Evaluation of Awareness on Smart Cities Based on Social Media Mining

Yıl 2020, Cilt: 22 Sayı: 3, 819 - 825, 15.12.2020

Atakan Süha Karayılmazlar Timuçin Bardak

https://doi.org/10.24011/barofd.825600

Cited By: 1

Öz

Smart cities offer advantages in terms of both being resistant to natural disasters and attracting tourists. In this study, social media mining method is proposed to determine the awareness about smart cities in our country; Turkey. Tweets about the smart city were collected regularly for three months. Then, the data in the tweets were divided into three (3) groups with the clustering algorithm k-means. The clustered tweets were analyzed and the number of words passed most was determined. Rapidminer software has been used to collect tweets and edit text data. As a result of the study, the first group of tweets: power, infrastructure, Gaziantep in the second group: world, Ankara, digital in the third group: hometown, happiness, were determined as the most frequently mentioned words. The most frequently used words show that the twitter users have knowledge about smart cities. It is thought that the article will contribute to determining the awareness about smart cities from social media data.

Anahtar Kelimeler

Smart City, Social Media Mining, Data

Sosyal Medya Madenciliğine Dayalı Olarak Akıllı Kentler Hakkındaki Farkındalığın Değerlendirilmesi

Öz

Akıllı kentler hem doğal afetlere karşı dayanıklı olmak hem de turist çekme açısından avantajlar sunmaktadır. Bu çalışmada, ülkemizde akıllı kentler hakkındaki farkındalığın belirlemek için sosyal medya madenciliği yöntemi önerilmiştir. Akıllı kent hakkında yazılan tweetler düzenli olarak üç ay boyunca toplanmıştır. Daha sonra tweetlerdeki veriler kümeleme algoritması k-means ile üç (3) gruba ayrılmıştır. Kümelenmiş tweetler analiz edilerek en çok geçen kelime sayısı belirlenmiştir. Rapidminer yazılımı tweetlerin toplanmasında ve metin verilerinin düzenlenmesinde kullanılmıştır. Çalışma sonucunda, tweetlerde sırası ile birinci grupta: güç, altyapı, Gaziantep ikinci grupta: dünya, Ankara, dijital üçüncü grupta: memleket, mutluluk, sürekli en çok geçen kelimeler olarak tespit edilmiştir. En sık kullanılan kelimeler twitter kullanıcılarının akıllı şehirler konusunda bilgi sahibi olduğunu göstermektedir. Makalenin sosyal medya verilerinden akıllı kentler hakkındaki farkındalığın belirlenmesi açısından katkıda bulunacağı düşünülmektedir.

Anahtar Kelimeler

Akıllı Şehir, Sosyal Medya Madenciliği, Veri

Kaynakça

• Avcı, Ö., And Bardak, T. (2018). “Halkla İlişkiler Kapsamında Bartın Tarihi Galla (Kadınlar) Pazarı Satıcılarının Mutluluğunun Veri Madenciliğine Dayalı Analizi,” in: Uluslararası Marmara Fen ve Sosyal Bilimler Kongresi 2018 Bildiriler Kitabı, Uluslararası Marmara Fen ve Sosyal Bilimler Kongresi, Kocaeli/Türkiye, 137–144.
• Balasaraswathi, M., Srinivasan, K., Udayakumar, L., Sivasakthiselvan, S., and Sumithra, M. G. (2020). “Big data analytic of contexts and cascading tourism for smart city,” Materials Today: Proceedings. DOI: https://doi.org/10.1016/j.matpr.2020.10.132
• Barba-Sánchez, V., Arias-Antúnez, E., and Orozco-Barbosa, L. (2019). “Smart cities as a source for entrepreneurial opportunities: Evidence for Spain,” Technological Forecasting and Social Change, 148, 119713. DOI: https://doi.org/10.1016/j.techfore.2019.119713
• Bardak, T., Peker, H., And Bardak, S. (2018). “Effects Examination of The Factors Affecting Choice of Type Of Furniture With Data Mining Technique (Decision Tree),” International Journal of Ecosystems and Ecology Science, International Journal of Ecosystems and Ecology Science, 8(2), 249–252.
• Choi, J., Oh, S., Yoon, J., Lee, J.-M., and Coh, B.-Y. (2020). “Identification of time-evolving product opportunities via social media mining,” Technological Forecasting and Social Change, 156, 120045. DOI: https://doi.org/10.1016/j.techfore.2020.120045
• Çelikyay, H. H. (2017). İstanbul Perspektifinden Akıllı Şehirlere Bakış: Şehirleri Akıllı Kılan Sadece Teknoloji Mi? Van Yüzüncü Yıl Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 505-512.
• Gu, C., and Kurov, A. (2020). “Informational role of social media: Evidence from Twitter sentiment,” Journal of Banking & Finance, 121, 105969. DOI: https://doi.org/10.1016/j.jbankfin.2020.105969.
• Hanifah, R., Supangkat, S. H., Purwarianti, A. (2014). Twitter information extraction for smart city. In 2014 International Conference on ICT For Smart Society (ICISS) (pp. 295-299). IEEE. doi: 10.1109/ICTSS.2014.7013190.
• Howard, J. M. (2020). “Trains, Twitter and the social licence to operate: An analysis of Twitter use by train operating companies in the United Kingdom,” Case Studies on Transport Policy, 8(3), 812–821. DOI: https://doi.org/10.1016/j.cstp.2020.06.002
• Karayılmazlar, S., Bardak, T., Avcı, Ö., Kayahan, K., Karayılmazlar, A. S., Çabuk, Y., Kurt, R., and İmren, E. (2019). “Determining the orientation in choosing furniture based on social media based on data mining algorithms: Twitter example,” Turkish Journal of Forestry | Türkiye Ormancılık Dergisi, Turkish Journal of Forestry, 2019(4), 447–457. DOI: 10.18182/tjf.609967
• Kietzmann, J. H., Hermkens, K., McCarthy, I. P., and Silvestre, B. S. (2011). “Social media? Get serious! Understanding the functional building blocks of social media,” Business horizons, Elsevier, 54(3), 241–251.
• Köseoğlu, Ö., Demirci, Y. (2018). Akıllı Şehirler ve Yerel Sorunların Çözümünde Yenilikçi Teknolojilerin Kullanımı. Uluslararası Politik Araştırmalar Dergisi, 4(2), 40-57. Memiş, L. (2018). Akıllı Teknolojiler, Akıllı Kentler ve Belediyelerde Dönüşüm. Yasama Dergisi, (36), 66-92.
• Molinillo, S., Anaya-Sánchez, R., Morrison, A. M., ve Coca-Stefaniak, J. A. (2019). Smart city communication via social media: Analysing residents' and visitors' engagement. Cities, 94, 247-255.
• Perez-Cepeda, M., and Arias-Bolzmann, L. G. (2021). “Refugee information consumption on Twitter,” Journal of Business Research, 123, 529–537. DOI: https://doi.org/10.1016/j.jbusres.2020.10.029
• Ribeiro, J., Duarte, J., Portela, F., and Santos, M. F. (2019). “Automatically detect diagnostic patterns based on clinical notes through Text Mining,” Procedia Computer Science, 160, 684–689. DOI: https://doi.org/10.1016/j.procs.2019.11.027
• Shen, C. W., Luong, T. H., Ho, J. T., & Djailani, I. (2020). Social media marketing of IT service companies: analysis using a concept-linking mining approach. Industrial Marketing Management, 90, 593-604.
• Sınmaz, S. (2013). Yeni gelişen planlama yaklaşımları çerçevesinde akıllı yerleşme kavramı ve temel ilkeleri. Megaron, 8(2), 76.
• Sözen, E., Bardak, T., Peker, H., And Bardak, S. (2017). “Apriori Algoritmasi Kullanilarak Mobilya Seçimde Etkili Olan Faktörlerin Analizi,” İleri Teknoloji Bilimleri Dergisi, 6(3), 679–684.
• Strand, C. (2019). “Navigating precarious visibility: Ugandan sexual minorities on Twitter,” Journal of African Media Studies, Intellect, 11(2), 229–256