ایران پیپر :: پاسخگویی 24 ساعته

مرجع مقالات و پروژه های معتبر انگلیسی و فارسی

ایران پیپر :: پاسخگویی 24 ساعته

مرجع مقالات و پروژه های معتبر انگلیسی و فارسی

ایران پیپر ::   پاسخگویی 24 ساعته
طبقه بندی موضوعی

 

Social network analysis: Characteristics of online social networks after a disaster

 

 

 


 برای دانلود رایگان مقاله اصلی به زبان انگلیسی اینجا کلیک کنید 
 
 

تجزیه و تحلیل شبکه اجتماعی: خصوصیات شبکه های اجتماعی آنلاین پس از یک فاجعه

 

 
 

 

 

 

 

 

 

 

 

چکیده

 

رسانه های اجتماعی مانند توییتر و فیس بوک، نقش مهمی در مدیریت بحران ها با انتشار اطلاعات اورژانسی به یک فاجعه ایفا می کنند. این چهارمین محبوب ترین منبع برای دسترسی به اطلاعات اضطراری است. بسیاری از مطالعات داده های رسانه های اجتماعی را برای درک شبکه ها و استخراج اطلاعات مهم برای توسعه یک برنامه کاهش تلفات قبل و بعد از فاجعه مورد مطالعه قرار داده اند.
سال 2016 در لوئیزیانا بیش از 60،000 خانه آسیب دیده بود و بدترین فاجعه آمریکا پس از طوفان سندی در سال 2012 بود. محله های مختلف در لوئیزیانا به طور فعال از رسانه های اجتماعی خود برای تبادل اطلاعات با فاجعه استفاده کردند. ، خدمات پزشکی و عملیات حذف بقایای. این مطالعه تجزیه و تحلیل شبکه های اجتماعی را برای تبدیل داده های اضطراری شبکه اجتماعی به دانش مورد استفاده قرار می دهد. ما الگوهای ایجاد شده توسط تعاملات جمع شده کاربران آنلاین در فیس بوک را در طی پاسخ های فاجعه بررسی می کنیم. این بینش برای درک نقش حیاتی استفاده از رسانه های اجتماعی برای انتشار اطلاعات اورژانسی فراهم می کند. نتایج مطالعه نشان می دهد که شبکه های اجتماعی شامل سه نهاد: افراد، سازمان های اورژانس و سازمان ها هستند. هسته شبکه اجتماعی متشکل از افراد متعدد است. آنها به طور فعال برای به اشتراک گذاشتن اطلاعات، ارتباط با شهر باتون روژ و اطلاعات به روزرسانی می شوند. آژانس های اضطراری و سازمان ها در محدوده شبکه اجتماعی قرار دارند و جامعه را با دیگر جوامع ارتباط می دهند. نتایج این مطالعه به سازمان های اورژانس کمک می کند استراتژی های عملیات رسانه های اجتماعی خود را برای برنامه رفع فاجعه توسعه دهند.
1. معرفی
رسانه های اجتماعی مانند توییتر و فیسبوک نقش مهمی در مدیریت بحران دارند. این رتبه چهارمین محبوب ترین منبع برای دسترسی به اطلاعات اضطراری است (Lindsay، 2011). Mickoleit (2014) مشخص کرده است که نهادهای دولتی از سیستم عامل هایی مانند توییتر، فیس بوک و وبلاگ ها برای برقراری ارتباط با جوامع خود استفاده می کنند. حساب توییتر در 24 کشور از 34 کشور عضو OECD ایجاد شده است که می تواند با 21 مورد از 34 مورد برای فیس بوک مقایسه شود. بسیاری از مطالعات به بررسی استفاده منظم از رسانه های اجتماعی در پاسخ های اضطراری با استخراج داده های رسانه های اجتماعی برای شناسایی نیازهای یک فاجعه پرداخته اند. جامعه ای که در آن زندگی می کنند (Imran، Elbassuoni، Castillo، Diaz، & Meier 2013؛ Yin et al.، 2015) . به عنوان مثال، داده های رسانه های اجتماعی برای ایجاد یک نقشه زمان واقعی مبتنی بر GIS در طول 2012 طوفان سندی در نیویورک استفاده شد. این اطلاعات اضطراری و نیازهای جامعه را با ادارات اورژانس و سازمان های غیر دولتی به اشتراک گذاشت (Middleton، Middleton، & Moda ff eri، 2014). علاوه بر این، داده های زمان واقعی از رسانه های اجتماعی برای ایجاد یک سیستم هشدار اولیه برای گردباد استفاده شده است (Knox et al.، 2013؛ Tyschchuk، Hui، Grabowski، & Wallace، 2011). رسانه های اجتماعی برای برقراری ارتباط اطلاعات اضطراری و درخواست های فوریتی بین ادارات اورژانس و فاجعه - افراد تحت کنترل استفاده می شود (Feldman et al.، 2016؛ Lindsay، 2011). این رویکردها از تأسیسات اورژانس در فهم ناگهانی شرایط پس از یک فاجعه حمایت می کنند.
بیش از 60،000 خانه در سال 2016 در لوئیزیانا آسیب دیده اند (هان، 2016). این بدترین فاجعه پس از طوفان شنی در سال 2012 بود (یان و فلورس، 2016). چند ناحیه در لوئیزیانا از رسانه های اجتماعی خود برای به اشتراک گذاشتن اطلاعات اضطراری با افرادی که در اثر فاجعه زندگی می کنند استفاده می کردند. شهر باتون روژ در لوئیزیانا به طور فعال از رسانه های اجتماعی خود مانند فیس بوک و توییتر برای به روز رسانی اطلاعات اضطراری در زمان واقعی به افراد فاکس استفاده کرد. مطالعات اندک، ساختارها و نقشهای شبکه اجتماعی را در طی پاسخهای متضاد بررسی کرده اند. این مطالعه از طریق تجزیه و تحلیل شبکه های اجتماعی (SNA) برای درک ویژگی های شبکه های رسانه های اجتماعی در لوئیزیانا در زمان پاسخ های اضطراری استفاده می شود.
 
 
 
شکل 1: نمودار مفهومی سرمایه اجتماعی (ناکااوا و شاو، 2004).
شکل 2. مقایسه مدت زمان جستجو در طول 2012 طوفان سندی در ایالات متحده (Google Trends، 2017a).
شکل 3: مقایسه مدت زمان جستجو در سال 2016 لوئیزیانا در شهر باتون روژ، لوئیزیانا، ایالات متحده آمریکا (Google Trends، 2017b).
2. بررسی ادبیات تحقیق
2.1 سرمایه اجتماعی برای بازیابی فاجعه
سرمایه اجتماعی می تواند به عنوان "منابع انباشته شده از طریق روابط بین مردم" (کلمن، 1988) تعریف شود. نتیجه مثبت اجتماعی ناشی از سرمایه اجتماعی از طریق بهداشت عمومی، میزان جرم و جنایت، و بازارهای مالی تعیین شده است (Adler & Kwon، 2002). به طور کلی، سرمایه اجتماعی به طور مثبت از تعامل میان شرکت کنندگان در یک شبکه اجتماعی به ارمغان می آورد (Helliwell & Putnam، 2004). الیسون، استین فیلد و لامپ (2007) دریافتند که سرمایه اجتماعی بزرگتر تعهد به جامعه و توانایی بسیج اقدامات جمعی را افزایش می دهد.
شکل 4: تصویر کاربری و ارتباط
جدول 2
معیارهای کلی
بسیاری از محققان تأکید کرده اند که سرمایه اجتماعی نقش مهمی در پاسخ به بلایای طبیعی دارد. ناکاگاوا و شاو (2004) برنامه های بازسازی و بازسازی پس از زلزله را در دو مورد بررسی کردند: کوب در ژاپن و گجرات در هند. آنها مشخص کردند که سرمایه اجتماعی و رهبری در جامعه، ویژگی های اساسی برای بازیابی سریع فاجعه است. آنها سه جنبه از سرمایه اجتماعی را شرح دادند: پیوند، پیوند و اتصال (نگاه کنید به شکل 1). آلدریچ (2011) با بررسی فاجعه پس از زلزله کوبه 1995 در ژاپن، تأکید کرد که قدرت مردم (سرمایه اجتماعی) قوی ترین و قوی ترین پیش بینی کننده بهبود جمعیت پس از یک فاجعه است. آلدریچ و مایر (2014) ادبیات و شواهد جدیدی را برای بررسی نقش حیاتی سرمایه اجتماعی و شبکه در بازیابی فاجعه مورد بررسی قرار دادند. آنها تأکید کردند که سازمان های فاجعهبار، تصمیم گیرندگان دولتی و سازمان های غیردولتی نیاز به تقویت زیرساخت های اجتماعی در سطح جامعه برای افزایش انعطاف پذیری فاجعه دارند. Joshi and Aoki (2014) دو ناحیه را که توسط سونامی در هند مورد بررسی قرار گرفته اند مورد بررسی قرار دادند. آنها تصریح کردند که قدرت شبکه های اجتماعی، تعهد مجدد به اجتماع، محبوبیت رهبران و عوامل مختلف اجتماعی باعث بهبود وضعیت فاجعه می شود. Grube و Storr (2014) بررسی کردند که چگونه سیستم های پیش از بلافاصله پس از فاجعه حمایت از خودکامه را پشتیبانی می کند. آنها نتیجه گرفتند که انتقال دانش و دانش محلی در بهبود فاجعه، جوامع فاشیسم مهم است. به منظور افزایش انعطاف پذیری جامعه پس از یک فاجعه، نقش رسانه های اجتماعی قابل توجه است.
2.2 نقش رسانه های اجتماعی در یک فاجعه
اهمیت تعاملات رسانه های اجتماعی پس از یک فاجعه توسط بسیاری از محققان (Kim & Hastak، 2017، Middleton et al.، 2014؛ Poorazizi، Hunter & Steiniger 2015؛ Reuter، Heger & Pipek، 2013؛ Yin et al ، 2015؛ Yoo، Rand، Eftekhar، & Rabinovich، 2016). رسانه های اجتماعی دارای طیف وسیعی از نقش ها هستند، از تهیه و دریافت اطلاعات مربوط به آمادگی فاجعه و هشدارها و سیگنالینگ و تشخیص اختلال ها قبل از یک رویداد، برای پیوند اعضای جامعه پس از فاجعه (Houston et al.، 2015).
پس از زلزله 2010 در هائیتی، مردم از طریق رسانه های اجتماعی متون و عکس های متعدد را به اشتراک گذاشتند. ظرف 48 ساعت صلیب سرخ 8 میلیون دلار کمک های مالی دریافت کرده است و این نشان دهنده یکی از قابلیت های قدرتمند انتشار اطلاعات در رسانه های اجتماعی محسوب می شود (گائو، باربی و گولسبی 2011؛ کیم و نویز 2011؛ یاتس و پاکت، 2011) گراهام، اوری و پارک (2015) بیش از 300 نفر از مسئولان محلی را از شهرداری های سراسر ایالات متحده بررسی کردند. این مطالعه نشان داد که میزان استفاده از رسانه های اجتماعی با ارزیابی توانایی شهر در کنترل بحران ارتباط دارد. این نیز مربوط به ارزیابی کلی آنها از قدرت پاسخ آنها است. آژانس مدیریت اضطراری فدرال (FEMA) از رسانه های مختلف اجتماعی، از جمله فیس بوک، توییتر، اینستاگرام، LinkedIn و یوتیوب استفاده می کند تا اطالعات اورژانسی مربوط به یک کاتاپرته (FEMA، 2016) را در اختیار عموم قرار دهد.
یو و همکاران (2016) داده های توییتر را در طول طوفان شنی جمع آوری کرده و نظریه های کاربردی اطلاعات را برای مشخص کردن نرخ های بهره وری مورد استفاده قرار داده است. متغیرها عبارتند از: (1) سرعت آبشار اطلاعاتی، (2) مشارکت محققان آبشار و محتوای آبشار به آگاهی موقعیتی، (3) تأخیر در راه اندازی آبشار در طول فاجعه، (4) بروز افزایش آبشار توسط سازنده، و (5) آبشار گمراه کننده. آنها شناسایی کردند که شبکه داخلی از طریق شبکه های رسانه های اجتماعی با سرعت بیشتری نسبت به اطلاعات در این شبکه ها از منابع خارجی به دست می آید.
علاوه بر این، استفاده از رسانه های اجتماعی به عنوان یک کاربر اطلاعاتی باید برای ارتقاء قابلیت اطمینان در اورژانس تنظیم شود. کیم و نجی (2011) تأکید کردند که ارتباطات P2P می تواند اطلاعات و شایعات غلط و همچنین نقض حقوق حریم خصوصی را گسترش دهد. حجم بسیار زیاد پیام ها از طریق رسانه های اجتماعی، برای فاجعه - فاجعه - جوامع و پاسخگزاران / سازمان های امدادرسان حرفه ای برای پردازش و تجزیه و تحلیل اطلاعات، سخت می شود. Imran et al (2013) سیستم یکپارچه با تکنیک های یادگیری ماشین را برای ارائه اطلاعات عملی از رسانه های اجتماعی پیشنهاد کرد. لی و همکاران (2014) اشکال اطلاعات فاجعه آمیز (رسانه های اجتماعی در مقابل رسانه های سنتی) و منابع (آژانس های ملی و رسانه ها در مقابل سازمان های محلی و رسانه ها) را برای تولید نتایج مطلوب عمومی مانند قصد جستجو و به اشتراک گذاشتن اطلاعات اضطراری مورد مطالعه قرار داد.
2.3 تجزیه و تحلیل شبکه شبکه و ابزار
نرم افزار و ابزار توسعه یافته اند تا نیاز روزافزون به تکنولوژی داده کاوی و تجسم شبکه اجتماعی را برآورده سازند. محققان ابزارهای مجموعه ای از اجزای تجزیه و تحلیل شبکه را ایجاد کردند
شکل 5. تعداد واکنش ها در صفحه فیس بوک شهر باتون روژ.
شکل 6: بیشتر اطلاعات مشترک و اظهار نظر در فیس بوک پس از جریان (eBRGIS، 2016).
(150 مورد، 791 مورد و 61 نظر بازیابی شده است
از صفحه فیس بوک شهر باتون روژ).
شکل 7. نمودار شبکه در سال 2016 لوئیزیانا
fl ood
(طرح Harel-Karen استفاده می شود. اندازه Vertex براساس درجه خارج از محدوده است. رأی های Blur بیانگر ارتباطات بالاتر هستند)
شکل 8: تصویری از مرکز درجه
نه محدود به R و کتابخانه SNA، JUNG، Guess و Prefuse از جمله NodeXL و Gephi (آدار، 2006؛ Heer، Card & Landay، 2005؛ Smith et al.، 2009؛ White، 2005). این ابزارها ویژگی های متفاوتی دارند، اما اکثر آنها اجازه می دهد (1) محاسبه معیارهایی که سطح محلی (سطح بازیگر) و سطح جهانی (سطح شبکه) شبکه را فراهم می کنند، (2) تجسم گرافیکی شبکه و (3 ) تشخیص جامعه (Combe، Largeron، Egyed-Zsigmond، & Géry، 2010؛ Oliveira & Gama، 2012).
جدول 3
10 مرکزیت درجه و درجه توزیع درجه.
خطوط قرمز رنگ همه لبه هایی هستند که با 10 عدد از سطوح خارج از محدوده به جز CBR ارتباط دارند.
3. اهداف تحقیق
بسیاری از مطالعات داده های رسانه های اجتماعی را درک کرده اند تا شبکه های اجتماعی را درک کنند و اطلاعات مهمی را برای توسعه یک برنامه کاهش تلفات پیش از و پس از فاجعه استخراج کنند. این مطالعه پس از لوییزیانا در سال 2016 پاسخ های فاجعه ای را در رسانه های اجتماعی مورد بررسی قرار داد. بارندگی های طولانی در بخش های جنوبی لوئیزیانا منجر به فاجعه ای شدید شد که هزاران نفر از خانه ها و کسب و کارها را از هم جدا کردند. این در سال 2012 به عنوان بدترین فاجعه در ایالات متحده پس از طوفان سندی در سال 2012 ثبت شد و بیش از 60،000 خانه را به خود اختصاص داد (Ball، 2016؛ براون و همکاران، 2016؛ May & Bowerman، 2016؛ یان و فلورس، 2016). این مطالعه SNA برای تبدیل داده های رسانه های اجتماعی به دانش مورد استفاده قرار می گیرد. این بینش را برای درک نقش حیاتی رسانه های اجتماعی برای انتشار اطلاعات اضطراری فراهم می کند. اهداف این مطالعه عبارتند از:
1) جمع آوری اطلاعات رسانه های اجتماعی را از صفحه فیس بوک شهر باتون روژ در طول سال 2016 لوئیزیانا فلوت، اوت 12 - دسامبر 1، 2016 جمع آوری کنید.
2) بررسی ارتباطات و الگوهای ایجاد شده توسط جلسات جمع شده در صفحه فیس بوک در طول پاسخ های فاجعه.
3) شناسایی و تجزیه و تحلیل نقش های اجتماعی و بازیکنان کلیدی در شبکه اجتماعی.
4) تجزیه و تحلیل پست ها در طول فاجعه، مانند بحث، کلمات و کلمات جفت.
5) اقدامات بیشتری را جهت بهبود فضای اطلاعات از طریق رسانه های اجتماعی پیشنهاد می کند.
4. لوئیزیانا و رسانه های اجتماعی
4.1 روند جستجو در مدت زمان: 2012 طوفان سندی در مقابل 2016 لوئیزیانا
برای کمبود پوشش سال 2016 لوئیزیانا، به ویژه در مقایسه با سایر بلایای طبیعی بزرگ در ایالات متحده (برمن، 2016؛ May & Bowerman، 2016؛ Pallotta، 2016؛ اسکات، 2016). در طول دوره، رسانه ها عمدتا از انتخابات ریاست جمهوری سال 2016 ایالات متحده و بازی های المپیک تابستانی 2016 ریاست جمهوری را پوشش دادند. کریگ فوگات، مدیر FEMA، اظهار داشت: "شما المپیک دارید، شما انتخابات را دریافت کردید. اگر به اخبار ملی نگاه کنید، احتمالا در صفحه سوم یا چهارم قرار دارید. ... ما فکر می کنیم که این یک فاجعه ی ملی است "(O'Donoghue، 2016). به عنوان مثال، نیویورک تایمز اولین داستان خود را در شب 14 اوت منتشر کرد (هرش، 2016).
به این ترتیب، Google Trends را برای شناسایی داستانهای ترغیب 2012 و 2016 در نزدیکی دو حادثه در ایالات متحده از جمله طوفان سندی و لوئیزیانا شناختیم. داده های روند، علاقه در طول زمان، در محدوده 0-100 بر اساس نسبت موضوع به جستجو برای همه موضوعات (Google، 2017) مقیاس می شود.
4.1.1 روند در سطح ملی
در سال 2016، در مقایسه با انتخابات ریاست جمهوری 2016 و 2016 بازی های المپیک تابستانی ریو در سطح ملی، سخت بود که روند جستجوی مدت (یا علاقه ای را در طول زمان) برای لوئیزیانا به نمایش گذاشت. با این حال، روند جستجو در دوره 2012 در شرایط مشابه زمانی که طوفان سندی رخ داد متفاوت بود. علیرغم بازی های المپیک تابستانی 2012 لندن و انتخابات پیشین انتخابات سال 2012 در سال طوفان سندی، رسانه های خبری طوفان سندی نسبت به این رویدادهای دیگر بیشتر بود. طوفان سندی در روز 29 اکتبر 2012 در شهر نیویورک در نیویورک سقوط کرد. در طول هفته اکتبر 28 تا 3 نوامبر، میزان اوج آن افزایش یافت (شکل 2).
4.1.2 روند در سطح محلی
روند جستجو در Google در لوئیزیانا در شکل 3 نشان داده شده است. لوئیزیانا فلورید 2016 در اوایل هفته هفتم اوت 17 تا 2016 به اوج رسید. در مقایسه با طوفان سندی در سال 2012، اوج علاقه به موضوع، 2016 لوئیزیانا، بالاتر از 2016 بازی های المپیک ریو و انتخابات ریاست جمهوری 2016 در لوئیزیانا بود. همچنین بعد از ظهر روز 12 اوت سال 2016، اوج خود را به اوج رساند.
4.2 مقایسه سیستم عامل های رسانه های اجتماعی: فیس بوک و توییتر
طبق گفته Social Times، فیس بوک 1.59 میلیارد کاربر ماهانه فعال (تا دسامبر 2015)، در حالی که توییتر 320 میلیون (از مارس 2016) (Social Times، 2016) دارد. Duggan (2015) کاربران فیس بوک و توییتر را در بین کاربران اینترنت در این بررسی مورد بررسی قرار داد و فیس بوک را به عنوان یک نسل وسیع تر از تویتر تشخیص داد. علاوه بر این، 70 درصد از کاربران فیس بوک به صورت روزانه در پلت فرم قرار دارند، در مقایسه با 38 درصد از کاربران توییتر (جدول 1 را ببینید). مرکز پژوهشی Pew (2017) فیس بوک را به عنوان وسیع ترین سیستم عامل های رسانه های اجتماعی مورد استفاده قرار می دهد و پایگاه کاربری آن به طور کلی نماینده ی کل جامعه است. در ژانویه 2016، 68 درصد از بزرگسالانی که ایالات متحده آمریکا بودند، کاربران فیس بوک بودند.
شهر باتون روژ از سال 2011 با استفاده از دو سیستم عامل رسانه های اجتماعی، فیس بوک و توییتر از سال 2011 استفاده کرده است. در روز اول دسامبر 2016 تعداد پیروان توییتر بالاتر از پیروان فیس بوک بود که به ترتیب 13،500 و 9936 نفر بود. با این حال، مشارکت کاربران فیسبوک در طول سال 2016 در لوئیزیانا، بالاتر از توییتر بود. به عنوان مثال، یک پست تنها در صفحه فیس بوک به طور متوسط 792 کاربر مشترک شده و 150 کاربر آن را دوست داشتند، در مقایسه با پست های توییتر 4-5 retweets و 1-2 دوست داشتن.
5. جمع آوری داده ها و پیش پردازش
اطلاعات جمع آوری شده از صفحه فیس بوک شهر باتون روژ (www.facebook.com/cityofbatonrouge) که در طول اوت 12 - 1 دسامبر 2016 ایجاد شد، 1171 کاربر و 21،115 فعالیت یا پاسخ در صفحه وجود داشت. برای نشان دادن داده های جمع آوری شده در یک گراف شبکه، یک حلقه به عنوان یک کاربر مشغول تعریف می شود و یک لبه به عنوان ارتباط بین کاربران ایجاد شده توسط تعامل آنها تعریف می شود (نگاه کنید به شکل 4). ما هر گونه ارتباط بین دو رأس را، به رغم جهت، به عنوان نشانه ای از شباهت آنها (Clauses، Newman، & Moore، 2004) فرض می کنیم.
ما اطلاعات جمع آوری شده را برای اطمینان از اینکه آنها قبل از تجزیه و تحلیل و تجسم شبکه دقیقا به 2016 لوئیزیانا وابسته است، تأیید کردیم. جفت های مورب تکراری در لبه ها وجود داشت و 6400 لبه با تکراری از 27515 لبه (جدول 2 را ببینید) این تکرار جفت های ارغوانی ممکن است رخ دهد هنگامی که کاربر A پاسخ به کاربر B در چندین بار. این تکرارها می توانند بعضی معیارها، نظیر درجه را به درستی درک کنند (Smith et al.، 2009). بنابراین، لبه های 6400 به یک لبه وزن واحد ترکیب شده اند. سرانجام، لبه هایی که یک حلقه را با خود متصل می کنند
- خود حلقه ها، که 671 آن وجود دارد، حذف شدند.
6. نتایج
تعدادی از مشاغل کاربر (مثلا نظرات، نظرات نظر داده شده و کاربر برچسب گذاری شده) در پست های فیس بوک در شکل 5 شرح داده شده است.
تعداد مشاغل کاربر به طور نمادین افزایش یافته و پس از 20 اوت کاهش یافت. از 24 اوت تعداد کمتر از 20 بود (روند مشابه آنچه در روند جستجوی محلی در شکل 3 دیده می شود).
 
 

 

[  ترجمه کاملا تخصصی در کمترین زمان ممکن  ]


 

مرکز ترجمه تخصصی ترجمه خانه و ایران پیپر با برخورداری از گروهی از بهترین متجرمین در رشته های مختلف دانشگاهی و علمی و با هدف ارائه خدماتی دقیق، سریع و با کیفیت در زمینه ترجمه تخصصی انگلیسی به فارسی و ترجمه تخصصی فارسی به انگلیسی با قیمتی عادلانه و مناسب در تمامی زمینه های علمی و تحقیقاتی در داخل و خارج از کشور به صورت 24 ساعته مشغول به فعالیت و خدمات رسانی به دانشجویان و پژوهشگران می باشد. کلیه خدمات ترجمه این گروه از طریق ایمیل، تلفن و پیامک ارائه و پشتیبانی می شوند .

گروه ترجمه تخصصی ترجمه خانه و ایران پیپر  در بخش ترجمه انگلیسی به فارسی و  ترجمه فارسی به انگلیسی فعالیت گسترده ای دارد و کاربران گرامی از هر نقطه از کشور و خارج از کشور می توانند تنها در چند دقیقه اقدام به ثبت سفارش خود کنند. این گروه با همکاری تیمی وسیع و کارآزموده از مترجمین فعال کشوری توانایی انجام صدها پروژه ترجمه آنلاین را در زمینه انگلیسی به فارسی و فارسی به انگلیسی در مدتی کوتاه داراست.


راهنمای سفارش ترجمه مقالات شما

 


 

جهت اطلاع از هزینه و زمان تحویل ترجمه،  مقاله یا مقالات خود را به این ایمیل ارسال بفرمائید:

 Email:        aman.nazeri@yahoo.com  

یا به شماره یا آی دی تلگرام زیر ارسال کنید:

 

 

 

 آی دی تلگرام: amnazeri@

 

شماره تماس و شماره تلگرام

 

 

8707  405  0930

 

 

 


 

سفارش شما در کمتر از 5 دقیقه ارزیابی و به اطلاع شما رسانده می شود.

 


 

نظرات  (۰)

هیچ نظری هنوز ثبت نشده است
ارسال نظر آزاد است، اما اگر قبلا در بیان ثبت نام کرده اید می توانید ابتدا وارد شوید.
شما میتوانید از این تگهای html استفاده کنید:
<b> یا <strong>، <em> یا <i>، <u>، <strike> یا <s>، <sup>، <sub>، <blockquote>، <code>، <pre>، <hr>، <br>، <p>، <a href="" title="">، <span style="">، <div align="">
تجدید کد امنیتی