Journals / Usul İslam Araştırmaları / 2025 / Sayı: 44

Investigation of Anti-Hadith Discourses on Social Media with Sentiment Analysis

Sosyal Medyadaki Hadis Karşıtı Söylemlerin Duygu Analizi ile İncelenmesi

Pages
37–64
Publication Date
2025-12-30
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

Findings reveal that 34.4% of comments are positive, 17.6% are negative, and 48% are neutral.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:This study quantitatively measures the emotional resonance of anti-ḥadīth rhetoric on online audiences.
📊
Key Findings & Data:The case study consists of a 3 hour 26 minute program published on YouTube between Caner Taslaman, known for his critical approach centered on the Qurʾān, and Ebubekir Sifil, a traditional defender of hadith. 650 comments posted between December 25, 2024, and June 20, 2025, were compiled using YouTube Data API v3.
💡
Conclusion & Impact:Findings reveal that 34.4% of comments are positive, 17.6% are negative, and 48% are neutral.
🔬Design:Araştırma Makalesi
📍Scope:2024 Verileri
⚙️Variables:Hadis · Metin Madenciliği · Duygu Analizi

Abstract

This study quantitatively measures the emotional resonance of anti-ḥadīth rhetoric on online audiences. The case study consists of a 3 hour 26 minute program published on YouTube between Caner Taslaman, known for his critical approach centered on the Qurʾān, and Ebubekir Sifil, a traditional defender of hadith. 650 comments posted between December 25, 2024, and June 20, 2025, were compiled using YouTube Data API v3. The data was transferred to Google Sheets and sent to Google Cloud Natural Language API via a special Apps Script to obtain sentiment polarity and intensity scores between −1 and +1 for each comment. Scores above 0.25 are coded as “positive,” those below −0.25 as “negative,” and values between the two as “neutral.” The results were visualized through tables, bar charts, and word clouds; instances where the algorithm missed irony were checked through qualitative rereading. Findings reveal that 34.4% of comments are positive, 17.6% are negative, and 48% are neutral. The positive responses mostly emphasize the debaters’ courteous tone or scholarly depth, empirically confirming that the Qurʾānic principle of al-qawl al-layyin retains persuasive power in digital settings. The negative comments often focus on insults, harsh language, and methodological complaints, suggesting that aggressive rhetoric can alienate viewers by overshadowing the content. A neutral majority signals a sizeable, persuadable audience seeking balanced discussion formats. The study makes a significant contribution to the development of contemporary communication strategies and pedagogical approaches to hadith science by revealing how hadith debates are perceived on digital platforms using quantitative data.

Özet

Bu çalışma hadis karşıtı söylemlerin çevrimiçi izleyicilerde uyandırdığı duygusal yankıyı nicel olarak incelemeyi amaçlamaktadır. Araştırma evreni olarak, Kur’ân merkezli eleştirel yaklaşımıyla bilinen Caner Taslaman ile geleneksel hadis savunucusu Ebubekir Sifil arasında YouTube’da yayımlanan 3 saat 26 dakikalık “Hadislerin İslam’daki Yeri” programı seçilmiştir. YouTube Data API v3 ile 25 Aralık 2024–20 Haziran 2025 tarihleri arasında girilen 650 yorum derlenmiş; veriler Google Sheets’e aktarılıp özel bir Apps Script aracılığıyla Google Cloud Natural Language API’ye gönderilerek her yorum için −1 ile +1 arasında duygu polaritesi ve yoğunluk skorları elde edilmiştir. 0,25’in üzerindeki skorlar “olumlu”, −0,25’in altındakiler “olumsuz”, aradaki değerler “nötr” olarak kodlanmıştır. Araştırmanın sonuçları tablolar, çubuk grafikler ve kelime bulutları ile görselleştirilmiştir. İroninin kaçırıldığı örnekler nitel yeniden okuma ile kontrol edilmiştir. Bulgular, toplam yorumların %34,4’ünün olumlu, %17,6’sının olumsuz ve %48’inin nötr olduğunu göstermektedir. Olumlu tepkiler, çoğunlukla tartışmacıların nazik üslubu veya ilmî donanımına vurgu yaparak Kur’ân’daki kavl-i leyyin ilkesinin dijital ortamda da ikna edici olduğunu somutlaştırmaktadır. Olumsuz küme; hakaret, kaba dil ve yöntem eleştirileri etrafında yoğunlaşarak sert retoriğin mesaj içeriğinin önüne geçip izleyiciyi yabancılaştırdığını ortaya koymaktadır. Nötr çoğunluk, platformda partizan olmayan, iknaya açık geniş bir izleyici kitlesinin varlığına işaret etmektedir. Çalışma, ilahiyat literatürüne büyük-veri temelli duygu analizi kazandırarak hesaplamalı sosyal bilimler ile din araştırmaları arasındaki metodolojik boşluğu doldurmakta ve Türkçe için ironiye duyarlı modeller geliştirme gereğini vurgulamaktadır. Ayrıca, bu araştırma, hadis tartışmalarının dijital platformlarda nasıl algılandığını nicel verilerle ortaya koyarak, hadis ilmine yönelik çağdaş iletişim stratejileri ve pedagojik yaklaşımlar geliştirme noktasında önemli bir katkı sunmaktadır.

🔖

Cite This Article

Güven, S. K. (2025). Investigation of Anti-Hadith Discourses on Social Media with Sentiment Analysis. Usul İslam Araştırmaları, Sayı: 44, 37–64. https://doi.org/10.56361/usul.1750919

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (35)

  1. Aclûnî, İsmail b. Muhammed. Keşfü’l-hafâ ve müzîlü’l-ilbâs ‘ammâ iştehera mine’l-ehâdîsi ‘alâ elsineti’n-nâs. 2 Cilt. Beyrut: Dâru’l-Kütübi’l-İlmiyye, 1408/1988.
  2. Al-Kabi, Mohammed N. vd. “Extended Topical Classification of Hadith Arabic Text”. International Journal on Islamic Applications in Computer Science and Technology 3/3 (2015), 13-23.
  3. Amazon. “Doğal Dil İşleme Nedir? – NLP’ye Ayrıntılı Bakış”. Erişim 14 Mayıs 2025. https://aws.amazon.com/tr/what-is/nlp
  4. Aslan, Serpil. “BiGRU-CNN Tabanlı Derin Öğrenme Modeliyle Türkiye’deki Covid-19 Aşılarına Yönelik Twitter Duygu Analizi”. International Journal of Pure and Applied Sciences 8/2 (Aralık 2022), 312-330. https://doi.org/10.29132/ijpas.1087486
  5. Ayan, Buğra vd., “Twitter Üzerindeki İslamofobik Twitlerin Duygu Analizi ile Tespiti”. Gazi Üniversitesi Fen Bilimleri Dergisi Part C: Tasarım ve Teknoloji 7/2 (2019), 495-502. https://doi.org/10.29109/gujsc.561806
  6. Azmi, Aqil M. vd. Al-Qabbany, Abdulaziz O. – Hussain, Amir. “Computational and natural language processing based studies of hadith literature: a survey”. Artificial Intelligence Review 52/2 (August 2019), 1369-1414. https://doi.org/10.1007/s10462-019-09692-w
  7. Bağcan, Sarp vd. “Sosyal Medyada Demokrasiye Lider Müdahalesini Gözlemlemek: 2020 ABD Başkanlık Seçimleri’nde Trump ve Biden’ın Tweetlerinin İçerik ve Duygu Analizi Açısından İncelenmesi”. Türkiye Çevrimiçi Tasarım Sanatı ve İletişim Dergisi 11/3 (2021), 1073-1097.
  8. Becan, Cihan. “Reklamda Bir Sosyal Duygu Olarak Hüzün Çekiciliği: Pandemi Döneminde Yayınlanan Reklamlara Yönelik Duygu Analizi”. Türk Çevrimiçi Tasarım Sanatı ve İletişim Dergisi 11/4 (2021), 1239-1262.
  9. Bounhas, Ibrahim. “On the Usage of a Classical Arabic Corpus as a Language Resource: Related Research and Key Challenges”. ACM Transactions on Asian and Low-Resource Language Information Processing 18/3 (July 2019), 1-45. https://doi.org/10.1145/3277591
  10. Buhârî, Ebû Abdillâh Muhammed b. İsmâîl. Sahîhu’l-Buhârî. Dimaşk: Dâru İbn Kesîr, 2002/1423.
  11. Can, Ümit – Alataş, Bilal. “Duygu Analizi Ve Fikir Madenciliği Algoritmalarının İncelenmesi”. International Journal of Pure and Applied Sciences 3/1 (Haziran 2017), 75-111.
  12. Chomsky, Noam. (2012). Doğa ve Dil Üzerine. çev. Ayşe Banu Karadağ. İstanbul: Sözcükler Yayınları, 2016.
  13. Çılgın, Cihan vd. “Twitter’da COVID-19 aşılarına karşı Kamu duyarlılığının çoğunluk Oylama sınıflandırıcısı Temelli Makine Öğrenmesi İle Duygu Analizi”. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi 38/2 (Ekim 2022), 1093-1104. https://doi.org/10.17341/gazimmfd.1030198
  14. Dinçer, Elif Şevval vd. “Metin Madenciliği ve Duygu Analizi ile Siber Zorbalık Tespiti”. ESTUDAM Bilişim Dergisi 3/2 (2022), 38-45. https://doi: 10.53608/estudambilisim.1070884
  15. Ebû Dâvûd, Süleymân b. el-Eş‘as b. İshâk es-Sicistânî. Sünenü Ebî Dâvûd. Riyâd: Dâru’s-Selâm, 1999/1420.
  16. Ekim, H. E., & İnner, A. B. (2021). Duygu Analizi ve Fikir Madenciliği Uygulamaları Üzerine Literatür Taraması. Kahramanmaraş Sütçü İmam Üniversitesi Mühendislik Bilimleri Dergisi 24/2 (2021), 93-114. https://doi.org/10.17780/ksujes.819367
  17. Ekim, Hatice Elif – İnner, A. Burak. “Duygu Analizi ve Fikir Madenciliği Uygulamaları Üzerine Literatür Taraması”. Kahramanmaraş Sütçü İmam Üniversitesi Mühendislik Bilimleri Dergisi 24/2 (2021), 93-114.
  18. Göçgün, Ömer Faruk – Onan, Aytuğ. “Amazon Ürün Değerlendirmeleri Üzerinde Derin Öğrenme/ Makine Öğrenimi Tabanlı Duygu Analizi Yapılması”. Avrupa Bilim ve Teknoloji Dergisi 24 (2021), 445-448. https://doi.org/10.31590/ejosat.902674
  19. Hâkim en-Nîsâbûrî, Ebû Abdillâh Muhammed b. Abdillâh b. Muhammed. el-Müstedrek ale’s-Sahîhayn. thk. Mustafa Abdülkâdir Atâ. 4 Cilt. Beyrut: Dâru’l-Kütübi’l-İlmiyye, 1990.
  20. Heysemî, Ebü’l-Hasen Nûrüddîn Alî b. Ebî Bekr b. Süleymân. Mecmau’z-Zevâid ve Menbau’l-Fevâid. thk. Abdullah Muhammed ed-Dervîş. 10 Cilt. Beyrut: Dâru’l-Fikr, 1994.
  21. IBM, International Business Machines Corporation. “What Is Text Mining?”. Erişim 16 Mayıs 2025. https://www.ibm.com/think/topics/text-mining
  22. İbn Mâce, Ebû Abdillâh Muhammed b. Yezîd Mâce el-Kazvînî. Sünenü İbn Mâce. thk. Muhammed Fuâd Abdülbâkî. 2 Cilt. b.y.: Dâru İhyâi’l-Kütübi’l-Arabî, ts.
  23. Kandıran, Engin vd. “Covid-19 Pandemi sürecinde uzaktan eğitimin Twitter yansımalarının Duygu Analizi”. Uluslararası Sosyal Bilimler ve Eğitim Araştırmaları Dergisi 8/3 (Temmuz 2022), 228-242. https://doi.org/10.24289/ijsser.1102248
  24. Köksal, Burak vd. “Twitter’da Duygu Analizi Yöntemi Kullanılarak Bitcoin Değer Tahminlemesi”. Düzce University Journal of Science and Technology 9/3 (Mayıs 2021), 280-297. https://doi.org/10.29130/dubited.792909
  25. Müslim, Ebü’l-Hüseyn Müslim b. el-Haccâc b. Müslim el-Kuşeyrî. Sahîhu Müslim. thk. Nazr b. Muhammed el-Firyâbî. 2 Cilt. b.y.: Dâru Tayba, 2006/1427.
  26. Nesâî, Ebû Abdirrahmân Ahmed b. Şuayb b. Alî. Sünenü’n-Nesâî. thk. Râid b. Sabrî. Riyâd: Dâru’l-Hadâra li’n-neşri ve’t-tevzî, 2015/1436.
  27. Onan, Aytuğ. “Twitter Mesajları Üzerinde Makine Öğrenmesi Yöntemlerine Dayalı Duygu Analizi”. Yönetim Bilişim Sistemleri Dergisi 3/2 (2017), 1-14.
  28. Özyurt, Barış – Akcayol, Muhammet Ali. “Fikir Madenciliği ve Duygu Analizi, Yaklaşımlar, Yöntemler Üzerine Bir Araştırma”. Selçuk Üniversitesi Mühendislik Bilim ve Teknoloji Dergisi 6/4 (2018), 668-693. https://doi.org/10.15317/Scitech.2018.160
  29. Saloot, Mohammad Arshi vd. “Hadith data Mining And Classification: A Comparative Analysis”. Artificial Intelligence Review 46/1 (2016), 113-128. https://doi.org/10.1007/s10462-016-9458-x
  30. Şahinaslan, Önder vd. “Naive Bayes Sınıflandırıcısı Kullanılarak YouTube Verileri Üzerinden Çok Dilli Duygu Analizi”. Bilişim Teknolojileri Dergisi 15/2 (2022), 221-229. https://doi.org/10.17671/gazibtd.999960
  31. Tirmizî, Ebû Îsâ Muhammed b. Îsâ b. Sevre (Yezîd). Câmiu’t-Tirmizî. b.y.: el-Evgâfu’s-Suudiyye, 2000/1421.
  32. UNESCO, United Nations Educational, Scientific and Cultural Organization. “Multilingual Education”. Erişim 16 Mayıs 2025. https://www.unesco.org/en/languages-education/need-know
  33. Uyaroğlu Akdeniz, Feyza Nur – Cebeci, Halil İbrahim. “Belediye Hizmetlerinin Değerlendirilmesinde Duygu Analizi Yaklaşımı: Sakarya İli Örneği”. Akıllı Sistemler Dergisi: Teori ve Uygulamalar 4/2 (Eylül 2021), 127-135. https://doi.org/10.38016/jista.932762.
  34. Yıldırım, Metin – Yüksel, Cenk Arsun. “Sosyal Medya ile Hisse Senedi Fiyatının Günlük Hareket Yönü Arasındaki İlişkinin İncelenmesi: Duygu Analizi Uygulaması”. Uluslararası İktisadi ve İdari İncelemeler Dergisi 22/UPK Ahmet Hamdi İSLAMOĞLU Özel Sayısı (2017), 33-44. https://doi.org/10.18092/ulikidince.352414
  35. YouTube. “Habertürk Özel – 20 Temmuz 2017 (Hadislerin İslam’daki Yeri)”. Erişim 1 Mayıs 2025. https://www.youtube.com/watch?v=B1Xo6NGeQHY&ab_channel=Habert%-C3%BCrkTV