COVID-19 SALGINI SÜRECİNDE UZAKTAN EĞİTİME YÖNELİK PAYLAŞILAN TÜRKÇE TWİTTER MESAJLARININ DUYGU ANALİZİ

Yıl 2024, Cilt: 8 Sayı: 13, 16 - 29, 30.06.2024

Ali Küsmüş

https://doi.org/10.56677/mkuefder.1467113

Öz

Günümüzde sosyal medya kullanımı gün geçtikçe artmaktadır. İnsanlar olaylara karşı tepkilerini sıklıkla bu mecralarda vermektedirler. Twitter da bu mecraların başında gelmektedir. Bilindiği gibi hem ülkemizde hem dünyada Covid-19 salgını sürecinde büyük ölçüde yüz yüze eğitime ara verilip uzaktan eğitim sistemleri kullanılmıştır. Bu sistemleri kullanan öğrencilerin Twitter’ daki tepkileri araştırmanın kaynağını oluşturmaktadır. Bu çalışmada tüm dünyayı etkisi altına alan Covid-19 salgını sürecinde eğitim alanında uygulanan uzaktan eğitim sistemine insanların verdikleri tepkinin duygu durumunu tespit etmek için model geliştirilmiştir. Geliştirilen modelde kullanılan veri seti 01.09.2020-30.06.2021 tarihleri arasındaki uzaktan eğitimle ilgili yapılan paylaşımlardan elde edilmiştir. Veri seti geliştirilen ara yüz sayesinde duygu durumları manuel olarak elle etiketlenmiştir. Veri seti ön işleme aşamalarından geçirilerek duygu analizine uygun hale getirilmiştir. TF-IDF vektörizasyonunda geçirilen veri seti 5 farklı sınıflandırma algoritması ile sınıflandırılarak doğruluğu ölçülmüştür. Bu sınıflandırma algoritmalarından en başarılısı %76,6 ile Çok Katmanlı Algılayıcılar (MLP) algoritması olmuştur. Geliştirilen bu model devasa boyutlarda verinin üretildiği sosyal medya mecralarındaki verilerden anlam çıkarılmasına kolaylıklar sağlayacaktır.

Anahtar Kelimeler

Duygu Analizi, Covid-19, Uzaktan Eğitim, Çok Katmanlı Algılayıcılar Algoritması (MLP)

Kaynakça

• Akdeniz, FNU., Cebeci, Hİ (2021). Belediye hizmetlerin değerlendirilmesinde duygu analizi yaklaşımı: Sakarya ili örneği. Journal of Intelligent Systems: Theory and Applications, 4(2), 127-135.
• Akın, MD., Akın, AA (2007). Türk dilleri için açık kaynaklı doğal dil işleme kütüphanesi: Zemberek. Elektrik mühendisliği, 431, 38-44.
• Ceron, A., Curini, L., & Iacus, S. M. (2016). iSA: A fast, scalable and accurate algorithm for sentiment analysis of social media content. Information Sciences, 367, 105-124.
• Chintalapudi N., Battineni G., Amenta F. (2020). COVID-19 virus outbreak forecasting of registered and recovered cases after sixty day lockdown in Italy: A data driven model approach. Journal of Microbiology, Immunology and Infection, 53(3): 396-403.
• Çoban Ö., Özyer B., Özyer GT (2015). Sentiment analysis for turkish twitter feeds. 23nd Signal Processing and Communications Applications Conference (SIU), 2388-2391.
• Dubey AD. (2020). Twitter sentiment analysis during COVID-19 outbreak. Available at SSRN 3572023.
• García S., Ramírez-Gallego S., Luengo J., Benítez, JM., Herrera F. (2016). Big data preprocessing: methods and prospects. Big data analytics, 1(1), 1-22.
• Han J., Kamber M.(2006). “Data mining: concepts and techniques”, Morgan Kaufmann publishers, 340, 94104-3205.