Belediye Hizmetlerin Değerlendirilmesinde Duygu Analizi Yaklaşımı: Sakarya İli Örneği

Öz

İnternetin hızla yayılımı, sosyal medyaların da ortaya çıkışını hızlandırmıştır. Dünyanın farklı bölgelerinde bulunan insanlar, sosyal medyalar aracılığıyla saniyeler içinde etkileşim kurabilmekte ve düşüncelerini hızla yayabilmektedir. Sosyal medyalar bireysel ve örgütsel olarak etkili bir iletişim ağı sağlamaktadır. Kullanıcılar, bu platformlarda tüketici veya vatandaş olarak almış oldukları hizmetleri olumlu veya olumsuz olarak değerlendirebilmektedirler. Bunun sonucunda vatandaşlarla hizmet aldıkları kuruluşlar arasında bir etkileşim ağı oluşmuştur. Bu etkileşim ağında vatandaşların sıklıkla belediye hizmetlerini de yorumladığı gözlemlenmiştir. Halka en yakın yönetim birimi olan belediyelerin hizmetleri vatandaşlar tarafından sosyal medyalar aracılığıyla değerlendirmelere tabi tutulmaktadır. Halkla ilişkiler boyutuyla ele alındığında özellikle Twitter’da bireyler bizzat belediyeler ve belediye başkanlarıyla iletişim kurabilmektedir. Bu durum vatandaş-belediye arasında farklı bir iletişim zemini sağlamakta ve çözüm odaklı bir etkileşim ağı kazandırmaktadır. Bu çalışma, Sakarya özelini kapsayarak; Twitter kullanıcılarının Sakarya Büyükşehir, Adapazarı, Serdivan, Erenler ve Hendek belediyeleri hakkında paylaşımları incelenerek, vatandaşın belediyelere karşı tutumları analiz edilmek için hazırlanmıştır. Belediye hesaplarına atılmış tweet metinleri toplanmıştır. Elde edilen bu veriler öncelikle Makine Öğrenmesi yöntemleriyle önceden belirlenmiş gruplara atanmış, daha sonra Makine Öğrenmesi ve Derin Öğrenmesi yaklaşımlarından biri olan Turkish Bert yöntemi ile Duygu Analizi gerçekleştirilmiştir. Vatandaşların belediyelere karşı olan tutumu ortaya çıkmış, olumlu ve olumsuz yanıyla değerlendirmeye tabi tutulmuştur. Yapılan bu çalışmayla belediyelerin vatandaşlardan gelen olumlu veya olumsuz geri bildirimlerle, vatandaş memnuniyetinin sağlanması ve gelen taleplere daha hızlı cevap verilebilmesi sağlanmıştır. Belediyelerin vatandaşın olumsuz tutumlarını, yapacakları çözüm odaklı çalışmalarla olumlu yönde değiştirmesi bu çalışmanın ana amacını oluşturmaktadır. Twitter aracılığıyla belediyelerin vatandaşlarla ikili diyaloglarını geliştirmesi, istek, talep ve şikâyetlere çözüm üretmesi, katılımcı demokrasiyi güçlendirmesi gibi başlıklarla topluma katkı sağlanacağı düşünülmektedir.

Anahtar Kelimeler

• Twitter
• Yerel Yöntemler
• Makine Öğrenmesi
• Duygu Analizi.
• Turkish Bert

Sentiment Analysis Approach in the Evaluation of Municipal Services: The Case of Sakarya Province

Öz

The fast span of the internet has accelerated the emergence of social media people in all over the world to affect each other in seconds through social media and spread their thoughts quickly. Social media provide an effective communication network individually and organizationally. Users can evaluate the services they have received as consumers or citizens on these platforms as positive or negative. As a result, an interaction network has been formed between the citizens and the organizations they receive services from. Reconsidering this interaction network, citizens frequently interpret municipal services. The services of the municipal corporations, the managing agency, are evaluated by citizens through social media. Considering the public relations aspect, individuals can personally communicate with municipalities and mayors, especially on Twitter. This situation provides a different communication ground between the citizen and the municipality and provides a solution-oriented interaction network. This study covers the Sakarya special; The shares of Twitter users about the Metropolitan Municipality, Adapazarı, Serdivan, Erenler and Hendek municipalities were examined, and the attitudes of citizens towards municipalities were prepared to be analyzed. The texts of tweets sent to municipal accounts were collected. These obtained data were first assigned to predetermined groups with Machine Learning methods, and then Emotion Analysis was performed with the Turkish Bert method, one of the Machine Learning and Deep Learning approaches. Citizens' attitude towards municipalities has emerged and has been evaluated with its positive and negative aspects.With this study, municipalities were provided with positive or negative feedback from citizens, ensuring citizen satisfaction and responding to requests faster. The principal aim to this paper municipalities change the negative attitudes of the citizens positively with the solution-oriented studies they will do. It is thought that through Twitter, municipalities will contribute to the society with topics such as improving their bilateral dialogue with citizens, finding solutions to requests, demands and complaints, and strengthening participatory democracy.

Anahtar Kelimeler

• Local Government
• Machine Learning
• Sentiment Analysis
• Twitter
• Turkish Bert

Kaynakça

1. Akgül, E.S., Ertono, C. ve Diri, B., 2016. Twitter Verileri ile Duygu Analizi. Pamukkale Universitesi Muhendislik Bilim Dergisi, 22(2), 106-110.
2. Albayrak, A., 2018. ‘Duygu Analizinde Farklı Vektör Temsil Yöntemleri ve Sınıflayıcıların Karşılaştırılması’, Yüksek Lisans Tezi, Sivas Cumhuriyet Üniversitesi, Sivas,Türkiye.
3. Atalay, M. ve Çelik, E., 2017. Büyük Veri Analizinde Yapay Zeka ve Makine Öğrenmesi Uygulamaları. Sosyal Bilimler Enstitüsü Dergisi, 9(22), 155-172.
4. Ayan, B., Kuyumcu, B., Ciylan, B., 2019. Twitter Üzerindeki İslamofobik Twitlerin Duygu Analizi ile Tespiti. Gazi Üniversitesi Fen Bilimleri Dergisi GU J Sci, Part C,. 7(2), 495-502.
5. Bhavsar, H., ve Manglani, R., 2019. Sentiment Analysis of Twitter Data using Python. International Research Journal of Engineering and Technology (IRJET), 6 (3), 510-511.
6. Büyükeke, A., Sökmen, A.ve Gencer, C., 2020. Metin Madenciliği ve Duygu Analizi Yöntemleri ile Sosyal Medya Verilerinden Rekabetçi Avantaj Elde Etme: Turizm Sektöründe Bir Araştırma. Journal of Tourism and Gastronomy Studies, 8(1), 322-335.
7. Can, U., Alatas, B., 2017. Duygu Analizi ve Fikir Madenciliği Algoritmalarının İncelenmesi. Int. J. Pure Appl. Sci. 3(1), 75-111.
8. Çağlayan Akay, E., 2018. Ekonometride Yeni Bir Ufuk: Büyük Veri ve Makine Öğrenmesi. Social Sciences Research Journal, 7(2), 41-53.

9. Çınar, A., 2019. Sınıflandırma Algoritmaları ile Bir Metin Madenciliği Uygulaması, Pdf, Marmara Üniversitesi, Türkiye.
10. Duan, H.K., Codesso, M.M., Alzamil, Z. ve Vasarhelyi, M. A., 2020. New York City Street Cleanliness: Applying Text Mining Techniques to Social Media Information. 1 September, Available at SSRN: https://ssrn.com/abstract=3706506
11. Işık, O., 2018. İST 491 İleri İstatistik Projeleri, Pdf, Haccetepe Üniversitesi, Türkiye.
12. Karamanlı, Ersin 2019. ‘Makine Öğrenmesi Algoritmaları Kullanarak Metin Madenciliği ve Duygu Analizi ile Müşteri Deneyiminin Geliştirilmesi’, Yüksek Lisans Tezi, İstanbul Üniversitesi, İstanbul,Türkiye.
13. Kızılkaya, Y.M., 2018. ‘Duygu Analizi ve Sosyal Medya Alanında Uygulama’, Doktora Tezi, Uludağ Üniversitesi, Bursa, Türkiye.
14. Korkusuz, Rıza 2019. ‘Futbola İlişkin Twitter Paylaşımlarının Duygu Analizi’, Yüksek Lisans Tezi, Trakya Üniversitesi, Edirne,Türkiye.
15. Küçük, D. ve Arıcı, N., 2018. Doğal Dil İşlemede Derin Öğrenme Uygulamaları Üzerine Bir Literatür Çalışması. Uluslararası Yönetim Bilişim Sistemleri ve Bilgisayar Bilimleri Dergisi, 2(2), 76-86.
16. Meral, M. ve Diri, B., 2014. ‘Twitter Üzerinde Duygu Analizi’, 2014 IEEE 22nd Signal Processing and Communications Applications Conference (SIU 2014), Nisan 23 – 25, Trabzon, Türkiye.
17. Nasukawa, T.ve Yi, J., 2003. ‘Sentiment Analysis: Capturing Favorability Using Natural Language Processing’, Proceedings of the 2nd international conference on Knowledge capture, Ekim, pp.70-77.
18. Nausheen, F. ve Begum, H.S., 2018. ‘Sentiment Analysis to Predict Election Results Using Python’, Proceedings of the Second International Conference on Inventive Systems and Control (ICISC), Coimbatore, India.
19. Onan, A., 2017. Twitter Mesajları Üzerinde Makine Öğrenmesi Yöntemlerine Dayalı Duygu Analizi. Yönetim Bilişim Sistemleri Dergisi, 3(2), 1-14.
20. Özkul, Mübin 2019. ‘Metin Madenciliği Yöntemi ile Akıllı Ulaşım Sistemleri Algısının Duygu Analizi ile Ölçülmesi’, Yüksek Lisans Tezi, Bandırma Onyedi Eylül Üniversitesi, Bandırma,Türkiye.
21. Ravi, K.ve Ravi, V., 2015. ‘A survey on opinion mining and sentiment analysis: tasks, approaches and applications’, Article in Knowledge-Based Systems, pp.14-46.
22. Sarıman, G., Mutaf, E., 2020. COVID-19 Sürecinde Twitter Mesajlarının Duygu Analizi Int. J. Pure Appl. Sci. 7(10).
23. Sarlan, A., Nadam, C. ve Basri, S., 2014. ‘Twitter Sentiment Analysis’. International Conference on Information Technology and Multimedia (ICIMU), Perak, Malaysia.
24. Sevli, O. ve Kemaloğlu, N., 2021. Olağandışı Olaylar Hakkındaki Tweet’lerin Gerçek ve Gerçek Dışı Olarak Google BERT Modeli ile Sınıflandırılması. Veri Bilim Dergisi, 4(1), 31-37.
25. Tunçeli, O., 2019. Turkish Stemmer for Python, 18 Haziran https://github.com/otuncelli/turkish-stemmer-python.
26. Tuzcu, S., 2020. Çevrimiçi Kullanıcı Yorumlarının Duygu Analizi ile Sınıflandırılması. ESTUDAM Bilişim Dergisi, 1(2), 1-5.
27. Urhan, M 2020. BERT Algoritması Nedir? Örneklerle BERT Algoritması, media release, 13 Aralık 2020, https://zeo.org/tr/blog/bert-algoritmasi-nedir.
28. Uslu, O., Akyol, S., 2021. Türkçe Haber Metinlerinin Makine Öğrenmesi Yöntemleri Kullanılarak Sınıflandırılması. ESTUDAM Bilişim Dergisi, 2(1), 15-20.
29. Üçükkartal, H.K., 2020. Twitter'daki Verilere Metin Madenciliği Yöntemlerinin Uygulanması. ESTUDAM Bilişim Dergisi, 1(2), 10-13.
30. Webb, I.G., 2016. Naïve Bayes, Encyclopedia of Machine Learning and Data Mining, pp.1-2.
31. Zarei, F., Nik-Bakht, M., Hammad, A., 2019. Visualization of Local Municipal Satisfaction by Twitter Data Analysis. CSCE Annual Conference, June 12 – 15, Laval, Kanada.