Publication: Sosyal medyada kriz yönetimine yönelik bir erken uyarı ve müdahale sistemi modeli
Abstract
Yapay zekâ sistemlerinin halkla ilişkiler alanını etkilediği ve bu sistemler sayesinde halkla ilişkiler alanında yapay zekâya dayalı gelişmelerin yaşandığı söylenebilir. Bu tez çalışması ile sosyal medyada kriz yönetimine yönelik bir erken uyarı ve müdahale sisteminin oluşturulması amaçlanmıştır. Tez kapsamında, kurumların hedef kitlelerini düzenli takibine olanak veren bir erken uyarı sistemi ve bir olumsuzluk meydana geldiğinde hedef kitlelere ulaşılmasını sağlayan bir cevap algoritması geliştirilmiştir. Kriz anlarındaki paylaşımların on binlere ulaşabildiği düşünüldüğünde; verilerin hızlı bir şekilde elde edilmesi, işlenmesi, analizi ve sonuçlarının sunulması bir çalışanın üstesinden gelmekte zorlanabileceği bir durumdur. Bu durum ise araştırmanın ana problemini oluşturmaktadır. Twitter üzerinden gerçekleştirilen bu araştırmada, Python programlama dili kullanılarak belirlenen hashtag üzerinden 2022 yılında atılmış olan bütün tweetleri içeren 15.961 tweet bilgisayarda bir veri olarak depolanmış ve gerekli veri ön işleme süreçlerinden geçirilmiştir. Tez kapsamında geliştirilen algoritma, Twitter üzerinden verilerin çekilmesini ve işlenmesini; elde edilen verilerin işlendikten sonra Türkçe duygu analizlerinin gerçekleştirilmesini ve hedef kitlelere hızlı bir şekilde ulaşılmasını sağlayan bir cevap algoritmasının oluşturulmasını içermektedir. Krizlere yönelik erken uyarı sisteminin oluşturulmasında makine öğrenmesi yöntemini içeren BERT modeli tercih edilmiş ve Türkçe duygu analizi başarı ile gerçekleştirilmiştir. Tez kapsamında kullanılan yöntem, sosyal bilimlerde kullanılmaya başlanılan hesaplamalı sosyal bilimler yöntemini de içermektedir. Bu yöntem dahilinde veriler elde edilmiş ve gerekli analizler gerçekleştirilmiştir. Twitter üzerinden insanlara cevap verilmesi amacıyla geliştirilen müdahale sisteminde de istenilen başarıya ulaşılmıştır. Bu kapsamda olumlu, olumsuz ve nötr tweetlerin duygu durumlarına göre istenilen sayıda tweete cevap verilmesi sağlanmıştır. Araştırma kapsamında elde edilen sonuçlar değerlendirildiğinde; 15.961 Twitter verisi üzerinden başarıyla gerçekleştirilen Türkçe duygu analizine göre; 12.734 adet negatif tweet, 2.631 adet pozitif tweet ve 596 adet nötr tweet’in yer aldığı görülmektedir. Yüzdesel olarak incelendiğinde, tweetlerin %80’i negatif tweetleri içerirken %16’sı pozitif ve %4’ü nötr tweetlerden oluşmaktadır. Bert modeli ile gerçekleştirilen Türkçe duygu analizinin başarısı incelendiğinde %12,68 hata oranı ile %87,32 başarı elde edilmiştir.
One may argue that artificial intelligence systems influenced the field of communication and there had been advancements in artificial intelligence experienced thanks to these systems. This thesis aims to build up an early warning and response system model for crisis management in social media. Within the scope of this doctorate dissertation, an early warning system and a response algortihm are created where former allows organizations to regularly monitor their target audiences, and later make possible target audiences to be reached in case of a negative situation. Given that the social media post in times of crisis reach tens of thousands people, data collector may have difficulty in rapidly collecting, processing, analyzing and submitting the results. This difficult situation constitutes the main problem of this study which is carried out by analyzing posts on Twitter. In this research, which utilizes the Python programming language on Twitter, 15,961 Twitter posts from 2022 with a specific hashtag were stored as data on a computer then relevant data were pre-processed. The algorithm developed within the scope of the thesis includes extracting and processing the data on Twitter, making a sentiment analysis in Turkish language on processed data, and creating a response algorithm that enables rapid access to target audiences. In creating the early warning system for crises, this study utilized the BERT model which includes the machine learning method, and successfully made the Turkish sentiment analysis. The method used in this thesis also includes the computational social sciences method, which has started to be used in social sciences. Within this method, data were obtained and necessary analyzes were carried out. The intervention system designed to reply to people on Twitter has also achieved the desired success. In this context, it was ensured that the desired number of tweets were replied according to the emotional states of positive, negative and neutral tweets. When the results obtained within the scope of the research are evaluated, it is seen that there are 12,734 negative, 2,631 positive and 596 neutral tweets, according to the Turkish sentiment analysis successfully made on 15,961 Twitter posts. When analyzed as a percentage, 80% of the tweets contain negative, 16% positive and 4% neutral feedbacks. When the success of the Turkish sentiment analysis performed with the Bert model is analyzed, a success 87.32% was obtained with an error rate of 12.68%.
One may argue that artificial intelligence systems influenced the field of communication and there had been advancements in artificial intelligence experienced thanks to these systems. This thesis aims to build up an early warning and response system model for crisis management in social media. Within the scope of this doctorate dissertation, an early warning system and a response algortihm are created where former allows organizations to regularly monitor their target audiences, and later make possible target audiences to be reached in case of a negative situation. Given that the social media post in times of crisis reach tens of thousands people, data collector may have difficulty in rapidly collecting, processing, analyzing and submitting the results. This difficult situation constitutes the main problem of this study which is carried out by analyzing posts on Twitter. In this research, which utilizes the Python programming language on Twitter, 15,961 Twitter posts from 2022 with a specific hashtag were stored as data on a computer then relevant data were pre-processed. The algorithm developed within the scope of the thesis includes extracting and processing the data on Twitter, making a sentiment analysis in Turkish language on processed data, and creating a response algorithm that enables rapid access to target audiences. In creating the early warning system for crises, this study utilized the BERT model which includes the machine learning method, and successfully made the Turkish sentiment analysis. The method used in this thesis also includes the computational social sciences method, which has started to be used in social sciences. Within this method, data were obtained and necessary analyzes were carried out. The intervention system designed to reply to people on Twitter has also achieved the desired success. In this context, it was ensured that the desired number of tweets were replied according to the emotional states of positive, negative and neutral tweets. When the results obtained within the scope of the research are evaluated, it is seen that there are 12,734 negative, 2,631 positive and 596 neutral tweets, according to the Turkish sentiment analysis successfully made on 15,961 Twitter posts. When analyzed as a percentage, 80% of the tweets contain negative, 16% positive and 4% neutral feedbacks. When the success of the Turkish sentiment analysis performed with the Bert model is analyzed, a success 87.32% was obtained with an error rate of 12.68%.