KaydedilenlerDerginizi ekleyin

Dergiler / Geomatik / 2026 / Cilt: 9 Sayı: 2

Metin ve konum bazlı sosyal medya analizleriyle Antarktika’yı haritalama yaklaşımı

Ayşe Giz Gülnerman Gengeç(ANKARA HACI BAYRAM VELİ ÜNİVERSİTESİ)0000-0002-9163-6068
Fevzican Karakuş(HACETTEPE ÜNİVERSİTESİ, MÜHENDİSLİK FAKÜLTESİ, GEOMATİK MÜHENDİSLİĞİ BÖLÜMÜ, GEOMATİK MÜHENDİSLİĞİ PR. (İNGİLİZCE))0009-0007-4149-4050
Necip Enes Gengeç(İSTANBUL TEKNİK ÜNİVERSİTESİ, İNŞAAT FAKÜLTESİ, GEOMATİK MÜHENDİSLİĞİ BÖLÜMÜ, GEOMATİK MÜHENDİSLİĞİ PR.)0000-0001-7857-8986
Himmet Karaman(İSTANBUL TEKNİK ÜNİVERSİTESİ, İNŞAAT FAKÜLTESİ, GEOMATİK MÜHENDİSLİĞİ BÖLÜMÜ, GEOMATİK MÜHENDİSLİĞİ PR. (İNGİLİZCE))0000-0003-4923-3561
Hasan Hakan Yavaşoğlu(İSTANBUL TEKNİK ÜNİVERSİTESİ, İNŞAAT FAKÜLTESİ, GEOMATİK MÜHENDİSLİĞİ BÖLÜMÜ, GEOMATİK MÜHENDİSLİĞİ PR.)0000-0002-3139-4327
Burcu Özsoy(İSTANBUL TEKNİK ÜNİVERSİTESİ, DENİZCİLİK FAKÜLTESİ)0000-0003-4320-1796
Sayfa
175–184
Yayın Tarihi
2024-08-29
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Aynı zamanda bu çalışmanın önerdiği sosyal medya veri analiz yöntemleri veri azlığı olan, karma doğal dil kullanılan bölgelerde coğrafi yer adlarının çıkarılması ve konuşulan güncel konuların haritalanması için tekrarlanabilir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Antarktika bulunduğu konum ve iklim özellikleri sebebiyle insanların aktif olarak yaşamadığı bir kıtadır.
📊
Temel Bulgular & Veri:Bu nedenle Antarktika kıtasındaki coğrafi bilgi üretimi farklı açılardan kısıtlıdır.
💡
Sonuç & Katkı:Aynı zamanda bu çalışmanın önerdiği sosyal medya veri analiz yöntemleri veri azlığı olan, karma doğal dil kullanılan bölgelerde coğrafi yer adlarının çıkarılması ve konuşulan güncel konuların haritalanması için tekrarlanabilir.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Kitle kaynaklı haritalama · Mekansal bilgi çıkarımı · Metin bazlı analizler

Özet

Antarktika bulunduğu konum ve iklim özellikleri sebebiyle insanların aktif olarak yaşamadığı bir kıtadır. Bu nedenle Antarktika kıtasındaki coğrafi bilgi üretimi farklı açılardan kısıtlıdır. Geleneksel haritalama teknolojileri olarak kabul edilen uzaktan algılama, fotogrametri ve yersel ölçme yöntemleri ile Antarktika dijital veri tabanına katkı sunulmaktadır. Bu tekniklerin yanı sıra, son 10 yılda yeni haritalama teknolojileri ortaya çıkmıştır. İnsanı bulunduğu çevreyi algılayan bir sensör olarak tanımlayan bu teknolojiler “kitle kaynaklı haritalama” olarak adlandırılmaktadır. Sosyal medya platformları, sunduğu kitle kaynaklı veriler ve üretilen bilgi çıkarım algoritmaları sayesinde bu yeni haritalama teknolojisine katkı vermektedir. Ancak sosyal medya kaynağında üretilen veriler veri miktarı, tamlığı, yanlılığı gibi konularda düzenli veri üretilen teknolojilere göre belirsizlikler içermektedir. Sosyal medyanın düzensiz veri yapısı ve veri kalitesindeki belirsizlikleri, üretilen bilgi çıkarım algoritmalarında değişikliklere neden olmakta ve üretilen sonuçların anlamlılığı da tartışılmaktadır. Bu çalışmada Antarktika kıtası için toplanan sosyal medya verileri üretilen metin bazlı bilgi çıkarım algoritması ve sonuçları tartışılmakta ve ilk defa Antarktika kıtası için metin ve konum bazlı bilgi çıkarım algoritması sunulmaktadır. Aynı zamanda bu çalışmanın önerdiği sosyal medya veri analiz yöntemleri veri azlığı olan, karma doğal dil kullanılan bölgelerde coğrafi yer adlarının çıkarılması ve konuşulan güncel konuların haritalanması için tekrarlanabilir.

🔖

Bu Makaleye Atıf Yap

Gengeç, A. G. G., Karakuş, F., Gengeç, N. E., Karaman, H., Yavaşoğlu, H. H., Özsoy, B. (2024). Metin ve konum bazlı sosyal medya analizleriyle Antarktika’yı haritalama yaklaşımı. Geomatik, Cilt: 9 Sayı: 2, 175–184. https://doi.org/10.29128/geomatik.1417673

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (37)

  1. Anbaroğlu, B. (2017). Gönüllü coğrafi bilgi: Mekansal bilişim çalışmalarına web 2.0 devrinde yeni bir yaklaşım. Harita Dergisi, 158, 1-9.
  2. Anbaroğlu, B., Güllüoğlu, N., Bilgin, G., & Aydınoğlu, A. Ç. (2021). Ulusal Coğrafi Bilgi Sistemi Ulaşım Veri Temasının Katılımcı Coğrafi Bilgi Yaklaşımıyla Güncellenmesi. Geomatik, 6(2), 115-123. https://doi.org/10.29128/geomatik.714493
  3. Basiri, A., Haklay, M., Foody, G., & Mooney, P. (2019). Crowdsourced geospatial data quality: Challenges and future directions. International Journal of Geographical Information Science, 33(8), 1588-1593. https://doi.org/10.1080/13658816.2019.1593422
  4. Batrinca, B., & Treleaven, P. C. (2015). Social media analytics: a survey of techniques, tools and platforms. Ai & Society, 30, 89-116. https://doi.org/10.1007/s00146-014-0549-4
  5. Benoit, K., Muhr, D., & Watanabe, K. (2021). Stopwords: Multilingual stopword lists. R package version, 2.
  6. Bilgi, S., Gulnerman, A. G., Arslanoğlu, B., Karaman, H., & Öztürk, Ö. (2019). Complexity measures of sports facilities allocation in urban area by metric entropy and public demand compatibility. International Journal of Engineering and Geosciences, 4(3), 141-148. https://doi.org/10.26833/ijeg.540180
  7. Calafiore, A., Palmer, G., Comber, S., Arribas-Bel, D., & Singleton, A. (2021). A geographic data science framework for the functional and contextual analysis of human dynamics within global cities. Computers, Environment and Urban Systems, 85, 101539. https://doi.org/10.1016/j.compenvurbsys.2020.101539
  8. Chauhan, P., Sharma, N., & Sikka, G. (2021). The emergence of social media data and sentiment analysis in election prediction. Journal of Ambient Intelligence and Humanized Computing, 12, 2601-2627. https://doi.org/10.1007/s12652-020-02423-y
  9. Cvetojevic, S., Juhasz, L., & Hochmair, H. (2016). Positional accuracy of twitter and instagram images in urban environments. GI_Forum, 1, 191-203. https://doi.org/10.1553/giscience2016_01_s191
  10. Çınar, N. (2023). R ile Twıtter verisi analizi: Veri toplama, sosyal ağ analizi ve metin analizi aşamaları. Turkish Online Journal of Design Art and Communication, 13(1), 193-224. https://doi.org/10.7456//11301100/014
  11. Flanagin, A. J., & Metzger, M. J. (2008). The credibility of volunteered geographic information. GeoJournal, 72, 137-148. https://doi.org/10.1007/s10708-008-9188-y
  12. Gengeç, A. G. G. (2023). Exploring crowdsourcing accountability for mapping Antarctica: a case study using 5 years of social media data. Turkish Journal of Earth Sciences, 32(8), 1041-1051. https://doi.org/10.55730/1300-0985.1892
  13. Gulnerman, A. G., Gengec, N. E., & Karaman, H. (2016). Review of public tweets over Turkey within a pre-determined time. ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 4, 153-159. https://doi.org/10.5194/isprs-annals-IV-4-W1-153-2016
  14. Gulnerman, A. G., Karaman, H., & Basiri, A. (2021). New age of crisis management with social media. Open Source Geospatial Science for Urban Studies: The Value of Open Geospatial Data, 131-160. https://doi.org/10.1007/978-3-030-58232-6_8
  15. Gülnerman, A. G., & Karaman, H. (2020). Sosyal medyanın gönüllü coğrafi veri olarak kullanımı ve sosyal medya verilerinden coğrafya sözlüğü üretimi. Afyon Kocatepe Üniversitesi Fen ve Mühendislik Bilimleri Dergisi, 20(2), 276-286. https://doi.org/10.35414/akufemubid.667397
  16. Hacar, M., & Gökgöz, T. (2021). A new approach for matching road lines using efficiency rates of similarity measures. International Journal of Engineering and Geosciences, 6(3), 146-156. https://doi.org/10.26833/ijeg.791324
  17. Heipke, C. (2010). Crowdsourcing geospatial data. ISPRS Journal of Photogrammetry and Remote Sensing, 65(6), 550-557. https://doi.org/10.1016/j.isprsjprs.2010.06.005
  18. Irfan, R., King, C. K., Grages, D., Ewen, S., Khan, S. U., Madani, S. A.,. & Li, H. (2015). A survey on text mining in social networks. The Knowledge Engineering Review, 30(2), 157-170. https://doi.org/10.1017/S0269888914000277
  19. Liu, Y., Yuan, Y., & Zhang, F. (2020). Mining urban perceptions from social media data. Journal of Spatial Information Science, (20), 51-55. https:/doi.org/10.5311/JOSIS.2020.20.665
  20. Lomborg, S., & Bechmann, A. (2014). Using APIs for data collection on social media. The Information Society, 30(4), 256-265. https://doi.org/10.1080/01972243.2014.915276
  21. Matsuoka, K., Skoglund, A., Roth, G., de Pomereu, J., Griffiths, H., Headland, R.,. & Melvær, Y. (2021). Quantarctica, an integrated mapping environment for Antarctica, the Southern Ocean, and sub-Antarctic islands. Environmental Modelling & Software, 140, 105015. https://doi.org/10.1016/j.envsoft.2021.105015
  22. Ooms, J. (2023). cld3: Google's Compact Language Detector 3 (Version 1.6.0).
  23. Pebesma, E. J. (2018). Simple features for R: standardized support for spatial vector data. R J., 10(1), 439.
  24. Psyllidis, A. (2020). Sensing the city through new forms of urban data. In Seeing the City: Interdisciplinary Perspectives on the Study of the Urban, 56-69. Amsterdam University Press.
  25. Senaratne, H., Mobasheri, A., Ali, A. L., Capineri, C., & Haklay, M. (2017). A review of volunteered geographic information quality assessment methods. International Journal of Geographical Information Science, 31(1), 139-167. https://doi.org/10.1080/13658816.2016.1189556
  26. Stock, K. (2018). Mining location from social media: A systematic review. Computers, Environment and Urban Systems, 71, 209-240. https://doi.org/10.1016/j.compenvurbsys.2018.05.007
  27. Taşkanat, T., Karaağaç, A., Beşdok, E., & Bostancı, B. (2018). Kentsel sorunların yönetimi için bir gönüllü coğrafi bilgi mobil uygulaması geliştirilmesi. Geomatik, 3(1), 84-91. https://doi.org/10.29128/geomatik.371144
  28. Tennekes, M. (2018). tmap: Thematic Maps in R. Journal of Statistical Software, 84, 1-39. https://doi.org/10.18637/jss.v084.i06
  29. Tsou, M. H., Zhang, H., & Jung, C. T. (2017). Identifying data noises, user biases, and system errors in geo-tagged twitter messages (Tweets). Social and Information Networks. https://doi.org/10.48550/arXiv.1712.02433
  30. URL-1: https://medium.com/rakuten-rapidapi/top-10-social-media-apis-twitter-facebook-instagram-and-many-more-5c13262c61fe
  31. URL-2: https://twitter.com/XDevelopers/status/1621026986784337922
  32. URL-3: https://www.add.scar.org/
  33. URL-4: https://www.comnap.aq/antarctic-facilities-information
  34. URL-5: https://iaato.org/information-resources/data-statistics/
  35. Wang, L., & Gan, J. Q. (2017). Prediction of the 2017 French election based on Twitter data analysis. 2017 9th Computer Science and Electronic Engineering (CEEC), 89-93. https://doi.org/10.1109/CEEC.2017.8101605
  36. Irfan, R., King, C. K., Grages, D., Ewen, S., Khan, S. U., Madani, S. A.,. & Li, H. (2015). A survey on text mining in social networks. The Knowledge Engineering Review, 30(2), 157-170. https://doi.org/10.1017/S0269888914000277
  37. Matsuoka, K., Skoglund, A., Roth, G., de Pomereu, J., Griffiths, H., Headland, R.,. & Melvær, Y. (2021). Quantarctica, an integrated mapping environment for Antarctica, the Southern Ocean, and sub-Antarctic islands. Environmental Modelling & Software, 140, 105015. https://doi.org/10.1016/j.envsoft.2021.105015