Twitter'daki haberlerde duygular ve kullanıcı etkileşimleri arasındaki ilişkinin çözümlenmesi: Çok yöntemli bir çalışma
Unraveling the association between sentiments and user engagements in the news on twitter: A multi-method study
- Tez No: 826375
- Danışmanlar: PROF. DR. UĞUR GÜNDÜZ
- Tez Türü: Doktora
- Konular: Gazetecilik, Journalism
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Gazetecilik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 207
Özet
Dijital ağlar ve sosyal platformlar günümüz internet kullanıcılarının bilgi edinme ve haber alma süreçlerinin odak noktasıdır. Geleneksel medya izleyicilerinin aksine günümüz medya kullanıcıları daha inisiyatif sahibi oldukları, özerk ve aktif bir medya deneyimi yaşamaktadır. Medyayı takip eden insan topluluklarının izleyiciden (audience) kullanıcıya (user) evrildiği günümüz yeni medya ekosisteminde internet kullanıcılarının sosyal medya platformlarında bıraktığı kırıntılar üzerinden haber tercihleri ve etkileşimleri anlamlandırılabilir. İletişim çalışmalarında medya izleyicisi-kullanıcısını anlamak için yeni fırsatlar sunan bu olanakların doğru şekilde değerlendirilmesi ve yorumlaması için medyanın tek taraflı etkisine odaklanan, iletişimi doğrusal bir çizgi olarak gören yaklaşımlardan sıyrılarak kullanıcı merkezli yaklaşımlara ihtiyaç vardır. Bu minvalde, bu çalışma Twitter ekosisteminde kullanıcıların haber tercihleri ve etkileşimleri ile haberin duygu polaritesi ve duygu durumları arasındaki ilişkiyi araştırmaktadır. Twitter'da kullanıcıların hangi polaritede haberleri daha çok beğendiği, beğeni ve retweet davranışlarında etkili olan kullanıcı türevli ve metin kaynaklı faktörler ortaya konulmuştur. Kullanıcı merkezli çalışmalara yöntemsel olarak yenilik getirmek amacıyla kullanıcılar yerine kullanıcıların Twitter ekosisteminde beğeni ve retweet sağlayarak geri bildirim sağladığı beş haber merkezinin tweetleri örneklem olarak kabul edilmiştir. Amaçlı örneklem alımı yapılan çalışmada beş haber merkezinin 2019-2022 yıllarında paylaştığı 462 binden fazla tweet, metin madenciliği, istatistik testler ve içerik analizi olmak üzere çoklu yöntem kullanılarak incelenmiştir. Metin madenciliğinin bir alt dalı olan duygu analizi işleminde 4 ayrı duygu sözlüğünden yararlanılmıştır. Duygu analizi sonucunda tweetlere dair elde edilen sayısal ve kategorik değerler, Twitter kullanıcılarının beğeni ve retweetleriyle karşılaştırılarak öne sürülen hipotez ve araştırma sorularına yanıt aranmıştır. Araştırma bulguları mevcut literatürle belirli noktalarda hem uyuşmakta hem de çelişmektedir. Söz konusu Twitter ekosisteminde haber etkileşimi olduğunda kullanıcılar haberleri retweetlemekten çok beğenmektedir. Sosyal medyadaki okurlar, tweetlerin genelinde olumlu tweetleri ortalamada daha çok beğenmekte, olumsuz tweetleri ise daha çok retweetlemektedir. Twitter'da kullanıcıların haberleri beğenmesinde tweetlerin duygu polaritesinin yanı sıra diğer kullanıcılar tarafından retweetlenmesi, tweet içerisinde bağlantı verilmesi, tweetlerde hashtag kullanımı, bir başka kullanıcıya atıf yapma vb. metinsel parametrelerin belirli oranlarda etkili olduğu tespit edilmiştir. Araştırmaya dair elde edilen bulgular kullanıcı merkezli yaklaşımlar ve konseptlerle (K&D, alımlama, aktif kullanıcı, kullanıcı failliği) yorumlanmış, sonuç bölümünde araştırmanın devamı niteliğinde gelecekteki çalışmalar için önerilerde bulunulmuştur.
Özet (Çeviri)
Digital networks and social platforms are the focal points of today's internet users' information acquisition and news consumption processes. Unlike traditional media audiences, contemporary media users experience a more initiative, autonomous, and active media engagement. In the current new media ecosystem where communities of media followers have evolved from being mere audiences to users, the news preferences and interactions of internet users can be comprehended through the digital traces they leave on social media platforms. Understanding the transition from media audience to user in communication studies necessitates a departure from linear approaches that emphasize media effects and perceive communication as a one-way line. Instead, user-centered approaches are needed to properly assess and interpret the potential offered by these emerging opportunities. In this context, this study investigates the relationship between users' news uses (preferences, engagements) and news sentiment (polarity score and category) on Twittersphere. The study identifies the polarity of news that users prefer more on Twitter, and highlights user-derived and text-based factors that influence liking and retweeting behaviors. To introduce methodological innovation to audience research, tweets from five news organizations that provide feedback through likes and retweets within the Twitter ecosystem are selected as the sample instead of individual users. In this purposive sampling study, more than 462,000 tweets shared by five newsrooms between 2019 and 2022 are examined using a combination of text mining, statistical tests, and content analysis. Four different sentiment dictionaries are employed in sentiment analysis, a subfield of text mining. The numerical and categorical values obtained from the sentiment analysis of tweets are compared with users' likes and retweets to address the proposed hypotheses and research questions. The research findings align and diverge with the existing literature at specific junctures. In the examined Twitter ecosystem, users tend to prefer liking news over retweeting it. Within the realm of social media, users tend to like positive tweets more on average, while negative tweets are retweeted more. The research concludes that, aside from the sentiment polarity of tweets, factors such as retweeting by other users, inclusion of links within tweets, usage of hashtags, references to other users, and other textual parameters have varying degrees of influence on users' liking of news on Twitter. The findings of the study are interpreted using audience centered approaches and concepts (K&D, reception, active user, user agency), and recommendations for follow-up studies that extend the research's scope are provided in the concluding section.
Benzer Tezler
- Sosyal medyadaki Türkçe sahte haberlerin derin öğrenme yaklaşımıyla tespiti ve sınıflandırılması
Detection and classification of fake news in Turkish on social media using a deep learning approach
GÜLSÜM KAYABAŞI KORU
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiAdli Bilişim Ana Bilim Dalı
PROF. DR. ÇELEBİ ULUYOL
- Predicting bitcoin price with sentiment analysis of twitter and news data by including individual prediction rates
Twıtterdakı kullanıcı yorumlarını ve haber sıtelerındekı haberlerı duygu analızı ederek, kullanıcıların dogruluk oranı kullanarak bıtcoın fıyat tahmını
AARON NATHAN YAFFE
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiBüyük Veri Analitiği ve Yönetimi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SERKAN AYVAZ
- Twitter'da yanlış bilgi ve dezenformasyon tespiti için yapay zeka tekniklerinin kullanılması ve karşılaştırılması
Using and comparison of artificial intelligence techniques to detect misinformation and disinformation on Twitter
OMAR RAAD MAHMOOD MAHMOOD
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErzincan Binali Yıldırım ÜniversitesiYapay Zeka ve Robotik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FUNDA AKAR
- Sosyal medyada yer alan Rusya ve Ukrayna savaşı haberlerinde dezenformasyon: Twitter (X) örneği
Disinformation in Russia and Ukraine war news on social media: The case of Twitter (X)
TAYLAN SIĞIRCI
Yüksek Lisans
Türkçe
2023
İletişim Bilimleriİstanbul Ticaret ÜniversitesiMedya Ve İletişim Çalışmaları Ana Bilim Dalı
PROF. DR. OYA ŞAKI AYDIN
- Detection of organized behaviours on Twitter
Organize davranışların Twitter'da belirlenmesi
ERDEM BEĞENİLMİŞ
Yüksek Lisans
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. TUNGA GÜNGÖR
DR. SUZAN ÜSKÜDARLI