داده کاوی | دکتر فینی زاده
مقاله پژوهشی مجله دانشگاه شریف | شناسایی و ارزیابی وضعیت اینفلوئنسرهای توییتر فارسی دکتر محسن فینی زاده چکیده ظهور اینترنت و در پی آن ظهور شبکههای اجتماعی جهان را وارد عصر جدیدی کرد که معادلات و ساختار زندگی بشر را به کلی دگرگون کرد. از یک سو تعاملات اجتماعی بشر متحول گردید و ارتباطات بشر روزافرزون و انعطاف پذیر گردید و از سوی دیگر از خلال شبکههای اجتماعی اقیانوسی از دادهها ایجاد گردید. بازشناسی کاربران پر نفوذ و مشخص کردن رویکردهای سیاسی و جزئیات دیگر محصول مطالعه و مشخص شدن کنشگری و جایگاه اینفلوئنسرهای توییتر است. از همین روی هدف این پژوهش تحلیل کنشگری و جایگاه اینفلوئنسرهای توییتر فارسی است. این پژوهش با استفاده از تکنیک داده کاوی به تحلیل دادههای خام شبکه اجتماعی توییتر پرداخته است. درواقع دادههای خام از شبکه اجتماعی توییتر استخراج شد و پس از پالایش دادههای خام به دادههای ساختاریافته تبدیل و بر روی دادهها تحلیل صورت گرفت. نتایج این پژوهش مبتنی بر سه مولفه کارکرد، رویکرد سیاسی و دنبال کننده است. یافتههای این پژوهش حاکی از آن است که عمدتاً کاربران بین 20 تا 30 هزار دنبال کنده سهم عمدهای در کارکردهای مختلف به جز کارکرد شخصیت مذهبی دارد و سهم عمده دسته دنبال کننده بیش از 200 هزار در کارکرد رسانهها است. رویکرد سیاسی معارض به جز دسته 20 تا 30 هزار رویکرد غالب در کلیه دستهها است. دانلود نسخه کامل مقاله: https://B2n.ir/mk3737 MFinizadeh.ir @mfinizadeh_ir
مقاله پژوهشی مجله دانشگاه شریف | شناسایی و ارزیابی وضعیت اینفلوئنسرهای توییتر فارسی دکتر محسن فینی زاده چکیده ظهور اینترنت و در پی آن ظهور شبکههای اجتماعی جهان را وارد عصر جدیدی کرد که معادلات و ساختار زندگی بشر را به کلی دگرگون کرد. از یک سو تعاملات اجتماعی بشر متحول گردید و ارتباطات بشر روزافرزون و انعطاف پذیر گردید و از سوی دیگر از خلال شبکههای اجتماعی اقیانوسی از دادهها ایجاد گردید. بازشناسی کاربران پر نفوذ و مشخص کردن رویکردهای سیاسی و جزئیات دیگر محصول مطالعه و مشخص شدن کنشگری و جایگاه اینفلوئنسرهای توییتر است. از همین روی هدف این پژوهش تحلیل کنشگری و جایگاه اینفلوئنسرهای توییتر فارسی است. این پژوهش با استفاده از تکنیک داده کاوی به تحلیل دادههای خام شبکه اجتماعی توییتر پرداخته است. درواقع دادههای خام از شبکه اجتماعی توییتر استخراج شد و پس از پالایش دادههای خام به دادههای ساختاریافته تبدیل و بر روی دادهها تحلیل صورت گرفت. نتایج این پژوهش مبتنی بر سه مولفه کارکرد، رویکرد سیاسی و دنبال کننده است. یافتههای این پژوهش حاکی از آن است که عمدتاً کاربران بین 20 تا 30 هزار دنبال کنده سهم عمدهای در کارکردهای مختلف به جز کارکرد شخصیت مذهبی دارد و سهم عمده دسته دنبال کننده بیش از 200 هزار در کارکرد رسانهها است. رویکرد سیاسی معارض به جز دسته 20 تا 30 هزار رویکرد غالب در کلیه دستهها است. دانلود نسخه کامل مقاله: https://B2n.ir/mk3737 MFinizadeh.ir @mfinizadeh_ir
۱۲:۵۷
رویکرد سیاسی اینفلوئنسرهای توییتر (ایکس) فارسیچند درصد کاربران پر فالوور توییتر اصولگرا یا اصلاح طلب هستند؟
دانلود نسخه کامل مقاله:ble.ir/mfinizadeh_ir/-910620633603721954/1769431992507 @MFinizadeh_ir۱۴:۰۲
شناسایی الگوریتم موج شبکههای اجتماعی توییتر و اینستاگرام در سازماندهی و بازنمایی #اعتراضات_۱۴۰۱ ایراندکتر محسن فینی زاده ، نرگس دیده خانی هدف و زمینه: استفاده از شبکههای اجتماعی در تمامی ابعاد زندگی بشری حتی در حوزههای اجتماعی و اعتراضی نفوذ یافته است. شبکههای اجتماعی امروزه نقش اصلی در سازماندهی و بازنمایی اعتراضات و اغتشاشات جهانی دارند. پژوهش حاضر با هدف واکاوی کارکردها و الگوهای شبکههای اجتماعی توییتر و اینستاگرام در سازماندهی و بازنمایی اعتراضات، به ویژه اعتراضات ۱۴۰۱ ایران، به تحلیل و شناسایی الگوریتم این دو شبکه میپردازد.
روشها: این پژوهش با بهرهگیری از رویکرد علوم اجتماعی محاسباتی و دادهکاوی انجام شده است. دادههای مورد مطالعه شامل چند صد میلیون پست فارسی از توییتر و اینستاگرام است. جمعآوری دادهها با استفاده از API رسمی هر پلتفرم و کتابخانههای برنامهنویسی مرتبط انجام گرفته است و از سامانههای پردازش و ذخیرهسازی دادههای ساختاریافته برای ثبت و مدیریت حجم گسترده دادهها بهره گرفته شده است.
یافتهها: نتایج نشان میدهند که الگوریتم موج میتواند چارچوبی برای فهم انتشار اطلاعات، بازنمایی اجتماعی و شکلگیری افکار عمومی در توییتر و اینستاگرام فراهم کند. برخلاف مدلهای سنتی آبشاری یا سلسلهمراتبی، الگوریتم موج با در نظر گرفتن تعاملات شبکهای، ویژگیهای فردی و جمعی کاربران و بار عاطفی محتوا، قادر است رفتار انتشار اخبار و شکلگیری جریانهای خبری را به شیوهای دقیقتر و منعطفتر توضیح دهد. تحلیل موجهای غیررسمی نشان داد که حتی منابع با نفوذ پایین، در شرایط مناسب، میتوانند با استفاده از تعاملات شبکهای و بار احساسی محتوا، موج خبری ایجاد کرده و جریان اصلی اطلاعرسانی را تحت تأثیر قرار دهند.
نتیجهگیری: درک الگوریتم موج و مسیرهای چندسطحی شکلگیری آن میتواند به پیشبینی انتشار اخبار، کاهش اثرات شایعات، هدایت افکار عمومی و بهبود اعتماد اجتماعی کمک کند. شناخت دقیق این الگوریتم، امکان طراحی راهبردهای اطلاعرسانی مبتنی بر واقعیت شبکهای، مدیریت کاربران میانی و اینفلوئنسرهای تخصصی، و شناسایی نقاط حساس برای کنترل یا تسهیل انتشار محتوا را فراهم میآورد
دانلود نسخه کامل مقاله:sss.jrl.police.ir/article_120553.html
MFinizadeh.ir X.com/finizadeh Instagram.com/mfinizadeh ble.ir/mfinizadeh_ir eitaa.com/mfinizadeh_ir rubika.ir/mfinizadeh_ir۱۴:۱۳
هر دسته اینفلوئنسرهای توییتر (ایکس) فارسی چه قدر دنبال کننده دارنددانلود نسخه کامل مقاله:ble.ir/mfinizadeh_ir/-910620633603721954/1769431992507 @MFinizadeh_ir۳:۳۱
از شنبه به صورت روزانه منتشر میشود۱۵:۳۲
برآورد اولیه ازمشارکت انتخابات شورای شهر تهران 1405بر اساس داده های انتخابات گذشتهیکی از موضوعاتی که آینده تهران به عنوان پایتخت مشخص می کند انتخابات شورای شهر و تعیین شهردار است، با اینکه حدود دو ماه تا برگزاری این انتخابات در 11 اردیبهشت سال بعد مانده هنوز خبری از شور انتخاباتی و فضای مشارکت نیست. مشارکتی که تحت تاثیر تحولات دی ماه 1404، تورم و اوضاع اقتصادی نامناسب و البته ایام تعطیل آخر سال سهم جدی در افکار عمومی ندارد.اما میزان احتمالی مشارکت در انتخابات شورای شهر 1405 که در 11 اردیبهشت برگزار خواهد شد با نگاهی به دوره های قبل می تواند شکل دهنده اولیه برای این برآورد باشد که بعدا با نتایج نظرسنجی ها و کلان داده های شبکه های اجتماعی دقیق تر شود.نکته مهم که از بررسی مشارکت در انتخابات 1400 و 1403 ریاست جمهوری و شورای شهر 1400 در شهر تهران به نظر می رسد که در بهترین شکل در حدود20 تا 25 درصد است.بخشی از این درصد در شورای شهر ارای باطله هست که درصدی از آن به علت همزمانی انتخابات شورا با ریاست جمهوری در هر دوره بوده که افرادی که ریاست جمهوری براشون مهم بود شرکت کردند اما در شورای شهر به هر دلیلی رای باطله یا سفید انداختن محسوب می شوند و این آرای باطله البته در انتخابات ریاست جمهوری اخیر هم سهم قابل توجه پیدا کرده است. اما تنها برگزار شدن انتخابات شورای شهر خود در مقایسه با انتخابات ریاست جمهوری احتمالا مشارکت نسبت به سال 1400 کاهش می دهد. نبود فضای امید آفرینی و تغییر برای بهبود و همچنین تحولات دی ماه و تورم بدون شک تاثیر مضاعفی بر کاهش مشارکت خواهد گذاشت.حالا بر اساس میزان مشارکت دوره های قبل، تحولات اجتماعی مانند دی 1404 و تدوام تورم و نارضایتی اقتصادی احتمالا مشارکت در کف دو رقمی حداقلی شاهد باشیم.از سوی دیگه با آنکه کمتر از 70 روز به انتخابات مونده، خبر جدی از شور انتخاباتی نیست با توجه به ایام رمضان و عید نوروزهم احتمالا حتی تا 20 روز مانده به انتخابات فضا سیاسی و اجتماعی کشور گرم نشده و درگیر موضوعات نوروزی و روزمره هست. در جمع بندی برآورد مشارکت انتخابات شورای شهر تهران سال آینده مبتنی بر داده های انتخابات های گذشته می توان گفت سقف بین 20تا25 درصد درصورت شور و هیجان سیاسی و رقابتی، ثمره رسیدن مذاکرات یا بهبود شرایط اقتصادی، حضور همه جریان های سیاسی با تمام توان و در کلام کلی ایجاد امید در میان مردم دور از انتظار نیست، در عین حال کف مشارکت حدود 10تا12 درصد و حتی کمتر با توجه به وضعیت کنونی اقتصادی، تنها برگزار شدن انتخابات شورا، تحولات دی ماه و ... دور از انتظار نیست.این گزارش در روزهای آتی ادامه دارد....
@mfinizadeh_ir۹:۴۱
۹:۴۱
۹:۴۱
۹:۴۱
داده کاوی | دکتر فینی زاده تصویر
تصویراین برآورد فقط برای شورای شهر تهران هست
۹:۴۹
مقاله علمی و پژوهشی شناسایی الگوریتم موج شبکههای اجتماعی توییتر و اینستاگرام در سازماندهی و بازنمایی #اعتراضات_۱۴۰۱ ایران
دکتر محسن فینی زاده ، نرگس دیده خانی
هدف و زمینه: استفاده از شبکههای اجتماعی در تمامی ابعاد زندگی بشری حتی در حوزههای اجتماعی و اعتراضی نفوذ یافته است. شبکههای اجتماعی امروزه نقش اصلی در سازماندهی و بازنمایی اعتراضات و اغتشاشات جهانی دارند. پژوهش حاضر با هدف واکاوی کارکردها و الگوهای شبکههای اجتماعی توییتر و اینستاگرام در سازماندهی و بازنمایی اعتراضات، به ویژه اعتراضات ۱۴۰۱ ایران، به تحلیل و شناسایی الگوریتم این دو شبکه میپردازد.
روشها: این پژوهش با بهرهگیری از رویکرد علوم اجتماعی محاسباتی و دادهکاوی انجام شده است. دادههای مورد مطالعه شامل چند صد میلیون پست فارسی از توییتر و اینستاگرام است. جمعآوری دادهها با استفاده از API رسمی هر پلتفرم و کتابخانههای برنامهنویسی مرتبط انجام گرفته است و از سامانههای پردازش و ذخیرهسازی دادههای ساختاریافته برای ثبت و مدیریت حجم گسترده دادهها بهره گرفته شده است.
یافتهها: نتایج نشان میدهند که الگوریتم موج میتواند چارچوبی برای فهم انتشار اطلاعات، بازنمایی اجتماعی و شکلگیری افکار عمومی در توییتر و اینستاگرام فراهم کند. برخلاف مدلهای سنتی آبشاری یا سلسلهمراتبی، الگوریتم موج با در نظر گرفتن تعاملات شبکهای، ویژگیهای فردی و جمعی کاربران و بار عاطفی محتوا، قادر است رفتار انتشار اخبار و شکلگیری جریانهای خبری را به شیوهای دقیقتر و منعطفتر توضیح دهد. تحلیل موجهای غیررسمی نشان داد که حتی منابع با نفوذ پایین، در شرایط مناسب، میتوانند با استفاده از تعاملات شبکهای و بار احساسی محتوا، موج خبری ایجاد کرده و جریان اصلی اطلاعرسانی را تحت تأثیر قرار دهند.
نتیجهگیری: درک الگوریتم موج و مسیرهای چندسطحی شکلگیری آن میتواند به پیشبینی انتشار اخبار، کاهش اثرات شایعات، هدایت افکار عمومی و بهبود اعتماد اجتماعی کمک کند. شناخت دقیق این الگوریتم، امکان طراحی راهبردهای اطلاعرسانی مبتنی بر واقعیت شبکهای، مدیریت کاربران میانی و اینفلوئنسرهای تخصصی، و شناسایی نقاط حساس برای کنترل یا تسهیل انتشار محتوا را فراهم میآورد
دانلود نسخه کامل مقاله:
https://B2n.ir/fs5839
@mfinizadeh_ir
شناسایی الگوریتم موج شبکههای اجتماعی توییتر و اینستاگرام در سازماندهی و بازنمایی #اعتراضات_۱۴۰۱ ایراندکتر محسن فینی زاده ، نرگس دیده خانی هدف و زمینه: استفاده از شبکههای اجتماعی در تمامی ابعاد زندگی بشری حتی در حوزههای اجتماعی و اعتراضی نفوذ یافته است. شبکههای اجتماعی امروزه نقش اصلی در سازماندهی و بازنمایی اعتراضات و اغتشاشات جهانی دارند. پژوهش حاضر با هدف واکاوی کارکردها و الگوهای شبکههای اجتماعی توییتر و اینستاگرام در سازماندهی و بازنمایی اعتراضات، به ویژه اعتراضات ۱۴۰۱ ایران، به تحلیل و شناسایی الگوریتم این دو شبکه میپردازد.
روشها: این پژوهش با بهرهگیری از رویکرد علوم اجتماعی محاسباتی و دادهکاوی انجام شده است. دادههای مورد مطالعه شامل چند صد میلیون پست فارسی از توییتر و اینستاگرام است. جمعآوری دادهها با استفاده از API رسمی هر پلتفرم و کتابخانههای برنامهنویسی مرتبط انجام گرفته است و از سامانههای پردازش و ذخیرهسازی دادههای ساختاریافته برای ثبت و مدیریت حجم گسترده دادهها بهره گرفته شده است.
یافتهها: نتایج نشان میدهند که الگوریتم موج میتواند چارچوبی برای فهم انتشار اطلاعات، بازنمایی اجتماعی و شکلگیری افکار عمومی در توییتر و اینستاگرام فراهم کند. برخلاف مدلهای سنتی آبشاری یا سلسلهمراتبی، الگوریتم موج با در نظر گرفتن تعاملات شبکهای، ویژگیهای فردی و جمعی کاربران و بار عاطفی محتوا، قادر است رفتار انتشار اخبار و شکلگیری جریانهای خبری را به شیوهای دقیقتر و منعطفتر توضیح دهد. تحلیل موجهای غیررسمی نشان داد که حتی منابع با نفوذ پایین، در شرایط مناسب، میتوانند با استفاده از تعاملات شبکهای و بار احساسی محتوا، موج خبری ایجاد کرده و جریان اصلی اطلاعرسانی را تحت تأثیر قرار دهند.
نتیجهگیری: درک الگوریتم موج و مسیرهای چندسطحی شکلگیری آن میتواند به پیشبینی انتشار اخبار، کاهش اثرات شایعات، هدایت افکار عمومی و بهبود اعتماد اجتماعی کمک کند. شناخت دقیق این الگوریتم، امکان طراحی راهبردهای اطلاعرسانی مبتنی بر واقعیت شبکهای، مدیریت کاربران میانی و اینفلوئنسرهای تخصصی، و شناسایی نقاط حساس برای کنترل یا تسهیل انتشار محتوا را فراهم میآورد
دانلود نسخه کامل مقاله: https://B2n.ir/fs5839 @mfinizadeh_ir۲:۵۶
بررسی مقایسه میزان همبستگی دورنی لیست اصلاحات و اصولگراییدر عرصه رقابتهای انتخاباتی، به ویژه در انتخابات مجلس و شوراها که فهرستهای انتخاباتی نقشی کلیدی ایفا میکنند، یکی از شاخصهای مهم در تحلیل نتایج، بررسی «همبستگی درونی لیست» است. این مفهوم به میزان تقارب آرای نامزد اول با نامزد آخر در یک فهرست مشخص اشاره دارد.در برخی موارد، مشاهده میشود که نفر نخست یک لیست، آرایی معادل یک میلیون کسب میکند، در حالی که نفر آخر همان لیست تنها به حدود یکچهارم این میزان دست مییابد. این پدیده که میتوان آن را «شکاف رأی» نامید، نشاندهنده آن است که رأیدهندگان لزوماً به کلّیت لیست اقبال نشان نداده، بلکه حمایت خود را معطوف به سرلیست یا چهرههای شاخص ساختهاند.در نقطه مقابل، لیستهایی وجود دارند که در آنها آرای نفر اول و آخر به یکدیگر نزدیک است؛ برای نمونه، نخستین نامزد ۸۰۰ هزار رأی و آخرین نامزد ۶۰۰ هزار رأی کسب میکند. این وضعیت که از آن به «هموزنی آراء» یا «همبستگی بالا» تعبیر میشود، حاکی از اعتماد فراگیر به تمامی اعضای آن فهرست و نگاه به آن به مثابه یک مجموعه منسجم و یکپارچه است.بررسی آماری چند دورۀ اخیر انتخابات، الگویی معنادار را نمایان میسازد:لیستهای منتسب به جریان اصلاحات عمدتاً از همبستگی بالایی برخوردار بودهاند؛ به گونهای که فاصلۀ معناداری میان آرای نفرات اول و آخر مشاهده نمیشود. این امر بیانگر پایبندی رأیدهندگان این جریان به فهرست نهایی و اعتماد به کل مجموعه است.در مقابل، لیستهای وابسته به جریان اصولگرا معمولاً همبستگی پایینتری نشان میدهند؛ به این معنا که آراء به طور محسوسی پیرامون چند چهرهی شاخص متمرکز میگردد و نفرات پایانی فهرست از اقبال کمتری برخوردار میشوند.این یافته صرفاً مبتنی بر مشاهدات آماری رفتار انتخاباتی است و به دور از هرگونه توصیه یا قضاوت ارزشی، صرفاً به تشریح الگوی رأیدهی در دو جریان اصلی کشور میپردازد. این گزارش در روزهای آتی ادامه دارد....MFinizadeh.ir @mfinizadeh۸:۰۸
۸:۰۸
هم زمان با حمله اسراییل و امریکا به ایران شاهد بالاترین سطح تولید و مصرف در شبکه های اجتماعی هستیم
سایت های خبری با رشد همراه بوده اند اما سرعت تولید و مصرف در شبکه های اجتماعی بی نظیر است.
ترس، نگرانی و جستجو برای اطلاع و خبر اصلی ترین دلیل این سطح استفاده است.
همزمان با مدیریت های مختلف لازم است فضای مجازی مدیریت شود این نباید با قطع همراه باشد، رسانه های تصویری و یا سایت پاسخگوی نیاز مردم نیستند.
@mfinizadeh
سایت های خبری با رشد همراه بوده اند اما سرعت تولید و مصرف در شبکه های اجتماعی بی نظیر است.
ترس، نگرانی و جستجو برای اطلاع و خبر اصلی ترین دلیل این سطح استفاده است.
همزمان با مدیریت های مختلف لازم است فضای مجازی مدیریت شود این نباید با قطع همراه باشد، رسانه های تصویری و یا سایت پاسخگوی نیاز مردم نیستند.
@mfinizadeh۸:۱۹
*رتبه بندی بسترهای شبکه های اجتماعی در مورد جنگ *از ابتدای حملات تا این لحظه ترتیب داده های شبکه های اجتماعی در موضوع جنگ از نظر حجم تولید و مصرف محتوا
گروه های تلگرامی و بعد کانال های تلگرامی (در حال حاضر دسترسی به شدت محدود شده، اما اطلاع اولیه از این گروه اوج گرفت)توییتر(در حال حاضر دسترسی محدود شده و در حال کاهش محتوا هست)گروه بلهکانال روبیکا و بلهکانال ایتاگروه روبیکا و ایتاسایت های خبریویراستی، سروش پلاس، و... @mfinizadeh۸:۳۰
تا این لحظه حجم تولید محتوای شبکه های اجتماعی داخلی و خارجی فراگیر کشور از مرز یک میلیون محتوا در مورد حمله اسراییل گذشت
سهم گروه ها در پیام رسان ها به شدت در حال رشد است، شایعه و اخبار از نقاط مورد حمله و میزان تلفات محور اصلی است.
@mfinizadeh
سهم گروه ها در پیام رسان ها به شدت در حال رشد است، شایعه و اخبار از نقاط مورد حمله و میزان تلفات محور اصلی است. @mfinizadeh۸:۳۸
داده کاوی | دکتر فینی زاده
تا این لحظه حجم تولید محتوای شبکه های اجتماعی داخلی و خارجی فراگیر کشور از مرز یک میلیون محتوا در مورد حمله اسراییل گذشت سهم گروه ها در پیام رسان ها به شدت در حال رشد است، شایعه و اخبار از نقاط مورد حمله و میزان تلفات محور اصلی است. @mfinizadeh
سهم گروه ها در پیام رسان ها به شدت در حال رشد است، شایعه و اخبار از نقاط مورد حمله و میزان تلفات محور اصلی است. @mfinizadehداده های شبکه های اجتماعی داخلی و خارجی فارسی مرتبط با حمله به ایران تا این لحظه از مرز هفت میلیون داده عبور کردیم
کانال و گروه های تلگرامیکانال و گروه های بلهتوییتر
به ترتیب بیشتر سهم تولید محتوا دارند
@mfinizadeh
کانال و گروه های تلگرامیکانال و گروه های بلهتوییتر
به ترتیب بیشتر سهم تولید محتوا دارند
@mfinizadeh۱۷:۱۷
داده کاوی | دکتر فینی زاده
داده های شبکه های اجتماعی داخلی و خارجی فارسی مرتبط با حمله به ایران تا این لحظه از مرز هفت میلیون داده عبور کردیم کانال و گروه های تلگرامی کانال و گروه های بله توییتر به ترتیب بیشتر سهم تولید محتوا دارند @mfinizadeh
@mfinizadehبا گذشت 24 ساعت از حمله اسراییل و امریکا حجم داده های شبکه های اجتماعی از شروع تا الان
گروه های تلگرام*: 14میلیون گفتگو
*کانال تلگرام*: 1میلیون پست با بیش از 1.5میلیارد نمایش
*توییتر*: 1.7میلیون توییت با بیش از 600میلیون نمایش
*کانال های بله 700هزار پست*گروه های بله*: 900هزار گفتگو*گروه های روبیکا*: 300هزار گفتگو*کانال های روبیکا*: 200هزار پست
@mfinizadeh
گروه های تلگرام*: 14میلیون گفتگو
*کانال تلگرام*: 1میلیون پست با بیش از 1.5میلیارد نمایش
*توییتر*: 1.7میلیون توییت با بیش از 600میلیون نمایش
*کانال های بله 700هزار پست*گروه های بله*: 900هزار گفتگو*گروه های روبیکا*: 300هزار گفتگو*کانال های روبیکا*: 200هزار پست
@mfinizadeh۷:۰۱