COVİD-19 önlemlerine ilişkin Türkçe, almanca ve ingilizce metinlerde duruş ve duygu analizi: transformer tabanlı modellerin karşılaştırılması
A comparative analysis of transformer-based models for stance and sentiment detection in Turkish, german, and english texts related to COVİD-19 measures
- Tez No: 1005350
- Danışmanlar: DR. ÖĞR. ÜYESİ KRİSTİN SURPUHİ BENLİ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Üsküdar Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez çalışmasında, COVID-19 pandemisi sürecinde uygulanan halk sağlığı önlemlerine yönelik çok dilli metinlerde ifade edilen duygu (sentiment) ve duruşun (stance) otomatik olarak belirlenmesi amaçlanmıştır. Çalışma kapsamında İngilizce, Türkçe ve Almanca dillerinde, sosyal medya ve çevrim içi platformlardan elde edilen kullanıcı yorumları incelenmiştir. Duygu analizi için Pozitif, Negatif ve Nötr; duruş analizi için ise Destekliyor, Desteklemiyor ve Duruş Yok sınıflarından oluşan etiketleme şeması kullanılmıştır. Araştırmada, dil özel ve çok dilli Transformer tabanlı modellerin duygu ve duruş analizi performansları karşılaştırmalı olarak incelenmiştir. Türkçe, Almanca ve İngilizce için çeşitli dil özel modellerin yanı sıra mBERT, XLM-R, InfoXLM, RemBERT, XLM-V ve mDeBERTa-v3 gibi çok dilli modeller değerlendirilmiştir. Tüm modeller aynı eğitim, doğrulama ve test bölünmeleriyle eğitilmiş, performansları makro F1 skoru üzerinden genel ve dil bazlı olarak analiz edilmiştir. Elde edilen bulgular, duruş analizinin genel olarak duygu analizine kıyasla daha yüksek ve daha tutarlı performans sergilediğini göstermektedir. Bu farkın, duygu analizinde sınıflar arası semantik örtüşmelerin daha belirgin olmasıyla ilişkili olduğu gözlemlenmiştir. Duygu analizinde, özellikle örtük ya da karmaşık duygusal içerik barındıran ifadeler, pozitif ve negatif sınıflar arasındaki sınırların bulanıklaşmasına yol açarak sınıflandırma sürecini zorlaştırmıştır. Buna karşılık, duruş analizinde nötr ifadeler, belirli bir hedefe yönelik açık bir destek ya da karşıtlık içermemesi sayesinde daha tutarlı bir anlamsal yapı sunmuş ve modeller tarafından görece daha kolay ayırt edilebilmiştir. Çok dilli modeller arasında XLM-R ve RemBERT'in genel olarak daha dengeli sonuçlar sunduğu gözlemlenmiştir. Bu çalışma, COVID-19 önlemlerine yönelik toplumsal tepkilerin çok dilli ve görev bazlı olarak incelenmesine katkı sunmakta; duygu ve duruş analizinin birlikte ele alınmasının önemini vurgulamaktadır. Elde edilen sonuçların, gelecekteki çok dilli çalışmalar için yol gösterici olacağı değerlendirilmektedir.
Özet (Çeviri)
This thesis aims to automatically identify the sentiment and stance expressed in multilingual texts related to public health measures implemented during the COVID-19 pandemic. Within the scope of the study, user-generated comments collected from social media and online platforms in English, Turkish, and German were analyzed. For sentiment analysis, a three-class labeling scheme consisting of Positive, Negative, and Neutral was adopted, while stance analysis was conducted using the classes Supports, Opposes, and No Stance. In this study, the sentiment and stance analysis performances of monolingual and multilingual Transformer-based models were comparatively examined. In addition to various monolingual models for Turkish, German, and English, multilingual models such as mBERT, XLM-R, InfoXLM, RemBERT, XLM-V, and mDeBERTa-v3 were evaluated. All models were trained using the same training, validation, and test splits, and their performances were analyzed both overall and on a language specific basis using the macro F1 score. The findings indicate that stance analysis generally yields higher and more consistent performance compared to sentiment analysis. This difference is observed to be related to the more pronounced semantic overlap between sentiment classes. In sentiment analysis, expressions containing implicit or complex emotional content tend to blur the boundaries between positive and negative classes, thereby increasing the difficulty of the classification task. In contrast, neutral expressions in stance analysis, by not conveying explicit support or opposition toward a specific target, exhibit a more consistent semantic structure and are therefore more easily distinguishable by the models. Among the multilingual models, XLM-R and RemBERT were observed to produce more balanced results overall. This study contributes to the multilingual and task-oriented analysis of public reactions to COVID-19 measures and highlights the importance of jointly considering sentiment and stance analysis. The results obtained are expected to provide valuable guidance for future multilingual research in this domain.
Benzer Tezler
- Maliye politikasında vergi uygulamaları:2020 sonrası pandemi döneminde uygulanan vergi teşvikleri
Tax implementations in fiscal policy: Tax incentives applied during the pandemic period after 2020
YILDIZ UĞURLU
- Covid 19 pandemisi sürecinde ölüm oranlarının karşılaştırmalı analizi
Comparative analysis of mortality rates during the Covid 19 pandemic process
HALİL BOZOĞLU
Doktora
Türkçe
2025
Sağlık YönetimiTrakya ÜniversitesiSağlık Kurumları Yönetimi Ana Bilim Dalı
DOÇ. DR. EMRE ATILGAN
- OECD ülkeleri ve ülkemizde meydana gelen karayolu trafik kazalarının incelenmesi ve sonuçlarının karşılaştırılması
Analysis of traffic accidents occurring in OECD countries and our country and examination of their results
GÜLFEM ATASAYAR
Yüksek Lisans
Türkçe
2023
Kazalarİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ZÜBEYDE ÖZTÜRK
- Edirne il merkezindeki bir kamu hastanesinde hemşirelerin COVID-19'dan korunma bilgileri ile izolasyon önlemlerine uyum ölçeği değerlerini etkileyen kimi faktörlerin belirlenmesi
The evaluation of some factors affecting COVID-19 disease protection information and scale compliance with isolation precautions values of nurses in a state hospital at Edirne city center
AYLİN ŞİRİN KÖKEN BERBEROĞLU
Yüksek Lisans
Türkçe
2021
HemşirelikTekirdağ Namık Kemal ÜniversitesiSağlık Yönetimi Ana Bilim Dalı
DOÇ. DR. GAMZE VAROL
- Pandemi sürecinde hemşirelerin standart ve izolasyon önlemlerine uyum düzeyleri ve etkileyen faktörler
Levels of nurses' compliance with standard and isolation precautions and affecting factors during the pandemic
MERAL TAŞKIN
Yüksek Lisans
Türkçe
2022
HemşirelikSelçuk ÜniversitesiHemşirelik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ŞERİFE KURŞUN KURAL