Identification of the trends of candidates in university preferences by social media analysis

Yıl 2023, Cilt: 16 Sayı: 4, 1158 - 1168, 29.10.2023

Fatih Gürcan

Öz

Adayların üniversite tercihlerindeki eğilimlerinin sosyal medya analizi ile tespit edilmesi

Öz

Günümüzün çevrimiçi sosyal paylaşım ortamlarında, özelikle fikir paylaşımı konusunda, Twitter tüm dünyada popüler sosyal paylaşım ve etkileşim platformdan biri olarak öncü rol üstlenmektedir. Birçok alanda (siyaset, eğitim, sağlık, vb.) toplumsal önceliklerin ve eğilimlerin belirlenmesi amacıyla yapılan araştırmalarda, sosyal medya analizlerinden etkin bir şekilde faydalanılmaktadır. Benzer kapsamda gerçekleştirilen bu çalışmanın amacı, üniversite adayı öğrencilerin, üniversite tercihlerindeki önceliklerinin ve ölçütlerinin sosyal medya verilerinin analizi ile belirlenmesine yöneliktir. Ülkemizde, üniversite tercih dönemlerinde, üniversite adayları arasında sosyal ağlar üzerinden etkin bir bilgi paylaşımı ve yönlendirme söz konusu olmaktadır. Bu çalışmada, Twitter platformu üzerinde üniversite tercihleri konusunda paylaşılan tivitler yapısal konu modeli algoritmasıyla analiz edilerek öne çıkan temalar ve eğilimler tespit edilmiştir. Gerçekleştirilen bu deneysel analizin sonucunda, aday öğrencilerin tercihlerindeki ilgi alanlarını ve eğilimlerini ortaya koyan 23 topik keşfedilmiştir. Elde edilen bu topikler için ayrıca yüzde oranları ve anahtar kelime grupları da hesaplanmıştır. Elde edilen bulgulara göre, aday öğrencilerin tercihlerini belirleyen ilk beş topik sırasıyla “Giriş Sınavı (YKS)”, “İş Olanakları”, “Bilgi Hizmetleri”, “Eğitim Kalitesi” ve “Yurtdışında Eğitim (Erasmus, Farabi)” olarak tespit edilmiştir. Elde edilen bulguların, aday öğrencilerin tercih eğilimlerinin anlaşılmasında ve üniversitelerin gelecekteki stratejilerinin belirlenmesinde yol gösterici olabileceği öngörülmektedir.

Anahtar Kelimeler

Üniversite Tercihleri, Semantik Analiz, Sosyal Medya Analizi, Twitter

Kaynakça

• Blei, D. M. (2012). Probabilistic topic models. Communications of the ACM, 55(4), 77–84.
• Blei, D. M., Ng, A. Y., & Jordan, M. I. (2003). Blei et al., 2003 - Latent Dirichlet Allocation. Journal of Machine Learning Research, 3(4/5), 993–1022.
• Cano-Marin, E., Mora-Cantallops, M., & Sánchez-Alonso, S. (2023). Twitter as a predictive system: A systematic literature review. Journal of Business Research. https://doi.org/10.1016/j.jbusres.2022.113561
• Doğan, M. E., & Topa Çiftçi, G. (2019). Üniversite Yönetimi ve Öğrenci İletişiminde Sosyal Medya Kullanımı: Fenomen Rektörler. Akdeniz Üniversitesi İletişim Fakültesi Dergisi. https://doi.org/10.31123/akil.534613
• Grandjean, M. (2016). A social network analysis of Twitter: Mapping the digital humanities community. Cogent Arts and Humanities. https://doi.org/10.1080/23311983.2016.1171458
• Günüç, S., Odabaşı, H. F., & Kuzu, A. (2013). 21. Yüzyıl Öğrenci Özelliklerinin Öğretmen Adayları Tarafından Tanımlanması: Bir Twitter Uygulaması. Eğitimde Kuram ve Uygulama.
• Gurcan, F. (2023). What issues are data scientists talking about? Identification of current data science issues using semantic content analysis of Q&A communities. PeerJ Computer Science, 9, e1361.
• Gurcan, F., Boztas, G. D., Dalveren, G. G. M., & Derawi, M. (2023). Digital Transformation Strategies, Practices, and Trends: A Large-Scale Retrospective Study Based on Machine Learning. Sustainability, 15(9), 7496.
• Gurcan, F., & Cagiltay, N. E. (2022). Exploratory Analysis of Topic Interests and Their Evolution in Bioinformatics Research Using Semantic Text Mining and Probabilistic Topic Modeling. IEEE Access, 10, 31480–31493. https://doi.org/10.1109/ACCESS.2022.3160795
• Gurcan, F., Dalveren, G. G. M., Cagiltay, N. E., Roman, D., & Soylu, A. (2022). Evolution of Software Testing Strategies and Trends: Semantic Content Analysis of Software Research Corpus of the Last 40 Years. IEEE Access, 10, 106093–106109. https://doi.org/10.1109/ACCESS.2022.3211949
• Gurcan, F., Dalveren, G. G. M., Cagiltay, N. E., & Soylu, A. (2022). Detecting Latent Topics and Trends in Software Engineering Research Since 1980 Using Probabilistic Topic Modeling. IEEE Access, 10, 74638–74654. https://doi.org/10.1109/ACCESS.2022.3190632
• Gurcan, F., Dalveren, G. G. M., & Derawi, M. (2022). Covid-19 and E-Learning: An Exploratory Analysis of Research Topics and Interests in E-Learning During the Pandemic. IEEE Access, 10, 123349–123357. https://doi.org/10.1109/ACCESS.2022.3224034