Akademik Veri Yönetim Sistemi
19. Türkiye Harita Bilimsel ve Teknik Kurultayı, Ankara, Türkiye, 4 - 06 Ekim 2023, ss.1
Doğal afet yönetiminde afet öncesi hazırlık, afet anı müdahale ve afet sonrası iyileştirme aşamalarında Coğrafi Bilgi Sitemleri (CBS) kullanılarak uygulanan yönetim biçimleri ile doğal afetlerin yol açtığı zararlar en aza indirgenebilmektedir. Bu çalışmanın amacı, 6 Şubat 2023 tarihli Kahramanmaraş depremlerinin kent ve insanlar üzerindeki etkilerinin Twitter verilerinin kazınması ve CBS ortamında mekânsal analizler ile incelenmesidir. Günümüzde CBS’nin yeni araştırma konularından biri, web kazıma yöntemi ile elde edilen verilerin analizidir. Bu kapsamda, veri kaynaklarından biri de sosyal medyadır. Sosyal medya, içerisinde bulundurduğu Twitter, Instagram gibi dünyada oldukça yoğun kullanılan platformlar sayesinde veri çeşitliliği ve yoğunluğu bakımından oldukça geniş bir kitleye sahiptir. Bu platformlardan veri kazıma ise programlama dilleri ve kütüphaneler kullanılarak yapılabilmektedir. Sosyal medyadan veri kazıma kaynağının sağladığı çeşitli veriler birçok konuda kullanılmaya elverişlidir. Twitter verileri hem mekânsal hem de sözel olabilmektedir. Verilerin mekânsal olması çalışmada coğrafi etiketli veriye dayalı uygulamalar için kullanılırken, metinsel veriler duygu analizinin yapılması gibi çeşitli uygulama alanlarında kullanılabilir. Duygu analizi ise doğal dil işleme teknikleri ile yapılabilmektedir. Doğal dil işleme yapay zekanın bir koludur ve bilgisayarlara insan dilini yorumlama, işleme ve anlama yeteneğini veren bir makine öğrenimi teknolojisidir. Doğal dil işleme, metinleri verimli bir şekilde işleyerek uygulamaya hazır bir hale getirmek için önemlidir. Doğal dil işlemede metinleri eğitirken farklı algoritmalar kullanılmaktadır. Bunlara örnek olarak Word2Vec ve GloVe algoritmaları verilebilir. Bu çalışmada, Python programlama dili Selenium ve BeautifulSoup kütüphaneleri kullanılarak Twitter’dan veri kazıma ile elde edilen coğrafi etiketli veriler ile deprem bölgesindeki insan yoğunluğunun değişimi CBS ortamında incelenmiştir. Ayrıca sosyal medya verileri kullanılarak Python programlama dili doğal dil işleme araç takımı NLTK kütüphanesi ile deprem bölgesi için bir duygu analizi yapılmıştır. Böylece doğal afet yönetimi için CBS ortamında sosyal medya verilerinin analizi ile bir bakış açısı sağlanmıştır.
In natural disaster management, the use of Geographic Information Systems (GIS) in pre-disaster preparedness, during-disaster response, and post-disaster recovery stages enables the reduction of damages caused by natural disasters to a minimum. The aim of this study is to examine the effects of the Kahramanmaraş earthquake of February 6, 2023 on the city and people by scraping Twitter data and spatial analyzes in GIS environment. One of the new research topics of GIS today is the analysis of data obtained through web scraping. In this context, social media is one of the data sources. Social media, including widely used platforms such as Twitter and Instagram, provides a wide range of data diversity and intensity, appealing to a large audience. Web scraping from these platforms can be accomplished using programming languages and libraries. The various data provided by the web scraping resource from social media is suitable for use in many subjects. Twitter data can be both spatial and textual. While spatial data is used for applications based on geotagged information, textual data can be used in various application areas such as sentiment analysis. Sentiment analysis can be performed using natural language processing techniques. Natural language processing is a branch of artificial intelligence and a machine learning technology that gives computers the ability to interpret, process and understand human language. Natural language processing is important in efficiently processing texts to make them ready for application. Different algorithms are used when training texts in natural language processing, such as Word2Vec and GloVe. In this study, the Python programming language, along with the Selenium and BeautifulSoup libraries, was used to scraping data from Twitter, specifically geotagged data, which was then analyzed in a GIS environment to examine the changes in population density in the earthquake-affected area. Additionally, sentiment analysis was conducted for the earthquake-affected area with the Python programming language natural language processing toolkit NLTK library. This approach provides a perspective on analyzing social media data in a GIS environment for natural disaster management.