Türkiye’de Faizsiz Finans Sisteminin Duygu Analizi Bağlamında Değerlendirilmesi

Abstract

Türkiye’de faizsiz finans sistemi ile ilgili birçok araştırma yapılmıştır. Bu araştırmalarda genel olarak anket ve mülakat yöntemi kullanılmış ve bu durum söz konusu araştırmaların belirli bir kitle ile sınırlı kalmalarına neden olmuştur. Ayrıca, bu araştırmaların konuları ve sonuçları, genel olarak birbirlerine benzerlik göstermiştir. Bu araştırmada ise yapılmış araştırmalardan farklı olarak, Türkiye’de faizsiz finans sistemi ile ilgili internet kaynaklarında ve sosyal medya platformlarında paylaşılan çok sayıdaki Türkçe metnin, www.mediatoolkit.com aracılığı ile cümle seviyesinde duygu analizi yapılmıştır. Analiz için faizsiz finans sistemi ile ilgili literatürde çokça karşılaşılan kavramlar belirlenmiş ve bu kavramlarla ilişkili anahtar kelimeleri içeren veri seti ile tüm metinler taranmıştır. Bu araştırmanın verileri, 2019 Ocak ayında faizsiz finans sistemi ile ilgili internet kaynaklarında ve sosyal medya platformlarında paylaşılan 1.981 adet Türkçe metinden oluşmaktadır. Yapılan analizle, faizsiz finans sistemi ile ilgili kavramları içeren paylaşımlar, pozitif, negatif ve nötr olarak sınıflandırılmış, sonuçlar yorumlanmış ve önerilerde bulunulmuştur. Araştırmanın sonucuna göre, “katılım bankaları”nın basında yer alan haberlerde “faiz” kavramı ile bir arada anılmaları, insanlarda bu kurumlara yönelik olumsuz bir önyargı oluşturmaktadır. Ayrıca faizsiz finans sistemini temsil eden ticari kurumların hem banka olarak hem de birden çok kavramla birlikte anılmaları, insanlarda aynı kurumlarla ilgili farklı duygulara yol açmaktadır.

Keywords

• Faizsiz Finans Sistemi,Katılım Bankası,Duygu Analizi,Sosyal Medya,Makine Öğrenmesi

The Evaluation of Interest-Free Finance System in Turkey within the Context of Sentiment Analysis

Abstract

In Turkey, a lot of researches were made on the interest-free finance system. In these researches, the survey and interview methods were used in general, and this situation caused the researches in question to be limited to a certain audience. In addition, the subjects and results of these researches were generally similar to each other. Unlike the other researches conducted, in this research, the sentiment analysis of many Turkish texts shared on the internet sources and social media platforms related to the interest-free finance system in Turkey was executed on a sentence level through www.mediatoolkit.com. For the analysis, the concepts which were frequently encountered in the literature about the interest-free finance system were identified, and all the texts were scanned together with the data set including the key words related to these concepts. The data of this research consisted of 1981 Turkish texts shared on the internet sources and social media platforms related to the interestfree finance system in January 2019. In the analysis, the shares including the concepts related to the interest-free finance system were classified as positive, negative and neutral, the results were interpreted, and suggestions were proposed. According to the result of the research, the fact that "participation banks" are mentioned together with the concept of "interest" in the news in the press constitutes a negative prejudice against these institutions in people. Moreover, the fact that commercial institutions representing the interest-free finance system are referred to both as a bank and with more than one concept causes different feelings about the same institutions in people.

Keywords

• Interest-Free Finance System,Participation Bank,Sentiment Analysis,Social Media,Machine Learning

References

1. Afolabi, I. T., Ezenwoke, A. A., & Ayo, C. K. (2017). Competitive Analysis of Social Media Data in the Banking Industry. Int. J. Internet Marketing and Advertising, 11(3), 183-201.
2. Akba, F. (2014). Duygu Analizinde Öznitelik Seçme Metriklerinin Değerlendirilmesi: Türkçe Film Eleştirileri. Yayınlanmamış Yüksek Lisans Tezi. Ankara: Hacettepe Üniversitesi. Fen Bilimleri Enstitüsü.
3. Akın, B., & Şimşek, U. T. (2018). Sosyal Medya Analitiği İle Değer Yaratma: Duygu Analizi İle Geleceğe Yönelim. Mehmet Akif Ersoy Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 5(3), 797-811.
4. Akın, N. U. (2017). Türkiye Borsası İçin Duygu Analizi. Yayınlanmamış Yüksek Lisans Tezi. İstanbul: İstanbul Bilgi Üniversitesi. Sosyal Bilimler Enstitüsü.
5. Albayrak, M., Topal, K., & Altıntaş, V. (2017). Sosyal Medya Üzerinde Veri Analizi: Twitter. Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 22, 1991-1998.
6. Amanet, H. (2017). Türkçe Sosyal Medya Metinlerinde Duygu Analizi. Yayınlanmamış Yüksek Lisans Tezi. Trabzon: Karadeniz Teknik Üniversitesi. Fen Bilimleri Enstitüsü.
7. Atan, S., & Çınar, Y. (2019). Borsa İstanbul'da Finansal Haberler İle Piyasa Değeri İlişkisinin Metin Madenciliği ve Duygu (Sentiment) Analizi İle İncelenmesi. Ankara Üniversitesi SBF Dergisi, 74(1), 1-34.
8. Beyhan, H. D. (2014). Sosyal Medya Üzerinden Metin Madenciliği ve Duygu Analizi İle Pazar Değerlendirme. Yayınlanmamış Yüksek Lisans Tezi. İstanbul: İstanbul Teknik Üniversitesi. Fen Bilimleri Enstitüsü.

9. BrandsEye. (2017). South African Banking Sentiment Index. BransEye.
10. Çetinkaya, Ö. A., & Ceng, E. (2018). Türkiye'deki Black Friday Etkinliğinin Tüketici Sinizmi Bağlamında Bir Değerlendirmesi. Manas Sosyal Araştırmalar Dergisi, 7(4), 167-180.
11. Dickinson, B., & Hu, W. (2015). Sentiment Analysis of Investor Opinions on Twitter. Social Networking(4), 62-71.
12. Enevoldsen, K. C., & Hansen, L. (2017). Analysing Political Biases in Danish Newspapers Using Sentiment Analysis. Journal of Language Works, 2(2), 87-98.
13. Faggella, D. (2019, Ocak 28). What is Machine Learning? Şubat 08, 2019 tarihinde Emerj: https://emerj.com/ai-glossary-terms/what-is-machine-learning/ adresinden alındı
14. Greaves, F., Ramirez-Cano, D., Millett, C., Darzi, A., & Donaldson, L. (2013). Use of Sentiment Analysis for Capturing Patient Experience From Free-Text Comments Posted Online. Journal of Medical Internet Research, 15(11).
15. Gupta, A., Simaan, M., & Zaki, M. J. (2016). When Positive Sentiment Is Not So Positive: Textual Analytics and Bank Failures. Available at SSRN: Social Science Research Network 2773939.
16. Kaynar, O., Görmez, Y., Yıldız, M., & Albayrak, A. (2016). Makine Öğrenmesi Yöntemleri ile Duygu Analizi. International Artificial Intelligence and Data Processing Symposium (s. 234-241). Malatya: İnönü Üniversitesi.
17. Kızılkaya, Y. M. (2018). Duygu Analizi ve Sosyal Medya Alanında Uygulama. Yayınlanmamış Doktora Tezi. Bursa: Uludağ Üniversitesi, Sosyal Bilimler Enstitüsü.
18. Kocak, B. B., Polat, İ., & Kocak, C. B. (2016). Twitter Kullanıcılarının Havayolu Pazarına Yönelik Duygu Kutuplarının Belirlenmesi: Bir Fikir Madenciliği Örneği. PressAcademia Procedia, 2(1), 684-691.
19. Nopp, C., & Hanbury, A. (2015). Detecting Risks in the Banking System by Sentiment Analysis. Proceedings of the 2015 Conference on Empirical Methods in Natural Language Processing (s. 591-600). Lisbon: Association for Computational Linguistics.
20. Önden, A., & Calli, M. K. (2018). Markaların Sosyal Medya Yardım Masası Hesaplarına Yapılan Şikayetlerin Analizi: Yüksek Teknoloji Ürünleri Üzerine Bir Çalışma. İşletme Araştırmaları Dergisi, 10(4), 554-574.
21. Özyurt, B., & Akcayol, M. A. (2018). Fikir Madenciliği ve Duygu Analizi, Yaklaşımlar, Yöntemler Üzerine Bir Araştırma. S.Ü. Müh. Bilim ve Tekn. Derg., 6(4), 668-693.
22. Parlar, T., Saraç, E., & Özel, S. A. (2017). Comparison of Feature Selection Methods for Sentiment Analysis on Turkish Twitter Data. Signal Processing and Communications Applications Conference (SIU), 2017 25th (s. 1-4). Antalya: IEEE.
23. Raicu, I., & Türkeş, M. C. (2016). An Opinion Mining and Sentiment Analysis Approach for Evaluating Customer Satisfaction in a Digital Banking Environment. Annales Universitatis Apulensis Series Oeconomica, 2(18), 1-16.
24. Rambocas, M., & Gama, J. (2013). Marketing Research: The Role of Sentiment Analysis-Working Paper. Porto: FEP ECONOMİCS AND MANAGEMENT.
25. Rao, T., & Srivastava, S. (2012). Analyzing Stock Market Movements Using Twitter Sentiment Analysis. Proceedings of the ASONAM 201 (s. 119-123). IEEE Computer Society.
26. Rusydiana, A. S., Firmansyah, I., & Marlina, L. (2018). Sentiment Analysis of Microtakaful Industry: Comparison of Indonesia and Malaysia. International Journal of Nusantara Islam, 6(1), 20-34.
27. Seker, S. E. (2016). Duygu Analizi (Sentimental Analysis). YBS Ansiklopedi, 3(3), 21-36.
28. TERRIFICDATA. (2017, Haziran 7). TERRIFICDATA. Şubat 09, 2019 tarihinde http://terrificdata.com/2017/06/07/benefits-sentiment-analysis-social-media/ adresinden alındı
29. Typely. (2018, 19 Ocak). Şubat 09, 2019 tarihinde Typely: https://typely.com/blog/making-use-of-sentiment-analysis/ adresinden alındı
30. Yıldırım, M., & Yüksel, C. A. (2017). Sosyal Medya İle Hisse Senedi Fiyatının Günlük Hareket Yönü Arasındaki İlişkinin İncelenmesi: Duygu Analizi Uygulaması. UİİİD-IJEAS, 2017 (22. UPK Ahmet Hamdi İslamoğlu Özel Sayısı)(22), 33-44.
31. Yıldırım, S. (2018). Twitter Verileriyle Duygu Analizi ve Türkçe Duygu Kütüphanesi. Yayınlanmamış Yüksek Lisans Tezi. İstanbul: Bahçeşehir Üniversitesi. Fen Bilimleri Enstitüsü.
32. Ziora, L. (2016). The Sentiment Analysis as a Tool of Business Analytics in Contemporary Organizations. Studia Ekonomiczne (281), 234-241.