Metin ve konum bazlı sosyal medya analizleriyle Antarktika’yı haritalama yaklaşımı

Yıl 2024, , 175 - 184, 29.08.2024

Ayşe Giz Gülnerman Gengeç , Fevzican Karakuş , Necip Enes Gengeç , Himmet Karaman , Hasan Hakan Yavaşoğlu , Burcu Özsoy

https://doi.org/10.29128/geomatik.1417673

Öz

Antarktika bulunduğu konum ve iklim özellikleri sebebiyle insanların aktif olarak yaşamadığı bir kıtadır. Bu nedenle Antarktika kıtasındaki coğrafi bilgi üretimi farklı açılardan kısıtlıdır. Geleneksel haritalama teknolojileri olarak kabul edilen uzaktan algılama, fotogrametri ve yersel ölçme yöntemleri ile Antarktika dijital veri tabanına katkı sunulmaktadır. Bu tekniklerin yanı sıra, son 10 yılda yeni haritalama teknolojileri ortaya çıkmıştır. İnsanı bulunduğu çevreyi algılayan bir sensör olarak tanımlayan bu teknolojiler “kitle kaynaklı haritalama” olarak adlandırılmaktadır. Sosyal medya platformları, sunduğu kitle kaynaklı veriler ve üretilen bilgi çıkarım algoritmaları sayesinde bu yeni haritalama teknolojisine katkı vermektedir. Ancak sosyal medya kaynağında üretilen veriler veri miktarı, tamlığı, yanlılığı gibi konularda düzenli veri üretilen teknolojilere göre belirsizlikler içermektedir. Sosyal medyanın düzensiz veri yapısı ve veri kalitesindeki belirsizlikleri, üretilen bilgi çıkarım algoritmalarında değişikliklere neden olmakta ve üretilen sonuçların anlamlılığı da tartışılmaktadır. Bu çalışmada Antarktika kıtası için toplanan sosyal medya verileri üretilen metin bazlı bilgi çıkarım algoritması ve sonuçları tartışılmakta ve ilk defa Antarktika kıtası için metin ve konum bazlı bilgi çıkarım algoritması sunulmaktadır. Aynı zamanda bu çalışmanın önerdiği sosyal medya veri analiz yöntemleri veri azlığı olan, karma doğal dil kullanılan bölgelerde coğrafi yer adlarının çıkarılması ve konuşulan güncel konuların haritalanması için tekrarlanabilir.

Anahtar Kelimeler

Kitle kaynaklı haritalama, Mekansal bilgi çıkarımı, Metin bazlı analizler, Kutup araştırmaları, Sosyal medya

Proje Numarası

TÜBİTAK KUTUP 1001 (Proje No: 122Y193)

Kaynakça

• Anbaroğlu, B. (2017). Gönüllü coğrafi bilgi: Mekansal bilişim çalışmalarına web 2.0 devrinde yeni bir yaklaşım. Harita Dergisi, 158, 1-9.
• Anbaroğlu, B., Güllüoğlu, N., Bilgin, G., & Aydınoğlu, A. Ç. (2021). Ulusal Coğrafi Bilgi Sistemi Ulaşım Veri Temasının Katılımcı Coğrafi Bilgi Yaklaşımıyla Güncellenmesi. Geomatik, 6(2), 115-123. https://doi.org/10.29128/geomatik.714493
• Basiri, A., Haklay, M., Foody, G., & Mooney, P. (2019). Crowdsourced geospatial data quality: Challenges and future directions. International Journal of Geographical Information Science, 33(8), 1588-1593. https://doi.org/10.1080/13658816.2019.1593422
• Batrinca, B., & Treleaven, P. C. (2015). Social media analytics: a survey of techniques, tools and platforms. Ai & Society, 30, 89-116. https://doi.org/10.1007/s00146-014-0549-4
• Benoit, K., Muhr, D., & Watanabe, K. (2021). Stopwords: Multilingual stopword lists. R package version, 2.
• Bilgi, S., Gulnerman, A. G., Arslanoğlu, B., Karaman, H., & Öztürk, Ö. (2019). Complexity measures of sports facilities allocation in urban area by metric entropy and public demand compatibility. International Journal of Engineering and Geosciences, 4(3), 141-148. https://doi.org/10.26833/ijeg.540180
• Calafiore, A., Palmer, G., Comber, S., Arribas-Bel, D., & Singleton, A. (2021). A geographic data science framework for the functional and contextual analysis of human dynamics within global cities. Computers, Environment and Urban Systems, 85, 101539. https://doi.org/10.1016/j.compenvurbsys.2020.101539
• Chauhan, P., Sharma, N., & Sikka, G. (2021). The emergence of social media data and sentiment analysis in election prediction. Journal of Ambient Intelligence and Humanized Computing, 12, 2601-2627. https://doi.org/10.1007/s12652-020-02423-y
• Cvetojevic, S., Juhasz, L., & Hochmair, H. (2016). Positional accuracy of twitter and instagram images in urban environments. GI_Forum, 1, 191-203. https://doi.org/10.1553/giscience2016_01_s191
• Çınar, N. (2023). R ile Twıtter verisi analizi: Veri toplama, sosyal ağ analizi ve metin analizi aşamaları. Turkish Online Journal of Design Art and Communication, 13(1), 193-224. https://doi.org/10.7456//11301100/014
• Flanagin, A. J., & Metzger, M. J. (2008). The credibility of volunteered geographic information. GeoJournal, 72, 137-148. https://doi.org/10.1007/s10708-008-9188-y
• Gengeç, A. G. G. (2023). Exploring crowdsourcing accountability for mapping Antarctica: a case study using 5 years of social media data. Turkish Journal of Earth Sciences, 32(8), 1041-1051. https://doi.org/10.55730/1300-0985.1892
• Gulnerman, A. G., Gengec, N. E., & Karaman, H. (2016). Review of public tweets over Turkey within a pre-determined time. ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 4, 153-159. https://doi.org/10.5194/isprs-annals-IV-4-W1-153-2016
• Gulnerman, A. G., Karaman, H., & Basiri, A. (2021). New age of crisis management with social media. Open Source Geospatial Science for Urban Studies: The Value of Open Geospatial Data, 131-160. https://doi.org/10.1007/978-3-030-58232-6_8
• Gülnerman, A. G., & Karaman, H. (2020). Sosyal medyanın gönüllü coğrafi veri olarak kullanımı ve sosyal medya verilerinden coğrafya sözlüğü üretimi. Afyon Kocatepe Üniversitesi Fen ve Mühendislik Bilimleri Dergisi, 20(2), 276-286. https://doi.org/10.35414/akufemubid.667397
• Hacar, M., & Gökgöz, T. (2021). A new approach for matching road lines using efficiency rates of similarity measures. International Journal of Engineering and Geosciences, 6(3), 146-156. https://doi.org/10.26833/ijeg.791324
• Heipke, C. (2010). Crowdsourcing geospatial data. ISPRS Journal of Photogrammetry and Remote Sensing, 65(6), 550-557. https://doi.org/10.1016/j.isprsjprs.2010.06.005
• Irfan, R., King, C. K., Grages, D., Ewen, S., Khan, S. U., Madani, S. A., ... & Li, H. (2015). A survey on text mining in social networks. The Knowledge Engineering Review, 30(2), 157-170. https://doi.org/10.1017/S0269888914000277
• Liu, Y., Yuan, Y., & Zhang, F. (2020). Mining urban perceptions from social media data. Journal of Spatial Information Science, (20), 51-55. https:/doi.org/10.5311/JOSIS.2020.20.665
• Lomborg, S., & Bechmann, A. (2014). Using APIs for data collection on social media. The Information Society, 30(4), 256-265. https://doi.org/10.1080/01972243.2014.915276
• Matsuoka, K., Skoglund, A., Roth, G., de Pomereu, J., Griffiths, H., Headland, R., ... & Melvær, Y. (2021). Quantarctica, an integrated mapping environment for Antarctica, the Southern Ocean, and sub-Antarctic islands. Environmental Modelling & Software, 140, 105015. https://doi.org/10.1016/j.envsoft.2021.105015
• Ooms, J. (2023). cld3: Google's Compact Language Detector 3 (Version 1.6.0).
• Pebesma, E. J. (2018). Simple features for R: standardized support for spatial vector data. R J., 10(1), 439.
• Psyllidis, A. (2020). Sensing the city through new forms of urban data. In Seeing the City: Interdisciplinary Perspectives on the Study of the Urban, 56-69. Amsterdam University Press.
• Senaratne, H., Mobasheri, A., Ali, A. L., Capineri, C., & Haklay, M. (2017). A review of volunteered geographic information quality assessment methods. International Journal of Geographical Information Science, 31(1), 139-167. https://doi.org/10.1080/13658816.2016.1189556
• Stock, K. (2018). Mining location from social media: A systematic review. Computers, Environment and Urban Systems, 71, 209-240. https://doi.org/10.1016/j.compenvurbsys.2018.05.007
• Taşkanat, T., Karaağaç, A., Beşdok, E., & Bostancı, B. (2018). Kentsel sorunların yönetimi için bir gönüllü coğrafi bilgi mobil uygulaması geliştirilmesi. Geomatik, 3(1), 84-91. https://doi.org/10.29128/geomatik.371144
• Tennekes, M. (2018). tmap: Thematic Maps in R. Journal of Statistical Software, 84, 1-39. https://doi.org/10.18637/jss.v084.i06
• Tsou, M. H., Zhang, H., & Jung, C. T. (2017). Identifying data noises, user biases, and system errors in geo-tagged twitter messages (Tweets). Social and Information Networks. https://doi.org/10.48550/arXiv.1712.02433
• URL-1: https://medium.com/rakuten-rapidapi/top-10-social-media-apis-twitter-facebook-instagram-and-many-more-5c13262c61fe
• URL-2: https://twitter.com/XDevelopers/status/1621026986784337922
• URL-3: https://www.add.scar.org/
• URL-4: https://www.comnap.aq/antarctic-facilities-information
• URL-5: https://iaato.org/information-resources/data-statistics/
• Wang, L., & Gan, J. Q. (2017). Prediction of the 2017 French election based on Twitter data analysis. 2017 9th Computer Science and Electronic Engineering (CEEC), 89-93. https://doi.org/10.1109/CEEC.2017.8101605