مؤسسه مطبوعاتی روزنامه‌نگاری بین‌المللی معاصر علوم خبری 2382-9788 15 2 2026 07 23 Big Data–Driven Public Opinion Mining: A Conceptual Framework for Evidence-Informed Policymaking افکارکاوی ملی مبتنی بر داده‌های کلان: چارچوبی مفهومی برای سیاست‌گذاری مبتنی بر شواهد 148 168 250816 10.22034/lrsi.2026.550018.1443 FA قاسم صفائی نژاد دانش آموخته دکترا مدیریت رسانه، پردیس البرز، دانشگاه تهران، تهران، ایران. (نویسنده مسئول)، رایانامه: safaeinejad@ut.ac.ir 0000-0003-0360-7345 سید مهدی شریفی دانشیار، ، گروه مدیریت رسانه و ارتباطات کسب‌وکار، دانشکده مدیریت کسب‌وکار، دانشکدگان مدیریت، دانشگاه تهران، تهران، ایران. رایانامه: Sharifee@ut.ac.ir Journal Article 2025 09 30 Objective: The present study was conducted with the aim of designing a conceptual model for national opinion mining based on big data. The necessity of this research arises from the fact that traditional opinion polling methods, such as questionnaires and interviews, face limitations including high costs, time delays, and restricted geographical coverage. In contrast, big data generated from citizens’ digital interactions on social media and the web provides unprecedented capacity for real-time monitoring of public opinion dynamics and supporting evidence-informed policymaking. Methods: This research is developmental–theoretical in nature and was carried out with a qualitative–inferential approach. The data used were collected from secondary sources, including peer-reviewed scientific articles and national and international policy reports. The methodology was based on theoretical analysis and conceptual synthesis. First, a systematic literature review was conducted to identify key concepts and research gaps. Then, using conceptual inference, the essential components and relationships of the opinion mining process were extracted and organized into a five-layer model: (1) data collection, (2) cleaning and preprocessing, (3) analysis and clustering, (4) interpretation and validation, and (5) feedback and application. Results: The findings of the study indicated that the proposed model can overcome the limitations of traditional opinion polling and enable scalable, multidimensional, and real-time monitoring of public opinion. In the analysis layer, the use of natural language processing and machine learning algorithms (sentiment analysis, topic modeling, clustering, and social network analysis) made it possible to identify emotional trends, dominant topics, and key actors. In the interpretation layer, expert feedback was obtained to enhance the validity of the model. Finally, the feedback and application layer demonstrated that the model’s outputs can be delivered through interactive dashboards and policy briefs to decision-making institutions, thereby serving to complement and strengthen traditional opinion polling through data-driven analysis. Conclusions: The conceptual model of national opinion mining based on big data provides a novel framework for a gradual transition in certain functions and for complementing traditional opinion polling through data-driven analysis. By reducing costs and time, increasing accuracy and coverage, and enabling real-time insights, this model can serve as a strategic tool for evidence-informed policymaking at the national level. Nevertheless, challenges such as the need for robust computational infrastructure, adherence to ethical and privacy principles, and optimization of natural language processing algorithms for Persian must be taken into account. Overall, the findings of this study can serve as a foundation for developing indigenous opinion mining tools and enhancing data-driven decision-making capacity in Iran. هدف: پژوهش حاضر با هدف طراحی چارچوب مفهومی افکارکاوی ملی مبتنی بر داده‌های کلان انجام شده است. ضرورت این تحقیق از آنجا ناشی می‌شود که روش‌های سنتی افکارسنجی، نظیر پرسشنامه و مصاحبه، با محدودیت‌هایی همچون هزینه‌بر بودن، تأخیر زمانی، و عدم پوشش گسترده جغرافیایی مواجه‌اند. در مقابل، داده‌های کلان حاصل از تعاملات دیجیتال شهروندان در شبکه‌های اجتماعی و فضای وب، ظرفیت بی‌سابقه‌ای برای رصد لحظه‌ای تحولات افکار عمومی و پشتیبانی از سیاست‌گذاری مبتنی بر شواهد فراهم می‌آورند. روش تحقیق: این پژوهش از نوع توسعه‌ای-نظری و با رویکرد کیفی-استنتاجی انجام شد. داده‌های مورد استفاده از منابع ثانویه شامل مقالات علمی معتبر و گزارش‌های سیاست‌گذاری ملی و بین‌المللی گردآوری شده است. روش تحقیق مبتنی بر تحلیل نظری و سنتز مفهومی بود. در گام نخست، مرور نظام‌مند ادبیات برای شناسایی مفاهیم کلیدی و شکاف‌های پژوهشی صورت گرفت. سپس با بهره‌گیری از روش استنتاج مفهومی، مولفه‌ها و روابط اساسی فرایند افکارکاوی استخراج و در قالب یک مدل پنج‌لایه شامل: (1) گردآوری داده، (2) پاک‌سازی و پیش‌پردازش، (3) تحلیل و خوشه‌بندی، (4) تفسیر و اعتبارسنجی، و (5) بازخورد و کاربرد، سازماندهی شد. یافته‌ها: یافته‌های پژوهش نشان داد که مدل پیشنهادی قادر است محدودیت‌های افکارسنجی سنتی را برطرف کرده و امکان رصد لحظه‌ای، مقیاس‌پذیر و چندبعدی افکار عمومی را فراهم سازد. در لایه تحلیل، استفاده از الگوریتم‌های پردازش زبان طبیعی و یادگیری ماشین (تحلیل احساسات، مدل‌سازی موضوعی، خوشه‌بندی و تحلیل شبکه اجتماعی) امکان شناسایی روندهای احساسی، موضوعات غالب و بازیگران کلیدی را فراهم خواهد کرد. در لایه تفسیر، بازخورد خبرگان اخذ شد تا اعتبار مدل افزایش یابد. در نهایت، لایه بازخورد و کاربرد نشان داد که خروجی مدل می‌تواند به‌صورت داشبوردهای تعاملی و گزارش‌های سیاستی در اختیار نهادهای تصمیم‌گیر قرار گیرد تا برای تکمیل و تقویت افکارسنجی سنتی از طریق تحلیل داده‌محور مورد استفاده قرار گیرد. نتیجه‌گیری: مدل مفهومی افکارکاوی ملی مبتنی بر داده‌های کلان، چارچوبی نوین برای گذار تدریجی در برخی کارکردها و مکمل‌سازی افکارسنجی سنتی از طریق تحلیل داده‌محور ارائه می‌دهد. این مدل با کاهش هزینه و زمان، افزایش دقت و پوشش، و امکان تحلیل لحظه‌ای، می‌تواند به ابزاری راهبردی برای سیاست‌گذاری مبتنی بر شواهد در سطح ملی تبدیل شود. با این حال، چالش‌هایی همچون نیاز به زیرساخت محاسباتی قدرتمند، رعایت اصول اخلاقی و حریم خصوصی، و بهینه‌سازی الگوریتم‌های پردازش زبان فارسی باید مورد توجه قرار گیرد. در مجموع، نتایج این پژوهش می‌تواند مبنای توسعه ابزارهای بومی افکارکاوی و ارتقای ظرفیت تصمیم‌سازی داده‌محور در ایران باشد.

https://www.mjourcom.ir/article_250816_5dbde8e5b7790f781011793f4ffd97d3.pdf