Üniversite Sıralamaları Üzerinde Sosyal Medya Görünürlüğünün Rolü: Twitter Verileri Üzerine Bir İnceleme

Abstract

Akademik kurumlar için farklı sıralama kuruluşları tarafından gerçekleştirilen sıralamalar, akademik kurumlardaki gelişmelerin izlenmesi için önem taşımaktadır. Sıralama sistemleri genel anlamda birbirlerine benzerlik gösterseler de farklı parametreleri ön plana çıkaran ve uluslararası geçerliliği daha ağır olan sıralama sistemleri üniversitelerin kendilerini gösterdikleri bir ortama dönüşmüştür. Toplumun, üniversitelerin kalite göstergesi gözüyle takip ettiği bu sıralama sistemlerinin, gerçek görünürlüğü ve akademik kurumların tanınırlığını yansıtmadığı gibi eleştiriler de bulunmaktadır. Bunun ana nedenlerinin başında akademisyenler, üniversite öğrenci adayları, çalışma ortakları ve diğer paydaşlar tarafından sosyal medya araçlarının; görünürlüğün ve uluslararası tanınırlığın merkezi olarak kabul edilmeye başlanmasıdır. Günümüzde özellikle kurumsal iletişimi sağlama araçlarından biri olarak görülen Twitter, üniversitelerce kamuoyunu bilgilendirme amaçlı sıklıkla kullanılmaktadır. Bu nedenle üniversitelerin Twitter kullanım durumları görünürlük açısından önem taşımaktadır. Bu çalışmada farklı parametrelere göre sıralama yapan (QS, Webometrics, URAP) sıralama sistemlerinde en yüksek puana sahip Türkiye’deki üniversitelerin kurumsal Twitter hesaplarının aktiviteleri incelenerek, Twitter aktivitesi ile üniversite sıralamaları arasındaki ilişkiler belirlenmeye çalışılmıştır. Araştırmada veri madenciliği teknikleri kullanılarak veri analizleri gerçekleştirilmiştir. Araştırma sonuçları üniversitelerin Twitter ortamındaki aktiviteleri ile QS, Webometrics, URAP sıralamaları arasında anlamlı ilişkiler olduğunu göstermektedir. Araştırma sonucunda sıralama puanı yüksek olan üniversitelerin kurumsal olarak Twitter hesaplarını daha aktif kullandıkları belirlenmiştir.

Keywords

• Üniversite Sıralama Sistemleri
• Veri Madenciliği
• Karar Ağacı
• Sosyal Medya
• Twitter
• Webometrics
• QS
• URAP
• University Ranking
• Data Mining
• Decision Tree
• Social Media

The Effect of Social Media Visibility on University Rankings: A Study on Twitter Data

Abstract

Rankings performed by different ranking institutions for academic institutions are important for monitoring the developments in academic institutions. Although ranking systems show similarities in general terms, ranking systems that highlight different parameters and have higher international validity have turned into an environment where universities show themselves. There are also criticisms such as these ranking systems, which are followed by the society as a quality indicator of universities, do not reflect the real visibility and recognition of academic institutions. The main reasons for this are academics, university student candidates, partners and other stakeholders; is beginning to be considered central to visibility and international recognition. Today, Twitter, which is seen as one of the means of providing corporate communication, is frequently used by universities to inform the public. For this reason, the usage status of universities on Twitter is important in terms of visibility. who sorted according to different parameters in this study (QS, Webometrics, URAP) in the ranking system by examining the highest score with corporate activities of the Twitter accounts of the universities in Turkey has tried to determine the relationship between Twitter activity with university rankings. In the research, data analyses were performed using data mining techniques. The results of the research show that there are significant relationships between the activities of universities on Twitter and QS, Webometrics and URAP rankings. As a result of the research, it was determined that universities with higher ranking points use their Twitter accounts more actively as a corporate.

Keywords

• University ranking
• Webometrics
• URAP
• Twitter
• Social media

References

1. Abdelrazeq, A., Janßen, D., Tummel, C., Jeschke, S., & Richert, A. (2016). Sentiment analysis of social media for evaluating universities. In Automation, Communication and Cybernetics in Science and Engineering 2015/2016 (pp. 233-251): Springer.
2. Akpınar, H. (2000). Veri tabanlarında bilgi keşfi ve veri madenciliği. İÜ İşletme Fakültesi Dergisi, 29(1), 1-22.
3. Alaşehir, O., Ömrüuzun, F., & Baykal, N. (2011). Üniversite sıralama sistemlerinin anlattıkları ve Türkiye için yeni bir sıralama sistemi gereksinimi. Uluslararası Yükseköğretim Kongresi: Yeni Yönelişler ve Sorunlar (UYK-2011), 27-29 Mayıs , İstanbul, Bildiri Kitabı Cilt 2 (1003-1009). İstanbul.
4. Bershadskaya, M., Voznesenskaya, Y., & Karpenko, O. (2016). Webometrics ranking in the context of accessibility of higher education. Universal Journal of Educational Research, 4(7), 1506-1514.
5. Calders, T., & Pechenizkiy, M. (2012). Introduction to the special section on educational data mining. Acm Sigkdd Explorations Newsletter, 13(2), 3-6.
6. Didegah, F., Mejlgaard, N., & Sørensen, M. P. (2018). Investigating the quality of interactions and public engagement around scientific papers on Twitter. Journal of Informetrics, 12(3), 960-971.
7. Doğan, G. (2017). Akademik performans odaklı uluslararası üniversite sıralama sistemlerinin genel sıralamalarına ve ölçütlerine göre değerlendirilmesi. (Yayınlanmamış Doktora Tezi) Hacettepe Üniversitesi, Ankara.,
8. Gültepe, Y., Zhumangaliyevna, M. Z., & Kalaman, Y. (2014). Üniversite sıralama sistemleri: Batı Karadeniz üniversiteleri için analiz örneği. Akademik Bilişim’14 - XVI. Akademik Bilişim Konferansı Bildirileri, 5 - 7 Şubat 2014, Mersin Üniversitesi.

9. Holmberg, K., & Thelwall, M. (2014). Disciplinary differences in Twitter scholarly communication. Scientometrics, 101(2), 1027-1042.
10. Jabjaimoh, P., Samart, K., Jansakul, N., & Jibenja, N. (2019). Optimization for better world university rank. Journal of Scientometric Research, 8(1), 18-20.
11. Kalkan, S. B., Başar, Ö., & Özden, Ü. (2015). Üniversite tercihlerinde urap sıralamasında kullanılan değişkenlerin etkilerinin genelleştirilmiş tahmin denklemleri ile incelenmesi. Marmara Üniversitesi İktisadi ve İdari Bilimler Dergisi, 37(1), 95-110.
12. Kartal, A. K., & Algül, A. (2019). Vakıf ve devlet üniversitelerinin kurumsal imaj bağlamında twitter paylaşımlarının içerik analizi. Yeni Medya Elektronik Dergisi, 3(1), 57-70.
13. McCoy, C. G., Nelson, M. L., & Weigle, M. C. (2017). University Twitter engagement: using Twitter followers to rank universities. arXiv preprint arXiv:1708.05790. Retrieved from https://arxiv.org/pdf/1708.05790.pdf [Çevrimiçi Erişim Tarihi: 01/04/2020].
14. Priyam, A., Abhijeeta, G., Rathee, A., & Srivastava, S. (2013). Comparative analysis of decision tree classification algorithms. International Journal of current engineering and technology, 3(2), 334-337.
15. QS University Rankigs. (2020). Retrieved from www.topuniversities.com/university-rankings/eeca-rankings/2020 [Çevrimiçi Erişim Tarihi: 05/04/2020].
16. Quacquarelli Symonds, Q. (2020). Retrieved from www.topuniversities.com/university-rankings [Çevrimiçi Erişim Tarihi: 01/04/2020].
17. Ozeren, E., Ciloglu, T., Yilmaz, R. & Ozeren, A. (2020). Öğrencilerin akademik kariyer hedefi seçiminde etkili olan faktörlerin veri madenciliği yöntemi ile belirlenmesi [Determining the factors effective in students’ choice of academic career goals by data mining method]. Bilgi ve İletişim Teknolojileri Dergisi/Journal of Information and Communication Technologies, 2(2), 182-210.
18. Ranking Web Of University, W. (2020). Retrieved from https://www.webometrics.info/en/current_edition [Çevrimiçi Erişim Tarihi: 01/04/2020].
19. Ricoy, M. C., & Feliz, T. (2016). Twitter as a learning community in higher education. Journal of Educational Technology & Society, 19(1), 237-248.
20. Saglam, Z., Pekyurek, M. F., & Yilmaz, R. (2020). PISA 2018 araştırmasına etki eden duygusal faktörlerin veri madenciliği yöntemleri ile incelenmesi [Investigation of emotional factors affecting PISA 2018 research with data mining methods]. Bilgi ve İletişim Teknolojileri Dergisi/Journal of Information and Communication Technologies, 2(2), 113-148.
21. Sheeja, N., Mathew, S., & Cherukodan, S. (2018). Impact of scholarly output on university ranking. Global Knowledge, Memory and Communication.
22. Shields, R. (2016). Following the leader? Network models of “world-class” universities on Twitter. Higher Education, 71(2), 253-268.
23. Sinoplu, M., & Yılmaz, R. (2020). Social media analysis in distance education period due to pandemic data mining application on twitter data. Journal of Teacher Education and Lifelong Learning, 2(2), 66–76
24. University Ranking by Academic Performance. (2020). Retrieved from http://tr.urapcenter.org/2019/2019_t9.php [Çevrimiçi Erişim Tarihi: 05/04/2020].
25. Vaughan, L. (2016). Uncovering information from social media hyperlinks: An investigation of twitter. Journal of the Association for Information Science and Technology, 67(5), 1105-1120.
26. Veletsianos, G., & Kimmons, R. (2016). Scholars in an increasingly open and digital world: How do education professors and students use Twitter? The Internet and Higher Education, 30, 1-10.
27. Yüksek Öğretim Kurumu İstatistik. (2020). Retrieved from www.istatistik.yok.gov.tr [Çevrimiçi Erişim Tarihi: 05/04/2020].