Sentiment analysis of public sensitivity to COVID-19 vaccines on twitter by majority voting classifier-based machine learning

Abstract

Dünyada milyarlarca kullanıcısı bulunan sosyal medya platformlarının yükselişiyle birlikte bilginin yayılması her zamankinden daha kolay hale gelmiştir. COVID-19 pandemisi aşılar da dâhil olmak üzere birçok konunun tartışılmasında sosyal medya kullanımını artırmıştır. Bu çalışmanın amacı, Türkiye’de, özellikle sosyal medya kullanıcılarının COVID-19 aşılarına ilişkin tutumunu ve endişelerini daha iyi anlamak adına Twitter üzerinde elde edilen aşıyla ilgili tweetlerin makine öğrenmesi ile kamu duyarlılığını analiz etmektir. Bu amaç doğrultusunda çalışma altı farklı sınıflandırma görevinde kullanılan makine öğrenmesi algoritması karşılaştırılarak en yüksek doğruluk oranına sahip Destek Vektör Makinesi, XGBoost ve Rastgele Orman ile bir kolektif öğrenme yöntemi olan çoğunluk oylama yöntemi geliştirilmiştir. Çoğunluk oylama yöntemlerinde birisi olan Yumuşak Oylama yöntemi hem Sert Oylama yaklaşımdan hem de bireysel diğer altı makine öğrenmesi yaklaşımlarından daha yüksek başarı oranı ile %90,5 başarı oranına ulaşmıştır. En yüksek doğruluk oranına sahip olan Yumuşak Oylama yöntemi ile Twitter’dan elde edilen 153 güne ait 412.588 adet günlük tweet analiz edilerek sonuçlar raporlanmıştır. Çalışmanın bulguları son derece çarpıcı olup, diğer ülkeler üzerine yapılan çalışmalardan da farklılık göstermektedir. Bu çalışma bildiğimiz kadarıyla Türkiye’de COVID-19 aşılarına yönelik duygu analizi gerçekleştiren ilk çalışma olmakla birlikte sosyal medya üzerinden duygu analizi yaklaşımıyla COVID-19 aşılarına ilişkin duyarlılığı izlemek için değerli ve kolayca uygulanan bir araç olduğunu göstermektedir.