Integrating Social Network Analysis and Topic Modeling in Social Media Research: A Systematic Literature Review of Open-Access Scopus Studies (2016-2026)
2016 से 2026 तक के 194 ओपन-एक्सेस स्कोपस अध्ययनों का यह व्यवस्थित साहित्य समीक्षा यह प्रकट करती है कि जहाँ सोशल मीडिया अनुसंधान में सोशल नेटवर्क विश्लेषण और टॉपिक मॉडलिंग का एकीकरण तेजी से बढ़ रहा है और मुख्य रूप से ट्विटर के माध्यम से स्वास्थ्य और राजनीति पर केंद्रित है, वहीं वर्तमान अनुप्रयोग काफी हद तक उथले और समानांतर बने हुए हैं, जो लेखक को पद्धतिगत गहराई और सत्यापन मानकों को उन्नत करने के लिए एक व्यापक वर्गीकरण, अनुसंधान मॉडल और एजेंडा प्रस्तावित करने के लिए प्रेरित करते हैं।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
सोशल मीडिया पर हर बार स्क्रॉल करने, पोस्ट करने या शेयर करने पर दो अलग-अलग प्रकार के पदचिह्न (footprints) पीछे छूट जाते हैं। एक पदचिह्न स्वयं सामग्री है: जो शब्द हम टाइप करते हैं, जो राय हम व्यक्त करते हैं, और जो कहानियाँ हम सुनाते हैं। दूसरा है जुड़ाव: रिट्वीट करने, रिप्लाई करने या किसी को फॉलो करने का कार्य, जो यह प्रकट करता है कि कौन किसे सुन रहा है और विचार लोगों के बीच कैसे यात्रा करते हैं। वर्षों से, शोधकर्ता इन पदचिह्नों का अलग-अलग अध्ययन करते रहे हैं। कुछ टीमों ने समुदायों के निर्माण और प्रभाव के प्रसार को देखने के लिए कनेक्शनों का मानचित्र बनाया, जबकि अन्य ने यह समझने के लिए टेक्स्ट का विश्लेषण किया कि लोग वास्तव में क्या कह रहे हैं। लेकिन डिजिटल दुनिया को वास्तव में समझने के लिए, किसी को संबंधों के मानचित्र और बातचीत के मानचित्र दोनों को एक साथ देखना होगा। चुनौती इन दो अलग-अलग मानचित्रों को बिना किसी विवरण को खोए एक साथ बुनने का तरीका खोजने की रही है।
ब्रोवरी यूनिवर्सिटी के एक शोधकर्ता, द्वी जय जया सपुत्रा द्वारा किए गए एक हालिया व्यवस्थित समीक्षा (systematic review) ने इस बात पर व्यापक दृष्टि डाली है कि वैज्ञानिक पिछले एक दशक में इन दो विधियों को संयोजित करने का प्रयास कैसे करते रहे हैं। इस अध्ययन में 2016 और 2026 के बीच प्रकाशित 194 ओपन-एक्सेस शोध लेखों की जांच की गई, जिन्होंने सोशल नेटवर्क विश्लेषण के साथ टॉपिक मॉडलिंग (topic modeling) को मिलाने का प्रयास किया था। लक्ष्य केवल यह गिनना नहीं था कि कितने अध्ययन मौजूद थे, बल्कि यह समझना था कि वे कैसे बनाए गए, उन्होंने क्या पाया, और यह क्षेत्र किस दिशा में जा रहा है। यह समीक्षा एक ऐसे क्षेत्र को प्रकट करती है जो तेजी से बढ़ रहा है लेकिन अक्सर सतह पर ही रुक जाता है, जहाँ शोधकर्ता दोनों विश्लेषणों को एक साथ गहराई से बुनने के बजाय उन्हें बस अगल-बगल में अलग-अलग चलाते हैं।
समीक्षा की शुरुआत एक प्रमुख शैक्षणिक डेटाबेस में उन अध्ययनों की खोज से हुई जिन्होंने सोशल मीडिया डेटा पर नेटवर्क विश्लेषण और टॉपिक मॉडलिंग दोनों का उपयोग किया था। अंग्रेजी भाषा के लेखों और मुफ्त उपलब्ध लेखों के लिए फिल्टर करने के बाद, शोधकर्ताओं ने 560 संभावित शोध पत्रों की सूची को 194 तक सीमित कर दिया जो सख्त मानदंडों को पूरा करते थे। इन अध्ययनों में स्वास्थ्य चर्चाओं और राजनीतिक बहसों से लेकर व्यावसायिक रुझानों और पर्यावरणीय चिंताओं तक विस्तृत विषय शामिल थे। डेटा कई प्लेटफार्मों से आया था, हालांकि एक प्लेटफॉर्म, X (पूर्व में ट्विटर), ने आधे से अधिक अध्ययनों के लिए जानकारी प्रदान की। समय के साथ, Reddit, YouTube और Weibo जैसे अन्य प्लेटफार्मों का उपयोग बढ़ा है, जो एक एकल स्रोत से परे अनुसंधान परिदृश्य के विस्तार का सुझाव देता है।
जब शोधकर्ताओं ने देखा कि इन अध्ययनों को कैसे संचालित किया गया था, तो उन्हें इन दो विधियों को संयोजित करने के तरीके में एक स्पष्ट पैटर्न मिला। अधिकांश मामलों में, लगभग 71 प्रतिशत, शोधकर्ताओं ने एक "समानांतर" (parallel) दृष्टिकोण का उपयोग किया। इसका अर्थ है कि उन्होंने यह देखने के लिए एक टॉपिक विश्लेषण चलाया कि लोग किस बारे में बात कर रहे हैं और यह देखने के लिए एक नेटवर्क विश्लेषण चलाया कि कौन किससे जुड़ा हुआ है, और फिर बस दोनों परिणामों की तुलना की। यह एक शहर की सड़कों के मानचित्र और उसके लोकप्रिय दुकानों की सूची को अलग-अलग देखने जैसा है, और फिर यह नोट करना कि वे आपस में मिलते हुए प्रतीत होते हैं, बिना वास्तव में यह देखे कि सड़कें दुकानों तक कैसे ले जाती हैं। हालांकि यह विधि सामान्य और उपयोगी है, लेकिन समीक्षा में पाया गया कि यह शायद ही कभी यह परीक्षण करती थी कि दोनों के बीच के संबंध वास्तविक थे या केवल एक संयोग थे।
केवल एक छोटा हिस्सा, लगभग 9 प्रतिशत, ने "संयुक्त" (joint) दृष्टिकोण का प्रयास किया, जहाँ नेटवर्क और टेक्स्ट का एक ही गणितीय ढांचे के भीतर एक साथ विश्लेषण किया जाता है। ये अध्ययन अधिक जटिल हैं क्योंकि वे समुदाय की संरचना और बातचीत की सामग्री का एक साथ अनुमान लगाने का प्रयास करते हैं। एक अन्य समूह ने "नेटवर्क-टू-टॉपिक" दृष्टिकोण का उपयोग किया, जहाँ उन्होंने पहले लोगों के समूहों की पहचान की और फिर उन विशिष्ट समूहों के क्या कहने का विश्लेषण किया। एक दुर्लभ चौथा समूह, जो 5 प्रतिशत से भी कम था, ने "टॉपिक-टू-नेटवर्क" दृष्टिकोण का उपयोग किया, जिसमें लोगों के बीच के कनेक्शन उनके द्वारा चर्चा किए गए विषयों की समानता के आधार पर बनाए गए। समीक्षा बताती है कि जबकि क्षेत्र अधिक परिष्कृत विधियों की ओर बढ़ रहा है, सरल समानांतर दृष्टिकोण अधिकांश शोधकर्ताओं के लिए डिफ़ॉल्ट बना हुआ है।
टेक्स्ट का विश्लेषण करने के लिए उपयोग किए जाने वाले उपकरण भी विकसित हुए हैं। लंबे समय तक, 'लेटेंट डिरिचलेट एलोकेशन' (Latent Dirichlet Allocation) या LDA नामक एक विधि, बड़े टेक्स्ट संग्रहों में छिपे हुए विषयों को खोजने के लिए मानक रही। यह समीक्षा किए गए लगभग एक-तिहाई अध्ययनों में दिखाई दी। हालाँकि, नए तरीके जो उन्नत भाषा समझ का उपयोग करते हैं, जैसे कि BERTopic, हाल के वर्षों में अधिक बार दिखाई देने लगे हैं। इस तकनीकी बदलाव के बावजूद, समीक्षा ने पारदर्शिता में एक महत्वपूर्ण अंतर दर्ज किया: आधे अध्ययनों ने अपने सारांशों (abstracts) में उपयोग किए गए विशिष्ट एल्गोरिदम का नाम नहीं लिया। इसके अलावा, बहुत कम अध्ययनों ने अपने निष्कर्षों की सटीकता की जाँच कैसे की, इसका स्पष्ट विवरण शामिल किया। अधिकांश सारांशों में यह उल्लेख नहीं था कि क्या शोधकर्ताओं ने यह परीक्षण किया कि यदि वे विभिन्न सेटिंग्स या विभिन्न उपकरणों का उपयोग करते हैं तो उनके परिणाम बदल जाएंगे या नहीं।
शोधकर्ताओं ने निष्कर्ष निकाला कि हालांकि इन दोनों विधियों को मिलाना अब सोशल मीडिया अनुसंधान का एक नियमित हिस्सा बन गया है, लेकिन एकीकरण अक्सर उथला होता है। यह क्षेत्र 2016 में केवल एक लेख से बढ़कर 2025 में 36 लेखों तक पहुँच गया है, जो रुचि में स्पष्ट त्वरण को दर्शाता है। फिर भी, इन अध्ययनों को जिस तरह से डिजाइन किया गया है, वह इस विकास के साथ तालमेल नहीं बिठा पाया है। समीक्षा भविष्य के अनुसंधान के लिए एक नया ढांचा प्रस्तावित करती है जो वैज्ञानिकों को केवल दो अलग-अलग विश्लेषण चलाने से आगे बढ़ने के लिए प्रोत्साहित करता है। इसके बजाय, उन्हें एक विशिष्ट मार्ग चुनना चाहिए कि नेटवर्क और टेक्स्ट कैसे परस्पर क्रिया करते हैं, चाहे वह विषयों से नेटवर्क बनाना हो या विशिष्ट समुदायों के भीतर विषयों का विश्लेषण करना हो। महत्वपूर्ण रूप से, लेखक का तर्क है कि शोधकर्ताओं को अपने संयुक्त निष्कर्षों को मान्य करना चाहिए, यह परीक्षण करना चाहिए कि लोगों और शब्दों के बीच का लिंक विभिन्न परिस्थितियों में भी कायम रहता है या नहीं।
आगे देखते हुए, समीक्षा अगले दशक के अनुसंधान के लिए एक एजेंडा तैयार करती है। यह X के अलावा अन्य प्लेटफार्मों पर अधिक अध्ययन का आह्वान करती है, जिसमें वीडियो-आधारित साइटें और मैसेजिंग ऐप शामिल हैं जो वर्तमान में कम प्रतिनिधित्व वाले हैं। यह शोधकर्ताओं से अपने कार्य का विस्तार करने का भी आग्रह करती है ताकि इसमें उन भाषाओं और क्षेत्रों को शामिल किया जा सके जिन्हें काफी हद तक अनदेखा किया गया है, जिससे संयुक्त राज्य अमेरिका और चीन के प्रभुत्व से आगे बढ़ा जा सके। अंत में, समीक्षा का सुझाव है कि सबसे आशाजनक मार्ग उन मॉडलों को विकसित करने में निहित है जो नेटवर्क की संरचना और बातचीत की सामग्री को एक एकल, परस्पर जुड़े हुए तंत्र के रूप में देखते हैं। ऐसा करके, शोधकर्ता सोशल मीडिया पर क्या हो रहा है इसका केवल वर्णन करने के बजाय, यह वास्तव में समझ सकते हैं कि लोगों के बीच के संबंध उनके द्वारा साझा किए जाने वाले विचारों को कैसे आकार देते हैं।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।