Understanding twitter users' behaviour by social network analysis during disasters
Afet durumunda twıtter kullanıcılarının sosyal ağ analizi ile davranışını anlama
- Tez No: 637426
- Danışmanlar: PROF. DR. ŞULE ITIR SATOĞLU, DOÇ. DR. GÜLÜSTAN DOĞAN
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: İngilizce
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
- Sayfa Sayısı: 91
Özet
Hızlı müdahale ve yardım, afet durumlarında çok önemli bir adımdır. Son zamanlarda internet ve sosyal medya kullanımı ile afet yönetiminin dijitale taşınması mantıklı ve ilgi çekici bir hale gelmiştir. Ayrıca, sosyal medyanın günlük kullanımda büyük rol oynaması, hem afet sırasında hem de sonrasında ve hatta afete hazırlık sürecinde bile birçok kolaylık sağlamaktadır. Literatürde, sosyal medyanın doğal afet durumlarında etkili bir rol oynadığı kanıtlanmıştır. Ancak, şimdiye kadar bu etkileşimi kullanmak için herhangi bir uygulama yapılmamıştır. Parça parça afet yönetimi üzerine incelenen birçok makale var ve sosyal medyanın afet yönetiminde başarılı olduğunu kanıtlayan olumlu sonuçlar mevcuttur. Sosyal medya, özellikle Twitter, önemli ve büyük olaylarda çok hızlı ve fazla etkileşim yapan bir platformdur. Twitter'da saniyede ortalama 900.000 adet tweet atıldığı bilinciyle bakarsak, Twitter'da biriken bu verilerin bilimsel olarak kullanılması çok yararlı bir durumdur. Topluluğun etkilenen ve etkilenmeyen tüm kısımları düşüncelerini, inançlarını ve bazen güvenilir olmasalar da buldukları haberleri paylaşmak ister. Ne yazık ki, bazen bu paylaşımlar afetten etkilenen kazazedeleri yanlış yönlendirebilir. Örneğin yakın zamanda yaşanan deprem afetinde, verilen yanlış bilginin ilgi çeekmesi ve birçok kez retweet (tekrar tweet) ve reply (cevap) almasından dolayı, kışın evleri yıkılan depremzedeler, aslında açık olmayan bir fabrikaya sığınmak için gitmiş ve yanlış yönlendirilmişlerdir. Bu hataları yönetmek ve düzeltmek için, kullanıcıların sosyal medyadaki güvenilirliğini ve itibarını analiz etmek gerekir. Bu tezde Twitter'da kullanıcıların birbirlerine“cevap”ile oluşan etkileşimlerindeki Sosyal Ağ Analizi uygulanmıştır. Temel amaç, önemli mesajları paylaşarak afet yönetiminde yararlı katkılar sağlayabilecek belli bir kullanıcı listesi ve / veya kategoriler bulmaktır. Afet zamanında, doğru mesajlar topluluğun çoğunluğuna en hızlı şekilde yayılmalıdır. Bunun için afet anından önce, afet sırasında ve sonrasında sosyal medya kullanıcılarının davranışını analiz ettik ve etkileyecek önemli bir kullanıcı kategorisi olup olmadığına baktık. İlk olarak Twitter'dan ham verileri çektik ve gerekli nitelikleri saklayarak yararlı hale gelmesi için ön-işleme aşamasından geçirdik. Daha sonra sosyal ağ analizi için gerekli olan düğüm ve kenar tablolarını oluşturduk. Seçilen merkezi ölçümler ile kullanıcı kategorilerini karşılaştırıp analiz ettik ve önemli kullanıcılara karar verdik. Tezin ilk bölümünde literatür taraması ve konuyla ilgili önceki çalışmalardan bahsedilmiştir. Konu ile ilgili makaleler araştırılarak katkıları üzerinde durulmuş ve yöntemleri ile sonuçlarından bahsedilmiştir. Bu ilgili çalışmalardan bu çalışmaya en benzer üç makale açıklanmış, ve çalışmamızdaki anlamlı farklılık belirtilmiştir. Çalışmamızın amacı ve yapılacak uygulamalardan sonra hangı çıktının elde edilmesi planlandığı hakkında bilgi verilmiştir. Çalışma için araştırma soruları belirtilmiş ve tez boyunca bu sorulara cevap bulacak uygulamalara yer verilmiştir. Tezin ikinci bölümünde Sosyal Medya Analitiği hakkında genel bilgiler verilerek, ne amaçla yapıldığından bahsedilmiştir. Sosyal Medya Analitiğinin bir parçası olan Sosyal Ağ Analizi tanıtılmış ve bu çalışma için kullanılan araçlardan bahsedilmiştir. Bu bölümde, SNA ve grafik madenciliğinde ilgili ve gerekli tüm merkeziyet tanımları belirtilmiş ve formül denklemleri gösterilmiştir. Ayrıca, özellikle üzerinde çalıştığımız için, afet yönetimi kavramı ve bilgi yayma terimi açıklanmıştır. Metodoloji ve uygulama bölümünde Python dili ve Gephi uygulaması kullanılmıştır. Uygulama için Türkiye'de meydana gelen Elazığ depremi ele alınmış ve yaşanan Elazığ depremi tarihlerinin 3 gün önce ve sonrası arasındaki tweet'ler \#deprem ve \#elazig filtreleri ile toplanmıştır. Toplanan ham veriler, önce veri keşfi ile önemli özellikler çıkartıldıktan sonra veri önişlemesi yapılmıştır. Veriyi sosyal ağ analizinde daha verimli sonuç ve genel bir kural oluşturabilmek adına Twitter kullanıcı adına göre atama yapılabilecek 6 kategori -Devlet, Medya, Deprem, Kurum, Birey, Diğer- oluşturulmuştur. Veri çekmesi, hazırlığı, önişlemesi ve görselleştirmsi Python dili ve JupyterLab defterinde yapılmıştir. Tüm kullanıcıların metinleri ile genel bir kelime bulutu oluşturulmuş ve genel anlamda felakeet anında kullanıcıların tepkileri analiz edilmiştir. Aynı zamanda kategori bazlı kullanıcılar için kelime bulutu oluşturularak kategori bazlı farklı bir etkileşimin olup olmadığına bakılmıştır. Sonrasında sosyal ağ analizi için gerekli olan düğüm (node) ve kenar (edge) listeleri oluşturulmuştur. Bu listelerde gerekli görülen özellikler de sütun olarak eklenmiştir. Sosyal ağ analizi, graf görselleştirmesi ve merkeziyet hesaplamaları Gephi uygulamasında yapılmıştır. Görselleştirmeler bu çalışmanın önemli ve kritik bir parçası olduğundan farklı değişkenler üzerinden şekiller oluşturulmuştur. Gephi'de elde edilmiş hesaplama tablosu Python ile görselleştirme için kullanılmıştır. Merkeziyet hesaplamaları ile bazı belirgin kullanıcı türlerinin aynı tepki gösterdiği ve topluluğa ulaşma konusunda çok etkili oldukları kanıtlanmıştır. Sonuçlardan, devlet adamlarının (Devlet kategorisi) hesaplarının afet anlarında mesaj yayılması konusunda çok hızlı ve geniş kitleye ulaşabildiği gözlemlenmiştir. Açıklanan merkeziyet hesaplamalarından özvektör merkeziliği ve arasındalık merkeziliği göz önüne alınarak çalışmalar yapılırken, özvektör merkeziliğinin afet yönetiminde etkin olan kullanıcı gruplarını bulmada daha uygun olduğu da gözlemlenmiştir. Amacımız iletilecek bir mesajın Twitter topluluğuna olabilecek en hızlı şekilde ve maksimum topluluğa ulaşması olduğu için, ego ağ analizi ile özvektör merkeziliği ve arasındalık merkeziliği karşılaştırılmıştır. Ayrıca, devlet adamlarının yanı sıra, doğrulanmış hesapları olan ünlüler ve medya hesapları da mesajların yayılmasında bir köprü görevi gördüğü kanıtlanmıştır. Son olarak, sonuçlardan emin olmak adına Elazığ depremine benzer son 5 yılda yaşanmış olan 3 deprem olayları için aynı çalışmaları yaparak, kategorilerin ve hatta aynı kullanıcı hesaplarının afet yönetiminde etkili olduğunu gördük. Bu sonuçlardan afet yönetimi açısından önemli mesajların devlet adamları, ünlüler ve medya tarafından paylaşılması gerektiği söylenebilir. Her ne kadar arasındalık merkeziyet hesaplaması, problemimizde bulmak istediğimiz kullanıcı tipini bulmaya yardımcı olacak şekilde olsa da, arasındalık merkeziyeti ile çıkan sonuçlarda genel olarak“Diğer”kategorisi baskın çıkmıştır. Bu da tahmin edilemeyen bir kullanıcı kategorisi olması ile birlikte, afet yönetiminde yardımcı olabilecek bir sonuç değildir. Bununla birlikte, kategori atamalarında detaylandırma ile çıkan kategori çeşitliliği sayesinde, başka bir çalışma yapılabilir ve bu çalışmada arasındalık merkeziyeti tekrardan göz önüne alınabilir. Bu tezin sonuçlarından sonra, gelecekte çalışmayı daha genişleterek, kapsamlı bir uygulama çıkması hedeflenmektedir. Bu çalışmada detaylı olarak Twitter sosyal meedyasında kullanıcıların ağ analizi ve kullanıcı tiplerinin ağa etkisi incelenmiştir. Gelecekte, her kullanıcı için duygu analizi ve sahte haber keşfi ile, iletilen mesajların anlık güvenirliği ve paylaşım hacmi bulunabilecektir. Bunun için, Türkçe Doğal Dil İşleme kısmına daha ağırlık verilerek, metin kısımlarının da yararlı bilgilendirme ve makine öğrenmesi ile yararlı sonuçlar bulunabilecektir. Aynı zamanda, diğer sosyal medyalar ile de çalışma birleştirilerek, ana kitleye daha yakın bir çalışma yapılabilecektir. Sadece Twitter değil, Facebook ile entegrelenecek bir uygulama ile afet yönetimi için daha çok ve doğru topluluğa ulaşılabilmesi hedeflenmektedir. Bu şekilde organizasyonel bir çalışma yapılabilecektir.
Özet (Çeviri)
Fast response and assistance is a crucial step in disaster situations. With the use of the internet and social media in recent times, moving disaster management to digital platforms has become logical and interesting. Besides, the fact that social media plays a big role in daily usage for the majority of people provides many conveniences both during and after the disaster and even in the process of preparing for disaster. In the literature, it has been proved that social media plays an effective role in a natural disaster situation. However, no implementation has been made to use this interaction so far. Piece by piece there are many articles that are studied on disaster management. From these works, it is seen that the results of these implementation made are positive for disaster management ideas. Social media, especially Twitter, has a very big reaction in terms of disaster time. Both of the communities who are affected and non-affected from the disaster would like to share their thoughts, beliefs. People tend to share the news they have found about the disaster and sometimes these news may not trustable. Unfortunately, sometimes these shares might direct sufferers in the wrong way. In order to manage and correct these mistakes, it is necessary to analyze the reliability and reputation of users on social media. In this thesis, Social Network Analysis was applied in user“reply”interaction on Twitter. The main aim is to find a distinct user list and/or categories that can be useful in disaster management by sharing important messages. In disaster moments, accurate messages should be spread to the majority of the community in the fastest way. For this, we analyzed the behavior of social media before, during, and after the disaster moment and see if there is a significant user category to influence. We first retrieved raw data from Twitter and pre-processed the necessary attributes. We then created a node and edge tables which are essential for social network analysis. With the selected centrality measurements, we have compared and analyzed user categories and decide on important users. In the first part of the thesis, a literature review and prior works about the topic have been mentioned. Related works and their solutions were discussed. From the related works, the most similar three articles were mentioned and the significant difference in our study was stated. The purpose of the study and after implementation, what solution will be get was explained. All possible research questions were stated and the hypothesis was shown. After the literature part, the term Social Media Analytics was detailly explained with equations. Social Network Analysis tools and their measurements, centrality calculations were stated. In this part, all related and necessary centrality descriptions in SNA and graph mining were indicated and their formula equations were shown. Also, the concept of disaster management was explained as well as information spreading term. In the methodology and implementation parts, Python language and Gephi application were used. We first prepared the collected data to SNA implementation in Python, then with Gephi SNA visualizations and centrality calculations were made properly. Since the visualizations are an essential and critical part of this study, different types of plots were shown to decide the true category. From the results, it is proved that some apparent types of users react the same, and they are very influential when it comes to reaching the community. From the results, it is seen that statesmen -governmental- accounts have a great impact on message spreading in the disaster moments. For this purpose, eigenvector centrality is more suitable and gives proper results. Also, apart from statesmen, celebrities with verified accounts and media accounts also serve as a bridge in spreading messages. To make sure from the results, we have compared the other three similar disasters and found that the same categories and even the same user accounts are getting influential in disaster management. From these results, it can be said that in terms of disaster management, the important messages should be shared by statesmen, celebrities, and media.
Benzer Tezler
- Sosyal medyada rasyonel olmayan yatırımcı eğilimlerinin nitel tercih modelleriyle belirlenmesi: Twitter örneği
Specification of irrational investor tendencies at social media by categorical choice modelling: Twitter case
GÖZDE BOZKURT
Yüksek Lisans
Türkçe
2018
EkonometriMarmara ÜniversitesiEkonometri Ana Bilim Dalı
PROF. DR. ŞEVKET IŞIL AKGÜL
- Büyük veri ve kent: İstanbul tarihi yarımada'da konum tabanlı sosyal medya verileri üzerinden sosyo-mekansal ayrışmanın incelenmesi
Big data and city: Investigation of socio-spatial segregation through location-based social media data in the historical peninsula of Istanbul
ÜMMÜGÜLSÜM ORTAÇ
Yüksek Lisans
Türkçe
2021
Şehircilik ve Bölge Planlamaİstanbul Teknik ÜniversitesiKentsel Tasarım Ana Bilim Dalı
PROF. DR. TURGAY KEREM KORAMAZ
- Proposal for a forecasting methodology to predict commercial real estate values in Istanbul using social big data
Sosyal büyük veri kullanımı ile İstanbul'daki ticari gayrimenkul değerlerini tahmin etmek için bir kestirim yöntemi önerisi
MARAL TAŞCILAR
Yüksek Lisans
İngilizce
2023
Ekonometriİstanbul Teknik ÜniversitesiGayrimenkul Geliştirme Ana Bilim Dalı
DOÇ. KEREM YAVUZ ARSLANLI
- Türkiye'de COVID-19 aşılaması hakkında toplumsal duygusal durumun sosyal medya verileri üzerinde makine öğrenmesi metotları kullanılarak incelenmesi
Sentiment analysis about COVID-19 vaccination in Turkey by using machine learning methods on social media data
TUNA ARDA DEMİRÖZ
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Medeniyet ÜniversitesiBiyolojik Veri Bilimi Ana Bilim Dalı
PROF. DR. HASAN GÜÇLÜ