Journals / Kurgu / 2019 / Cilt: 27 - Sayı: 3

SOSYAL AĞLARDA SAĞLIK İLETİŞİMİ: LÖSEMİ KONU AĞINDAKİ ETKİLEYİCİLERİN SOSYAL AĞ ANALİZİ İLE BELİRLENMESİ

Journal
Kurgu
Pages
17–26
Publication Date
2019-09-30
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

Bu kullanıcılar nispeten diğerlerine göre, analiz edilen lösemi konu ağında dolaşımda olan bilgiye aracılık edebilecek konumları işgal eden kanaat önderi diyebileceğimiz aktörlerdir.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Sosyal medya platformları her an her yerde ve dahası önemli konuların da konuşulduğu araçlar olarak günlük hayatımızın önemli bir parçası haline gelmiştir.
📊
Key Findings & Data:Twitter güçlü ve etkili sosyal medya platformlarından birisidir.
💡
Conclusion & Impact:Bu kullanıcılar nispeten diğerlerine göre, analiz edilen lösemi konu ağında dolaşımda olan bilgiye aracılık edebilecek konumları işgal eden kanaat önderi diyebileceğimiz aktörlerdir.
🔬Design:Research Article
📍Scope:Comprehensive Sample
⚙️Variables:Sağlık iletişimi · Twitter · Lösemi

Özet

Sosyal medya platformları her an her yerde ve dahası önemli konuların da konuşulduğu araçlar olarak günlük hayatımızın önemli bir parçası haline gelmiştir. Twitter güçlü ve etkili sosyal medya platformlarından birisidir. Twitter platformunun iletişim mantığı bir kullanıcının diğer kullanıcı ya da kullanıcıları etkilemesine olanak vermektedir. Dolayısıyla oluşan konu/sorun ağlarında tutumları ve eylemleri nispeten daha fazla etkileyebilen aktörler de bulunabilmektedir. Bu çalışmada, özellikle Twitter sosyal medya platformunda lösemi ile ilgili konuların konuşulmasında ve tartışılmasında “etkileyici” aktörlerin sosyal ağ analiziyle belirlenmesi amaçlanmıştır. Sosyal ağ analizi, ilişkisel verileri araştırmak için gerekli araçları sağlamaktadır. Bu analiz yoluyla sağlık konusunda bir ağın bağlantı yapısı içerisindeki etkileyici aktörler belirlenebilmektedir. Çalışmanın amacını gerçekleştirmek için, NodeXL bilgisayar programı kullanılarak sosyal medya veri madenciliği yaklaşımı kullanılmıştır. Çalışmanın verisi, Twitter sosyal medya platformundan toplamıştır. Elde edilen veri sosyal ağ analizi ve uygun istatistiksel yöntemlerle analiz edilmiştir. Verinin analizi neticesinde Twitter’ da lösemi konulu ağda baş etkileyiciler olarak (1) sivil toplum kuruluşları, (2) lösemili hastaların destekçileri, (3) bir derneğin yönetim kurulu üyesi ve Türk Rock şarkıcısı, (4) bir vakıf kurucusu ve tıp doktoru olarak belirlenmiştir. Bu kullanıcılar nispeten diğerlerine göre, analiz edilen lösemi konu ağında dolaşımda olan bilgiye aracılık edebilecek konumları işgal eden kanaat önderi diyebileceğimiz aktörlerdir.

🔖

Cite This Article

AYDIN, B. O. (2019). SOSYAL AĞLARDA SAĞLIK İLETİŞİMİ: LÖSEMİ KONU AĞINDAKİ ETKİLEYİCİLERİN SOSYAL AĞ ANALİZİ İLE BELİRLENMESİ. Kurgu, Cilt: 27 - Sayı: 3, 17–26. https://ajindex.com/articles/787506

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (10)

  1. Altındiş, S., & İnci, M. B. (2017). Cyberchondria; Seeking Health Information from the Internet and Related Factors. l. Uluslararası Hasta Güvenliği ve Sağlık Finansmanı Kongresi içinde (59-60. s.s.). Borgatti, S. P., & Halgin, D. S. (2011). On Network Theory. Organization Science, 22(5), 1168- 1181. https://doi.org/10.1287/orsc.1100.0641
  2. Burt, R. S. (1999). The Social Capital of Opinion Leaders. The Annals of the American Academy of Political and Social Science, 566, 37-54.
  3. Chan, W. S., & Leung, A. Y. (2018). Use of Social Network Sites for Communication Among Health Professionals: Systematic Review. Journal of Medical Internet Research, 20(3), e117. https://doi.org/10.2196/jmir.8382
  4. Dutta-Bergman, M. J. (2004). Primary sources of health information: comparisons in the domain of health attitudes, health cognitions, and health behaviors. Health Communication, 16(3), 273-288. https://doi.org/10.1207/S15327027HC1603_1
  5. Gualtieri, L. N. (2009). The doctor as the second opinion and the internet as the first. Içinde Proceedings of the ITI 2009 31st International Conference on Information Technology Interfaces (ss. 21-22). https://doi.org/10.1109/ITI.2009.5196045 Gürsakal, N. (2009). Sosyal ağ analizi. Bursa: Dora Yayınları.
  6. Hansen, D. L., Schneiderman, B., & Smith, M. A. (2011). Analyzing social media networks with NodeXL: insights from a connected world. Burlington, MA: Morgan Kaufmann. Hazel, S., Toprak, Ş., Albayrak, M., Şanlı, C., & Koçak, Ü. (2009). Kanserli Çocuklar Hakkında Anadolu’nun Kırsal Bir İlindeki Annelerin Bilgi, Tutum ve Davranışlar. Gazi Medical Journal,20(1).Erişim adresi http://medicaljournal.gazi.edu.tr/index.php/GMJ/article/view/99
  7. Kim, E., Scheufele, D. A., Han, J. Y., & Shah, D. (2017). Opinion Leaders in Online Cancer Support Groups: An Investigation of Their Antecedents and Consequences. Health Communication, 32(2), 142-151. https://doi.org/10.1080/10410236.2015.1110005
  8. Ko, J., & Godley, P. J. (2014). The Influential Patient: Role Of Patient Opinion Leaders On Pharmaceutical Research And Development, Health Policy, And Commercialization. Value in Health, 17(3), A32-A33. https://doi.org/10.1016/j.jval.2014.03.199
  9. Kotsilieris, T., Pavlaki, A., Christopoulou, S., & Anagnostopoulos, I. (2017). The impact of social networks on health care. Social Network Analysis and Mining, 7(1), 18. https://doi.org/10.1007/s13278-017-0438-1
  10. Lambert, S. D., & Loiselle, C. G. (2007). Health Information—Seeking Behavior. Qualitative Health Re