Covid-19 Pandemisinde Sağlık Çalışanları ve Öğretmenlere Yönelik Algının Duygu Analizi ile Twitter Verileri Üzerinden İncelenmesi

Abstract

Pandemi süresince en çok konuşulan ve göz önünde bulunan meslek gruplarından öğretmenlere ve sağlık çalışanlarına yönelik medyadaki eleştirilerden hareketle, bu zorlu dönemde toplumun bakış açısının adı geçen meslek mensupları için nasıl bir yönelim sergilediğini görmek amacıyla bu çalışma gerçekleştirilmiştir. Kişilerin duygu yönelimleri, anketlere kıyasla daha özgür bir görüş bildirme imkanı sunan popüler sosyal medya sitelerinden Twitter’ın verileri kullanılarak incelenmiştir. Çalışmada, toplumun sağlık çalışanları ve öğretmenlere duyduğu duygunun yönü, metin madenciliği yöntemlerinden biri olan duygu analizi ile belirlenmeye çalışılmıştır. Duygu analizi ile insanların belirli varlıklar hakkındaki olumlu ya da olumsuz görüşleri, değerlendirmeleri ve tutumları ortaya çıkarılmaktadır. Çalışma kapsamında Twitter kullanıcılarının paylaştıkları tweet verileri kullanılmıştır. Twitter API aracılığı ile “#sağlıkçalışanları” ve “#öğretmenler” etiketlerini içeren Türkçe tweetler, pandeminin başladığı ve bir sonraki yıl okulların kapandığı 11 Mart 2020-2 Temmuz 2021 tarih aralığı için sorgulanarak elde edilmiştir. Göz önünde bulundurulan tarih aralığı için “sağlıkçalışanları” etiketini içeren 10324 farklı kullanıcının paylaştığı 15368 tweet ile “öğretmenler” etiketini içeren 1685 farklı kullanıcının paylaştığı 2956 tweet analizlerde kullanılmıştır. Verinin ön işleme aşaması tamamlandıktan sonra cümle düzeyli duygu analizi, sözlük-tabanlı yaklaşım ile gerçekleştirilmiştir. Analizler sonucunda Twitter kullanıcılarının öğretmenler için paylaştıkları tweetlerin %70’inin pozitif, sağlık çalışanları için paylaştıkları tweetlerin de %61’inin pozitif duygu içerdiği görülmüştür. Bu bağlamda, pandemi döneminde, sağlık çalışanı ve doktorlara yönelik toplumdaki baskın duygunun, medyada ön plana çıkarılmaya çalışılan negatif duyguların aksine pozitif duygular olduğu sonucuna ulaşılmıştır.

Keywords

• Covid-19
• Duygu Analizi
• Metin Madenciliği
• Öğretmen
• Sağlık Çalışanı
• Twitter
• Covid-19, Duygu Analizi, Metin Madenciliği, Öğretmen, Sağlık Çalışanı, Twitter

Investigation of the Perception toward Health Workers and Teachers on Twitter Data via Sentiment Analysis in the Covid-19 Pandemic

Abstract

Based on the criticisms towards teachers and healthcare workers in the media, this study was carried out in order to see how society's perception changed towards these professions during the pandemic period. Emotional directions of society were examined using the data of Twitter, one of the popular social media sites and offers more free opinions compared to surveys. In the study, the direction of the society's emotions towards health workers and teachers was tried to be determined by sentiment analysis, which is one of the text mining methods. People's positive or negative opinions and attitudes about certain assets are revealed with sentiment analysis. In the analyses, Turkish tweet data on Twitter were used. Tweets containing the hashtags "#healthcareworkers" and "#teachers" were obtained via Twitter API by querying between 11 March 2020-2 July 2021. In the analyses, 15368 tweets shared by 10324 different users containing "healthcare workers" and 2956 tweets shared by 1685 different users containing "teachers" hashtags were used. After the pre-processing, sentence-level sentiment analysis was carried out with a dictionary-based approach. As a result of the analysis, it was concluded that 70% of the tweets shared by Twitter users for teachers were positive, and 61% of tweets for healthcare workers were positive. In this context, it has been concluded that the dominant emotion is positive towards healthcare workers and doctors in society during the pandemic, unlike the negative emotions that are tried to be highlighted in the media.

Keywords

• Covid-19
• Sentiment Analysis
• Text Mining
• Teacher
• Healthcare Worker
• Twitter

References

1. Allianz. (2020, Nisan 3). Her Taşın Altına Bakmak : Covid- 19’un Sektör Bazında Olumsuz Etkileri. Euler Hermes: https://www.eulerhermes.com/tr_TR/ekonomik-arastirmalar/ekonomik-gorunum-raporlari/covid-19un-sektor-bazinda-etkileri.html adresinden alındı.
2. Arpacıoğlu, S., Baltalı, Z., & Ünübol, B. (2021). COVID-19 pandemisinde sağlık çalışanlarında tükenmişlik, Covid korkusu, depresyon, mesleki doyum düzeyleri ve ilişkili faktörler. Cukurova Medical Journal, 88-100.
3. Boudad, N., Faizi, R., Rachid, O. h., & Chiheb, R. (2017). Sentiment analysis in Arabic: A review of the literature. Ain Shams Engineering Journal, 2479-2490.
4. Cambria, E., Das, D., Bandyopadhyay, S., & Feraco, A. (2017). A Practical Guide To Sentiment Analysis . Cham, Switzerland: Springer International Publishing.
5. Carr, C. T., & Hayes, R. A. (2015). Social Media: Defining, Developing, and Divining. Atlantic Journal of Communication, 46-65.
6. Eren, E., Çelik, İ., Yıldız, M., Topaloğlu, U. S., Kılınç-Toker, A., Arman-Fırat, E., . . . Ulu-Kılıç, A. (2020). COVID-19 Geçiren Sağlık Çalışanlarının Değerlendirilmesi. Klimik Dergisi, 230-234.
7. Hearst, M. (2003, Ekim 17). What Is Text Mining? Kaliforniya, Berkeley, Amerika Birleşik Devletleri: UC Berkeley School of Information.
8. Heimerl, F., Lohmann, S., Lange, S., & Ertl, T. (2014 ). Word Cloud Explorer: Text Analytics Based on Word Clouds. 47th Hawaii International Conference on System Sciences (s. 1833-1842). Hawaii : IEEE.

9. Koçak, N. A., & Eskici, H. B. (2018). SAS Enterprise Miner ile Metin Madenciliği. İstanbul : Pusula Yayıncılık.
10. Kurnaz, A., Kaynar, H., Barışık, C. Ş., & Doğrukök, B. (2020). Öğretmenlerin Uzaktan Eğitime İlişkin Görüşleri. Milli Eğitim Dergisi, 293-322.
11. Liu, B. (2012). Sentiment Analysis and Opinion Mining. Toronto: Morgan & Claypool Publishers.
12. Maynard, D., & Funk, A. (2011). Automatic Detection of Political Opinions in Tweets. Extended Semantic Web Conference. Crete: Springer.
13. Milli Eğitim Bakanlığı. (2020, Mart 12). Bakan Selçuk, Koronavirüs'e Karşı Eğitim Alanında Alınan Tedbirleri Açıkladı. T.C. Milli Eğitim Bakanlığı: https://www.meb.gov.tr/bakan-selcuk-koronaviruse-karsi-egitim-alaninda-alinan-tedbirleri-acikladi/haber/20497/tr adresinden alındı.
14. Özyurt, B., & Akcayol, M. A. (2018). Fikir Madenciliği Ve Duygu Analizi, Yaklaşımlar, Yöntemler Üzerine Bir Araştırma. Selcuk University Journal of Engineering Science and Technology, 668-693.
15. Pala, S. Ç., & Metintas, S. (2020). Covid-19 Pandemisinde Sağlık Çalışanları. ESTUDAM Halk Sağlığı Dergisi, 156-168.
16. Petzold, A. M. (2020). Letter to the Editor: Resources and recommendations for a quick transition to online instruction in physiology. Advances in Physiology Education, 217-219.
17. Rana, W., Mukhtar, S., & Mukhtar, S. (2020). Mental health of medical workers in Pakistan during the pandemic COVID-19 outbreak. Asian Journal of Psychiatry, 217-219.
18. Sağlam, F., Sever, H., & Genç, B. (2019). Extending a Sentiment Lexicon with Synonym-Antonym Datasets: SWNetTR++. Turkish Journal of Electrical Engineering and Computer Sciences, 1806-1820.
19. Spoorthy, M. S., Pratapa, S. K., & Mahant, S. (2020 ). Mental health problems faced by healthcare workers due to the COVID-19 pandemic–A review. Asian journal of psychiatry.
20. Statista Research Department. (2021, Temmuz). Leading countries based on number of Twitter users as of July 2021. statista: https://www.statista.com/statistics/242606/number-of-active-twitter-users-in-selected-countries/ adresinden alındı.
21. World Health Organization. (2021, Ağustos 7). WHO Coronavirus (COVID-19) Dashboard. World Health Organization: https://covid19.who.int/ adresinden alındı.
22. Yousef, A. H., Medhat, W., & Mohamed, H. K. (2014). Sentiment Analysis Algorithms and Applications: A Survey. Ain Shams Engineering Journal, 1093-1113.
23. Yükseköğretim Kurulu. (2020, Mart 13). Koronavirüs (COVID-19) Bilgilendirme Notu : 1. Yükseköğretim Kurulu: https://www.yok.gov.tr/Sayfalar/Haberler/2020/coronavirus_bilgilendirme_1.aspx adresinden alındı.