Αποτύπωση της πόλωσης των χρηστών του Twitter σε καίρια κοινωνικά ζητήματα με τη χρήση μεθόδων του ευφυούς Ιστού
Capturing the polarization of Twitter users on key social issues using Intelligent Web method
dc.contributor.advisor | Κώτης, Κωνσταντίνος | el_GR |
dc.contributor.author | Αλεξιάδης, Παναγιώτης | el_GR |
dc.contributor.author | Alexiadis, P. | en_US |
dc.coverage.spatial | Μυτιλήνη | el_GR |
dc.date.accessioned | 2023-08-28T05:23:16Z | |
dc.date.available | 2023-08-28T05:23:16Z | |
dc.date.issued | 2023-02-01 | |
dc.identifier.uri | http://hdl.handle.net/11610/25654 | |
dc.description.abstract | Οι πλατφόρμες των μέσων κοινωνικής δικτύωσης έχουν αποκτήσει εξαιρετική δημοτικότητα και δύναμη, τόσο λόγω της εξάπλωσής τους όσο και λόγω της ανάγκης των ανθρώπων για κοινωνική δικτύωση και κοινοποίηση περιεχομένου. Ωστόσο, τα μέσα κοινωνικής δικτύωσης χρησιμοποιούνται επίσης από πολίτες, οι οποίοι είναι πρόθυμοι να μοιραστούν διαδικτυακά απόψεις πάνω σε κοινωνικά ζητήματα που απασχολούν την επικαιρότητα, κεντρίζουν το ενδιαφέρον τους ή που επηρεάζουν ακόμα και την καθημερινότητά τους. Όπως είναι φυσικό, όλοι οι άνθρωποι δεν εκφράζουν τις ίδιες απόψεις ούτε κρατούν την ίδια στάση πάνω σε ένα συγκεκριμένο κοινωνικό ζήτημα με αποτέλεσμα ορισμένες φορές να δημιουργούνται εκ διαμέτρου αντίθετες τάσεις. Ο παραγόμενος όγκος δεδομένων μας δίνει τη δυνατότητα να μελετήσουμε αυτές τις τάσεις και να εντοπίσουμε την πόλωση. Στόχος του παρόντος πονήματος είναι ο εντοπισμός αυτής της πόλωσης στο κίνημα του metoo και στο ζήτημα των επαναπροωθήσεων των μεταναστών και των προσφύγων στην Ελλάδα. Πηγή άντλησης των δεδομένων αποτέλεσε η πλατφόρμα κοινωνικής δικτύωσης του Twitter από το οποίο εξορύχθηκαν δημοσιεύσεις των οποίων οι χρήστες έχουν δηλώσει ως τόπο κατοικίας την Ελλάδα ή κοινοποίησαν περιεχόμενο βρισκόμενοι στην Ελλάδα. Ως όροι αναζήτησης χρησιμοποιήθηκαν τα hashtags #metoo και #pushback στην αγγλική και την ελληνική γλώσσα κατά το χρονικό διάστημα από το 2020 έως και το 2022. Για τη διεξαγωγή της έρευνας χρησιμοποιήθηκαν αποκλειστικά εργαλεία ανοιχτού κώδικα. Τα tweets σχετικά με τα δύο hashtags συλλέχθηκαν με το λογισμικό snscrape και αναλύθηκαν με σκοπό να εξαχθεί το συναίσθημά τους. Η επεξεργασία των δεδομένων εκτελέστηκε με το εργαλείο Orange3. Για την ανάλυση συναισθήματος των αναρτήσεων στην αγγλική γλώσσα έγινε χρήση του λεξικού Valence Aware Dictionary και Sentiment Reasoner (VADER), ενώ των αναρτήσεων στην ελληνική του corpus του Natural Language Toolkit (NLTK). Την αποτύπωση της πόλωσης συμπληρώνει η εξαγωγή των likes και των αναδημοσιεύσεων. Τα ευρήματα αποκαλύπτουν ότι τα ελληνικά tweets του hashtag #metoo ήταν 56% ουδέτερα, 29% αρνητικά και 15% θετικά. Παράλληλα οι ουδέτερες δημοσιεύσεις συγκέντρωσαν το 49% των likes και το 44% των retweets. Ακολούθησαν τα αρνητικά tweets με 32% likes και 39% retweets ενώ τα θετικά δέχθηκαν 19% likes και 17% retweets. Σχετικά με το ελληνικό hashtag #pushback η ανάλυση συναισθήματος απέδωσε 53% ουδέτερων tweets, 24% θετικών και 23% αρνητικών. Αντίστοιχα οι ουδέτερες αναρτήσεις συγκέντρωσαν το 77% των likes και το 71% των retweets, οι αρνητικές το 21% των likes και το 29% των retweets ενώ οι θετικές το 2% των likes και το 0% των retweets. Όσον αφορά τα αγγλικά tweets του #metoo το 41% ήταν θετικά, το 37% ήταν αρνητικά ενώ το 22% ουδέτερα. Παράλληλα οι αρνητικές δημοσιεύσεις συγκέντρωσαν το 43% των likes και το 36% των retweets, οι θετικές το 40% των likes και το 34% των retweets ενώ οι ουδέτερες το 17% των likes και το 30% των retweets. Τέλος στο αγγλικό hashtag #pushback η ανάλυση συναισθήματος απέδωσε 40% αρνητικών αναρτήσεων, 34% ουδέτερων και 26% θετικών. Αντίστοιχα τα αρνητικά tweets δέχθηκαν το 61% των likes και το 66% των retweets, τα θετικά το 29% των likes και το 30% των retweets ενώ τα ουδέτερα το 9% των likes και το 4% των retweets. | el_GR |
dc.format.extent | 80 σ. | el_GR |
dc.language.iso | el_GR | el_GR |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 Διεθνές | |
dc.rights.uri | https://creativecommons.org/licenses/by-nc-nd/4.0/ | |
dc.subject | sentiment analysis | en_US |
dc.subject | en_US | |
dc.subject | social networks | en_US |
dc.subject | ανάλυση δεδομένων | el_GR |
dc.subject | εξόρυξη γνώσης | el_GR |
dc.subject | κοινωνικά δίκτυα | el_GR |
dc.subject.lcsh | Data mining | en_US |
dc.subject.lcsh | Sentiment analysis | en_US |
dc.subject.lcsh | Social media | en_US |
dc.title | Αποτύπωση της πόλωσης των χρηστών του Twitter σε καίρια κοινωνικά ζητήματα με τη χρήση μεθόδων του ευφυούς Ιστού | el_GR |
dc.title | Capturing the polarization of Twitter users on key social issues using Intelligent Web method | en_US |
dcterms.accessRights | free | el_GR |
dcterms.rights | Πλήρες Κείμενο - Ελεύθερη Δημοσίευση | el_GR |
heal.type | masterThesis | el_GR |
heal.recordProvider | aegean | el_GR |
heal.committeeMemberName | Καβακλή, Ευαγγελία | el_GR |
heal.committeeMemberName | Καρυδάκης, Γεώργιος | el_GR |
heal.academicPublisher | Πανεπιστήμιο Αιγαίου - Σχολή Κοινωνικών Επιστημών - Τμήμα Πολιτισμικής Τεχνολογίας και Επικοινωνίας | el_GR |
heal.academicPublisherID | aegean | el_GR |
heal.fullTextAvailability | true | el_GR |
dc.contributor.department | Πολιτισμική Πληροφορική και Επικοινωνία | el_GR |