Garfield
YZF Admin
Sosyal medya veri madenciliğinde tek bir veri türü değil; kullanıcıların paylaştığı içerikler, etkileşimleri, zaman ve konum bilgileri, profil özellikleri ve kullanıcılar arasındaki bağlantılar birlikte incelenir. Amaca göre bu veriler temizlenir, sınıflandırılır ve ilişkilendirilir. Böylece örneğin bir konu hakkındaki genel eğilim, hangi içeriklerin daha çok etkileşim aldığı veya kullanıcı kümelerinin nasıl oluştuğu anlaşılabilir; ancak sonuçlar tek başına bir kişinin niyetini ya da gerçek kimliğini kesin olarak kanıtlamaz.
Gönderi metinleri, yorumlar, başlıklar, etiketler, bağlantılar, görseller, videolar ve ses kayıtlarının metne dönüştürülmüş biçimleri içerik verisidir. Bu verilerde konu sınıflandırması, anahtar kelime çıkarımı, duygu eğilimi, spam tespiti veya benzer içerik analizi yapılabilir.
Örneğin bir yazılım projesiyle ilgili gönderilerden “hata”, “güncelleme” ve “performans” sözcüklerinin sık geçtiği görülürse, kullanıcıların en çok hangi sorunlardan söz ettiği tahmin edilebilir. Bu durum, her kullanıcının aynı görüşte olduğunu veya sözcüğün her kullanımda aynı anlamı taşıdığını göstermez. İroni, alıntı ve bağlam hatalı sınıflandırmaya yol açabilir.
Kullanıcı adı, herkese açık profil açıklaması, hesap oluşturma tarihi, takipçi ve takip edilen sayıları, belirtilen yaş aralığı, dil, ilgi alanı veya meslek gibi bilgiler bu gruba girer. Demografik bilgiler doğrudan paylaşılmış olabileceği gibi kullanıcı davranışlarından tahmin edilmeye de çalışılabilir.
Doğrudan verilmemiş yaş, gelir, siyasi görüş veya konum gibi özellikler kesin gerçek kabul edilmemelidir. Bir hesabın profilinde belirli bir şehir yazması, kullanıcının her zaman o şehirde bulunduğunu kanıtlamaz.
Beğeni, paylaşım, yeniden gönderme, yorum, kaydetme, tıklama, görüntüleme ve takipten çıkma gibi eylemler davranış verisi oluşturur. Bu veriler, hangi içeriklerin ilgi çektiğini ve kullanıcıların içerikle nasıl etkileşime girdiğini ölçmek için kullanılır.
Etkileşim sayısı yüksek bir gönderi mutlaka doğru, kaliteli veya olumlu karşılanmış değildir. Tartışmalı ya da yanlış bir içerik de çok sayıda paylaşım alabilir. Bu nedenle etkileşim miktarı, içerik değerlendirmesinin tek ölçütü olarak kullanılmamalıdır.
Gönderinin yayımlanma zamanı, etkileşimin gerçekleştiği saat, paylaşım sıklığı, konum etiketi ve varsa yaklaşık coğrafi bilgiler zamansal ve konumsal veri sayılır. Bunlar, belirli bir konunun hangi dönemlerde yoğunlaştığını veya bir etkinliğin hangi bölgelerde daha fazla konuşulduğunu incelemeye yardımcı olur.
Zaman bilgisi kampanya, kriz veya etkinlik analizi için yararlı olabilir. Ancak bir gönderinin belirli bir saatte yayımlanması, kişinin o anda fiziksel olarak ilgili konumda olduğunu kesin biçimde göstermez. Konum verisi ayrıca hassas kişisel bilgi riski taşıyabileceğinden gereksiz ayrıntı düzeyinde toplanmamalıdır.
Kimin kimi takip ettiği, hangi hesabın hangi içeriği paylaştığı, kullanıcıların hangi gönderiler altında birlikte göründüğü ve içeriklerin hangi hesaplar üzerinden yayıldığı ağ verileriyle incelenir. Bu analiz, toplulukları, merkezî hesapları ve bilgi yayılım yollarını ortaya çıkarmaya çalışır.
Bir kullanıcının başka bir hesabı takip etmesi, o hesabın her görüşünü desteklediğini kanıtlamaz. Ağ analizi bağlantının varlığını gösterir; ilişkinin niteliğini anlamak için içerik ve bağlam da incelenmelidir.
Bu veri türleri aynı araştırmada birlikte kullanılabilir. Aralarındaki farkı hızlıca görmek için aşağıdaki karşılaştırma kullanılabilir.
Tablodaki türler ayrı ayrı analiz edilebilse de daha güvenilir yorum için birbirleriyle karşılaştırılmaları gerekir. Örneğin bir konunun çok konuşulması içerik verisiyle, konuşmanın kimler arasında yayıldığı ağ verisiyle, hangi saatlerde arttığı ise zamansal verilerle anlaşılır.
Varsayımsal olarak bir geliştirici topluluğunda son bir ayda yayımlanan 10.000 gönderinin incelendiğini düşünün. Metinlerden hata mesajları çıkarılır, gönderilerin yayımlanma saatleri gruplanır ve yorum ile paylaşım sayıları eklenir. Çıktıda “bağlantı hatası” ifadesinin özellikle iş günlerinde 09.00-11.00 arasında arttığı görülürse bu, o saatlerde ilgili sorunun daha sık raporlandığına dair bir işarettir.
Bu çıktı, hatanın kesin nedenini veya her kullanıcının aynı ortamda çalıştığını göstermez. Sonraki adımda örnek gönderiler bağlamıyla okunmalı, tekrar eden hata mesajları teknik özelliklerine göre ayrılmalı ve mümkünse uygulama günlükleri gibi bağımsız verilerle karşılaştırılmalıdır.
Sosyal medya verisi çoğu zaman eksik, yanlı ve platforma özgüdür. Sessiz kalan kullanıcılar analize yansımayabilir; bot hesaplar etkileşimleri yapay biçimde artırabilir; silinen veya gizli içerikler veri kümesini değiştirebilir. Bu nedenle sonuçlar “platformdaki gözlemlenen kullanıcılar arasında” gibi sınırlı bir ifadeyle yorumlanmalıdır.
Ayrıca yalnızca gerekli veriler toplanmalı, kişileri gereksiz yere tanımlayabilecek bilgiler anonimleştirilmeli ve platformun kullanım koşulları ile uygulanabilir kişisel veri kuralları dikkate alınmalıdır. Kullanıcı adı veya konum gibi alanlar analizin amacı için zorunlu değilse sonuç kümesine eklenmemelidir.
İncelenen temel bilgi türleri
İçerik verileri
Gönderi metinleri, yorumlar, başlıklar, etiketler, bağlantılar, görseller, videolar ve ses kayıtlarının metne dönüştürülmüş biçimleri içerik verisidir. Bu verilerde konu sınıflandırması, anahtar kelime çıkarımı, duygu eğilimi, spam tespiti veya benzer içerik analizi yapılabilir.
Örneğin bir yazılım projesiyle ilgili gönderilerden “hata”, “güncelleme” ve “performans” sözcüklerinin sık geçtiği görülürse, kullanıcıların en çok hangi sorunlardan söz ettiği tahmin edilebilir. Bu durum, her kullanıcının aynı görüşte olduğunu veya sözcüğün her kullanımda aynı anlamı taşıdığını göstermez. İroni, alıntı ve bağlam hatalı sınıflandırmaya yol açabilir.
Profil ve demografik bilgiler
Kullanıcı adı, herkese açık profil açıklaması, hesap oluşturma tarihi, takipçi ve takip edilen sayıları, belirtilen yaş aralığı, dil, ilgi alanı veya meslek gibi bilgiler bu gruba girer. Demografik bilgiler doğrudan paylaşılmış olabileceği gibi kullanıcı davranışlarından tahmin edilmeye de çalışılabilir.
Doğrudan verilmemiş yaş, gelir, siyasi görüş veya konum gibi özellikler kesin gerçek kabul edilmemelidir. Bir hesabın profilinde belirli bir şehir yazması, kullanıcının her zaman o şehirde bulunduğunu kanıtlamaz.
Etkileşim ve davranış verileri
Beğeni, paylaşım, yeniden gönderme, yorum, kaydetme, tıklama, görüntüleme ve takipten çıkma gibi eylemler davranış verisi oluşturur. Bu veriler, hangi içeriklerin ilgi çektiğini ve kullanıcıların içerikle nasıl etkileşime girdiğini ölçmek için kullanılır.
Etkileşim sayısı yüksek bir gönderi mutlaka doğru, kaliteli veya olumlu karşılanmış değildir. Tartışmalı ya da yanlış bir içerik de çok sayıda paylaşım alabilir. Bu nedenle etkileşim miktarı, içerik değerlendirmesinin tek ölçütü olarak kullanılmamalıdır.
Zamansal ve konumsal bilgiler
Gönderinin yayımlanma zamanı, etkileşimin gerçekleştiği saat, paylaşım sıklığı, konum etiketi ve varsa yaklaşık coğrafi bilgiler zamansal ve konumsal veri sayılır. Bunlar, belirli bir konunun hangi dönemlerde yoğunlaştığını veya bir etkinliğin hangi bölgelerde daha fazla konuşulduğunu incelemeye yardımcı olur.
Zaman bilgisi kampanya, kriz veya etkinlik analizi için yararlı olabilir. Ancak bir gönderinin belirli bir saatte yayımlanması, kişinin o anda fiziksel olarak ilgili konumda olduğunu kesin biçimde göstermez. Konum verisi ayrıca hassas kişisel bilgi riski taşıyabileceğinden gereksiz ayrıntı düzeyinde toplanmamalıdır.
Ağ ve ilişki verileri
Kimin kimi takip ettiği, hangi hesabın hangi içeriği paylaştığı, kullanıcıların hangi gönderiler altında birlikte göründüğü ve içeriklerin hangi hesaplar üzerinden yayıldığı ağ verileriyle incelenir. Bu analiz, toplulukları, merkezî hesapları ve bilgi yayılım yollarını ortaya çıkarmaya çalışır.
Bir kullanıcının başka bir hesabı takip etmesi, o hesabın her görüşünü desteklediğini kanıtlamaz. Ağ analizi bağlantının varlığını gösterir; ilişkinin niteliğini anlamak için içerik ve bağlam da incelenmelidir.
Bu veri türleri aynı araştırmada birlikte kullanılabilir. Aralarındaki farkı hızlıca görmek için aşağıdaki karşılaştırma kullanılabilir.
| Bilgi türü | Örnek | Yaygın inceleme amacı | Dikkat edilmesi gereken sınır |
|---|---|---|---|
| İçerik | Gönderi, yorum, etiket, görsel | Konu ve duygu eğilimi analizi | İroni ve bağlam yanlış yorumlanabilir |
| Profil | Dil, ilgi alanı, profil açıklaması | Kullanıcı gruplarını tanımlama | Tahmin edilen özellik kesin bilgi değildir |
| Etkileşim | Beğeni, paylaşım, tıklama | İlgi ve içerik performansı ölçümü | Yüksek etkileşim kaliteyi kanıtlamaz |
| Zaman ve konum | Yayın saati, konum etiketi | Trend ve bölgesel yoğunluk analizi | Kişinin gerçek konumu kesinleşmez |
| Ağ | Takip, mention, yeniden paylaşım | Topluluk ve yayılım analizi | Bağlantı, destek anlamına gelmeyebilir |
Küçük bir analiz örneği
Varsayımsal olarak bir geliştirici topluluğunda son bir ayda yayımlanan 10.000 gönderinin incelendiğini düşünün. Metinlerden hata mesajları çıkarılır, gönderilerin yayımlanma saatleri gruplanır ve yorum ile paylaşım sayıları eklenir. Çıktıda “bağlantı hatası” ifadesinin özellikle iş günlerinde 09.00-11.00 arasında arttığı görülürse bu, o saatlerde ilgili sorunun daha sık raporlandığına dair bir işarettir.
Bu çıktı, hatanın kesin nedenini veya her kullanıcının aynı ortamda çalıştığını göstermez. Sonraki adımda örnek gönderiler bağlamıyla okunmalı, tekrar eden hata mesajları teknik özelliklerine göre ayrılmalı ve mümkünse uygulama günlükleri gibi bağımsız verilerle karşılaştırılmalıdır.
Veri madenciliğinde dikkat edilmesi gereken sınırlar
Sosyal medya verisi çoğu zaman eksik, yanlı ve platforma özgüdür. Sessiz kalan kullanıcılar analize yansımayabilir; bot hesaplar etkileşimleri yapay biçimde artırabilir; silinen veya gizli içerikler veri kümesini değiştirebilir. Bu nedenle sonuçlar “platformdaki gözlemlenen kullanıcılar arasında” gibi sınırlı bir ifadeyle yorumlanmalıdır.
Ayrıca yalnızca gerekli veriler toplanmalı, kişileri gereksiz yere tanımlayabilecek bilgiler anonimleştirilmeli ve platformun kullanım koşulları ile uygulanabilir kişisel veri kuralları dikkate alınmalıdır. Kullanıcı adı veya konum gibi alanlar analizin amacı için zorunlu değilse sonuç kümesine eklenmemelidir.
