تحلیل زیست‌بوم وب‌سایت‌های ایرانی تماشا و دریافت ویدیو بر اساس رفتار کاربران

نویسندگان

1 دانشگاه شهید بهشتی،تهران، ایران

2 دانشگاه صدا و سیما،تهران، ایران

چکیده

در اثر تحولات فناوری‌های رسانه‌ای در حوزة تولید و توزیع محصولات و خدمات رسانه‌ای، رفتار کاربران به عنصری مهم در شکل‌دهی به زیست‌بوم وب‌سایت‌های تماشا و دریافت ویدیو تبدیل شده است. «مخاطب‌شدن» از دیدن، شنیدن یا خواندن فراتر رفته و نیاز به رویکردهای جدید برای پژوهش دربارة مخاطب به‌وجود آمده است. در این راستا، تحقیق حاضر بر مطالعة رفتار مصرف محتوای ویدیویی کاربران متمرکز شده و الگوی ارتباطی اعضای زیست‌بوم سایت‌های ویدیویی ایرانی را با تکنیک تحلیل شبکة اجتماعی بررسی کرده است. پژوهش حاضر با رویکرد کمی و به‌ روش تحلیل شبکة اجتماعی انجام‌ شده و دارای 2 فاز پژوهشی است: الف) نمونه‌گیری سایت‌های ایرانی دریافت و تماشای ویدیو از طریق روش تراش وب، و ب) ترسیم، شناسایی جوامع و تحلیل شبکة اجتماعی متشکل از ارتباط سایت‌های ایرانی دریافت و تماشای ویدیو. بر اساس یافته‌های تحقیق، زیست‌بوم وب‌سایت‌های دریافت و تماشای ویدیوی کشور شامل 144 عنصر و 8 جامعه شامل وب‌سایت دریافت و تماشای ویدیو بر اساس رفتار کاربران شامل جامعه‌های محتوای تولیدشدة کاربر، محتوای درخواستی کاربر، خرید قانونی، دریافت قانونی، دریافت غیرقانونی، زیرنویس و محتوای شرق آسیاست. جامعة مرتبط با دریافت قانونی نسبت به سایر جامعه‌ها بزرگ‌تر بوده و مهم‌ترین جامعة مرتبط با وب‌سایت‌های دریافت و تماشای ویدیو است. پژوهش حاضر نشان داد که نیازهای مخاطبان در رجوع به بستر ویدیویی و حتی در جابجایی بین بسترها تأثیرگذار است و از طرفی، می‌توان استدلال کرد که مخاطب بودن حالتی جست‌وجوگرانه پیدا کرده و مخاطب در جست‌وجوی برطرف ساختن نیازهای خود بین جوامع در حرکت بوده و بنا به نظریة مخاطب فعال، قابلیت اثرگذاری از طریق رفتار بر زیست‌بوم رسانه‌ای را دارد.

کلیدواژه‌ها


عنوان مقاله [English]

Analyzing the Ecosystem of Iranian websites for Watching and Downloading videos based on User Behavior

نویسندگان [English]

  • Mehrdad Maghsoudi 1
  • Masoud Jalilvand Khosravi 2
  • Siavash Salavatian 2
چکیده [English]

Due to the evolution of media technologies in the field of production and distribution of media products and services, user behavior has become an important element in shaping the ecosystem of video watching and downloading websites. In this regard, the current research is focused on the study of the video content consumption behavior of the users and has examined the communication pattern of the members of the ecosystem of Iranian video sites with the technique of social network analysis. The current research was conducted with a quantitative approach and social network analysis method and has 2 research phases: a) sampling of Iranian video download and watch sites through web scraping method, and b) visualization, community detection, and social network analysis of Iranian video watch and download websites. According to the research findings, the ecosystem of video downloading and watching websites in Iran includes 144 elements and 8 communities and includes communities of user-generated content, video on demand, legal purchase, legal reception, illegal reception, subtitles, and East Asian content. The legal downloading community is larger than other communities and is the most important community related to video downloading and watching websites. The present study showed that the audience needs are influential in referring to the video platform and even in moving between the platforms, on the other hand, it can be argued that being an audience has found a searching state and the audience is moving among societies in search of satisfying their needs. According to the active audience theory, it has the ability to influence the media ecosystem through behavior

کلیدواژه‌ها [English]

  • Video Websites
  • Website Ecosystem
  • User Behavior
  • Social Network Analysis
  • Community Detection
  • Audience
آپارات. 1399. آمارنامه رسمی آپارات. https://www.aparat.com/info00 (دسترسی در 27/11/1401)
اسکندری‌پور، ابراهیم، و علی‌اکبر اکبری‌تبار. 1392. روش مطالعه علمی در بـاب صفحه‌های مرتبط با شبکه‌های رادیو و تلویزیونی در شبکه‌های اجتماعی مجازی (با رویکرد ترکیبی کمی و کیفی). فصلنامه پژوهش‌های ارتباطی 4 (11): 113 – 141.
خجسته، حسن، ملیکا بردبار، و وحید عقیلی. ‌397، آینده مصرف رسانه‌ای مخاطبان: مطالعه موردی با روش دلفی. مطالعات فرهنگ ارتباطات 19 (43): 83- 106.
سهیلی، فرامرز، مظفر چشمه‌سهرابی، و سیمرا آتش‌پیکر. 1394. تحلیل شبکه هم‌نویسندگی پژوهشگران حوزه علوم پزشکی ایران: مطالعه‌ای با استفاده از تحلیل شبکه‌های اجتماعی. نشریه علم‌سنجی کاسپین 2 (1): 24-32.  
دهقان، علیرضا. مترجم. 1399. نظریه‌های ارتباطات. نوشتة ورنر جوزف سورین و جیمز تانکارد. 1997‌. تهران: دانشگاه تهران.
طالبیان، حامد، و هادی خانیکی. 1396. تحلیل شبکه ابرپیوند پایگاه‌های فرهنگی و مذهبی ایران در فضای مجازی. مطالعات رسانه‌های نوین 3 (11): 1-33.   
فیلیمو. 1399. آمارنامه رسمی فیلیموhttps://www.aparat.com/info00 (دسترسی در 27/11/1401)
محسنیان‌راد، مهدی و امیرعبدالرضا سپنجی. 1390. مخاطبان منفعل یا افراد گزینشگر آن‌ سوی رسانه‌ها؟ کنکاشی تطبیقی در متون و نظریه‌های ارتباطی. فصلنامه تحقیقات فرهنگی 1 (4): 27-47.
منتظر قائم، مهدی (مترجم). (1398). مخاطب‌شناسی. نوشتة دنیس مک‌کویل. 1997. تهران: دفتر مطالعات و برنامه‌ریزی رسانه.
نصرتی، مسعود، و محمود فضلعلی. 1395. تکثیر منابع داده در سیستم توزیع‌شده بر اساس روش تشخیص جوامع. اولین همایش ملی نگرشی نوین در مهندسی برق و کامپیوتر. کرمانشاه.
 
Al-Taie, Mohammed Zuhair and Seifedine Kadry. 2017. Python for Graph and Network Analysis, Advanced Information and Knowledge Processing. Cham: Springer.
Cisco, 2019. Cisco Annual Internet Report. www.cisco.com (accessed Feb 21. 2023)
De Marcos, Luis, Eva García-L_opez, Antonio García-Cabot, Jos_e-Amelio Medina-Merodio, Adri_an Domínguez, Jos_e-Javier Martínez-Herr_aiz, and Teresa Diez-Folledo. 2016. Social network analysis of a gamified e-learning course: Small-world phenomenon and network metrics as predictors of academic performance. Computer Science Department, University of Alcal_a, Dpto Ciencias Computaci_on, Edificio Polit_ecnico, Ctra Barcelona km 1 (33): 312-321.
Deloitte. 2018. Future scenarios for the TV and video industry by 2030, Deloitte Report. www.deloitte.con (accessed Feb. 21, 2023)
Dwiwani, Zainnary, and Krishna Kusumahadi. 2020. Analysis of Conversation Topics and Key Player on Social Media Twitter Using Sentiment Analysis and Social Network Analysis Methods. eProceedings of Management 3 (7): 58-64.
Golbeck, Jenifer. 2013. Analyzing the social web.USA: Morgan Kaufmann.
Gomes Jr., L. 2019. In-class social networks and academic performance: how good connections can improve grades. Anais do XXXIV Simpósio Brasileiro de Banco de Dados (25-36). Sao paulo, Brazil.
Jalilvand Khosravi, M., M. Maghsoudi, & S. Salavatian. 2022. Identifying and Clustering Users of VOD Platforms Using SNA Technique: A case study of Cinemamarket. New Marketing Research Journal 11 (4). 20-41.
Kweon, S. H., S. J. Kim, B. Y. Kang & H. J. Kweon .2019. A Study on the Hyperlink Structures of the Official Websites of TV Networks: Analysis Focus on ABC, BBC, NHK, and KBS. Journal of Internet Computing and Services 20 (2): 77-91.
Nunes, M., A. Abreu, & C. Saraiva. 2021. Identifying project corporate behavioral risks to support long-term sustainable cooperative partnerships. Sustainability 13 (11): 6347.
Pan, L. 2007. Effective and efficient methodologies for social network analysis (Doctoral dissertation, Virginia Tech).
Park, Han Woo, Nicholas W. Jankowski. 2014. A Hyperlink Network Analysis of Citizen Blogs in South Korean Politics. Journal of the European Institute for Communication and Culture 2 (15): 57-74.
Pinheiro Neto. 2014. A study on the structure and dynamics of complex networks. Universidade Estadual de Campinas, Instituto de Física Gleb Wataghin, Campinas.
Ross, K., & V. Nightingale. 2008. Media and Audiences. London: McGraw Hill.
Samanta, P., D. Sarkar, D. K. Kole, & P. Jana, P. 2021. Social Network Analysis in Education: A Study. Computational Intelligence in Digital Pedagogy 197 (1): 65-83.
Sanchez, T., D. Naranjo, J. Vidal, D. Salazar, C. Pérez, & M. Jaramillo. 2021. Analysis of academic performance based on sociograms: A case study with students from at-risk groups. Journal of Technology and Science Education 11 (1): 167-179.
Statista. 2021. Number of Netflix paying streaming subscribers worldwide, www.Statista.com (accessed Oct. 2021)
Wang, Weiduo, Bin Wu, & Zhonghui Zhang. 2010. Website clustering from query graph using social network analysis, International Conference on Emergency Management and Management Sciences 439- 442. IEEE.
Wasserman, Stanley, & Katherine Faust. 1994. Social Network Analysis: Methods and Applications. Cambridge: Cambridge University.