6 Şubat 2023 Depremi Üzerine X (Twitter) Verilerinin Konu Analizi: LDA ve BERTopic Yaklaşımlarının Karşılaştırması

Yıl 2025, Cilt: 18 Sayı: 1, 57 - 63, 26.06.2025

Dilara Candan Karadaş , Tolga Aydın , Gülşah Özyer

https://doi.org/10.54525/bbmd.1633740

Öz

6 Şubat 2023’te Türkiye ve Suriye’yi etkileyen, insanların hayatını kaybetmesine ve yıkıma yol açan depremler, bölgesel ve küresel çapta insani yardım ve kriz yönetimi süreçlerini başlatmıştır. Çalışmada, bu depremle ilgili X (Twitter) platformundan toplanan 29.185 veri incelenmiştir. Zaman içerisindeki konuların değişimini ve en çok konuşulan başlıkları belirlemek için Latent Dirichlet Allocation (LDA) ve BERTopic yöntemleri kullanılmıştır. LDA, afet bölgesindeki yardım çağrıları, bağışlar ve enkaz kurtarma gibi geniş kapsamlı temaları öne çıkarırken; BERTopic, konu detaylandırma ve ayrıştırmada daha başarılı sonuçlar vermiştir. Analizler, konuşulan konuların özellikle ilk iki günde yoğun olduğunu, sonraki günlerde ise dikkatlerin farklı noktalara kaydığını göstermiştir. Çalışmanın sonuçları, sosyal medya verilerinin afet yönetiminde kritik bir bilgi kaynağı olduğunu vurgulamakta ve literatüre hem yöntemler arasındaki fark hem de kriz analitiği açısından anlamlı bir katkı sunmaktadır.

Anahtar Kelimeler

6 Şubat 2023 depremi , LDA , BERTopic

Topic Analysis of X (Twitter) Data on the February 6, 2023 Earthquake: A Comparison of LDA and BERTopic Approaches

Öz

The earthquakes that affected Türkiye and Syria on February 6, 2023, resulted in the loss of lives and widespread destruction, triggering regional and global humanitarian aid and crisis management processes. In this study, 29,185 data points collected from the X (Twitter) platform related to this earthquake were analyzed. Latent Dirichlet Allocation (LDA) and BERTopic methods were employed to identify the evolution of topics over time and the most frequently discussed issues. While LDA highlighted broad themes such as calls for aid, donations, and search and rescue efforts in the affected regions, BERTopic yielded more successful results in detailing and differentiating topics. The analyses revealed that discussions were particularly intense during the first two days, with attention shifting to different issues in the subsequent days. The findings of this study emphasize that social media data serve as a critical source of information in disaster management, offering a meaningful contribution to the literature both in terms of methodological differences and crisis analytics.

Anahtar Kelimeler

February 6 2023 Earthquake , LDA , BERTopic

Kaynakça

• Argın, Y. (2023). DOĞAL AFETLERDE SOSYAL MEDYA KULLANIMI: 2023 KAHRAMANMARAŞ DEPREMİ ÖZELİNDE TWİTTER ÖRNEĞİ. İnsanat Sanat Tasarım ve Mimarlık Araştırmaları Dergisi, 3(1), 140-165.
• Alam, F., & Imran, M. (2020). CrisisDPS: Crisis Data Processing Services. In Proceedings of the 17th International Conference on Information Systems for Crisis Response and Management.
• Zhang, Y., & Vos, M. (2019). Social media monitoring: aims, methods, and challenges for international companies. Corporate Communications: An International Journal.
• Mızrak, S. (2024). Public's social media use during the Kahramanmaraş earthquakes on 6 February 2023. International Journal of Disaster Risk Reduction, 108, 104541.
• Erokhin, D., & Komendantova, N. (2024). Earthquake conspiracy discussion on Twitter. Humanities and Social Sciences Communications, 11(1), 1-10.
• Wang, C., Zhang, X., & Wu, J. (2024). Disaster information mining from a social perception perspective: A case study of the “23· 7” extreme rainfall event in the Beijing–Tianjin–Hebei region. International Journal of Disaster Risk Reduction, 115, 105056.
• Xue, Y., Kambhampati, C., Cheng, Y., Mishra, N., Wulandhari, N., & Deutz, P. (2024). A LDA-Based Social Media Data Mining Framework for Plastic Circular Economy. International Journal of Computational Intelligence Systems, 17(1), 8.
• Jaballi, S., Hazar, M. J., Zrigui, S., Mahjoubi, A., Nicolas, H., & Zrigui, M. (2024). Decoding Multilingual Topic Dynamics and Trend Identification through ARIMA Time Series Analysis on Social Networks: A Novel Data Translation Framework Enhanced by LDA/HDP Models. Journal of Electrical and Computer Engineering, 2024(1), 6669491.
• Bhuvaneswari, A., & Kumudha, M. (2024, April). Topic Modeling Based Clustering of Disaster Tweets Using BERTopic. In 2024 MIT Art, Design and Technology School of Computing International Conference (MITADTSoCiCon) (pp. 1-6). IEEE
• https://www.kaggle.com/datasets/esatakkasoglu/turkey-06-02-2023-eartquake-tweets/data?select=englishV2