطلاع‌رسانی. 19 (2)، 27-43.
References
Angius, A., Concas, G., Manca, D., Pani, F., & Sanna, G. (2014). Classification and indexing of web content based on a model of semantic social bookmarking. In International Conference on Knowledge Management and Information Sharing, KMIS 2014. SciTePress, 313- 318.‏
Blumler, J. G., & McQuail, D. (1969). Television in politics: Its uses and influence. University of Chicago Press.‏
Boyatzis, R. E. (1998). Transforming qualitative information: thematic analysis and code development, Sage.
Bruns, A., & Burgess, J. E. (2011, August). The use of Twitter hashtags in the formation of ad hoc publics. In Proceedings of the 6th European Consortium for Political Research (ECPR) General Conference 2011.
ÇAKICI, A. C., KUHZADY, S., & BENLİ, R. A. S. An Image Is Worth A Thousand Words: A Pictorial Analysis of Projected Destination Image of Turkey on Instagram.‏
Derntl, M., Hampel, T., Motschnig-Pitrik, R., & Pitner, T. (2011). Inclusive social tagging and its support in Web 2.0 services. Computers in Human Behavior27(4), 1460-1466.‏
Ferrara, E., Interdonato, R., & Tagarelli, A. (2014, September). Online popularity and topical interests through the lens of instagram. In Proceedings of the 25th ACM conference on Hypertext and social media ,pp. 24-34.ACM.
Giannoulakis, S., & Tsapatsoulis, N. (2015, September). Instagram Hashtags as Image Annotation Metadata.In IFIP International Conference on Artificial Intelligence Applications and Innovations,  206-220. Springer International Publishing.
Giannoulakis, S., & Tsapatsoulis, N. (2016). Evaluating the descriptive power of Instagramhashtags. Journal of Innovation in Digital Ecosystems3(2), 114-129.‏
Giannoulakis, S., & Tsapatsoulis, N. (2016, October). Defining and Identifying Stophashtags in Instagram.In INNS Conference on Big Data (pp. 304-313). Springer International Publishing.‏
Gibbs, M., Meese, J., Arnold, M., Nansen, B., & Carter, M. (2015). # Funeral and Instagram: Death, social media, and platform vernacular. Information, Communication & Society18(3), 255-268.‏
Guy, M., & Tonkin, E. (2006). Folksonomies: Tidying up tags. D-lib Magazine12(1), 1082-9873.‏
Hindman, F. M., Bukowitz, A. E., Reed, B. N., & Mattingly, T. J. (2017). No filter: A characterization of# pharmacist posts on Instagram. Journal of the American Pharmacists Association.
Ibba, S., Orrù, M., Pani, F. E., & Porru, S. (2015, November). Hashtag of Instagram: From Folksonomy to Complex Network. In International Conference on Knowledge Engineering and Ontology Development (KEOD), 279-284.
Isfahani, S., & Jalali, M. (2014). Review on social tagging systems. First International IT congress. Communication and Knowledge. Mashhad: Islamic University of Mashhad. (in Persian)
Jowkar, T., & Kowkabi, M. (2016). Review on structure and applications of social tagging systems. Library and Information Science. 19 (2). 27-43. (in Persian)
Katz, E., Blumler, J. G., & Gurevitch, M. (1973). Uses and gratifications research. The public opinion quarterly37(4), 509-523.‏
LaMarre, A., & Rice, C. (2017). Hashtag Recovery: #Eating Disorder Recovery on Instagram. Social Sciences6(3), 68.‏
Mathes, A. (2004). Folksonomies-cooperative classification and communication through shared metadata.‏ Available at www.firstmonday.dk.
Rosenfeld, L., & Morville, P. (2007). Information architecture for the world wide web." O'Reilly Media, Inc.".
Shen, K., & Wu, L. (2005). Folksonomy as a complex network. arXiv preprint cs/0509072.‏
Wagner, K. (2015). Instagram is the fastest growing major social network. Recode. January9.‏
Zhang, H., Alim, M. A., Li, X., Thai, M. T., & Nguyen, H. T. (2016). Misinformation in Online Social Networks: Detect Them All with a Limited Budget. ACM Transactions on Information Systems (TOIS), 34(3), 18.