Yapay Zeka Hızlı Bakış & Çıkarımlar
AI InsightBulgular, krizden hemen önce olumsuz duygu yoğunluğunda belirgin bir artış yaşandığını göstermektedir.
📌 3 Maddede Bu Makale
Özet
2023 yılında ABD’de yaşanan banka iflasları, özellikle Signature Bank’ın çöküşü, finansal sistemin kırılganlığını gözler önüne sermiş ve yalnızca ekonomik göstergeler üzerinde değil, aynı zamanda dijital sosyal alanlarda da derin etkiler yaratmıştır. Bu çalışmanın amacı, finansal krizlerin sosyal medya platformlarındaki yansımalarını incelemek ve kullanıcıların kriz algılarının duygu analizi yöntemleri aracılığıyla nasıl değerlendirilebileceğini ortaya koymaktır. Bu doğrultuda, mikroblog içeriklerinden elde edilen veriler doğal dil işleme tabanlı duygu analizi yöntemleri olan VADER ve FinBERT modelleriyle analiz edilmiştir. Bulgular, krizden hemen önce olumsuz duygu yoğunluğunda belirgin bir artış yaşandığını göstermektedir. Bu bulgu, sosyal medya kullanıcılarının kriz algısına ilişkin erken uyarı işareti olarak değerlendirilebilecek niteliktedir. Ayrıca, elde edilen veriler, duygu analizinin yalnızca kriz sonrası dönemde değil, krizlerin ortaya çıkmasından önce de kullanılabileceğini göstermektedir. Çalışma, metin madenciliği tekniklerinin finansal krizlerin erken tespiti için yenilikçi bir araç olduğunu vurgulamakta, aynı zamanda sosyal medya verilerinin kriz yönetimi, toplumsal güven analizi ve finansal karar destek sistemlerinde stratejik olarak kullanılabileceğini ortaya koymaktadır. Bu yönüyle araştırma hem finans literatürüne hem de dijital iletişim çalışmalarına katkı sağlamaktadır.
Abstract
The series of bank failures in the United States in 2023, particularly the collapse of Signature Bank, revealed the fragility of the financial system and produced profound effects not only on economic indicators but also within digital social domains. This study investigates the reflections of financial crises on social media platforms and to demonstrate how users’ perceptions of crises can be evaluated through sentiment analysis methods. To this end, data collected from microblogging platforms were analyzed using natural language processing-based sentiment analysis models, namely VADER and FinBERT. The findings indicate a significant increase in negative sentiment intensity immediately prior to the crisis. This result suggests that the surge in negative discourse can be considered an early warning indicator of crisis perception among social media users. Moreover, the outcomes reveal that sentiment analysis is not limited to post-crisis evaluations but can also be applied effectively in the pre-crisis period for early detection. The study emphasizes that text mining techniques represent an innovative tool for identifying financial collapses in advance and highlights how social media data can serve as a strategic instrument in crisis management, social trust analysis, and financial decision-support systems. In this respect, the research contributes to both the finance literature and digital communication studies.