6 ŞUBAT 2023 TÜRKİYE’DEKİ DEPREM FIRTINASININ X (TWITTER) ÖZELİNDE TANIMLAYICI ANALİZLERİNİN YAPILMASI

Year 2024, Volume: 34 Issue: 1, 285 - 300, 26.01.2024

Tolga Demirhan , İlker Hacıoğlu

https://doi.org/10.18069/firatsbed.1384400

Cited By: 1

Abstract

06 Şubat 2023 tarihinde Türkiye’de büyük bir deprem fırtınası gerçekleşmiştir. Tüm ülkede derin üzüntüye neden olan bu olay sonrasında sosyal ağ paylaşımlarının ana konusu deprem olmuştur. Araştırmalar, gerçek olaylar karşısında kamuoyu görüşlerinin anlaşılması için sosyal ağların önemli bir kaynak olarak kullanılabileceğini kanıtlamıştır. Bu ağlardan biri olan X (Twitter), özellikle deprem gibi doğal afetlerde durum, fikir, yardım istekleri ve bilgi paylaşılmasında önemli bir araçtır. Zengin bir veri kaynağı olan bu paylaşımlara dayalı deprem afet analizi çalışmaları olsa da deprem analiz yöntemlerinin etkinliğini doğrulamak için daha fazla vaka çalışması yapılmasına ihtiyaç vardır. Bu çalışmanın amacı deprem fırtınası sırasında X ağında paylaşılan tweetler üzerinden kamuoyunun gündemini, eğilimini ve davranışlarını belirlemek amacıyla tanımlayıcı analizler yapmaktır. Bu bağlamda python dili ve kütüphaneleri kullanılarak bir uygulama geliştirilmiştir. Bu uygulama ile ilk aşamada X ağında 5-12 Şubat 2023 tarih aralığında, içeriğinde “deprem” kelimesi geçen 2.643.481 adet tweet çekilerek bir veri seti oluşturulmuştur. Sonraki aşamada tanımlayıcı analizler yapılarak sonuçlar elde edilmiş ve bu sonuçlar veri görselleştirme araçları kullanılarak sunulmuştur. Elde edilen sonuçlar büyük bir afet sonrası kullanıcıların paylaşım davranışlarını ortaya koymuştur.

Keywords

Deprem, X Ağı, Tanımlayıcı Analiz, Python.

6 February 2023 Descriptive Analysis Of The Earthquake Storm In Turkey In Terms Of X (Twitter)

Abstract

On February 06, 2023, a major earthquake swarm occurred in Turkey. The earthquake was the main topic of social network posts after this event, which caused deep sadness across the country. Research has proven that social networks can be used as an important source for understanding public opinion in the face of real events. One of these networks, X (Twitter), is an important tool for sharing situations, opinions, requests for help and information, especially in natural disasters such as earthquakes. Although there are earthquake disaster analysis studies based on these posts, which are a rich source of data, more case studies are needed to verify the effectiveness of earthquake analysis methods. The aim of this study is to conduct descriptive analyses to determine the agenda, tendency and behavior of the public through tweets shared on network X during the earthquake storm. In this context, an application was developed using python language and libraries. With this application, in the first stage, a data set was created by retrieving 2,643,481 tweets containing the word "earthquake" in the X network between February 5-12, 2023. In the next stage, descriptive analyses were performed and results were obtained and these results were presented using data visualization tools. The results revealed the sharing behavior of users after a major disaster.

Keywords

Earthquake, X Network, Descriptive Analysis, pyhton

References

• Çağlayan, N., Satoğlu, Ş., & Emine. (2018). Afet Yönetiminde Büyük Veri ve Veri Analitiği Uygulamaları- Literatür Araştırması Özet. 7. Ulusal Lojistik ve Tedarik Zinciri Kongresi, ULTZK 2018 Bildiriler Kitabı.
• Çobaner, A. A. (2019). Doğal Afetlerde Twitter Kullanımı: Mersin’de 2016 Yılı Sel Felaketi Örneği . MER-AK Akademik Araştırmalar Sosyal Bilimler Kitap-1, 41-67. Mersin: Mer-Ak Mersin Akademi Yayınları.
• Addo, P. C., Akpatsa, S. K., & Dela, T. (2023, Nisan). Topic Modeling and Sentiment Analysis of US' Afghan Exit Twitter Data: A Text Mining Approach. International Journal of Information and Management Sciences 10.6186/IJIMS.202303_34(1).0003, 59-62.
• AFAD. (2023, 08 20). 06 şubat 2023 Kahramanmaraş (Pazarcık Ve Elbistan) Depremlerı̇ Saha Çalışmaları Ön Değerlendı̇rme Raporu. Deprem Daı̇resı̇ Başkanlığı. 1-29.
• Ayan, B., Can, M., & Gürsoy, U. T. (2019). Sosyal Medya Madenciliği İle Firmaların Twıtter Verilerinin İncelenmesi. Uluslararası İktisadi ve İdari İncelemeler Dergisi UİİİD-IJEAS, 2019,(23):237-256 ISSN 1307-9832.
• Ağrali, Ö., (2022). Twitter Data Analysis: Izmir Earthquake Case. https://dergipark.org.tr/en/pub/ject/issue/72547/1158830. Journal of Emerging Computer Technologies, 2 (2) , 36-41.
• Bantilan, N. (2020). pandera: Statistical Data Validation of Pandas Dataframes. . Proc. of The 19th Python in Science Conf. (SCIPY 2020), 116-124.
• Chae, B. (2015). Insights from hashtag #supplychain and Twitter Analytics: Considering Twitter and Twitter data for supply chain practice and research. Int. J. Production Economics, 247-258.
• Coronel, P., García, J., & Herrera-Tapia, J. (2019). Management of natural disasters based on Twitter analytics. 2017 Mexico Earthquake. Explorations in Technology Education Research, 3-12.
• Delal, Ö., & Abanoz, E. (2022, 06). Toplumsal Cinsiyet Rollerinin Sosyal Medyada Yansıması: Sokağa Çıkma Yasağı Örneği, Akdeniz Üniversitesi İletişim Fakültesi Dergisi Sayı 37, 80-95.
• Doan, S., Ho Vo, B., & Collier, N. (2011). An analysis of Twitter messages in the 2011 Tohoku Earthquake https://doi.org/10.1007/978-3-642-29262-0_8.,International Conference on Electronic Healtcare,91,58-66.
• Doğan, T. U. (2018). Tıbbi Metin Dokümanlarının Sınıflandırılmasında Terim Ağırlıklandırma Yöntemlerinin Başarımlarının Kıyaslanması. 6th International Symposium on Innovative Technologies in Engineering and Science, 9-11 Kasım, Antalya, 1-10.
• Eteman, G. S. (2014). NodeXL ile Sosyal Ağ Analizi: #akademikzam Örneği. 15. Uluslararası Ekonometri, Yöneylem Araştırmaları ve İstatistik Sempozyumu Bildiriler Kitabı, 464-482.
• Güneş, Y., & Arıkan, M. (2023). Twitter Veri Seti İçeriğinin Tanımlayıcı Analiz ile Keşfi: Çevrimiçi Yemek Siparişi Üzerine Bir Uygulama. Bı̇lı̇şı̇m Teknolojı̇lerı̇ Dergı̇sı̇, 16(2), 119-133.
• Huanh, C.-H., Yin, J., & Hou, F. (2021). A Text Similarity Measurement Combining Word Semantic Information with TF-IDF Method. Chinese Journal of Computers, 5(34), 856-864.
• Kürkçü, D. (2017). Haber Tweetleri Üzerinden Kullanıcı Etkileşiminin Analizi. Erciyes İletişim Dergisi “akademia” 2017 5(1), 314-324.
• Kahya, A. (2021). Wikipedia’daki Verilere Metin Madenciliği Yöntemlerinin Uygulanması, ESTUDAM Bilişim Dergisi, 2(1), 11-14.
• Kirman, F. (2023). Deprem Sonrası Travmatik Stres Tepkileri ve Sosyal Medyada Yansımaları. ANTAKIYAT Journal of Social and Theological Studies, 6(1), 15-30.
• Lohmann, S., Heimerl, F., Bopp, F., Burch, M., & Ertl, T. (2015). Con- centri Cloud: Word Cloud Visualization for Multiple Text Documents. 19th International Conference on Information Visualisation. Barcelona, Spain.114-120.
• Mendoza, M., Poblete, B., & Valderrama, I. (2019). Nowcasting earthquake damages with Twitter. https://doi.org/10.1140/epjds/s13688-019-0181-0. EPJ Data Sci. 8(3), 1-23.
• Qu, Y., Huang, C., Zhang, P., & Zhang, J. (2011). Microblogging after a major disaster in China. Proc. ACM 2011 Conf. Comput. Support. Coop. Work - CSCW ’11.25-26
• TC Strateji ve Bütçe Başkanlığı. (2023). 2023 Kahramanmaraş ve Hatay Depremleri Raporu. 1-130.
• Temı̇zhan, E., & Mendeş, M. (2021). Covid-19 Pandemisi ile İlgili Twitter Mesajlarının Metin Madenciliği Tekniği İle Değerlendirilmesi, Türkiye Klinikleri Biyoistatistik Dergisi Türkiye Klinikleri J Biostat. 2021;13(2), 185-200.
• Tokcaer, S. (2021). Türkçe Metinlerde Duygu Analizi Sentiment Analysis in Turkish Texts. Journal of Yasar University, 16(63), 1514-1534.
• Tuna, N., Sağlam, A., & Çavdur, F. (2022). Covid-19 Salgını ile İlgili Paylaşımlar Üzerinde Veri Analizi https://doi.org/10.17671/gazibtd.928990. Bilişim Teknolojileri Dergisi, 15(1),13-23.
• Unal, C., & Sezer, C. (2023). Tweetler: Türkiye'deki Deprem Felaketine Yönelik Bir İçerik Analizi. 2023 Kahramanmaraş Depremlerinin Ardından Sağlık Bakanlığına Yöneltilen, Gümüşhane Üniversitesi Sağlık Bilimleri Dergisi, Yıl 2023, 12(2), 782 - 793.
• Zheng, Z., Shi, H. Z., Zhou, Y. C., Lu, X. Z., & Lin, J. R. (2022). Earthquake Impact Analysis Based on Text Mining and Social Media Analytics. arXiv:2212.06765,https://doi.org/10.48550/arXiv.2212.06765.
• URL-1 https://twitter.com/elonmusk/status/1684978651857596429?s=46 (Erişim Tarihi: 20.07.2023)
• URL-2 https://help.twitter.com/tr/rules-and-policies/copypasta-duplicate-content (Erişim Tarihi: 20.07.2023)
• URL-3 https://help.twitter.com/tr/using-twitter/retweet-faqs (Erişim Tarihi: 20.07.2023)