Haber Tweetleri Üzerinden Kullanıcı Etkileşiminin Analizi

2016

Sentimental Twitter software is parsing, analyzing and reporting Twitter data, giving service to individuals and corporate users via its user friendly graphical user interface. Each tweet is classified as positive, negative or neutral in Sentimental Twitter. In this study, both lexicon and n-gram method has been used to perform and implement two different methods. As a result the lexicon method has been measured more performance than the n-gram method.

Afyon Kocatepe University Journal of Sciences and Engineering

Mekânsal görsel analitik, mekânsal bilgilerin etkileşimli görsel ara yüzlerle ele alındığı analitik akıl yürütme bilimidir. Mekânsal görsel analitik sistemleri sayesinde, Twitter gibi sosyal medya platformlarındaki büyük veri setlerinden bir konu hakkında elde edilen veriler son kullanıcıya etkileşimli haritalama sistemleriyle sunulabilir. 11 Mart 2020’de Dünya Sağlık Örgütü’nün COVID-19 salgınını duyurmasının ardından Twitter veri trafiğinde de ciddi bir artış görülmüştür. Bu çalışmada, COVID-19 salgını döneminin önemli tartışmalarından biri olan COVID-19 aşıları hakkındaki tweet trafiğinin zamansal ve mekânsal gelişimi veri madenciliği teknikleriyle incelenmiş ve görsel analitik ortamda sunulmuştur. Bu çalışma ile twitter gibi sosyal medya platformlarının sahip olduğu büyük veri olarak kabul edilen veri setlerinin veri madenciliği yöntemleriyle analiz edilerek afet ve kriz yönetimi açısından önemli çıkarımlar yapılabileceği ortaya konmuştur.

Gazi Üniversitesi Fen Bilimleri Dergisi Part C: Tasarım ve Teknoloji, 2019

In this study, Tweets on Twitter are sought to be found out whether they are Islamophobic or not by using emotion analysis. Estimations are made using precision, recall and F1 measures via models trained with linear ridge model. In the end, accurate results, in the range of 96.3 per cent to 96.5 per cent on average, are obtained for positive tweets. Figure A. Block schema of the system Purpose: Although there are many studies on machine learning in social networks, a study based on Islamophobia, especially a study that brings a machine learning approach to the problems about this subject,has not been done scientific research. In this thesis, it is aimed to carry out a study on the detection of hate speech on Twitter on Islamophobia with different machine learning algorithms. Theory and Methods: Twitter has been marked firstly in our study. Then, preprocessing studies have been performed and trained with two different algorithms. Results: The system has been trained using 80% of the data set consisting of 162,000 tweets and tests have been performed using 20%. In this way, the accuracy rate of the system has been determined.After the application of word-based TF-IDF weighting on the data set, Ridge Regression and Naive Bayes model has been applied. For these models, the rates obtained in Tweet classification study were 96.9% in Ridge Regression in F1 criterion while this value has been decreased to 95.4% in the Naive Bayes. In addition, Ridge Period was shorter than Naive Bayes Classifier as training time. Conclusion: Suggestions that can be put forward as a result of this study are that; researches should be done with similar national language for different languages,too and rweets should be researched and got more detailed results based on location and date based. In addition, by providing Tweets specific to the location, the "Islamophobia Score' can be calculared for different locations and countries, and the Global Islamophobia Index which includes the countries can be calculated.

Bugün sosyal medyanın halkla ilişkiler üzerinde önemli bir etkisinin var olduğuna dair çok az şüphe vardır. Bazı uygulayıcılar ve bilim insanları, sosyal medyanın örgütsel ilişkilerde, monologtan diyaloga doğru bir değişimi ifade ettiğini, bu nedenle de halkla ilişkileri, daha etkileşimli, simetrik ve diyalogsal hale getirme konusunda bir potansiyele sahip olduğu söylemektedirler. Ancak, sosyal medyanın ve diyalogsal iletişimin etrafını saran heyecana rağmen, bazı araştırmalar, bu yeni iletişim kanallarının halkla ilişkiler uygulamasının rahatsız edici, geleneksel anlamda tek yönlü, asimetrik paradigmasının etkisi altında kullanıldığını göstermekte ve bu nedenle de disiplinin sosyal medyanın diyalogsal özelliklerinden tam anlamıyla yararlanamadığını ortaya koymaktadır. Bu nedenle, günümüzde sorulması gereken, "sosyal medyayı halkla ilişkiler alanında kullanmalı mıyız?" sorusundan öte, "onu etkili bir biçimde nasıl kullanabiliriz?" sorusu olmalıdır. Dolayısı ile bu çalışmanın amacı, Kent ve Taylor (1988)'ın aracılandırılmış halkla ilişkiler için ortaya koyduğu beş diyalogsal prensibin ışığında, 2012 ve 2013 URAP listelerinde en üst sırada yer alan beş Türk üniversitesinin Twitter profillerini ve attıkları tweetleri diyalogsal özellikler açısından nasıl kullandıklarını incelemektir. İçerik analizinden elde edilen sonuçlar, enformasyonun yararlılığına ait maddelerin en yüksek, tekrar ziyaretlerin artırılması ve diyalogsal döngüye ait maddelerin de en düşük skorları elde ettiğini göstermiştir. Bu bulgular genel olarak, URAP 2012 ve 2013 listelerindeki en üst beş Türk üniversitesinin, Twitter'dan bir diyalogsal iletişim aracı olarak yararlanmadığını göstermektedir.

İnsan ve İnsan Dergisi, 2020

Covid-19 salgınında, ABD' de, halkın haber alma ihtiyacının artması; yurttaşların ve kitle iletişim araçlarının sosyal medya kullanım düzeyini arttırmıştır ve haber üretim sürecinin odak noktası federal hükümetin salgınla mücadele faaliyetleri üzerine temellenmiştir. Ekonomikpolitik ve ideolojik farklılıkların, haber kanallarının hükümetin pandemiyle ilgili yürüttüğü çalışmaları sunuş biçimini etkilediği savı, bu çalışmanın temel çıkış noktasını oluşturmaktadır. Çalışmanın amacı ise, Covid-19 krizi döneminde medyanın ekonomi politiğinin Twitter' da enformasyon akışındaki etkisini ortaya koyarak; CNN ve Fox News kanallarının siyasal haberleri sunum biçimi benzerlik ve farklılıklarını belirlemektedir. Bu bağlamda, Mart-Nisan 2020 tarih aralığında, CNN ve Fox News'in Twitter hesaplarında hükümetin salgınla mücadele faaliyetlerini içeren, en yüksek etkileşim düzeyine sahip içerikler, eleştirel söylem analizi yöntemi ile çözümlenmiştir. Analiz sonucunda, Fox News'in haberlerinde D. Trump ve Hükümetin Salgın Yönetimi Performansının "başarılı ve olumlu"; CNN haberlerinde ise "başarısız ve olumsuz" sunulduğu ve haberlerin söylemsel farklılığın kitle iletişim araçlarının ideolojik, iktisadi ve siyasal yapısı ile bağlantılı olduğu sonucuna ulaşılmıştır.

İletişim Çalışmaları 2022 isimli kitapta, kitap bölümü olarak yayınlanmıştır., 2022

Ana teması sosyalleşmek olan platformların yer aldığı 21.yy. dijital dünyası gözetim mekanizmasını önceden hiç olmadığı şekilde güçlendiren, tek bir tuşla herhangi biri hakkında geniş bilgilere erişilebilen, konum ve zaman durumlarını çevrimiçi hatta çevrimdışı bile kullanmayı mümkün kılan karmaşık ancak veri işleme ve veri kaydı gibi işlemlerle hızlı ve kolay bir şekilde içerisinde barındıran bir yapılaşmadır. İnternet teknolojilerinin bireysel ve kurumsal anlamda yapılan eylem ve oluşumlara katkısı oldukça büyüktür. Zaman ve mekândan bağımsız bir düzene evrilen iletişim araçları üretim sistematiğini değiştirdiği gibi bugün tüketici profilinde de dönüşüme sebebiyet vermiştir. Değişim ve dolayısıyla dönüşüm yararlı neticelere varan bir izlence olmakla beraber olumsuz bir takım hayati durumlara da sebebiyet vermektedir. Kişilik hakkının en önemli bileşeni olan özel hayatın gizliliği ya da mahremiyet, alansal olarak zarara uğramaktadır. Bu zarar ise çalışmamızda işleyeceğimiz üzere kişilerin çoğunlukla rızası mukabilinde gerçekleşmektedir. Çalışmamızın birinci bölümünde panoptikon kavramı üzerinde durulacaktır. Ortaya çıkış zaman ve koşulları üzerinden tanımlayacağımız panoptikon yapılaşmasının gözetleme ve denetim üzerindeki etkisi incelenecektir. Çalışmamızın ikinci bölümünde medya kavramsalı yeni medya ve sosyal medya kullanıcı yetkinlikleri ile anlatılmıştır. Çalışmamızın üçüncü bölümünde yeni medya üzerine inşa edilen panoptik sistemin anlatımına yer verilmiştir. Bu bağlamda panoptik yapılaşmaya eklemlenen sosyal medya kullanıcıları analiz edilmeye çalışılmıştır. Bu bölümde günümüzün önemli bir teknolojik gelişmesi olan metaverse alansalından söz edilmiş ve panoptikon ile kurulan bağlantıya yer verilmiştir. Yine bu bölümde Facebook-Cambridge Analytica Skandalı ile ilgili örnek verilirken, önemli bir kişisel hak olan unutulma hakkı açıklanmaktadır. Çalışmamızın yöntemi kaynak tarama yöntemidir. Çalışmamızda uzman kişi ve akademisyenlerin kitap ve çalışmalarının yanı sıra çevrimiçi yazı ve makalelerden de yararlanılmıştır. İlgili çalışmamızda Yüksek lisans tezi ve çeşitli gazetelerden alınmış içerikler de bulunmaktadır.

2015 23nd Signal Processing and Communications Applications Conference (SIU), 2015

Özetçe-Duygu analizi sosyal medya izleme çalışmaları için en kullanışlı yöntemlerden birisidir. Sosyal medya (Kişisel Blog, Twitter, Facebook) üzerinden elde edilen veri üzerinde duygu analizi uygulanarak, birşirketin müşteri servisinin, müşterilerden gelen olumlu ve olumsuz geri bildirimlere göre müşteri memnuniyetini saglaması ve maliyetleri düşürmesi saglanabilir. Ayrıca ekonomik, ticari ve kullanıcılara yönelik fikir madenciligi gibi çeşitli alanlarda kullanılarak anlamlı bilgiler elde edilebilir. Bu çalışmada, Türkçe Twitter mesajlardan oluşturulan veri seti metin sınıflandırma yöntemleri ile analiz edilerek olumlu veya olumsuz olup olmadıgı incelenmiştir. Deneysel sonuçlar SVM, Naive Bayes, Multinom Naive Bayes ve KNN algoritmalarıyla elde edilmiştir. Vector Space model ile temsil edilen öznitelikler, kelime torbası (Bag of Words, BoW) ve N-Gram model olmak üzere iki farklışekilde elde edilmiş ve bu durumun sınıflandırma sonuçlarına olan etkisi incelenmiştir. Anahtar Kelimeler-twitter, duygu analizi, duygu sınıflandırması, makine ögrenmesi, metin sınıflandırma.

Bu çalışma, büyük veri analizini sosyal medya araştırmalarında kullanımı için yöntem önerisinde bulunmaktadır. Büyük veri araştırmalarında, tümdengelim ya da tümevarım yerine alternatif olarak "tümleşim (abduction)" yaklaşımı kullanılabilir (Kitchin, 2014). Tümleşim, elde edilen veriden yola çıkarak veriyi en iyi açıklayacak hipotezlere ulaşılmasını amaçlayan bir anlam çıkarma biçimidir (Peirce, 1958; Magnani, 2001, sf 26). Tümleşim yaklaşımında,