Facebook-csoportadatok gyűjtése tudományos kutatáshoz

Az adatkészlet szerkezete

posts.csv: bejegyzésenként egy sor azonosítóval, időbélyeggel (ISO 8601, UTC), szerzővel, szöveggel, reakciókkal, komment- és megosztásszámmal, csatolmányokkal és állandó linkkel. comments.csv: kommentenként vagy válaszonként egy sor a bejegyzés azonosítójával, a szülőkomment azonosítójával és a mélységgel, ami elég a szálak rekonstruálásához és a válaszhálózatok kiszámításához.

A JSON megőrzi az egymásba ágyazott szerkezetet (bejegyzés → kommentek → válaszok), a JSONL pedig soronként egy beszélgetést tárol, ami kényelmes az NLP-folyamatokhoz és a nyelvi modellekhez.

Teljesség és korlátok

A bővítmény azt gyűjti, ami a fiókod számára látható a csoportban, „Összes hozzászólás” sorrendben, a beágyazott válaszokkal együtt. A törölt tartalom, az adminisztrátorok által elrejtett tartalom és az olyan csoportok bejegyzései, amelyekhez nincs hozzáférésed, nem kerülnek bele. A Facebook reakciószámai összesítések, nem mutatják, ki reagált. Rögzítsd a gyűjtés dátumát: a csoportok idővel változnak.

Etika és adatvédelem

A tagok még nyilvános csoportokban sem feltétlenül számítanak arra, hogy a bejegyzéseiket tanulmányozzák. Tipikus garanciák: etikai engedély, a csoport adminisztrátorainak tájékoztatása, a szerzők álnevesítése (az author és author_id oszlopok kódokra cserélése), olyan szó szerinti szövegek idézésének kerülése, amelyekre rákeresve egy személyhez lehetne jutni, az adatok titkosított tárolása, és a nyers adatok törlése a projekt végén. Nézd meg a GDPR (általános adatvédelmi rendelet) vagy a nálad érvényes megfelelő szabályozás előírásait és az intézményed szabályait.

Reprodukálhatóság

Jegyezd fel a bővítmény verzióját, a gyűjtés dátumait, a beállításokat („Egy dátumtól” dátum, kommentek be/ki) és a csoportok URL-jeit. Az eredeti vault.json exportot tartsd meg nyers adatként: később újra importálható a bővítménybe, hogy újraexportáld vagy bővítsd az adatkészletet.