Sociological Analysis of Gender Differences in Suicide Ideation on Instagram: A Social Network Analysis Approach Using Big Data

Document Type : Research Paper

Authors

1 Ph.D. in Sociology and Social Problems of Iran, Department of Social Sciences, Faculty of Humanities and Social Sciences, University of Mazandaran, Babolsar, Iran

2 Professor in Sociology, Department of Social Sciences, Faculty of Humanities and Social Sciences, University of Mazandaran, Babolsar, Iran

Abstract

Introduction
Official statistics indicate that, while the global suicide rate has declined over the past twenty years, Iran has experienced an alarming increase of over 44%. Suicidal ideation is a significant risk factor for suicide. Research has demonstrated that social media relationships can influence the dissemination of suicidal thoughts and behaviors. Despite observable differences in how men and women use social media, as well as mixed findings regarding gender differences in suicidal ideation, there remains a gap in understanding these issues from a sociological perspective that focuses on communication network structures. The interconnected nature of social media facilitates network analysis through big data. Given the rising prevalence of social media usage, this study aimed to provide a sociological analysis of gender differences in suicidal ideation on Instagram. It will leverage Krohn’s network theory and its evolution, employing big data and social network analysis, while also offering policy implications.
 
 
Materials & Methods
This study employed an exploratory-quantitative research method, utilizing network analysis with big data sourced from Instagram. The research sample comprised Instagram users, who had made at least 4 posts featuring hashtags related to suicidal ideation, totaling 957 users, of whom 514 had public and accessible accounts. Data collection occurred in 3 phases:

Phase 1: Identification of the research sample through posts containing hashtags related to suicidal ideation, resulting in a dataset of 20,223 posts.
Phase 2: Compilation of the follower and following lists of the research sample to construct the relationship network, yielding 2,037,883 nodes and 2,269,856 edges.
Phase 3: A repeat of the first phase after 1 year to assess changes in the level of suicidal ideation among the research sample, resulting in an additional 8,913 posts. During data collection, the study utilized the Dataak platform, Python, and Ninjagram software. For data cleaning, Excel was employed, while Gephi and R software were used for data analysis to calculate network variables. The hypotheses were tested using SPSS software. In line with the primary research question, the unit of observation included the posts and accounts of Instagram users, the unit of analysis was the individual (Instagram users), and the level of analysis was micro-level.

 
 Discussion of Results & Conclusion
The results of the logistic regression analysis revealed that, in terms of their influence on the dependent variable, the following variables were significant: for women, exposure to suicidal ideation, prior suicidal ideation, out-coreness centrality, and closeness centrality; for men, prior suicidal ideation, in-coreness centrality, and intensity (reciprocity); and for the overall sample, prior suicidal ideation, intensity (reciprocity), and exposure to suicidal ideation, all of which had a direct and significant impact on suicidal ideation. The explanatory power of the model was notably higher for women (53 to 31.2%) compared to men (28.3 to 18.2%) and the overall sample (28.3 to 17.9%). These findings suggested that, although there was no significant difference in the prevalence or likelihood of suicidal ideation between women and men in the sample, the mechanisms, by which an individual's position in the communication network surrounding suicidal thoughts and behaviors influenced the likelihood of suicidal ideation, differed by gender. Consequently, it is recommended that preventive interventions be designed with gender considerations in mind. Drawing on the findings of this research, policy implications based on Krohn’s theory and its development at micro, medium, and macro levels are proposed. These interventions aim to reduce the centrality of users within communication networks focused on suicidal ideas, attitudes, and norms.

Keywords

Main Subjects


 مقدمه و بیان مسئله

خودکشی نگرانی بهداشت جهانی است. خودکشی و اقدام به خودکشی اثرات جدی عاطفی، جسمی و اقتصادی برای فرد، اطرافیان و جامعه در پی دارد (CDC, 2022). خودکشی تهدیدی برای سلامتی نیروهای مولد و جوان جامعه است. خودکشی چهارمین علت اصلی مرگ‌ومیر در جوانان ۱۵ تا ۲۹ساله در سراسر جهان است (WHO, 2021a). مطابق با آخرین گزارش سازمان بهداشت جهانی[1] (2021a)، میانگین جهانی نرخ خودکشی ۹ در هر صدهزار نفر جمعیت، روند خودکشی طی ۲۰ سال اخیر (۲۰۰۰- ۲۰۱۹) در سطح جهان کاهشی و کمترین نرخ خودکشی متعلق به منطقۀ مدیترانۀ شرقی با ۴/۶ در هر صدهزار نفر جمعیت است که ایران نیز متعلق به این ناحیه است؛ بااین‌حال نرخ خودکشی در ایران طی بیست سال گذشته با روندی افزایشی و میزانی بیش از ۴۴درصد بوده است. مطابق با آمارهای رسمی در ایران، میزان خودکشی از ۳/۴ در هر صدهزار نفر جمعیت در سال ۱۳۸۰ (۲۰۰۰ م.) به ۲/۶ در سال ۱۳۹۸ (۲۰۱۹ م.) افزایش ‌یافته است (علیوردی‌نیا، ۱۴۰۰: ۱۷۱)؛ بنابراین، زنگ خطر خودکشی در ایران به صدا درآمده است؛ بااین‌وجود امیدبخش است که خودکشی با مداخلات به‌موقع مبتنی بر شواهد و اغلب کم‌هزینه قابل ‌پیشگیری است (WHO, 2021b). لازمۀ این امر شناسایی عوامل خطر خودکشی و افراد مستعد اقدام به خودکشی است. ایده‌پردازی و اقدام به خودکشی ازجمله عوامل خطر قوی برای خودکشی هستند (Sivertsen et al., 2019; Choi et al., 2021).

از اواسط دهۀ ۱۹۹۰ نگرانی‌ها دربارۀ ارتباط ممکن میان خودکشی و ارتباطات بر مبنای اینترنت، به‌ویژه میان نوجوانان و جوانان افزایش ‌یافته است (Marchant et al., 2018; Guidry et al., 2020  Westerlund & Krysinska, 2021; Westerlund & Nilsson, 2022;)؛ ازجمله این موارد انتشار محتوای مربوط به افکار و رفتارهای مرتبط با خودکشی در بستر رسانه‌های اجتماعی است (نگاه کنید به: Brennan et al., 2022 Koltai et al., 2021; Robinson et al., 2016; Luxton et al., 2012;). تحقیقات نشان داده است که دوستی‌های اینترنتی ازطریق رسانه‌های اجتماعی فیس‌بوک، توییتر، اینستاگرام و... بر سرایت ایده‌ها و رفتار مرتبط با خودکشی تأثیرگذار است. وبگاه‌های شبکه‌های اجتماعی به افزایش قرارگرفتن در معرض رفتار خودآزاری و مرتبط با خودکشی، تقلید، تشویق و تحسین مشارکت در رفتارهای خودآزاری و خودکشانه کمک می‌کنند (Luxton et al., 2012 Memon et al., 2018; Hawton et al., 2020; Westerlund & Nilsson et al., 2022;).

از سوی دیگر روزبه‌روز بر کاربران رسانه‌های اجتماعی افزوده می‌شود که بخش درخور توجهی از آنان را جوانان تشکیل می‌دهند. نتایج پیمایش در آمریکا در سال ۲۰۲۱ نشان داده است که ۷۲درصد از مردم، ۸۴درصد از جوانان ۱۸ تا ۲۹ساله و ۷۷درصد از افراد با تحصیلات دانشگاهی حداقل از یک رسانۀ اجتماعی استفاده می‌کنند (Pew Research Center, 2021). در داخل کشور نیز بر طبق نتایج آخرین نظرسنجی ایسپا در خرداد ۱۴۰۱ از افراد ۱۸ سال به بالای کل کشور، ۵/۷۸درصد از مردم، ۹/۹۶درصد از جوانان ۱۸ تا ۲۹ سال و ۳/۹۵درصد از افراد با تحصیلات دانشگاهی حداقل از یک پیام‌رسان یا رسانۀ اجتماعی استفاده می‌کنند (ایسپا، ۱۴۰۱). مطابق با همین تحقیقات روند استفاده از رسانه‌های اجتماعی در داخل و خارج کشور روندی افزایشی بوده است؛ درنتیجه، ارتباط بین رسانه‌های اجتماعی و خودکشی به نگرانی برای سلامت عمومی تبدیل شده است (Luxton et al., 2012) که در داخل کشور نیز درخور ‌توجه است.

ازاین‌رو یکی از عرصه‌های جدیدی که از منظر مطالعات مربوط به ایده‌پردازی خودکشی در داخل و خارج از کشور می‌توان به آن توجه کرد، رسانه‌های اجتماعی است. نقش رسانه‌های اجتماعی در شناسایی کاربران و محتوای دارای ایده‌پردازی و انتشار افکار و ایده‌های خودکشانه درخور توجه است. پلتفرم‌هایی مانند فیس‌بوک، توییتر، اینستاگرام، تلگرام، واتساپ و ... که بخشی از رسانه‌های اجتماعی‌اند، بستر جدیدی با ویژگی‌های جدید برای تعامل افراد فراهم ساخته‌اند که به نظر می‌رسد روش‌ها و شیوه‌های مرسوم برای توصیف و تبیین پدیده‌های اجتماعی شامل انحرافات وجرم ازجمله موضوعات مرتبط با خودکشی چون ایده‌پردازی خودکشی در این بسترها کافی نباشد. اگرچه می‌توان از شیوه‌های متداول در مطالعۀ انحرافات و جرم بهره برد، رسانه‌های اجتماعی دو ویژگی عمده و خاص دارند: یکی خاصیت شبکه‌ای‌بودن ارتباطات که امکان انجام تحلیل شبکه را فراهم ساخته است و دیگری تولید و دسترسی به حجم عظیم و متنوع داده‌های اجتماعی است که در اصطلاح کلان‌داده نام گرفته است (میرزایی و همکاران، ۱۴۰۱).

مطالعات نشان داده است که مطالعۀ شبکه‌های اجتماعی که با تعاملات بین‌فردی در خانواده، همسالان، مدرسه و محله‌ها مشخص می‌شود، توضیحات جایگزینی را برای رفتارها و افکار خودکشی و پیشگیری مؤثر از خودکشی ارائه می‌دهد (Xiao & Lindsey, 2021). مطابق با تحقیقات صورت‌گرفته انواع خاصی از پیوندهای اجتماعی می‌تواند خطر خودکشی را تقویت کند که شامل تأثیر همسالان منحرف، افسرده یا دارای رفتارها و افکار خودکشی است که منجر به ایده‌پردازی یا رفتار خودکشی می‌شود (برای ‌مثال: Fulginiti et al., 2016; De Luca et al., 2012). دسترسی به شبکۀ روابط و تعاملات کاربران در رسانه‌های اجتماعی این امکان را برای محققان فراهم می‌سازد تا مجرمان، منحرفان و قربانیان را نه به‌عنوان افرادی ایزوله بلکه به‌عنوان موجودات اجتماعی درون ساختار شبکۀ روابطشان با دیگران تحلیل کند (Bouchard & Malm, 2016). همچنین شیوه‌های جدید در علم داده با استفاده از کلان‌داده، تحلیل جرم را از دنبال‌کردن الگوهای جرم تا مرحلۀ پیش‌بینی الگوها با هدف پیشگیری از جرم ارتقا داده است (Tayebi et al., 2020). به طور مشابه به‌کارگیری کلان‌داده در تحقیقات مربوط به افکار و رفتار خودکشانه در رسانه‌های اجتماعی در داخل و خارج از کشور از این حیث می‌تواند مورد توجه قرار گیرد ‌(برای ‌مثال: Masuda et al., 2013; Sueki, 2015; Li et al., 2021).

باتوجه‌به اقبال عمومی روزافزون به استفاده از رسانه‌های اجتماعی طی دهۀ اخیر و اهمیت مسئلۀ خودکشی و موضوعات مربوط به آن، پژوهش‌هایی با رویکردهای مختلف در ارتباط با مقولۀ خودکشی و رسانه‌های اجتماعی با استفاده از کلان‌داده در سطح جهانی انجام شده است. بخش اعظم پژوهش‌های موجود مرتبط با ایده‌پردازی خودکشی در رسانه‌های اجتماعی به کشف[2] ایده‌پردازی خودکشی در این پلتفرم‌ها با رویکرد یادگیری ماشین و داده‌کاوی از منظر علوم کامپیوتر بوده است (برای ‌مثال: Huang et al., 2017; De Choudhury et al., 2016). علاوه‌بر فقدان تحقیقات داخلی در این زمینه، در سطح جهانی نیز تحقیقات با رویکرد جامعه‌شناختی اندک است و از ضعف نظری رنج می‌برد. در تبیین جرم و انحرافات، بدون جمع‌آوری، تبدیل و تحلیل کلان‌داده‌ها مبتنی بر نظریه، ما نمی‌توانیم به سؤالات اساسی دربارۀ فرایندها و سازوکارهای اجتماعی پاسخ دهیم که به جرم‌شناسان و جامعه‌شناسان انحرافات مربوط می‌شود (Williams et al., 2017). در این مقاله به منظور پرکردن این خلأ نظری از نظریۀ شبکۀ کرون[3] استفاده شده است.

اگرچه در مطالعات خارجی با به‌کارگیری رویکرد تحلیل شبکه، مطالعۀ تأثیر ساختار شبکه ارتباطی افراد بر ایده‌پردازی یا اقدام به خودکشی بررسی شده است، بااین‌وجود مطالعاتی که با رویکرد جامعه‌شناختی و استفاده از کلان‌داده به مطالعۀ تأثیر ساختار ارتباطی در رسانه‌های اجتماعی بر ایده‌پردازی خودکشی پرداخته است، در خارج از کشور اندک بوده و در داخل کشور نیز تا جایی که نویسندگان مطلع‌اند، وجود ندارد. همچنین باوجود تفاوت در الگو و انگیزه در مصرف رسانه‏های اجتماعی در زنان و مردان (میرفردی و ولی‌نژاد، ۱۳۹۶؛ Laor, 2022) و نتایج مختلط تحقیقات در تفاوت ایده‌پردازی خودکشی برحسب جنس (برای مثال:Kingsbury et al., 2021; Xiao & Lindsey, 2021; Mueller et al., 2015؛ علیوردی‌نیا، ۱۴۰۰؛ آریاپوران و شیبانی، ۱۴۰۰؛ محمدی و زارعلی، ۱۳۹۶) خلأ تبیین با رویکرد جامعه‌شناختی و معطوف به شبکۀ ارتباطی بر پایۀ تفاوت‌های جنسیتی وجود دارد. هدف پژوهش حاضر ارائۀ تحلیل جامعه‌شناختی تفاوت‌های جنسیتی در تبیین ایده‌پردازی خودکشی در اینستاگرام، بر مبنای نظریۀ شبکۀ کرون و توسعۀ آن، با استفاده از کلان‌داده و تحلیل شبکۀ اجتماعی است. همچنین بر مبنای یافته‌های پژوهش حاضر چه توصیه‌های سیاستی برای کنترل یا کاهش ایده‌پردازی خودکشی در بستر اینستاگرام می‌توان ارائه داد

  پیشینۀ پژوهش

مرور پیشینۀ خارجی یکی معطوف به متغیر وابستۀ پژوهش است که همان ایده‌پردازی خودکشی و تأثیر شبکۀ ارتباطی بر آن است (برای ‌مثال: Ivanich et al., 2022; Um et al., 2022; Li et al., 2021;Koltai et al., 2021; Xiao & Lindsey, 2021; Kingsbury et al., 2021; Wyman et al., 2019; Fulginiti et al., 2016 & 2018; Huang et al., 2017; Mueller et al., 2015; Sueki et al., 2015; Kuramoto et al., 2013; Masuda et al., 2013; Bearman & Moody, 2004;) و دیگری فراخور چارچوب نظری پژوهش، نظریۀ شبکۀ کرون معطوف به استفاده از تحلیل شبکه در مطالعۀ انحرافات است (برای مثال: Rambaran et al., 2020; Reynolds & Crea, 2015; Haynie et al., 2014; Weerman et al., 2011; Kreager et al., 2011; Mercken et al., 2010 & 2007; Knecht et al., 2010; Ennett et al., 2006; Weerman & Smeenk, 2005; Haynie, 2001; Krohn & Thornberry, 1997 &1993).

بیشتر پژوهش‌های مرتبط با موضوع خودکشی اعم از ایده‌پردازی و اقدام باتوجه‌به شبکۀ ارتباطی در حوزۀ روان‌شناسی و سلامت بوده است. پژوهش‌ها در دهۀ اخیر در حوزۀ علوم کامپیوتر و هوش ماشین بیشتر جنبۀ توصیفی و کشف محتوای مرتبط با خودکشی با استفاده از کلان‌داده در شبکه‌های اجتماعی داشته است. پژوهش‌های اندکی از منظر جامعه‌شناختی به ایده‌پردازی خودکشی و تأثیر شبکۀ ارتباطی پرداخته بودند. بیشتر مطالعات کمی و معدودی کیفی بوده و عمدتاً به‌صورت مقطعی و برخی پانل انجام شده است. اگرچه یافته‌ها حکایت از اثر مختلط جنسیت و سن داشت، این دو متغیر جمعیت‌شناختی در بیشتر موارد تأثیر معناداری بر متغیر وابسته نداشتند.

پرکاربردترین چهارچوب نظری، جنبه‌‌های مختلف نظریۀ خودکشی دورکیم بوده است. سایر موارد شامل نظریۀ فشار عمومی اگنو[4]، نظریۀ شبکه، سرمایۀ اجتماعی لین و نظریۀ اکولوژیکی برونفنبرنر بوده است. در تحلیل تأثیر شبکۀ ارتباطی افراد بر ایده‌پردازی یا اقدام به خودکشی بیشتر متغیرهای ناظر بر ویژگی‌های کیفی شبکه بررسی شده و مطالعات اندکی به ویژگی‌های ساختاری شبکۀ ارتباطی با استفاده از تحلیل شبکه توجه کرده‌اند. براساس پژوهش‌ها عوامل مؤثر بر ایده‌پردازی خودکشی شامل این مواردند: افسردگی، پریشانی عاطفی، مشکلات در روابط با همالان مانند عدم ارتباط با همالان و قربانی قلدری‌بودن، قرارگرفتن در معرض اقدام یا ایده‌پردازی خودکشی در شبکۀ ارتباطی، انزوای اجتماعی، میزان اعتماد و کمک‌رسانی در شبکۀ ارتباطی، کیفیت تعاملات در شبکۀ ارتباطی، انسجام خانواده، قومیت، بیکاری، میزان ادراک از اقدام به خودکشی دوستان در شبکۀ ارتباطی، شدت و تکرار ارزش‌های فردگرایانه و جمع‌گرایانه در پست‌ها، نوع استفاده از شبکه‌های اجتماعی برخط، تعداد پست‌ها در شبکه‌های اجتماعی برخط، موقعیت هسته یا پیرامون در شبکه، میزان انتقال‌پذیری یا انتقال‌ناپذیری در شبکۀ دوستی، تنوع شبکه، ایزوله‌بودن، چگالی شبکه، ضریب خوشه‌بندی، محبوبیت، مرکزیت درجۀ ورودی و خروجی و منزلت مجاورت.

ازآن‌جهت که تحقیقات در داخل کشور با موضوع ایده‌پردازی خودکشی با رویکرد جامعه‌شناختی معدود بود، مرور پیشینۀ داخلی پژوهش در قالب دو بخش انجام شد: بخش اول، پژوهش‌های داخلی با موضوع ایده‌پردازی، افکار و گرایش به خودکشی، صرف‌نظر از چهارچوب نظری، استفاده از روش تحلیل شبکه یا کلان‌داده و بخش دوم پژوهش‌های داخلی در حوزۀ جرم‌شناسی و انحرافات اجتماعی به روش تحلیل شبکه /یا با استفاده از کلان‌داده که تنها یک مورد (ربیعی و همکاران، ۱۳۹۸) یافت شد و آن نیز شامل ایده‌پردازی خودکشی یا مفاهیم مشابه نبود. جمع‌بندی پژوهش‌ها (برای نمونه: علیوردی‌نیا و اندراجمی، ۱۴۰۲؛ علیوردی‌نیا، ۱۴۰۰؛ آریاپوران و شیبانی، ۱۴۰۰؛ ربیعی و همکاران، ۱۳۹۸؛ قدردان و جهانگیر، ۱۳۹۸؛ بخارایی و زکی‌زاد، ۱۳۹۷؛ محمدی و زارعلی، ۱۳۹۶؛ چین‌آوه و طباطبائی، ۱۳۹۵؛ علیوردی‌نیا و یوسفی، ۱۳۹۴؛ حیدری و رسائی‌پور، ۱۳۹۲؛ علیوردی‌نیا و همکاران، ۱۳۹۰؛ حاجیانی، ۱۳۸۸) در ادامه آمده است.

قسمت اعظم پژوهش‌های داخلی از منظر روان‌شناختی و بخشی هم از منظر سلامت و پزشکی این موضوع را بررسی کرده‌اند. روش غالب در پژوهش‌ها کمی (پیمایش) با ابزار پرسش‌نامه بوده است. چارچوب نظری از منظر جامعه‌شناختی شامل نظریات دورکیم، مرتون، اثربخشی جمعی سمپسون و همکاران، سرمایۀ اجتماعی، فشار عمومی اگنو و فعالیت روزمره است. مطابق با یافته‌های تحقیقات داخلی مهم‌ترین متغیرهای مستقل عبارت‌اند از: حالات عاطفی منفی، بزه‌دیدگی سایبری، حذف محرک مثبت، خشونت روانی، افکار ناکارآمد، افسردگی و مجردبودن، رفتار انحرافی و تقدیرگرایی، جو خانواده، عدم رضایت از تصویر بدنی و هیجان‌خواهی زیاد، سطح توکل به خدا، استرس و افسردگی، پایگاه اجتماعی - اقتصادی، احساس محرومیت نسبی، احساس آنومی، احساس عدم امنیت، تعارض با والدین، تاب‌آوری روان‌شناختی، دلبستگی به خدا و بهزیستی معنوی. تحقیقات مختلف درمجموع دارای قدرت تبیین‌کنندگی در حدود ۲۱ تا ۶۷درصد تغییرات متغیر وابسته (تمایلات و افکار خودکشانه) را داشته‌اند. یافته‌ها ازنظر معناداری آزمون تفاوت میانگین متغیر وابسته برحسب جنسیت مختلط است. به این معنا که در برخی تحقیقات تفاوت میان مردان و زنان ازنظر افکار و تمایلات خودکشانه معنادار بوده و در برخی تحقیقات تفاوت معنادار نبوده است. همچنین درصورت معناداری در مواردی مردان بیش از زنان و در مواردی زنان بیش از مردان دارای گرایش‌ها یا افکار خودکشانه بوده‌اند. مطابق با یافته‌های برخی تحقیقات در حدود ۱۳ تا ۳۰درصد نمونه‌ها دارای تمایلات یا افکار خودکشانه بوده‌اند.

باتوجه‌به پیشینۀ داخلی و خارجی تحقیق، پژوهشی یافت نشد که به ارائۀ تحلیل جامعه‌شناختی تفاوت‌های جنسیتی در تبیین ایده‌پردازی خودکشی در اینستاگرام بر مبنای نظریۀ شبکۀ کرون و توسعۀ آن با استفاده از کلان‌داده و تحلیل شبکۀ اجتماعی پرداخته باشد.

چهارچوب نظری پژوهش

 نظریۀ شبکۀ کرون

انجام تحقیقات با رویکرد جامعه‌شناختی در حوزۀ انحرافات و جرم‌شناسی در بستر رسانه‌های اجتماعی همراه با به‌کارگیری کلان‌داده و تحلیل شبکۀ نیازمند چهارچوب نظری مبنایی است که مفاهیم آن منطبق با ادبیات هر دو حوزۀ انحرافات و تحلیل شبکه باشد. به نظر می‌رسد نظریۀ شبکۀ کرون (1986) از چنین ویژگی برخوردار است. این نظریه نخستین تلاش برای اعمال صریح تحلیل شبکه‌های اجتماعی در توضیح بزهکاری است. نظریۀ کرون در دستۀ نظریه‌های ترکیبی[5] و نمونه‌ای از تلاش برای ترکیب بالا و پایین است (Krohn & Eassey, 2014) که از مفاهیم و گزاره‌های رویکرد کلی‌تر شبکۀ اجتماعی برای ترکیب گزاره‌های نظریۀ پیوند افتراقی و کنترل اجتماعی زیر یک چتر واحد استفاده می‌کند (Krohn, 1986). کرون معتقد است با استفاده از مفاهیم و مفروضات ادبیات تحلیل شبکه، که بر اهمیت تعامل و نیز زمینۀ اجتماعی که الگوهای تعامل در آن جاسازی شده تأکید دارد، رویکرد نظری جایگزینی را ارائه کرده است (Krohn, 1986). او رویکرد نظری خود را دنباله‌روی سنت دورکیمی می‌داند که بر عوامل اجتماعی متمرکز است که افراد و گروه‌ها را در یک نظم اجتماعی قراردادی تنظیم و منسجم می‌سازد. براساس این نظریه، پیوستگی اجتماعی[6] شبکۀ شخصی ایگو که توسط چندگانگی و چگالی آن نشان داده می‌شود، بر انسجام اجتماعی[7] ایگو (همانند نظریۀ کنترل اجتماعی) و نیز بر تعادل تأثیرات تعاریف موافق و مخالف با جرم در شبکه (همانند نظریۀ پیوند افتراقی) تأثیر می‌گذارد (Carrington, 2011: 237).

فرضیۀ اصلی نظریۀ کرون این است که ویژگی‌های ساختاری شبکۀ اجتماعی (شخصی) به میزانی تأثیرگذار است که مشارکت در شبکه، رفتار را محدود می‌کند (Krohn, 1986)؛ بنابراین، هرچه فردی مرکزیت بیشتری در ساختار شبکه داشته باشد، انتظار می‌رود رفتارش در محدودۀ شبکه بیشتر محدود شود (Haynie, 2001). کرون بیان می‌دارد اگرچه ادبیات رویکرد شبکه با تأکید نظریۀ کنترل اجتماعی بر تأثیر محدودکنندۀ انسجام اجتماعی مطابقت دارد، بااین‌حال همانند نظریۀ پیوند افتراقی، بر کنش بین کنشگر و هم‌پیوندانش نیز تأکید می‌کند. در این نظریه ضروری نیست که تنها به محدودیت در جهت رفتار متعارف (غیر بزهکارانه) بیندیشیم. درعوض ماهیت محدودیت‌ها بر رفتار بستگی به این دارد که چه چیزی برای تداوم روابط شبکه ضروری است؛ ازاین‌رو است که دیدگاه شبکۀ اجتماعی می‌تواند محتوای هنجارها و رفتارهای موجود در شبکۀ شخصی را نیز به‌ حساب آورد (Krohn, 1986)؛ به‌عبارت‌دیگر اگرچه میزان محدودیت به ساختار شبکۀ اجتماعی بستگی دارد، نوع رفتاری که اعضای شبکه در آن مشارکت دارند، بر نوع رفتاری اثر دارد که اعضای شبکه به آن محدود می‌شوند (Thornberry et al., 1998).

کرون با الهام از مفهوم «فاسی[8]» از فلد[9] (1981) معتقد است زمینه یا مرکزیتی که شبکۀ شخصی حول آن شکل می‌گیرد، یکی دیگر از تعیین‌کننده‌های مهم نوع رفتاری است که کنشگر به آن محدود می‌شود. «فاسی» یا «زمینه‌های کانونی[10]» بیانگر «موجودیت‌های اجتماعی روان‌شناختی، قانونی یا فیزیکی است که حول آن فعالیت‌های مشترک، سازمان‌ یافته است» (1016 Feld, 1981:). کرون (1986) معتقد است تعریف فاسی به‌اندازۀ کافی گسترده است که ایدۀ هیرشی از ارتباط افراد تا فعالیت‌ها و سازمان‌ها را در برگیرد، همان‌طور که ایدۀ ساترلند دربارۀ الگوهای افتراقی هنجارها را در گروه‌های نخستین شامل شود. برای تعیین ماهیت رفتار محدودشده توسط شبکه‌ای مشخص، ضروری است که زمینۀ کانونی در نظر گرفته شود که شبکه در آن قرار دارد. به فرض اگر شبکه، حول فعالیت‌های مدرسه شکل‌گرفته باشد، انتظار خواهیم داشت که تأثیر محدود‌کنندۀ شبکه به سمت رفتار متعارف باشد؛ اما شبکه می‌تواند حول مشارکت در فعالیت‌های انحرافی شکل گیرد که پیامد آن، تأثیر محدودکنندۀ شبکه به سمت رفتار انحرافی خواهد بود (Krohn, 1986: 83s). کرون از دو متغیر ساختاری شبکه، چگالی و چندگانگی در توضیح رفتار بزهکارانه بهره می‌برد. رفتار انحرافی زمانی انتظار می‌رود که فرد در برخی یا به‌ویژه تعداد زیادی شبکه عضو است که مشوق چنین رفتاری است. این امر به‌ویژه درخور ‌توجه است اگر شبکه‌ها چندگانه، چگال، صمیمی و پایدار باشند و اعضایی داشته باشند که چنین رفتار و نگرش‌هایی را بروز می‌دهند (Thornberry et al., 1998: 9).

 ایده‌پردازی خودکشی و ساختار شبکۀ اجتماعی

ریشه‌های نظری مطالعۀ رابطۀ پیوند اجتماعی و خودکشی به مفهوم اصلی دورکیم از انسجام اجتماعی[11] بازمی‌گردد. دورکیم معتقد بود که حدی از انسجام اجتماعی از افراد در برابر خودکشی محافظت می‌کند. مفهوم انسجام عموماً به هر دو جنبۀ ذهنی و ساختاری پیوند اجتماعی[12] اشاره دارد (Whitlock et al., 2014) که جنبه‌های ساختاری آن توسط معیارهای عینی و مبتنی بر شبکۀ اجتماعی سنجیدنی است؛ بااین‌حال، تحقیقات درخور ‌توجهی نشان می‌دهد که خودکشی می‌تواند ازطریق همان پیوندهایی گسترش یابد که دورکیم به‌عنوان محافظ مطرح کرده بود (Mueller et al., 2015)؛ درحالی‌که شبکه‌های اجتماعی می‌توانند بر سلامت و طول عمر تأثیر مثبت بگذارند. همچنین می‌توانند مشوق و فزایندۀ رفتارهای انحرافی مانند سیگارکشیدن و افکار خودکشی باشند (Roth, 2020). از نظر قرارگرفتن در معرض شبکه، تحقیقات سرایت اجتماعی نشان داده است که داشتن دوستانی که اقدام به خودکشی می‌کنند یا دوستان دوستانی که اقدام به خودکشی می‌کنند، با وقوع ایده‌پردازی خودکشی مرتبط است (Fulginiti et al., 2016: 185).

اینکه شبکۀ اجتماعی، افزایندۀ رفتارهای مرتبط با خودکشی، افکار و ایده‌پردازی خودکشی است یا کاهندۀ آن، مطابق با نظریۀ شبکۀ ماروین کرون یکی بستگی به فاسی یا زمینۀ کانونی دارد که این شبکه حول آن شکل‌گرفته و دیگری به موقعیت فرد یا افراد در شبکه. درصورتی‌که شبکه حول رفتارها، افکار و ایده‌پردازی‌هایی مرتبط با خودزنی، خودآزاری، خودکشی و محتوای مرتبط با افسردگی شکل‌گرفته باشد و موقعیت فرد مرکزیت و منزلت[13] بیشتری داشته باشد، احتمال ایده‌پردازی خودکشی افزایش می‌یابد.

در این تحقیق فاسی یا زمینۀ کانونی حول رفتارها، هنجارها و نگرش‌های موافق با رفتار، افکار و ایده‌های خودکشانه است. مطابق با فرضیۀ اصلی نظریۀ کرون (1986) میزان محدودسازی رفتار فرد در چارچوب هنجارهای شبکه وابسته به ویژگی‌های ساختاری شبکۀ اجتماعی (شخصی) فرد است؛ به‌طوری‌که با افزایش مرکزیت فرد در ساختار شبکه انتظار می‌رود که رفتارش بیشتر در محدودۀ شبکه محدود شود (Haynie, 2001)؛ بنابراین، با افزایش مرکزیت فرد در شبکۀ ارتباطی حول رفتارها، هنجارها و نگرش‌های موافق با رفتار، افکار و ایده‌های خودکشانه، وقوع و افزایش ایده‌پردازی خودکشی محتمل‌تر خواهد بود.

با عنایت به ادبیات نظری و تجربی پژوهش‌، مدل نظری پژوهش در شکل۱ ارائه شده است. در این مدل، ۱۱ متغیر ساختاری شبکه به‌عنوان شاخص‌های مرکزیت و منزلت در تحلیل شبکه در نظر گرفته شده‌اند که هریک دربردارندۀ مفاهیمی از یک یا هر دو نظریۀ زیربنایی نظریۀ شبکۀ کرون، یعنی نظریۀ کنترل و پیوند افتراقی هستند و می‌توان آنها را در ۴ دسته گنجاند: دستۀ اول متغیرهایی که حول مفهوم انسجام قرار دارند؛ شامل ضریب خوشه‌بندی، چگالی شبکۀ خودمحور و مرکزیت هستۀ کلی/ ورودی/ خروجی. دستۀ دوم متغیرهایی بر مبنای روابط درون‌درجه با تأکید بر یال‌های ورودی به گره (روابط دنبال‌کنندگی در اینستاگرام)؛ شامل محبوبیت، منزلت دامنه و منزلت مجاورت. دستۀ سوم متغیرهایی بر مبنای روابط برون‌درجه با تأکید بر یال‌های خروجی از گره (روابط دنبال‌شوندگی در اینستاگرام)؛ شامل مرکزیت درجۀ خروجی، مرکزیت نزدیکی و مرکزیت بینیت و دستۀ چهارم متغیرهایی که بیانگر نوع، کیفیت، شدت رابطه و میزانی است که کاربر در معرض ایده‌پردازی خودکشی قرار می‌گیرد؛ شامل شدت روابط با همسایگان دارای ایده‌پردازی خودکشی و در معرض ایده‌پردازی خودکشی قرارگرفتن (برحسب مجموع میزان ایده‌پردازی خودکشی همسایگان کاربر که دارای ایده‌پردازی خودکشی بوده‌اند).

    فرضیه‌های پژوهش

فرضیۀ اصلی پژوهش برحسب موقعیت فرد در شبکه حول رفتارها، هنجارها و نگرش‌های موافق با رفتار، افکار و ایده‌های خودکشانه عبارت است از: ایده‌پردازی خودکشی تابعی است مثبت از میزان مرکزیت و منزلت فرد در ساختار شبکه؛ به این معنا که هرچه فرد مرکزیت[14] و منزلت بیشتری در ساختار این شبکه داشته باشد، احتمال وقوع ایده‌پردازی خودکشی در او بیشتر است. متناسب با مدل نظری پژوهش، ۱۱ فرضیۀ فرعی مبتنی بر شاخص‌های مرکزیت و منزلت در تحلیل شبکه به شرح زیر است:

  • ایده‌پردازی خودکشی تابعی مثبت از میزان چگالی[15] در شبکۀ شخصی است؛
  • ایده‌پردازی خودکشی تابعی مثبت از میزان ضریب خوشه‌بندی (انتقال‌پذیری)[16] است؛
  • ایده‌پردازی خودکشی تابعی مثبت از میزان مرکزیت هسته[17] است؛
  • ایده‌پردازی خودکشی تابعی مثبت از میزان محبوبیت (مرکزیت درجۀ ورودی/ منزلت ورودی)[18] است؛
  • ایده‌پردازی خودکشی تابعی مثبت از میزان منزلت دامنه[19] است.
  • ایده‌پردازی خودکشی تابعی مثبت از میزان منزلت مجاورت[20] است؛
  • ایده‌پردازی خودکشی تابعی مثبت از میزان مرکزیت درجۀ خروجی[21] است؛
  • ایده‌پردازی خودکشی تابعی مثبت از میزان مرکزیت بینیت[22] است؛
  • ایده‌پردازی خودکشی تابعی مثبت از میزان مرکزیت نزدیکی[23] است؛
  • ایده‌پردازی خودکشی تابعی مثبت از میزان در معرض ایده‌پردازی خودکشی قرارگرفتن[24] در شبکۀ شخصی است؛
  • ایده‌پردازی خودکشی تابعی مثبت از میزان شدت (دوسویگی)[25] روابط با همسایگان دارای ایده‌پردازی خودکشی در شبکۀ شخصی است.

روش‌شناسی تحقیق

روش پژوهش از نوع اکتشافی-کمی و تحلیل شبکه با استفاده از کلان‌داده حاصل از اینستاگرام است. عنایت به مراحل انجام تحلیل شبکه‌های اجتماعی (عبداللهیان و کرمانی، ۱۳۹۹)، در پژوهش حاضر در مرحلۀ جمع‌آوری داده از سامانۀ دیتاک[26]و نرم‌افزارهای پایتون[27] و نینجاگرام[28]، در مرحلۀ پاک‌سازی داده‌ها از نرم‌افزار اکسل، در مرحلۀ تحلیل برای محاسبۀ متغیرهای شبکه از نرم‌افزار‌های گفی[29] و آر[30] و برای آزمون فرضیه‌ها از نرم‌افزار اس‌پی‌اس‌اس استفاده شده است. مرحلۀ گردآوری داده‌های تحقیق از اینستاگرام شامل سه مرحله است:

مرحلۀ اول شناسایی و تعیین نمونۀ تحقیق با استفاده از پست‌های دارای هشتگ‌های مرتبط: با ایده‌پردازی خودکشی با انجام یک مطالعه اکتشافی در اینستاگرام درنهایت فهرستی از مجموعاً ۲۵ هشتگ و کلمۀ کلیدی به‌عنوان کوئری جست‌وجو تعیین شد. با استفاده از سامانۀ دیتاک تمامی پست‌هایی جمع‌آوری شد که طی بازۀ زمانی در دسترس ازطریق سامانۀ دیتاک در تاریخ ۲۶/۳/۱۴۰۰ (حدوداً یک سال و چهار ماه از ۹/۱۲/۱۳۹۸ تا ۲۶/۳/۱۴۰۰) دارای هشتگ مرتبط با ایده‌پردازی خودکشی بودند (زمان T1). ناظر به وجود برخی داده‌های مفقودی (میسینگ‌ها[31]) در نام کاربری برخی پست‌ها، برنامۀ کامپیوتری در پایتون نوشته و اطلاعات لازم جمع‌آوری شد (۲۰،۲۲۳ پست، ۶،۸۰۶ کاربر). برای افزایش دقت در انتخاب جامعۀ هدف، جمعیت تحقیق شامل کاربرانی تعریف شد که طی بازۀ مشخص حداقل چهار پست دارای هشتگ و محتوای ایده‌پردازی را منتشر کرده باشند (۹۵۷ کاربر).

مرحلۀ دوم جمع‌آوری فهرست دنبال‌کنندگان[32] و دنبال‌شوندگان[33] نمونۀ تحقیق به‌منظور تشکیل شبکۀ ارتباطی: گره‌ها در این شبکه، کاربران اینستاگرام و یال از گره A به گره B به معنای آن است که گره A گره B را دنبال می‌کند. این مرحله با استفاده از دو برنامۀ پایتون و نینجاگرام انجام شد. در این مرحله اکانت ۴۴۳ کاربر به دلایل مختلف ازجمله خصوصی‌بودن یا حذف‌شدن در دسترس نبود و تنها فهرست دنبال‌کنندگان و دنبال‌شوندگان ۵۱۴ کاربردر دسترس بود که جمع‌آوری شد؛ بنابراین، شبکه‌ای شامل ۲،۰۳۷،۸۸۳ (۲ میلیون و ۳۷ هزار و ۸۸۳) گره و ۲،۲۶۹،۸۵۶ (۲ میلیون و ۲۶۹ هزار و ۸۵۶) یال به دست آمد. مطابق با نظریۀ شبکۀ کرون برای داشتن فاسی یا زمینۀ کانونی حول موضوع ایده‌پردازی خودکشی تنها گره‌هایی در شبکه لحاظ شدند که به‌نوعی پیونددهندۀ ۵۱۴ گرۀ اصلی باشند. بدین منظور تمامی گره‌هایی که درجۀ آنها کمتر از ۴ بود حذف شدند. به عبارتی گره‌های اضافه‌شده به شبکه حداقل ۲ گره دارای ایده‌پردازی خودکشی را به یکدیگر متصل می‌سازند. شبکۀ جدید شامل ۵۲،۹۱5 (۵۲ هزار و ۹۱۵) گره و ۲۴۰،۶۵۰ (۲۴۰ هزار و ۶۵۰) یال است. این شبکۀ اصلی است که فرضیه‌های تحقیق براساس آن آزمون می‌شود.

مرحلۀ سوم تکرار مرحلۀ اول با فاصلۀ زمانی یک‌ساله با هدف سنجش میزان ایده‌پردازی خودکشی نمونۀ تحقیق: در تاریخ ۲۶ خرداد ۱۴۰۱ و با فاصلۀ یک‌ساله از مرحلۀ اول با استفاده از سامانۀ رصد دیتاک فهرست کاربران دارای ایده‌پردازی استخراج شد و میزان ایده‌پردازی خودکشی در زمان T2 نیز به دست آمد.

با عنایت به هدف پژوهش، واحد مشاهده پست‌ها و اکانت‌های کاربران اینستاگرام، واحد تحلیل: فرد (کاربران اینستاگرام) و سطح تحلیل: خرد است. نمونۀ تحقیق را کاربران فارسی‌زبان اینستاگرامی تشکیل می‌دهند که طی بازۀ مدنظر حداقل چهار پست دارای هشتگ مرتبط با ایده‌پردازی خودکشی منتشر کرده (۹۵۷ کاربر) و دارای اکانت عمومی و در دسترس (۵۱۴ کاربر) باشند.

در پژوهش حاضر تلاش شد تا حتی‌الامکان خطاهای رایج در مراحل مختلف طراحی ابزار و گردآوری داده‌های شبکه (Borgatti et al., 2022؛ صادقی‌نژاد و همکاران، ۱۳۹۷) با تعیین دقیق هشتگ‌های مرتبط با ایده‌پردازی خودکشی بر مبنای مطالعۀ محتوای صدها پست برتر دارای محتوای خودکشی تعیین شود. همچنین تحدید دقیق مرز شبکه بر مبنای انتخاب کاربران دارای حداقل ۴ پست ایده‌پردازی خودکشی که دارای اکانت عمومی و در دسترس باشند (به‌عنوان گره‌ها) و جمع‌آوری تمام و نه ‌بخشی از دنبال‌کنندگان و دنبال‌شوندگان کاربران (به‌عنوان یال‌ها) کنترل گردد. به جهت استفاده از داده‌های حاصل از رسانۀ اجتماعی اینستاگرام و نه پرسش از کاربران، خطای گذشته‌نگر حاصل از فراموشی نیز وجود ندارد. همچنین برای تعیین و ساخت متغیرهای مستقل و وابستۀ پژوهش، فراخور اهداف و فرضیه‌های پژوهش مقیاسی برحسب گویه طراحی نشده است و مستقیماً به داده‌های عینی رجوع شده که توسط کاربر در اینستاگرام فراهم شده است. این امر دخالت پژوهشگر و خطا در اندازه‌گیری را به حداقل می‌رساند؛ ازاین‌رو دقیقاً همان چیزی که مدنظر بوده، همان اندازه‌گیری شده است و متغیرها اعتبار درونی زیادی دارند (Koltai et al., 2021: 254). ازآن‌جهت که در این پژوهش از داده‌های تولیدشده توسط کاربران در اینستاگرام استفاده شده است، درصورتی‌که این داده‌ها در سرور سامانه‌های رصدی شبکه‌های اجتماعی ذخیره شده باشد و مجدد از همین داده‌ها برای تکرار پژوهش استفاده شود، همین نتایج حاصل خواهد شد؛ بااین‌حال با مرور زمان و تغییر شبکۀ روابط و احتمال حذف پست‌ها و اکانت‌ها و تغییر داده‌ها پایایی ابزار پژوهش نیازمند انجام پژوهش‌های بیشتر است.

 تعریف نظری و عملیاتی متغیرهای تحقیق

ایده‌پردازی خودکشی اصطلاح گسترده‌ای است که برای توصیف طیفی از تفکرات، آرزوها و مشغله‌های فکری مرتبط با مرگ و خودکشی استفاده می‌شود (Harmer et al., 2023). آی‌سی‌دی-۱۱[34] (2023) افکار خودکشی را به‌عنوان «افکار، ایده‌ها، یا نشخوار فکری دربارۀ امکان پایان‌دادن به زندگی خود، از فکر اینکه بهتر است فرد مرده باشد، تا تدوین برنامه‌های دقیق» توصیف می‌کند. میزان ایده‌پردازی خودکشی کاربر برابر با تعداد پست‌های حاوی هشتگ‌های ایده‌پردازی خودکشی منتشرشده توسط کاربر در مرحلۀ سوم و میزان ایده‌پردازی خودکشی پیشین برابر با تعداد پست‌‌های حاوی هشتگ‌های ایده‌پردازی خودکشی منتشرشده توسط کاربر در مرحلۀ اول است. هشتگ‌های ذیل نمونه‌ای از هشتگ‌‌های ایده‌پردازی خودکشی در پست‌ها است:

  • خودکشی_مرگ_قشنگی_که_به_آن_دل_بستم_دست_کم_هر_دو_سه_شب_سیر_به_فکرش_هستم
  • خودکشی_دست_خودم_نیست_خدایا_تو_ببخش
  • خودکشی_مرگ_عجیبی_که_به_آن_دلبستم
  • خودکشی_مرگ_قشنگی_قاتل_و_مقتول_منم

-چگالی، نسبت تعداد یال‌های موجود در شبکه به تعداد یال‌های ممکن است (Wasserman & Faust, 1994). در این پژوهش چگالی شبکۀ خودمحور برای هر کاربر مدنظر است که بخشی از شبکۀ کامل است که شامل خود کاربر (ایگو[35]) و اولین همسایگان او (آلترها[36]) به همراه اتصالات مابینشان است (Borgatti et al., 2018: 147). کوراموتو و همکاران (2013) در مطالعۀ ایده‌پردازی و برنامه‌ریزی خودکشی و تورنبری و همکاران (1998)، هاینی (2001) و رینولدز و کریا (2015) در مطالعۀ بزهکاری از این شاخص استفاده کردند. برای محاسبۀ چگالی شبکۀ خودمحور هر کاربر از نرم‌افزار آر[37] استفاده شده است.

ضریب خوشه‌بندی محلی یا انتقال‌پذیری، احتمال اتصال گره‌های مجاور یک گره را اندازه‌گیری می‌کند (Wasserman & Faust, 1994). برمن و مودی (2004)، ماسودا و همکاران (2013) و وایمن و همکاران (2019) در مطالعۀ ایده‌پردازی خودکشی و کنکت و همکاران (2010) و کرِگر و همکاران (2011) در مطالعۀ بزهکاری نوجوانان از این سنجه استفاده نمودند. در این تحقیق برای محاسبۀ ضریب خوشه‌بندی (انتقال‌پذیری) هر کاربر از نرم‌افزار گفی استفاده شده است.

مرکزیت هسته، هستۀ kام[38] حداکثر گروهی از اعضای شبکه است که در آن هر عضو حداقل به K عضو دیگر گروه متصل است (Wasserman & Faust, 1994: 266). داشتن یک عدد هستۀ kام بالاتر نشان‌دهندۀ کاربرانی است که موقعیت‌هایی را در یک زیرگروه به هم پیوسته‌تر و چگال‌تر به‌عنوان بخشی از شبکۀ کلی اشغال می‌کنند (Fulginiti et al., 2016: 186). این شاخص توسط فولگینیتی و همکاران (2016) و وایمن و همکاران (2019) به‌عنوان یکی از تعیین‌کننده‌های ایده‌پردازی خودکشی استفاده شده است. در تحقیق حاضر مرکزیت هسته برای هر کاربر به سه شکل کلی (بر مبنای تمام همسایگان)، ورودی (بر مبنای دنبال‌کنندگان) و خروجی (بر مبنای دنبال‌شوندگان) در نظر گرفته شده و برای محاسبۀ آن از نرم‌افزار آر استفاده شده است.

محبوبیت (مرکزیت درجۀ ورودی/ منزلت ورودی)، در گراف/شبکۀ جهت‌دار، برای گره مدنظر با تعداد گره‌های دیگری تعریف می‌شود که مستقیماً به آن گره اشاره می‌کنند (Wasserman & Faust, 1994: 26). در این پژوهش محبوبیت کاربر معادل تعداد دنبال‌کنندگان (فالوورهای) کاربر اینستاگرام در شبکۀ ارتباطی است. وایمن و همکاران (2019) در مطالعۀ ایده‌پردازی و اقدام به خودکشی و هاینی (2001)، کرگر و همکاران (2011) و رینولدز و کریا (2015) در مطالعۀ بزهکاری از این سنجه استفاده نمودند. برای محاسبۀ این شاخص از نرم‌افزار گفی استفاده شده است.

مرکزیت درجۀ خروجی، در گراف/شبکۀ جهت‌دار عبارت است از تعداد یال‌های خروجی از گره (Borgatti et al., 2018: 277). در این تحقیق مرکزیت درجۀ خروجی کاربر معادل تعداد دنبال‌شوندگان (فالویینگ‌ها) کاربر اینستاگرام در شبکۀ ارتباطی است. وایمن و همکاران (2019) در مطالعۀ ایده‌پردازی و اقدام به خودکشی و کنکت و همکاران (2010) در مطالعۀ بزهکاری از این سنجه استفاده نموده‌اند. برای محاسبۀ این شاخص از نرم‌افزار گفی استفاده شده است.

مرکزیت بینیت توسط فریمن[39] (1979) معرفی شد و معیاری است که نشان می‌دهد چندبار یک گره معین در کوتاه‌ترین مسیر بین دو گره دیگر قرار می‌گیرد (Borgatti et al., 2018: 275). مرکزیت بینیت کاربر دارای ایده‌پردازی خودکشی در شبکۀ اینستاگرام بیانگر آن است که این کاربر چه تعداد در کوتاه‌ترین مسیر ارتباطی میان سایر کاربران دیگر قرار دارد. برای محاسبۀ این شاخص از نرم‌افزار گفی استفاده شده است.

مرکزیت نزدیکی را فریمن (1979) به‌عنوان مجموع فواصل ژئودیسکی یک گره از گره‌های دیگر تعریف کرد. برای یک گره متوسط فاصلۀ آن گره از سایر گره‌های شبکه است (Borgatti et al., 2018: 273). مرکزیت نزدیکی کاربر دارای ایده‌پردازی خودکشی در شبکۀ اینستاگرام بیانگر آن است که این کاربر تا چه حد ازطریق رابطۀ دنبال‌کنندگی به سایر کاربران دیگر نزدیک است. برای محاسبۀ این شاخص از نرم‌افزار گفی استفاده شده است.

منزلت دامنه برای یک گره، تعداد یا درصدی از گره‌ها در یک شبکه جهت‌دار است که ازطریق مسیری راه به آن گره دارند (De Nooy et al., 2018: 232; Wasserman & Faust, 1994: 203). منزلت دامنۀ کاربر دارای ایده‌پردازی خودکشی در شبکۀ روابطش در اینستاگرام کسری از کاربران موجود در شبکۀ کلی است که به‌صورت مستقیم یا غیرمستقیم به کاربر مدنظر دسترسی دارد. برای محاسبۀ این شاخص از نرم‌افزار گفی استفاده شده است.

منزلت مجاورت در شبکه‌های جهت‌دار نوعی از شاخص نزدیکی برای هر گره است که بر فاصلۀ سایر گره‌ها تا هر گره تأکید می‌کند، تا فاصلۀ هر گره از سایر گره‌ها (Wasserman & Faust, 1994: 203). این شاخص برای کاربر مدنظر که دارای ایده‌پردازی خودکشی است، نشان می‌دهد تا چه میزان کاربرانی که مستقیم و غیرمستقیم به این کاربر دسترسی دارند به او نزدیک‌اند. رینولدز و کریا (2015) از این سنجه در مطالعۀ بزهکاری و افسردگی استفاده کرده‌اند. برای محاسبۀ این شاخص از نرم‌افزار گفی استفاده شده است.

شدت/دوسویگی رابطه، در شبکه‌های جهت‌دار میزان شدت روابط در شبکۀ شخصی بحسب دوسویگی رابطه و پیوند مشخص می‌شود (Borgatti et al., 2018: 248). این شاخص برای هر کاربر برحسب تعداد و نسبت روابط دوسویه با همسایگان کاربر تعریف شده است که دارای ایده‌پردازی خودکشی هستند. مرکن و همکاران (2007) از این شاخص در مطالعۀ مصرف سیگار در نوجوانان بهره بردند. برای محاسبۀ این شاخص از نرم‌افزار آر استفاده شده است.

در معرض ایده‌پردازی خودکشی قرارگرفت، با ایده‌پردازی خودکشی همسایگان و پیوندهای کاربر در شبکۀ شخصی تعیین می‌شود که در این پژوهش برحسب مجموع میزان ایده‌پردازی خودکشی همسایگان کاربر در شبکۀ شخصی او محاسبه می‌شود. هاینی (2002 & 2001)، کنکت و همکاران (2010)، ویرمن و هوه[40] (2012) و هاینی و همکاران (2014) در مطالعۀ بزهکاری و وایمن و همکاران (2019)، فولگینیتی و همکاران (2016)، رینولدز و کریا (2015) در مطالعۀ ایده‌پردازی خودکشی از این سنجه بهره بردند. برای محاسبۀ این شاخص از نرم‌افزار آر استفاده شده است.

فعالیت، تعداد پست‌های ارائه‌شده در صفحۀ اکانت کاربر به‌عنوان شاخصی مبنی بر میزان فعالیت کاربر در اینستاگرام و به‌عنوان متغیر کنترلی در نظر گرفته شده است.

یافته‌‌های پژوهش

یافته‌های توصیفی پژوهش

ملاک برای تعیین جنس و سن نمونه در درجۀ اول گزارش کاربر دربارۀ جنس و سن خود در اکانت اینستاگرامش بوده است. درصورت عدم گزارش کاربر، عکس پروفایل ملاک قرار گرفته است و در مواردی که توسط کاربر گزارش نشده یا عکس پروفایل کاربر بیانگر نبوده است، با مراجعه به استوری‌ها، پست‌ها و کامنت‌های کاربر و مطالعۀ آنها جنس و سن کاربر به‌صورت بازۀ سنی تعیین شده است. مطابق با یافته‌های مندرج در جدول ۱، از مجموع ۵۱۴ نفر کاربر نهایی، ۱۴۱ نفر (۴/۲۷درصد) زن و ۳۷۳ نفر (۶/۷۲درصد) مرد هستند. تعداد کاربران اینستاگرام مرد در نمونه که حداقل ۴ پست ایده‌پردازی خودکشی داشته‌اند، حدود ۶/۲ برابر تعداد کاربران زن است.

جدول 1- توزیع فراوانی و درصدی نمونه برحسب جنس

Table 1- Distribution of frequency and percentage of sample according to gender

جنس

فراوانی

درصد

زن

۱۴۱

۴/۲۷

مرد

۳۷۳

۶/۷۲

کل

۵۱۴

۱۰۰

 

مطابق با یافته‌های مندرج در جدول 2 بیشترین میزان نمونه (59درصد) متعلق به گروه سنی ۲۱ تا ۲۵ سال است و نزدیک به ۹۵درصد کل نمونه حداکثر ۳۰ سال سن دارند.

جدول 2- توزیع فراوانی و درصدی نمونه برحسب سن

Table 2- Distribution of frequency and percentage of sample according to age

سن

فراوانی

درصد

درصد تجمعی

15 سال و کمتر

3

6/0

6/0

16-20 سال

132

7/25

3/26

21-25 سال

303

9/58

2/85

26-30 سال

47

1/9

4/94

31-35 سال

17

3/3

7/97

36-40 سال

9

8/1

4/99

41-46 سال

3

6/0

100

کل

514

100

-

 

آمار توصیفی مربوط به ایده‌پردازی خودکشی پیشین[41] و ایده‌پردازی خودکشی[42] در جدول ۳ ارائه شده است. مطابق با داده‌ها میزان ایده‌پردازی خودکشی پیشین در بازه‌ای در حدود ۱۶ ماه مقداری بین ۴ تا ۳۳۴ دارد. مقدار ایده‌پردازی خودکشی در بازۀ یک‌ساله بین ۰ تا ۱۷۱ است. میانگین ایده‌پردازی خودکشی پیشین ۲/۱۵ نشان می‌دهد که کاربران به طور متوسط حدود ۱۵ پست ایده‌پردازی خودکشی منتشر کرده‌اند. این مقدار برای ایده‌پردازی خودکشی در بازۀ یک‌ساله در حدود ۳ است (۹۴/۲). حدود سه‌چهارم کاربران نمونه در بازۀ زمانی دوم هیچ پست ایده‌پردازی خودکشی منتشر نکرده‌اند.

 

جدول ۳- آمار توصیفی ایده‌پردازی خودکشی پیشین و ایده‌پردازی خودکشی

Table 3- Descriptive statistics of prior suicide ideation and suicidal ideation

 

 

ایده‌پردازی خودکشی پیشین (T1)

ایده‌پردازی خودکشی (T2)

میانگین

۲/۱۵

۹۴/۲

میانه

۷

۰

مد (نما)

۴

۰

انحراف معیار

۷/۲۴

۱۴/۱۳

واریانس

۹۱/۶۰۹

۷۸/۱۷۲

دامنه

۳۳۰

۱۷۱

حداقل

۴

۰

حداکثر

۳۳۴

۱۷۱

چارک

اول

۵

۰

دوم

۷

۰

سوم

۱۴

۰

 

توزیع فراوانی و درصدی نمونه برحسب ایده‌پردازی خودکشی پیشین و ایده‌پردازی خودکشی به تفکیک جنس در جدول ۴ ارائه شده است. مقادیر به چهار طبقه تقسیم شده است؛ شامل ندارد (۰ پست)، کم (حداکثر ۲۰ پست)، متوسط (۵۰-۲۱ پست) و زیاد (بیش از ۵۰ پست). مطابق با داده‌ها به ترتیب ۸۰، ۸۴ و ۸۳درصد از زنان، مردان و کل نمونه ایده‌پردازی خودکشی پیشین در حد کم دارند. میزان ایده‌پردازی خودکشی پیشین به ترتیب در ۱۴، ۱۰ و ۱۱درصد از زنان، مردان و کل نمونه در حد متوسط است. تنها نزدیک به ۶درصد از زنان، مردان و کل نمونه، ایده‌پردازی خودکشی پیشین در حد زیاد دارند. میانگین ایده‌‌پردازی خودکشی پیشین در زنان، مردان و کل به ترتیب ۶۲/۱۴، ۴۳/۱۵ و ۲/۱۵ است. مطابق با داده‌های جدول ۴ به ترتیب ۷/۸۳، ۸/۷۸ و ۲/۸۰درصد از زنان، مردان و کل نمونه در بازۀ زمانی دوم ایده‌پردازی خودکشی نداشته‌اند. میزان ایده‌پردازی خودکشی در نزدیک به ۹/۹درصد از زنان، ۱۸درصد از مردان و ۸/۱۵درصد از کل کاربران نمونه در حد کم است. میزان ایده‌پردازی خودکشی در ۶درصد از زنان و مردان و ۱۲درصد از کل نمونه در حد متوسط است. ۱/۲درصد از زنان، ۶/۱درصد از مردان و ۸/۱درصد از کل نمونه ایده‌پردازی خودکشی در حد زیاد دارند. میانگین ایده‌‌پردازی در زنان، مردان و کل نمونه به ترتیب ۱۶/۳، ۸۶/۲ و ۹۴/۲ است.

 

جدول ۴- توزیع فراوانی و درصدی نمونه برحسب ایده‌پردازی خودکشی پیشین و ایده‌پردازی خودکشی به تفکیک جنس

Table 4- Distribution of frequency and percentage of the sample according to prior suicide ideation and suicide ideation according to gender

متغیر

 

 

جنس

 

زن

مرد

کل

 

فراوانی

درصد ستونی

درصد سطری

فراوانی

درصد ستونی

درصد سطری

فراوانی

درصد ستونی

درصد تجمعی

ایده‌پردازی خودکشی پیشین (T1)

ندارد

-

-

-

-

-

-

-

-

-

کم

113

1/80

5/26

313

9/83

5/73

426

9/82

9/82

متوسط

20

2/14

5/34

38

2/10

5/65

58

3/11

2/94

زیاد

8

7/5

7/26

22

9/5

3/73

30

8/5

100

کل

141

100

4/27

373

100

6/72

514

100

-

میانگین

62/14

43/15

2/15

ایده‌پردازی خودکشی (T2)

ندارد

118

7/83

6/28

294

8/78

4/71

412

۲/۸۰

2/80

کم

14

9/9

3/17

67

18

7/82

81

8/15

9/95

متوسط

6

۳/۴

50

6

6/1

۵۰

۱۲

۳/۲

2/98

زیاد

3

۱/۲

3/33

6

6/1

7/66

9

8/1

100

کل

141

100

4/27

373

100

6/72

514

100

-

میانگین

16/3

86/2

94/2

ایده‌پردازی خودکشی (T2)

ندارد

118

7/83

6/28

294

8/78

4/71

412

۲/۸۰

2/80

دارد

23

۳/۱۶

۵/۲۲

79

۲/۲۱

۵/۷۷

102

8/19

100

کل

141

100

4/27

373

100

6/72

514

100

-

یافته‌های استنباطی پژوهش

جدول 5 نتایج آزمون تفاوت ایده‌پردازی خودکشی را برحسب جنس ارائه می‌دهد. سطح معناداری آزمون یو‌ من-وایتنی بزرگ‌تر از ۰۵/۰ است؛ از‌این‌رو تفاوت معناداری در میزان ایده‌پردازی خودکشی و وقوع ایده‌پردازی خودکشی بین زنان و مردان وجود ندارد.

 

جدول 5- آزمون تفاوت ایده‌پردازی خودکشی برحسب جنس

Table 5- The difference test of suicide ideation according to gender

متغیر

جنس

تعداد

میانگین

میانگین رتبه‌

آماره Z

یو من وایتنی

سطح معناداری

ایده‌پردازی خودکشی (میزان)

زن

۱۴۱

۱۶/۳

۱۲/۲۴۹

۱۳/۱-

۵/۲۵۱۱۴

۲۵۹/۰

مرد

۳۷۳

۸۶/۲

۶۷/۲۶۰

ایده‌پردازی خودکشی (وقوع)

زن

۱۴۱

-

۴۲/۲۴۸

۳۳/۱-

۵/۲۵۰۱۶

۲۱۷/۰

مرد

۳۷۳

-

۹۳/۲۶۰

تعداد: ۵۱۴

 

 

 

 

 

 

 

 در این تحقیق نزدیک به ۸۰درصد مقادیر متغیر ایده‌پردازی خودکشی صفر بوده است، بدین جهت انجام رگرسیون لجستیک توصیه می‌شود (Haynie, 2001 & 2002). برای تبیین احتمال وقوع ایده‌پردازی خودکشی به‌صورت یک متغیر دوشقی (۱ بیانگر وقوع و ۰ بیانگر عدم وقوع ایده‌پردازی خودکشی است) متغیرهای مستقل همراه با متغیرهای کنترلی (سن بالای ۲۵ سال، ایده‌پردازی خودکشی پیشین، فعالیت) به‌صورت هم‌زمان وارد معادله شدند. لازم به ذکر است که تعداد کل نمونه با حذف یک مورد داده پرت، ۵۱۳ است.

در جدول 6 نتایج تحلیل رگرسیون لجستیک ایده‌پردازی خودکشی در کل نمونه و به تفکیک جنس ارائه شده است. براساس نتایج آزمون اومنی‌بوس برازش مدل در هر سه گروه زنان، مردان و کل پذیرفتنی و در سطح کوچک‌تر از ۰۱/۰درصد معنی‌دار است. مطابق با داده‌ها و براساس ضرایب تعیین، بیشترین میزان حداکثر و حداقل توان پیش‌بینی‌کنندگی مدل به ترتیب در زنان ۵۳  و ۲/۳۱درصد، در مردان ۳/۲۸ و ۲/۱۸درصد و در کل نمونه ۳/۲۸ و ۹/۱۷ بوده است. از این منظر توان تبیینی مدل در زنان بیشتر از مردان و کل نمونه است.

از میان متغیرهای حاضر در مدل‌، ۴ متغیر در زنان، ۳ متغیر در مردان و ۳ متغیر در کل نمونه دارای تأثیر معنادار و مستقیم بر ایده‌پردازی خودکشی بوده است. آماره نسبت بخت‌ها[43]، در تمام این متغیرها بزرگ‌تر از عدد یک است؛ بنابراین، با افزایش میزان آنها احتمال وقوع ایده‌پردازی خودکشی در زنان، مردان و کل نمونه افزایش می‌یابد. این متغیرها به ترتیب میزان تأثیر بر متغیر وابسته به شرح زیر است:

  • در زنان: در معرض ایده‌پردازی خودکشی قرارگرفتن (۴۷۲/۱۲)، ایده‌پردازی خودکشی پیشین (۱۳۷/۶)، مرکزیت هستۀ خروجی (۰۳۱/۳) و مرکزیت نزدیکی (۳۴۱/۲). مطابق با آماره نسبت بخت‌ها احتمال وقوع ایده‌پردازی خودکشی با افزایش یک واحد در متغیر در معرض ایده‌پردازی خودکشی قرارگرفتن نزدیک به دوازده و نیم برابر (۲/۱۱۴۷درصد)، در متغیر ایده‌پردازی خودکشی پیشین بیش از ۶ برابر (۷/۵۱۳درصد)، در متغیر مرکزیت هستۀ خروجی حدود سه برابر (۲۰۳درصد) و در متغیر مرکزیت نزدیکی 3/2 برابر (۱/۱۳۴درصد) افزایش می‌یابد.
  • در مردان: ایده‌پردازی خودکشی پیشین (۶۴۹/۲)، مرکزیت هستۀ ورودی (۸۳۹/۱) و شدت یا دوسویگی برحسب نسبت روابط دوسویه (۵۴۲/۱)؛ باتوجه‌به مقادیر آماره نسبت بخت‌ها، احتمال وقوع ایده‌پردازی خودکشی با افزایش یک واحد در ایده‌پردازی خودکشی پیشین ۶۵/۲ برابر (۹/۱۶۴درصد)، در متغیر مرکزیت هستۀ ورودی ۸۴/۱ برابر (۹/۸۳درصد) و در متغیر شدت (دوسویگی) برحسب نسبت روابط دوسویه بیش از یک و نیم برابر (۲/۵۴درصد) افزایش پیدا می‌کند.
  • در کل نمونه: ایده‌پردازی خودکشی پیشین (۱۷۲/۳)، شدت یا دوسویگی برحسب نسبت روابط دوسویه (۴۴۳/۱) و در معرض ایده‌پردازی خودکشی قرارگرفتن (۳۷۳/۱)؛ آماره نسبت بخت‌ها حاکی‌از آن است که احتمال وقوع ایده‌پردازی خودکشی با افزایش یک واحد در ایده‌پردازی خودکشی پیشین (۱۷۲/۳) بیش از سه برابر (۲/۲۱۷درصد)، در متغیر شدت (دوسویگی) برحسب نسبت روابط دوسویه نزدیک به یک و نیم برابر (۳/۴۴درصد) و در متغیر در معرض ایده‌پردازی خودکشی قرارگرفتن ۳۷۳/۱ برابر (۳/۳۷درصد) افزایش می‌یابد.

جدول 6- نتایج تحلیل رگرسیون لجستیک ایده‌پردازی خودکشی در کل نمونه و به تفکیک جنس

Table 6- The results of logistic regression analysis of suicide ideation in the whole sample and according to gender

 

ایده‌پردازی خودکشی

 

زنان

مردان

کل

مستقل

Exp(B)

B

Exp(B)

B

Exp(B)

B

سن بالای ۲۵ سال

۰۰۰/۰

۳۷۵/۱۸-

۷۰۴/۰

۳۵۰/۰-

۶۰۶/۰

۵۰۱/۰-

ایده‌پردازی خودکشی پیشین

**۱۳۷/۶

۸۱۴/۱

**۶۴۹/۲

۹۷۴/۰

**۱۷۲/۳

۱۵۴/۱

فعالیت

۶۲۷/۲

۹۶۶/۰

۶۱۰/۰

۴۹۵/۰-

۶۰۲/۰

۵۰۷/۰-

ضریب خوشه‌بندی

۴۱۸/۰

۸۷۲/۰-

۰۹۷/۰

۳۳۵/۲-

۵۴۲/۰

۶۱۳/۰-

چگالی شبکۀ خودمحور

۸۶۹/۰

۱۴۱/۰-

۰۳۳/۱

۰۳۲/۰

۹۷۵/۰

۰۲۵/۰-

مرکزیت هستۀ کلی

۷۴۵/۰

۲۹۵/۰-

۲۹۱/۱

۲۵۵/۰

۱۷۹/۱

۱۶۴/۰

مرکزیت هستۀ ورودی

۲۵۲/۰

۳۷۹/۱-

*۸۳۹/۱

۶۰۹/۰

۴۹۳/۱

۴۰۱/۰

مرکزیت هستۀ خروجی

*۰۳۱/۳

۱۰۹/۱

۸۴۵/۰

۱۶۸/۰-

۱۰۱/۱

۰۹۶/۰

محبوبیت (مرکزیت درجۀ ورودی)

۵۱۷/۰

۶۵۹/۰-

۷۷۱/۰

۲۶۰/۰-

۸۴۳/۰

۱۷۱/۰-

مرکزیت درجۀ خروجی

۱۴۱/۱

۱۳۲/۰

۰۶۴/۱

۰۶۲/۰

۰۷۸/۱

۰۷۵/۰

منزلت دامنه

۰۷۳/۲

۷۲۹/۰

۰۳۲/۱

۰۳۱/۰

۱۲۶/۱

۱۱۸/۰

منزلت مجاورت

۱۰۶/۱

۱۰۱/۰

۹۶۷/۰

۰۳۴/۰-

۸۵۱/۰

۱۶۲/۰-

مرکزیت بینیت

۷۹۵/۰

۲۲۹/۰-

۰۸۲/۱

۰۷۸/۰

۰۲۴/۱

۰۲۴/۰

مرکزیت نزدیکی

**۳۴۱/۲

۸۵۰/۰

۹۹۴/۰

۰۰۶/۰-

۲۱۴/۱

۱۹۴/۰

شدت/دوسویگی (تعداد روابط دوسویه)

۴۷۷/۰

۷۴۰/۰-

۷۲۲/۰

۳۲۵/۰-

۶۸۶/۰

۳۷۷/۰-‍‍

شدت/دوسویگی (نسبت روابط دوسویه)

۳۲۱/۱

۲۷۸/۰

**۵۴۲/۱

۴۳۳/۰

**۴۴۳/۱

۳۶۷/۰

در معرض ایده‌پردازی خودکشی قرارگرفتن

**۴۷۲/۱۲

۵۲۴/۲

۲۶۵/۱

۲۳۵/۰

**۳۷۳/۱

۳۱۷/۰

ثابت

**۱۵۸/۰

۸۴۵/۱-

**۱۷۴/۰

۷۵۱/۱-

**۲۰۲/۰

۶۰۲/۱-

R2 نیجل کرک

۵۳۰/۰

۲۸۳/۰

۲۸۳/۰

R2 کاکس و نل

۳۱۲/۰

۱۸۲/۰

۱۷۹/۰

-2Loglikelihood

۶۰۷/۷۲

۹۰۰/۳۰۹

۷۶۲/۴۱۰

آزمون اُمنی‌بوس

کای اسکوئر

۸۲۹/۵۲

۸۰۳/۷۴

۹۸۳/۱۰۰

معنا‌داری

۰۰۰/۰

۰۰۰/۰

۰۰۰/۰

صحت طبقه‌بندی

۵/۹۱

۸/۸۵

۲/۸۳

تعداد

۱۴۱

۳۷۲

۵۱۳

*: معناداری در سطح ۰۵/۰    **: معناداری در سطح ۰۱/۰

                 

 بحث و نتیجه‌

هدف از پژوهش حاضر ارائۀ تحلیل جامعه‌شناختی تفاوت‌های جنسیتی در تبیین ایده‌پردازی خودکشی در اینستاگرام بر مبنای نظریۀ شبکۀ کرون و توسعۀ آن با استفاده از کلان‌داده و تحلیل شبکۀ اجتماعی است. نویسندگان با الهام از ایدۀ اصلی نظریۀ شبکۀ کرون که ترکیب دو نظریۀ مطرح در جرم‌شناسی و جامعه‌شناسی انحرافات، کنترل و پیوند افتراقی ذیل نظریۀ شبکه بوده است، کوشیدند تا با انتخاب شاخص‌های مختلف شبکه و آزمون تأثیر آنان بر ایده‌پردازی خودکشی به آزمون و بسط نظریۀ شبکۀ کرون بپردازند؛ از‌این‌رو علاوه‌بر متغیرهای استفاده‌شده در تحقیقات تجربی پیشین شاخص‌های مرکزی دیگری چون منزلت دامنه، مرکزیت بینیت، مرکزیت نزدیکی، مرکزیت هستۀ ورودی و مرکزیت هستۀ خروجی نیز در کنار سایر شاخص‌ها وارد مدل رگرسیونی شدند. دلیل انتخاب هریک از این متغیرها آن بوده است که هریک به‌نوعی مفاهیمی از یک یا هر دو نظریۀ زیربنایی نظریۀ شبکه کرون، یعنی نظریۀ کنترل و پیوند افتراقی را در برداشتند. براین‌اساس ۱۱ فرضیه در قالب ۴ دستۀ زیر مطرح و تبیین شد:

فرضیه‌های دستۀ اول

  • ایده‌پردازی خودکشی تابعی مثبت از میزان چگالی در شبکه شخصی است؛
  • ایده‌پردازی خودکشی تابعی مثبت از میزان ضریب خوشه‌بندی (انتقال‌پذیری) است؛
  • ایده‌پردازی خودکشی تابعی مثبت از میزان مرکزیت هسته است.

مطابق با نتایج رگرسیون لجستیک، دو فرضیۀ اول تأیید نگردید و فرضیۀ سوم به تفکیک جنس و نوع یال (ورودی/ خروجی) تأیید شد. تنها تأثیر مرکزیت هستۀ ورودی در مردان و مرکزیت هستۀ خروجی در زنان بر ایده‌پردازی خودکشی معنادار بود. عدم تأیید تأثیر چگالی بر ایده‌پردازی خودکشی همسو با نتایج حاصل از تحقیق کرون و تورنبری (1993 &1997) و مخالف با یافته‌های هاینی (2001) و کوراموتو و همکاران (2013) است. همچنین عدم تأیید تأثیر ضریب خوشه‌بندی، مخالف نتایج تحقیقات پیشین شامل برمن و مودی (2004) و ماسودا و همکاران (2013) است. در این تحقیق تأثیر مرکزیت هستۀ کلی در کل نمونه و به تفکیک جنس بر متغیر وابسته معنادار نبود. نتایج این پژوهش همسو با مطالعۀ وایمن و همکاران (2019) در تحلیل ایده‌‌پردازی خودکشی در میان دانش‌آموزان و برخلاف مطالعۀ فولگنیتی و همکاران (2016) است که مرکزیت هستۀ کلی به‌صورت دوشقی (مرکز-پیرامون) در مطالعۀ ایده‌پردازی خودکشی در جوانان فراری و بی‌خانمان استفاده شده و تأثیر آن بر متغیر وابسته تأیید گردیده است. یافته این پژوهش نشان داد که موقعیت کاربران اینستاگرام نمونه (که دارای ایده‌پردازی خودکشی پیشین بوده‌اند) در شبکه روابطشان، از لحاظ این‌که کاربران در لایه‌های چگال‌تر ارتباطی قرار داشته باشند یا خیر، بر مبنای جنسیت و نوع پیوند (دنبال‌کنندگی و دنبال‌شوندگی) تأثیر معناداری بر احتمال وقوع ایده‌پردازی خودکشی دارد.

مطابق یافته‌ها درصورتی‌که زنان در هسته‌های چگال‌تر بر مبنای روابط دنبال‌شوندگی قرار داشته باشند، احتمال وقوع ایده‌پردازی خودکشی در آنان افزایش می‌یابد. این بدان معناست که اعمال کنترل در راستای هنجارها، ایده‌ها، رفتارها و افکار خودکشانه در زنان بیشتر متأثر از ارتباط منسجم‌تر با کاربرانی است که دنبال می‌کنند. هرچه کاربرانی که زنان دنبال می‌کنند و کاربرانی که کاربران زن دنبال می‌کنند، در شبکه حول نگرش‌ها و رفتارهای موافق با ایده‌پردازی خودکشی بیشتر باشد، احتمال وقوع ایده‌پردازی خودکشی در کاربران زن افزایش می‌یابد. این بدان جهت است که عضویت در شبکه‌ای اجتماعی رفتار فردی را محدود می‌سازد. برای اعضای شبکه رفتارهای تقویت‌کننده و تهدیدکننده تداوم شبکه به سبب گذشتۀ مشترکی که داشته‌اند شناخته شده است. به مقداری که رفتار افراد در محدودۀ شبکه‌های شخصی‌شان باشد، رفتارشان محدود خواهد شد و احتمال بروز رفتار سازگار با تداوم روابط شبکه بیشتر خواهد شد (Krohn, 1986: 83s). دراین‌بین نباید از سازوکار و الگوریتم اینستاگرام در قبال کاربران غافل بود. سازوکار هم‌نوایی باید متناسب با زمینه در نظر گرفته شود. با افزایش مرکزیت هستۀ خروجی در کاربر زن، گذشتۀ مشترک که تداوم شبکۀ ارتباطی منوط به آن است، به‌واسطۀ عملکرد بستر اینستاگرام بیشتر بر مبنای ایده‌ها، نگرش‌ها و رفتارهای خودکشانه شکل می‌گیرد؛ بنابراین، ایده‌ها، نگرش‌ها و رفتار کاربر زن در جهت ایده‌ها، نگرش‌ها و رفتارهای خودکشانه بیشتر محدود می‌شود.

در مردان معنادارشدن تأثیر مرکزیت هستۀ ورودی بر ایده‌پردازی خودکشی نشان می‌دهد، درصورتی‌که مردان در هسته‌های چگال‌تر بر مبنای روابط دنبال‌کنندگی قرار داشته باشند، احتمال وقوع ایده‌پردازی خودکشی در آنان افزایش می‌یابد. این بدان معناست که اعمال کنترل در راستای هنجارها، ایده‌ها، رفتارها و افکار خودکشانه در مردان بیشتر متأثر از ارتباط منسجم‌تر با کاربرانی است که آنها را دنبال می‌کنند. محدودشدن ایده‌ها، نگرش‌ها و رفتار کاربر مرد در جهت ایده‌ها، نگرش‌ها و رفتار خودکشانه در اینستاگرام بیشتر متأثر از شبکۀ روابط دنبال‌کنندگی‌ای است که در آن قرار دارند. دنبال‌کنندگان یک کاربر در اینستاگرام از کاربر انتظارات و توقعاتی دارند که درصورت برآورده‌نشدن آن درنهایت کاربر را آنفالو[44] می‌کنند. درواقع زمانی دیگران یک کاربر را در اینستاگرام دنبال می‌کنند که با آنچه کاربر در صفحۀ خود ارائه می‌کند یا هم‌نوا و هم‌عقیده هستند یا حداقل علاقه‌مند و پیگیر؛ بنابراین، برای تداوم ارتباط ضروری است که انتظارات و توقعات دنبال‌کنندگان بر مبنای گذشتۀ مشترکشان برآورده شود. ازاین‌جهت ایده‌ها، نگرش‌ها و رفتار کاربر مردی که دارای ایده‌پردازی خودکشی بوده است، در جهت هنجارها و توقعات دنبال‌کنندگان و دنبال‌کنندگان آنان محدود و کنترل می‌شود که دارای هنجارهای موافق با افکار و رفتارهای خودکشانه‌اند یا در ارتباط با کاربرانی با چنین هنجارهایی هستند؛ از‌این‌رو هرچه کاربران مرد موقعیت مرکزی‌تری را در شبکۀ ارتباطی حول ایده‌ها و رفتار خودکشانه بر مبنای روابط دنبال‌کنندگی داشته باشند، در زیرگروه‌های منسجم‌تری عضو می‌شوند و ایده‌ها، افکار و رفتارشان در راستای هنجارهای موافق با خودکشی محدود و کنترل می‌شود که به‌نوبۀ خود احتمال وقوع ایده‌پردازی خودکشی را در آنان بالا می‌برد.

فرضیه‌های دستۀ دوم

  • ایده‌پردازی خودکشی تابعی مثبت از میزان محبوبیت (مرکزیت درجۀ ورودی/ منزلت ورودی) است؛
  • ایده‌پردازی خودکشی تابعی مثبت از میزان منزلت دامنه است؛
  • ایده‌پردازی خودکشی تابعی مثبت از میزان منزلت مجاورت است.

در تحقیق حاضر مطابق با نتایج حاصل از رگرسیون لجستیک هیچ‌یک از فرضیه‌های دستۀ دوم تأیید نشدند. تأییدنشدن متغیر محبوبیت همسو با یافتۀ وایمن و همکاران (2019) در مطالعۀ ایده‌پردازی خودکشی و هاینی (2001) در مطالعۀ بزهکاری است. هر دو مطالعه محبوبیت را هم‌زمان با سایر متغیرهای شبکه‌ای وارد معادله کرده بودند. یافتۀ این پژوهش برخلاف یافته رینولدز و کریا (2015) در مطالعۀ بزهکاری است که هریک از متغیرهای شبکه‌ای را به‌صورت منفرد وارد تحلیل رگرسیونی کرده بودند. منزلت دامنه تا جایی که نگارندگان اطلاع دارند، تاکنون در مطالعات مربوط به ایده‌پردازی خودکشی یا سایر انحرافات استفاده نشده و نیاز به تحقیقات بیشتر است. پیشینۀ تجربی مرتبط با تأثیر شاخص‌های شبکه بر مبنای یال‌های ورودی مختلط است. عدم معنادارشدن تأثیر این دسته از متغیرها بر متغیر وابسته در این پژوهش یکی می‌تواند مربوط به ماهیت بستری باشد که داده‌ها از آن جمع‌آوری شده است. حجم روابط در فضای مجازی با فضای واقعی برحسب روابط درون درجه و دنبال‌کنندگی ‌قیاس‌پذیر نیست. از سویی دیگر در پژوهش حاضر نقش تعدیل‌کنندگی متغیرهای شبکه‌ای لحاظ نشده است. این امکان وجود دارد که تأثیر آنان به‌عنوان متغیر تعدیل‌‌کننده تأثیر متغیر در معرض ایده‌پردازی خودکشی قرارگرفتن از خلال روابط شبکه، معنادار باشد (رجوع شود به: Reynolds & Crea, 2015; Haynie, 2001).

فرضیه‌های دستۀ سوم

۷) ایده‌پردازی خودکشی تابعی مثبت از میزان مرکزیت درجۀ خروجی است؛

۸) ایده‌پردازی خودکشی تابعی مثبت از میزان مرکزیت بینیت است؛

۹) ایده‌پردازی خودکشی تابعی مثبت از میزان مرکزیت نزدیکی است.

مطابق با نتایج حاصل از رگرسیون لجستیک تنها فرضیۀ نهم در زنان تأیید شد. مرکزیت درجۀ خروجی تأثیر معناداری بر احتمال وقوع ایده‌پردازی خودکشی در کل نمونه و به تفکیک جنس ندارد و فرضیۀ هفتم تأیید نمی‌شود. این یافته مخالف با یافته‌های مطالعۀ وایمن و همکاران (2019) در مطالعۀ ایده‌پردازی خودکشی در دانش‌آموزان است. این امکان وجود دارد که مرکزیت درجۀ خروجی با وجود تأثیر مستقیم نداشتن، به‌عنوان متغیر تعدیل‌‌کنندۀ تأثیر در معرض ایده‌پردازی خودکشی قرارگرفتن از خلال روابط شبکه، تأثیر معناداری بر ایده‌پردازی خودکشی داشته باشد (رجوع شود به: Reynolds & Crea, 2015; Haynie, 2001). مرکزیت بینیت تأثیر معناداری بر احتمال وقوع ایده‌پردازی خودکشی در کل نمونه و به تفکیک جنس ندارد و فرضیۀ هشتم تأیید نمی‌شود. تاآنجاکه نگارندگان اطلاع دارند تا زمان نگارش این تحقیق، مطالعۀ مشابهی با استفاده از مرکزیت بینیت در مطالعۀ ایده‌پردازی خودکشی یا بزهکاری انجام نشده است. تأثیرنداشتن این متغیر می‌تواند به‌این‌علت باشد که ممکن است کاربر دارای ایده‌پردازی خودکشی، دارای مرکزیت بینیت بیشتری در سایر فاسی‌ها و مراکز کانونی در اینستاگرام باشد؛ به‌طوری‌که در مسیر عبور جریان اطلاعات، تعاریف نامطلوب با ایده‌پردازی خودکشی از تعاریف مطلوب پیشی بگیرد یا تأثیر آن را خنثی کند.

تا جایی که نگارندگان اطلاع دارند تا زمان نگارش این پژوهش، تحقیق مشابهی با استفاده از مرکزیت نزدیکی در مطالعۀ ایده‌پردازی خودکشی یا بزهکاری انجام نشده است. بنابر یافته‌های این پژوهش با افزایش میزان مرکزیت نزدیکی احتمال وقوع ایده‌پردازی خودکشی در زنان افزایش می‌یابد. با افزایش مرکزیت نزدیکی یک گره تعداد ارتباط مستقیم و بدون واسطه این گره با سایر گره‌ها افزایش می‌یابد (Borgatti et al., 2018). در نظریۀ پیوند افتراقی، به‌عنوان یکی از دو نظریۀ زیربنایی نظریۀ شبکۀ کرون به یادگیری رفتار انحرافی در روابط صمیمانه و نزدیک تأکید می‌شود. به طور مشابه هرچه مرکزیت نزدیکی یک کاربر زن اینستاگرام در شبکۀ ارتباطی حول هشتگ‌های ایده‌پردازی خودکشی، بیشتر باشد، باواسطۀ کمتری به سایر کاربران دارای ایده‌ها و رفتار خودکشانه مرتبط می‌شود؛ بنابراین، انتظار می‌رود به‌احتمال بیشتری در معرض ایده‌ها، افکار، رفتار و هنجارهای مطلوب با ایده‌پردازی خودکشی قرار گیرد. همچنین مطابق با الگوریتم پیشنهاد پست و کاربر اینستاگرام، متناسب با علاقمندی‌ها و فعالیت کاربر اینستاگرام و کاربرانی که به او نزدیک هستند، تعداد پست‌های بیشتری که حاوی تعاریف مطلوب با خودکشی است، نمایش داده شود و کاربران بیشتری که دارای ایده‌پردازی خودکشی هستند یا با کاربران دارای ایده‌پردازی خودکشی در ارتباط‌اند، برای دنبال‌کردن به او پیشنهاد می‌شود.

معنادارشدن تأثیر مرکزیت نزدیکی در زنان و نه در مردان می‌تواند به تفاوت‌های نقشی، اجتماعی و روان‌شناختی میان زن و مرد در میزان و نحوۀ استفاده از شبکه‌های اجتماعی مانند اینستاگرام مرتبط باشد. زنان و مردان به‌لحاظ الگوی مصرف، میزان، چگونگی و انگیزۀ استفاده از رسانه‌های اجتماعی به‌ویژه اینستاگرام با یکدیگر تفاوت معنادار دارند (Laor, 2022; Abd-Aziz & Abd-Aziz, 2020 ; Huang & Su, 2018). ؛ از‌این‌رو اگرچه افزایش مرکزیت نزدیکی این امکان را افزایش می‌دهد که بیشتر در معرض هنجارهای مطلوب با ایده‌پردازی قرار بگیرند، این امکان وجود دارد که تأثیر آن بر ایده‌پردازی خودکشی توسط تفاوت‌های جنسیتی مرتبط با الگوی مصرف اینستاگرام تعدیل شود، تاجایی‌که دیگر تأثیر معناداری بر متغیر وابسته نداشته باشد.

 فرضیه‌های دستۀ چهارم

  • ایده‌پردازی خودکشی تابعی مثبت از میزان در معرض ایده‌پردازی خودکشی قرارگرفتن در شبکۀ شخصی است؛
  • ایده‌پردازی خودکشی تابعی مثبت از میزان شدت (دوسویگی) روابط در شبکۀ شخصی است.

فرضیۀ دهم در زنان و کل نمونه تأیید می‌شود. نتایج در کل نمونه همسو با نتایج تحقیقات پیشین مانند وایمن و همکاران (2019)، فولگینیتی و همکاران (2016)، رینولدز و کریا (2015) در مطالعۀ ایده‌پردازی خودکشی و هاینی (2001 & 2002)، هاینی و همکاران (2014)، کنکت و همکاران (2010) و ویرمن و هوه (2012) در مطالعۀ بزهکاری است. به تفکیک جنس این یافته همسو با مطالعۀ مرکن و همکاران (2010) در مطالعۀ سیگار و ویرمن و هوه (2012) در مطالعۀ بزهکاری است.

فرضیۀ یازدهم (شدت) بر مبنای نسبت روابط دوسویه در کل نمونه و مردان تأیید می‌شود. این یافته در کل نمونه همسو با مطالعۀ کنکت و همکاران (2010) و هاینی و همکاران (2014) در مطالعۀ بزهکاری و مرکن و همکاران (2007) در مطالعۀ مصرف سیگار است.

افزایش در معرض ایده‌پردازی خودکشی قرارگرفتن در کاربر اینستاگرام از دو جنبه درخور ‌توجه است؛ یکی ازطریق دنبال‌کنندگان و دیگری ازطریق دنبال‌شوندگان کاربر. با افزایش در معرض ایده‌پردازی خودکشی قرارگرفتن ازطریق دنبال‌کنندگان، مطابق با نظریۀ کرون به‌منظور حفظ و تداوم شبکۀ ارتباطی به‌احتمال بیشتری فعالیت کاربر مدنظر در جهت علاقمندی‌ها و هنجارهای دنبال‌کنندگانش به‌ویژه ایده‌‌ها و هنجارهای مطلوب با خودکشی محدود می‌شود و کاربر به‌احتمال بیشتری پست‌های مرتبط با ایده‌پردازی خودکشی منتشر خواهد کرد؛ زیرا در غیراین‌صورت این تعداد دنبال‌کنندگان خاص و بخشی از شبکه متصل به آنان را از دست خواهد داد (این دنبال‌کنندگان کاربر مدنظر را آنفالو می‌کنند). همچنین دنبال‌کنندگان دارای ایده‌پردازی خودکشی ازطریق لایک، کامنت و منشن فعالیت کاربر را در جهت ایده‌ها، افکار، رفتار و هنجارهای خودکشانه تقویت می‌کنند. درواقع قابلیت‌های اینستاگرام در فضای مجازی به‌عنوان بدیلی از سازوکارهای یادگیری در فضای واقعی، می‌تواند ایده‌ها و رفتارهای خودکشانه را در کاربر تقویت کند.

با افزایش در معرض ایده‌پردازی خودکشی قرارگرفتن ازطریق دنبال‌شوندگان دارای ایده‌پردازی خودکشی، تعاریف مطلوب با ایده‌پردازی خودکشی بر مبنای ایده‌ها، نگرش‌ها، هنجارها و رفتارهای دنبال‌شوندگان نه‌تنها به طور متناوب به کاربر عرضه می‌شود، بلکه توسط الگوریتم و سازوکار پیشنهاد پست و کاربر مشابه در اینستاگرام تقویت نیز می‌شود. در این صورت احتمال آنکه تعاریف مطلوب با ایده‌پردازی خودکشی از تعاریف نامطلوب با ایده‌پردازی خودکشی فزونی گیرد، افزایش می‌یابد و وقوع ایده‌پردازی خودکشی محتمل‌تر خواهد بود. از سوی دیگر تعداد پست‌های مرتبط با ایده‌پردازی خودکشی که در قسمت خانه به طور متناوب برای کاربر نمایش داده می‌شوند، افزایش می‌یابد که در نتیجۀ آن می‌تواند ساعت‌های متمادی وقت کاربر را به مشاهده، لایک یا کامنت‌گذاری پست‌های این دنبال‌شوندگان اختصاص دهد. این امر به‌نوبۀ خود مشغولیت فرد را حول ایده‌ها، افکار و رفتار مطلوب با ایده‌پردازی خودکشی افزایش می‌دهد که در ادبیات نظریۀ کنترل عاملی برای محدودساختن فرد در چارچوب هنجارهای شبکه است که به‌تبع آن احتمال وقوع ایده‌پردازی خودکشی توسط کاربر افزایش می‌یابد.

دوسویه‌بودن رابطۀ کاربر با کاربران دارای ایده‌پردازی خودکشی به‌عنوان نمادی از شدت رابطه، می‌تواند احتمال وقوع ایده‌پردازی خودکشی را افزایش دهد. با دوسویه‌شدن رابطه، تأثیر سازوکارهای در معرض ایده‌پردازی خودکشی قرارگرفتن ازطریق دنبال‌کنندگان و دنبال‌شوندگان کاربر تشدید می‌گردد که در فرضیۀ قبل توضیح داده شد. الگوریتم اینستاگرام به‌گونه‌ای طراحی شده است که اولویت را به نمایش پست‌های مربوط به روابط خصوصی[45] و سپس دوسویه می‌دهد؛ بنابراین، با افزایش نسبت روابط دوسویۀ کاربر با همسایگان خود که دارای ایده‌پردازی خودکشی هستند، میزان بیشتری از پست‌های این همسایگان که هم دنبال‌کننده محسوب می‌شوند و هم دنبال‌شونده در اولویت نمایش برای کاربر قرار می‌گیرد. این امر احتمال آنکه کاربر مدنظر بیشتر در معرض تعاریف، ایده‌ها، افکار و رفتار موافق با ایده‌پردازی خودکشی ازطریق فعالیت همسایگان دارای ایده‌پردازی خودکشی (مانند پست، استوری، لایو و ...) قرار گیرد، افزایش می‌یابد که به‌نوبۀ خود احتمال وقوع ایده‌پردازی خودکشی در کاربر را افزایش می‌دهد. با اولویت‌یافتن پست‌های مربوط به همسایگان دارای ایده‌پردازی خودکشی با روابط دوسویه با کاربر، قسمت اعظم زمانی که کاربر در اینستاگرام صرف مشاهده پست‌های جدید می‌کند، نخست به این پست‌ها اختصاص می‌یابد. نتیجه آن است که مطابق نظریۀ کنترل میزان مشغولیت کاربر حول هنجارهای موافق با ایده‌پردازی خودکشی افزایش‌ می‌یابد که عاملی برای محدودساختن فرد در چارچوب هنجارهای شبکه است و درنتیجه احتمال وقوع ایده‌پردازی خودکشی در کاربر افزایش می‌یابد.

احتمال واکنش به فعالیت یک کاربر اینستاگرام (پست، استوری، لایو و ...) از سوی دنبال‌کنندگانی افزایش می‌یابد که با کاربر رابطۀ دوسویه دارند؛ بنابراین، با افزایش نسبت دنبال‌کنندگان دارای ایده‌پردازی خودکشی که با کاربر رابطۀ دوسویه دارند، احتمال واکنش در جهت هنجارهای موافق با ایده‌پردازی خودکشی ازطریق لایک، کامنت، منشن و ... افزایش می‌یابد. این امر مطابق با تأکید پیوند افتراقی بر تأثیر همۀ انواع سازوکارهای یادگیری می‌تواند با تقویت ایده‌ها، افکار و رفتار موافق با ایده‌پردازی خودکشی احتمال وقوع ایده‌پردازی خودکشی را در کاربر افزایش دهد. از سوی دیگر روابط دوسویه و حفظ آن برای یک کاربر اینستاگرام مهم و تعهدآور است. به‌منظور حفظ و تداوم این ارتباط دوسویه به‌احتمال بیشتری فعالیت کاربر مدنظر در اینستاگرام در جهت علاقمندی‌ها و هنجارهای کاربرانی محدود می‌شود که با آنها روابط دوسویه دارد؛ زیرا در غیراین‌صورت این تعداد دنبال‌کنندگان خاص و بخشی از شبکۀ متصل به آنان را از دست خواهد داد (این دنبال‌کنندگان، کاربر مدنظر را آنفالو می‌کنند).

مطابق با یافته‌های این پژوهش شدت یا دوسویگی برحسب نسبت روابط دوسویه با کاربران دارای ایده‌پردازی خودکشی، در زنان تأثیر معناداری بر وقوع ایده‌پردازی خودکشی در آنان نداشت. دوسویه‌بودن روابط در بستر اینستاگرام، اولویت پرداختن به پست‌ها و کاربران با روابط دو‌سویه را افزایش می‌دهد. این اولویت‌بخشی زمانی می‌تواند مؤثر باشد که کاربر وقت محدود و اندکی را صرف اینستاگرام کند. زنان زمان و دفعات بیشتری در مقایسه با مردان در اینستاگرام سپری می‌کنند و از مردان کاربران فعال‌تری هستند و بیشتر از مردان لایک و کامنت می‌کنند و محتوا با دیگران به اشتراک می‌گذارند (Laor, 2022)؛ بنابراین، سازوکار اولویت‌دهی اینستاگرام می‌تواند تأثیر چندانی بر میزان و نوع محتوای استفاده‌شده از اینستاگرام توسط زنان نداشته باشد. این یافته‌ می‌تواند حاصل تفاوت زنان و مردان به‌لحاظ الگوی مصرف، میزان، چگونگی و انگیزۀ استفاده از رسانه‌های اجتماعی به‌ویژه اینستاگرام باشد (برای ‌مثال:Laor, 2022; Abd-Aziz & Abd-Aziz, 2020; Huang & Su, 2018) که ناشی از تفاوت‌های نقشی، اجتماعی و روان‌شناختی زنان به مردان است (Laor, 2022؛ میرفردی و ولی‌نژاد، 1۳9۶).

توصیه‌های سیاستی

مقتضی است توصیه‌های سیاستی مبتنی بر نظریۀ کرون و توسعۀ آن در هر سطحی به‌منظور کاهش و کنترل ایده‌پردازی خودکشی در اینستاگرام معطوف به کاهش مرکزیت فرد در شبکه با زمینۀ کانونی حول نگرش‌ها، هنجارها و رفتارهای خودکشانه و در عوض افزایش مرکزیت فرد در شبکه با زمینۀ کانونی حول نگرش‌ها، هنجارها و رفتارهای متعارف باشد. همچنین شناسایی کاربرانی که به‌لحاظ موقعیتی در ساختار شبکه حول ایده‌ها و رفتارهای خودکشانه مرکزیت بیشتری دارند، می‌تواند مداخله برای پیشگیری را ازسوی متولیان امر دقیق‌تر و مؤثرتر سازد.

در سطح فردی لازم است به کاربران اینستاگرام آموزش داده شود تا پیش از دنبال‌کردن یا تأیید درخواست دنبال‌کنندگی هر کاربری، صفحۀ کاربر مدنظر، فعالیت‌های او در اینستاگرام شامل استوری‌ها، لایوها همچنین فهرست دنبال‌کنندگان و دنبال‌شوندگانش را ازنظر محتوای ایده‌پردازی خودکشی ملاحظه کنند. نتایج حاصل از رگرسیون لجستیک بر تبیین جنسیتی از ایده‌پردازی خودکشی در اینستاگرام تأکید دارد. براین‌اساس کاربر مرد درخواست دنبال‌کردن کاربرانی را که ایده‌پردازی خودکشی دارند تأیید ننماید، از داشتن روابط دوسویه با کاربران دارای ایده‌پردازی خودکشی پرهیز کند. کاربر زن نیز کاربرانی را که دارای ایده‌پردازی خودکشی هستند، دنبال ننماید و دنبال‌کنندگانی را که محتوای مرتبط با ایده‌پردازی خودکشی تولید می‌کنند مسدود (بلاک[46]) نماید. کاربران از لایک‌نمودن، کامنت‌گذاشتن و لایک‌کردن پست‌های حاوی محتوا یا هشتگ‌های مرتبط با ایده‌پردازی خودکشی و تمایلات یا رفتار خودکشانه خودداری کنند.

با عنایت به استفادۀ گستردۀ نوجوانان و جوانان از اینستاگرام، فیلترینگ رسمی نمی‌تواند دلیلی برای ارائه‌نشدن آموزش‌های رسمی مناسب در جهت استفادۀ درست و امن از اینستاگرام باشد. آموزش‌ها درخصوص چگونگی برخورد با محتوای مرتبط با ایده‌پردازی و اقدام به خودکشی در اینستاگرام و سکوهای مشابه می‌تواند ازطریق آگاهی‌بخشی توسط والدین، گنجاندن محتوای درسی مناسب در مدارس، برگزاری کارگاه‌های آموزشی در دانشگاه‌ها، ساخت و تولید محتوای مرتبط در قالب فیلم، مستند، پویانمایی و برنامه‌های گفت‌وگومحور توسط رسانۀ ملی، بسترهای نمایش خانگی و سایر رسانه‌های ارتباط‌جمعی صورت گیرد.

توصیه‌های سیاستی در سطح میانه می‌تواند شامل عملکرد بستر اینستاگرام و پلتفرم‌های مشابه در قبال انتشار پست‌های دارای هشتگ و محتوای مرتبط با ایده‌پردازی خودکشی و تمایلات و رفتار خودکشانه و شناسایی کاربران با مرکزیت بیشتر و زیرگروه‌های منسجم در شبکه، به تفکیک جنس، ازلحاظ مراکز کانونی حول ایده‌ها، افکار و رفتار خودکشانه باشد؛ زیرا روش‌هایی که پلتفرم‌ها ازطریق آن سعی می‌کنند، بر رفتار کاربر تأثیر بگذارند یا آن را کنترل کنند (Suzor, 2020)، انواع محتوایی را شکل می‌دهند که کاربران می‌بینند و اینکه چگونه و چه زمانی آن را می‌بینند (West, 2017). کاهش مرکزیت کاربران در شبکه با زمینۀ کانونی حول افکار و رفتارهای خودکشانه می‌تواند یکی با محدودسازی و حذف محتوای مطلوب با خودکشی و دیگری با اجازه‌ندادن به لایک، کامنت، منشن یا بازنشرشدن محتوای مطلوب با خودکشی صورت گیرد.

در سطح کلان پیشنهاد می‌شود که نهادهای متولی امر در مسئلۀ انحرافات اجتماعی، سلامت روان و به طور خاص خودکشی که مسئولیت سیاست‌گذاری و اجرای برنامه‌های پیشگیرانه و کنترلی در سطح ملی هستند - برای ‌مثال معاونت پیشگیری از آسیب‌های اجتماعی سازمان بهزیستی کشوری، وزارت کشور و وزارت بهداشت، درمان و آموزش پزشکی کشوری - از شیوه‌های جدید کشف و کنترل انحرافات و جرم در رسانه‌های اجتماعی با استفاده از کلان‌داده و تحلیل شبکه بهره برند. این شیوه‌ها می‌تواند به شناسایی افراد با خطر ریسک زیاد خودکشی بر مبنای موقعیتشان در شبکه کمک کند. همچنین با دادن آگاهی و هشدار به کاربران دنبال‌کننده و دنبال‌شوندۀ افراد با خطر زیاد خودکشی ازطریق ارسال پیام مستقیم، مداخلۀ پیشگیرانه را گسترش دهند.

 

[1] World Health Organization (WHO)

[2] detect

[3] Krohn

[4] Agnew

[5] Integrated Theories

[6] social cohesion

[7] social integration

[8] Foci

[9] Feld

[10] Focused contexts

[11] social integration

[12] social connectedness

[13] prestige

[14] Centrality

[15] Density

[16] Clustering coefficient (Transitivity)

[17] Coreness centrality

[18] Popularity (Indegree centrality\Indegree prestige)

[19] Domain prestige

[20] Proximity prestige

[21] Outdegree centrality

[22] Betweenness centrality

[23] Closeness centrality

[24] Exposure to suicide ideation

[25] Intensity (Reciprocity)

[26] https://dataak.com/

دیتاک شرکتی جوان، دانش‌بنیان و مبتنی بر تکنولوژی در حوزۀ کلان‌داده، داده‌کاوی و هوش مصنوعی است.

[27] Python

[28] NinjaGram

نینجاگرام نرم‌افزاری کاربردی برای مدیریت اکانت اینستاگرام در ویندوز است که قابلیت استخراج فهرست دنبال‌کنندگان و دنبال‌شوندگان یک اکانت خاص را نیز دارد. https://ninjapinner.com/ninjagram-instagram-bot-2/

[29] Gephi

[30] Rstudio 2023.06.0 Build 421

[31] missing

[32] Follower

[33] Following

[34] ICD-11

ICD-11 یازدهمین ویرایش طبقه‌بندی بین‌المللی بیماری‌هاست که توسط سازمان بهداشت جهانی(WHO) توسعه یافته است و سالانه به‌روز می‌شود.

[35] ego

[36] alter

[37] Rstudio 2023.06.0 Build 421

[38] k-core

[39] Freeman

[40] Weerman & Hoeve

[41] ایده‌پردازی خودکشی پیشین همان ایده‌پردازی خودکشی در زمان T1 است.

[42]  ایده‌پردازی خودکشی همان ایده‌پردازی خودکشی در زمان T2 است.

[43] Exp(B)

[44] Unfollow

[45] private

[46] Block

آریاپوران، س. و شیبانی، ح. (۱۴۰۰). افکار خودکشی در دانشجویان در دورۀ کووید-19: نقش دلبستگی به خدا، بهزیستی معنوی و تاب‌آوری روان‌شناختی. فرهنگ در دانشگاه اسلامی، 40، ۴۶۵-۴۸۶.
ایسپا مرکز افکارسنجی دانشجویان ایران. (۱۴۰۱). ۵/۷۸درصد مردم از رسانه‌های اجتماعی استفاده می‌کنند. ایسپا. http://ispa.ir/Default/Details/fa/3382/-78.5
بخارایی، ا. و زکی‌زاد، ع. (۱۳۹۷). مطالعۀ جامعه‌شناختی تأثیر ابعاد احساس امنیت خانوادگی و فردی بر روی تمایل به خودکشی. پژوهش‌های اطلاعاتی و جنایی، ۱۳(۳)، ۳۷-۵۸. https://dor.isc.ac/dor/20.1001.1.17359367.1397.13.51.2.9
چین‌آوه، م. و طباطبائی، س. ف. (۱۳۹۵). پیش‌بینی افکار خودکشی براساس نگرش مذهبی و توکل به خدا. فرهنگ در دانشگاه اسلامی، 18، ۹۶-۸۱.
حاجیانی، ا. (۱۳۸۸). تحلیل شبکه‌ای جرائم سازمان‌یافته. پژوهش‌های دانش انتظامی، 44، ۱۰۸-۱۴۰.
حیدری، آ. و رسائی‌پور، ک. (۱۳۹۲). بررسی عوامل اجتماعی و روان‌شناختی مؤثر بر گرایش به خودکشی: نمونۀ موردی زنان 16 تا ۴۰سالۀ شهر یاسوج. بررسی مسائل اجتماعی ایران، ۴(۲)، ۲۰۹-۲۳۴. https://doi.org/10.22059/ijsp.2013.52143
ربیعی، م.؛ صادقی رشید، ر.؛ صادقی، ا. و شاطری، ف. (1398). تحلیل جرائم شبکه‌ای با داده‌کاوی. مطالعات حفاظت و امنیت انتظامی، ۵۰، ۶۳-۹۴.
صادقی‌نژاد، م.؛ نوغانی‌دخت بهمنی، م. و اکبری، ح. (1397). جستجوی اطلاعات شغلی در یک شبکه همکاری علمی؛ یک نمونه از تحلیل پویایی‌های شبکه اجتماعی. جامعه‌شناسی نهادهای اجتماعی، ۵(۱۲)، ۱۳۹-۱۷۸. https://doi.org/10.22080/ssi.1970.2136
عبداللهیان، ح. و کرمانی، ح. (۱۳۹۹). همگان‌های شبکه‌ای در توییتر فارسی؛ تحلیل خوشه‌های شبکه‌ای در توییتر. مطالعات رسانه‌های نوین، ۲2، ۱۱۱-۱۵۱. https://doi.org/10.22054/nms.2021.44855.784
علیوردی‌نیا، ا. و اندراجمی، س. س. (1402). مطالعۀ جامعه‌شناختی ایده‌پردازی خودکشی دانشجویان: آزمون تجربی نظریه‌های فعالیت روزمره و فشار عمومی اگنو. جامعه‌شناسی کاربردی، ۳۴(۴)، ۸۱-۱۰۴. https://doi.org/10.22108/jas.2023.137461.2387
علیوردی‌نیا، ا. (۱۴۰۰). خودکشی در ایران، تبیین جامعه‌شناختی ایده‌پردازی و تمایل به خودکشی در تهران (ویراست دوم). آگه.
علیوردی‌نیا، ا. و یوسفی، ن. (1394). تبیین ایده‌پردازی خودکشی از دیدگاه نظریه فشار عمومی. توسعه اجتماعی، 10(1), 157-186. https://doi.org/10.22055/qjsd.2015.11940
علیوردی‌نیا، ا.؛ رضایی، ا. و پیرو، ف. (۱۳۹۰). تحلیل جامعه‌شناختی گرایش دانشجویان به خودکشی. جامعه‌شناسی کاربردی، 22(4)، ۱-۱۸. https://dorl.net/dor/20.1001.1.20085745.1390.22.4.1.3
قدردان، ف. و جهانگیر، پ. (۱۳۹۸). پیش‌بینی اضطراب اجتماعی و گرایش به خودکشی براساس تعارض با والدین در دانش‌آموزان 15 الی 18 سال. پژوهش اجتماعی، 43، ۸۶-۱۰۰. https://sanad.iau.ir/Journal/sr/Article/1111271
محمدی، ا. و زارعلی، ل. (۱۳۹۶). بررسی جامعه‌شناختی افکار خودکشی (موردمطالعه: دانشجویان دانشگاه آزاد اسلامی واحد رودهن). مطالعات روان‌شناسی و علوم تربیتی (مرکز توسعه آموزش‌های نوین ایران)، ۳(۲/۱)، ۱۳۶-۱۵۴.
میرزایی، س.؛ علیوردی نیا، ا.؛ عبداللهیان، ح. و ریاحی، م. ا. (1401). نظریۀ شبکه ماروین کرون، کلان‌داده و تحلیل شبکه: مطالعه انحرافات اجتماعی در رسانه‌های اجتماعی. جامعه‌شناسی نهادهای اجتماعی، ۹(۲۰)، ۲۱۹-۲۵۲. https://doi.org/10.22080/ssi.2023.24894.2077
میرفردی، ا. و ولی‌نژاد، ع. (1396). تحلیل تفاوت زنان و مردان در استفاده از شبکه‌های اجتماعی اینترنتی. جهانی رسانه، 12(۲)، ۱12-۱32. https://gmj.ut.ac.ir/article_67002.html?lang=en
 
References
Abdollahyan, H., & Kermani, H. (2020). Networked publics in Farsi Twitter; an analysis of the Twitter network clusters. New Media Studies, 6(22), 70-100. [In Persian]. https://doi.org/10.22054/nms.2021.44855.784
Abd-Aziz, A., & Abd-Aziz, A. (2020). The influence of gender differences on Instagram usage among higher institution students. International Journal of Modern Trends in Social Sciences3(14), 78-83. http://dx.doi.org/10.35631/IJMTSS.314007
Alivardinia, A. (2021). Suicide in Iran, sociological explanation of ideation and desire to commit suicide in Tehran (2nd edition). Tehran: Agah. [In Persian]
Aliverdinia, A., & Yousefi, N. (2015). The explanation of suicide ideation: Application of general strain theory. Quarterly Journal of Social Development (Previously Human Development), 10(1), 157-186. [In Persian]. https://doi.org/10.22055/qjsd.2015.11940
Aliverdinia, A., Rezaei, A., & Peyro, F. (2011). A sociological analysis of university students attitude's toward suicide. Journal of Applied Sociology, 22(4), 1-18. [In Persian]. https://dorl.net/dor/20.1001.1.20085745.1390.22.4.1.3
Aliverdinia, A., & Enderajemi, S. S. (2023). A sociological study of students' suicide ideation: An empirical test of routine activities and agnew's general strain theories. Journal of Applied Sociology34(4), 81-104. doi: 10.22108/jas.2023.137461.2387 [In Persian]
Aryapuran, S., & Sheybani, H. (2021). Suicidal ideation in students during covid-19: The role of attachment to god, spiritual well-being and psychological resilience. Culture in Islamic University11(40), 465-486. [In Persian].
Bearman, P. S., & Moody, J. (2004). Suicide and friendships among American adolescents. American Journal of Public Health94(1), 89-95. https://doi.org/10.2105/ajph.94.1.89
Borgatti, S. P., Everett, M. G., & Johnson, J. C. (2018). Analyzing social networks. Sage.
Borgatti, S. P., Everett, M. G., Johnson, J. C. & Agneessens, F. (2022). Analyzing Social Networks Using R (1st ed.). Sage.
Bouchard, M., & Malm, A. (2016). Social network analysis and its contribution to research on crime and criminal justice. In Oxford handbooks online (p.p. 1-23). Oxford University Press.
Brennan, C., Saraiva, S., Mitchell, E., Melia, R., Campbell, L., King, N., & House, A. (2022). Self-harm and suicidal content online, harmful or helpful? A systematic review of the recent evidence. Journal of Public Mental Health21(1), 57-69. https://doi.org/10.1108/JPMH-09-2021-0118
Bukharai, A., & Zakizad, A. (2018). Sociological study on the effect of dimensions of family and personal sense of security on suicidal tendency. Intelligence and Criminal Research Journal, 13(51), 37-58. [In Persian]. https://dor.isc.ac/dor/20.1001.1.17359367.1397.13.51.2.9
Carrington, P. J. (2011). Crime and social network analysis. in J. Scott and P.J. Carrington (eds.). SAGE Handbook of Social Network Analysis (p.p. 236-255). Sage.
CDC, Centers for Disease Control and Prevention (2022). Facts about suicide. Retrieved from https://www.cdc.gov/suicide/facts/index.html
Chinaveh, M., & Tabatabaee, F. (2016). Prediction of suicide thinking based on religion attitude and trust in god. Culture in Islamic University, 6(18), 81-96. [In Persian].
Choi, L. J., Shminan, A. S., Barawi, M. H., Khan, R. U., Rathakrishnan, M. A., & Choi, L. J. (2021). Suicidal ideation and suicide attempts among university students: Prevalence and what stopped them to actually committing suicide. International Journal of Academic Research in Business and Social Sciences, 11(14), 256–269. http://dx.doi.org/10.6007/IJARBSS/v11-i14/8572
De Choudhury, M., Kiciman, E., Dredze, M., Coppersmith, G., & Kumar, M. (2016, May). Discovering shifts to suicidal ideation from mental health content in social media. In Proceedings of the 2016 CHI Conference on Human Factors in Computing Systems (pp. 2098-2110).
De Luca, S. M., Wyman, P., & Warren, K. (2012). Latina adolescent suicide ideations and attempts: Associations with connectedness to parents, peers, and teachers. Suicide & Life-Threatening Behavior, 42, 672–683. https://doi.org/10.1111/j.1943-278X.2012.00121.x
De Nooy, W., Mrvar, A., & Batagelj, V. (2018). Exploratory social network analysis with pajek: revised and expanded edition for updated software (structural analysis in the social sciences). Cambridge University Press. https://doi.org/10.1017/9781108565691
Ennett, S. T., Bauman, K. E., Hussong, A., Faris, R., Foshee, V. A., Cai, L., & DuRant, R. H. (2006). The peer context of adolescent substance use: Findings from social network analysis. Journal of Research on Adolescence16(2), 159-186. https://doi.org/10.1111/j.1532-7795.2006.00127.x
Feld, S. L. (1981). The focused organization of social ties. American Journal of Sociology86(5), 1015-1035. https://doi.org/10.1086/227352
Freeman, L. C. (1979). Centrality in social networks conceptual clarification. Social Networks1(3), 215-239. https://doi.org/10.1016/0378-8733(78)90021-7
Fulginiti, A., He, A. S., & Negriff, S. (2018). Suicidal because i don’t feel connected or vice versa? A longitudinal study of suicidal ideation and connectedness among child welfare youth. Child Abuse & Neglect86, 278-289. https://doi.org/10.1016/j.chiabu.2018.10.010
Fulginiti, A., Rice, E., Hsu, H. T., Rhoades, H., & Winetrobe, H. (2016). Risky integration: A social network analysis of network position, exposure, and suicidal ideation among homeless youth. Crisis: The Journal of Crisis Intervention and Suicide Prevention37(3), 184-193. https://doi.org/10.1027/0227-5910/a000374
Ghadrdan, F., & Jahangir, P. (2019). Prediction of social anxiety and suicidal tendency based on conflict with parents in 15-18 year old students. Social Research, 43, 86-100. [In Persian]
Guidry, J. P. D., O'Donnell, N. H., Miller, C. A., Perrin, P. B., & Carlyle, K. E. (2020). Pinning despair and distress-suicide-related content on visual social media platform Pinterest. Crisis42(4), 270-277. https://psycnet.apa.org/doi/10.1027/0227-5910/a000719
Harmer, B., Lee, S., Duong, T. VI, H., & Saadabadi, A (2023). Suicidal Ideation. In: StatPearls [Internet]. Treasure Island (FL): StatPearls Publishing; 2023 April-. Available from: https://www.ncbi.nlm.nih.gov/books/NBK565877/
Hawton, K., Hill, N. T., Gould, M., John, A., Lascelles, K., & Robinson, J. (2020). Clustering of suicides in children and adolescents. The Lancet Child & Adolescent Health4(1), 58-67. https://doi.org/10.1016/s2352-4642(19)30335-9
Hajiani, A. (2009). Network analysis of organized crime. Police Knowledge Journal, 11(3), 108-140. [In Persian].
Haynie, D. L. (2001). Delinquent peers revisited: Does network structure matter?. American Journal of Sociology, 106(4), 1013-1057. https://psycnet.apa.org/doi/10.1086/320298
Haynie, D. L. (2002). Friendship networks and delinquency: The relative nature of peer delinquency. Journal of Quantitative Criminology18, 99-134. https://doi.org/10.1023/A:1015227414929
Haynie, D. L., Doogan, N. J., & Soller, B. (2014). Gender, friendship networks, and delinquency: A dynamic network approach. Criminology52(4), 688-722. https://doi.org/10.1111/1745-9125.12052
Heidari, A., & Rasaeipour, K. (2013). Suicide of women the investigation of the effective social and psychological factors in attitudes toward suicide: A case study of 16-40 year-old women of Yasouj city. Journal of Social Problems of Iran, 4(2), 209-233. [In Persian]. https://doi.org/10.22059/ijsp.2013.52143
Huang, X., Xing, L., Brubaker, J. R., & Paul, M. J. (2017). Exploring timelines of confirmed suicide incidents through social media. In 2017 IEEE International Conference on Healthcare Informatics (ICHI), 23-26 August 2017, Park City, UT, USA. (pp. 470-477). IEEE. https://doi.org/10.1109/ICHI.2017.47
Huang, Y. T., & Su, S. F. (2018). Motives for Instagram use and topics of interest among young adults. Future Internet10(8), 77. https://doi.org/10.3390/fi10080077
ICD-11. (2023). MB26. A Suicidal Ideation. Retrived from https://icd.who.int/browse11/l-m/en#/http://id.who.int/icd/entity/778734771
ISPA, Iraninan Student Polling Agency. (2022). 78.5% of people use social media. Retrived from http://ispa.ir/Default/Details/fa/3382/-78.5 [In Persian].
Ivanich, J. D., O’Keefe, V., Waugh, E., Tingey, L., Tate, M., Parker, A.,... & Cwik, M. (2022). Social network differences between American Indian youth who have attempted suicide and have suicide ideation. Community Mental Health Journal58(3), 589-594. https://doi.org/10.1007/s10597-021-00857-y
Kingsbury, M., Reme, B. A., Skogen, J. C., Sivertsen, B., Øverland, S., Cantor, N.,... & Colman, I. (2021). Differential associations between types of social media use and university students' non-suicidal self-injury and suicidal behavior. Computers in Human Behavior115, e106614-e106614. https://doi.org/10.1016/j.chb.2020.106614
Knecht, A., Snijders, T. A., Baerveldt, C., Steglich, C. E., & Raub, W. (2010). Friendship and delinquency: Selection and influence processes in early adolescence. Social Development19(3), 494-514. https://doi.org/10.1111/j.1467-9507.2009.00564.x
Koltai, J., Kmetty, Z., & Bozsonyi, K. (2021). From Durkheim to machine learning: Finding the relevant sociological content in depression and suicide-related social media discourses. In Pathways between Social Science and Computational Social Science (pp. 237-258). Springer, Cham.
Kreager, D. A., Rulison, K., & Moody, J. (2011). Delinquency and the structure of adolescent peer groups. Criminology49(1), 95-127. https://doi.org/10.1111/j.1745-9125.2010.00219.x
Krohn, M. D. (1986). The web of conformity: A network approach to the explanation of delinquent behavior. Social Problems32, 455–473.
Krohn, M. D., & Eassey, J. M. (2014). Integrated theories of crime. In  J.M. Miller (Ed.), The encyclopedia of theoretical criminology, (pp. 1-6). Wiley Online Library. https://doi.org/10.1002/9781118517390.wbetc028
Krohn, M. D., & Thornberry T. P. (1993). Network theory: A model for understanding drug abuse among African-American and Hispanic youth. In M. De La Rosa and J.L. Recio Adrados (Eds.), Drug abuse among minority youth: advances in research methodology (pp. 102-128), NIDA Research Monograph 130, U.S. Department of Health and Human Services. Retrived from https://pubmed.ncbi.nlm.nih.gov/8413503/
Krohn, M. D., & Thornberry, T. P. (1997). Network theory: A model for understanding drug abuse among African-American and Hispanic youth. Substance Use & Misuse32(12-13), 1931-1936. https://doi.org/10.3109/10826089709035606
Kuramoto, S. J., Wilcox, H. C., & Latkin, C. A. (2013). Social integration and suicide-related ideation from a social network perspective: A longitudinal study among inner-city African Americans. Suicide and Life-Threatening Behavior43(4), 366-378. https://doi.org/10.1111/sltb.12023
Laor, T. (2022). My social network: Group differences in frequency of use, active use, and interactive use on Facebook, Instagram and Twitter. Technology in Society68, 101922. https://doi.org/10.1016/j.techsoc.2022.101922
Li, H., Han, Y., Xiao, Y., Liu, X., Li, A., & Zhu, T. (2021). Suicidal ideation risk and socio-cultural factors in China: A longitudinal study on social media from 2010 to 2018. International Journal of Environmental Research and Public Health18(3), 1098-1109. https://doi.org/10.3390/ijerph18031098
Luxton, D. D., June, J. D., & Fairall, J. M. (2012). Social media and suicide: A public health perspective. American Journal of Public Health102(S2), S195-S200. https://doi.org/10.2105/AJPH.2011.300608
Marchant, A., Hawton, K., Stewart, A., Montgomery, P., Singaravelu, V., Lloyd, K., ... & John, A. (2018). Correction: A systematic review of the relationship between internet use, self-harm and suicidal behaviour in young people: The good, the bad and the unknown. PLoS One13(3), e0193937. https://doi.org/10.1371/journal.pone.0181722
Masuda, N., Kurahashi, I., & Onari, H. (2013). Suicide ideation of individuals in online social networks. PloS One8(4), e62262. https://doi.org/10.1371/journal.pone.0062262
Memon, A. M., Sharma, S. G., Mohite, S. S., & Jain, S. (2018). The role of online social networking on deliberate self-harm and suicidality in adolescents: A systematized review of literature. Indian Journal of Psychiatry60(4), 384-392. https://doi.org/10.4103/psychiatry.IndianJPsychiatry_414_17
Mercken, L., Candel, M., Willems, P., & De Vries, H. (2007). Disentangling social selection and social influence effects on adolescent smoking: The importance of reciprocity in friendships. Addiction102(9), 1483-1492. https://doi.org/10.1111/j.1360-0443.2007.01905.x
Mercken, L., Snijders, T. A., Steglich, C., Vertiainen, E., & De Vries, H. (2010). Smoking‐based selection and influence in gender‐segregated friendship networks: A social network analysis of adolescent smoking. Addiction105(7), 1280-1289. https://doi.org/10.1111/j.1360-0443.2010.02930.x
Mirfardi, A., & Valinezhad, A. (2018). Analysis of differences between women and men in the use of social networks. Global Media Journal-Persian Edition12(2), 112-132. [In Persian] https://gmj.ut.ac.ir/article_67002.html?lang=en
Mirzaee, S., Aliverdinia, A., Abdollahyan, H., & Riahi, M. E. (2023). Marvin krohn's network theory, big data, and network analysis: Studying social deviance in social media. Sociology of Social Institutions, 9(20), 219-252. [In Persian]. https://doi.org/10.22080/ssi.2023.24894.2077
Mohammadi, A., & Zarali, L. (2016). Sociological study of suicidal thoughts case study: Students of Islamic Azad University Rudhen. Studies in Psychology and Educational Sciences (Iran Modern Education Development Center), 3(2/1), 136-154. [In Persian].
Mueller, A. S., Abrutyn, S., & Stockton, C. (2015). Can social ties be harmful? Examining the spread of suicide in early adulthood. Sociological Perspectives58(2), 204-222. https://doi.org/10.1177/0731121414556544
Pew Research Center (2021, January 11). News use across social media platforms in 2020. https://www.pewresearch.org/journalism/2021/01/12/news-use-across-social-media-platforms-in-2020/
Rambaran, J. A., Dijkstra, J. K., & Veenstra, R. (2020). Bullying as a group process in childhood: A longitudinal social network analysis. Child Development91(4), 1336-1352. https://doi.org/10.1111/cdev.13298
Rabiee, M., Sadeghi Rashid, R., Sadeghi, A., & Shateri, F. (2019). Analysis of network crimes with data mining. Police Protectoral and Security Studies Quarterly, 14(50), 63-94. [In Persian].
Reynolds, A. D., & Crea, T. M. (2015). Peer influence processes for youth delinquency and depression. Journal of Adolescence43, 83-95. https://doi.org/10.1016/j.adolescence.2015.05.013
Robinson, J., Cox, G., Bailey, E., Hetrick, S., Rodrigues, M., Fisher, S., & Herrman, H. (2016). Social media and suicide prevention: A systematic review. Early Intervention in Psychiatry, 10(2), 103-121. https://doi.org/10.1111/eip.12229
Roth, A. R. (2020). Social networks and health in later life: A state of the literature. Sociology of Health & Illness42(7), 1642-1656. https://doi.org/10.1111/1467-9566.13155
Sivertsen, B., Hysing, M., Knapstad, M., Harvey, A., Reneflot, A., Lønning, K., & O'Connor, R. (2019). Suicide attempts and non-suicidal self-harm among university students: Prevalence study. BJPsych Open, 5(2), E26. https://doi.org/10.1192/bjo.2019.4
Sadeghinezhad, M., Noghani Dokht Bahmani, M., & Akbari, H. (2019). Looking for job information in a scientific collaboration network: An example of social network dynamics analysis. Sociology of Social Institutions, 5(12), 139-178. [In Persian]. https://doi.org/10.22080/ssi.1970.2136
Sueki, H. (2015). The association of suicide-related Twitter use with suicidal behaviour: A cross-sectional study of young internet users in Japan. Journal of Affective Disorders170, 155-160. https://doi.org/10.1016/j.jad.2014.08.047
Suzor, N. (2020). Understanding content moderation systems: New methods to understand internet governance at scale, over time, and across platforms. In Computational Legal Studies (pp. 166-189), Edward Elgar Publishing. https://doi.org/10.4337/9781788977456.00013
Tayebi, M., Glässer, U., & Andresen, M. A. (2020). Future applications of big data in environmental criminology. In Big Data (pp. 40-53), Routledge. http://dx.doi.org/10.4324/9781351029704-4
Thornberry, T. P., Krohn, M. D., Lizotte, A. J., Smith, C. A., & Porter, P. K. (1998, May). Taking stock: An overview of findings from the Rochester Youth development study. In 54th Annual Meeting of the American Society of Criminology, Washington, DC.
Um, M. Y., Rice, E., Lee, J. O., Kim, H. J., & Palinkas, L. A. (2022). Suicidal ideation among North Korean refugees in South Korea: Exploring the influence of social network characteristics by gender. Transcultural Psychiatry59(1), 52-62. https://doi.org/10.1177/1363461520935314
Wasserman, S., & Faust, K. (1994). Social network analysis: Methods and applications (Vol. 8). Cambridge University Press.
Weerman, F. M. (2011). Delinquent peers in context: A longitudinal network analysis of selection and influence effects. Criminology49(1), 253-286. https://doi.org/10.1111/j.1745-9125.2010.00223.x
Weerman, F. M., & Hoeve, M. (2012). Peers and delinquency among girls and boys: Are sex differences in delinquency explained by peer factors?. European Journal of Criminology, 9(3), 228-244. https://doi.org/10.1177/1477370811435736
Weerman, F. M., & Smeenk, W. H. (2005). Peer similarity in delinquency for different types of friends: A comparison using two measurement methods. Criminology43(2), 499-524. https://doi.org/10.1111/j.0011-1348.2005.00015.x
West, S. M. (2017). Raging against the machine: Network gatekeeping and collective action on social media platforms. Media and Communication5(3), 28-36. https://doi.org/10.17645/mac.v5i3.989
Westerlund, M., & Krysinska, K. (2021). The role of the internet in suicide prevention from the public health perspective. In Wasserman D. (ed.), Oxford Textbook of Suicidology and Suicide Prevention (pp. 683 – 698). Oxford University Press.
Westerlund, M., & Nilsson, H. (2022). Suicide communication on digital platforms: A research review. Media Council (Statens medieråd). Retrived from https://news.ki.se/media/133811/download
Whitlock, J., Wyman, P. A., & Moore, S. R. (2014). Connectedness and suicide prevention in adolescents: Pathways and implications. Suicide and LifeThreatening Behavior44(3), 246-272. https://doi.org/10.1111/sltb.12071
WHO (World Health Organization). (2021a). One in 100 deaths is by suicide. Published https://www.who.int/news/item/17-06-2021-one-in-100-deaths-is-by-suicide (Accessed 17 June 2021).
WHO (World Health Organization). (2021b). Suicide. Published https://www.who.int/news-room/fact-sheets/detail/suicide (Accessed 17 June 2021).
Williams, M. L., Burnap, P., & Sloan, L. (2017). Crime sensing with big data: The affordances and limitations of using open-source communications to estimate crime patterns. The British Journal of Criminology57(2), 320-340. https://doi.org/10.1093/bjc/azw031
Wyman, P. A., Pickering, T. A., Pisani, A. R., Rulison, K., Schmeelk‐Cone, K., Hartley, C., ... & Valente, T. W. (2019). Peer‐adult network structure and suicide attempts in 38 high schools: Implications for network‐informed suicide prevention. Journal of Child Psychology and Psychiatry60(10), 1065-1075. https://doi.org/10.1111/jcpp.13102
Xiao, Y., & Lindsey, M. (2021). Adolescent social networks matter for suicidal trajectories: Disparities across race/ethnicity, sex, sexual identity, and socioeconomic status. Psychological Medicine, 52(15), 3677-3688. https://doi.org/10.1017/s0033291721000465