Browsing by Author "SADIGOV, RAHIM"

Now showing 1 - 2 of 2

Open Access
Deep Learning-Based User Experience Evaluation in Distance Learning
(Springer, 2023) SADIGOV, RAHIM; YILDIRIM, ELİF; KOCAÇINAR, BÜŞRA; AKBULUT, FATMA PATLAR; Çatal, Çağatay
The Covid-19 pandemic caused uncertainties in many different organizations, institutions gained experience in remote working and showed that high-quality distance education is a crucial component in higher education. The main concern in higher education is the impact of distance education on the quality of learning during such a pandemic. Although this type of education may be considered effective and beneficial at first glance, its effectiveness highly depends on a variety of factors such as the availability of online resources and individuals' financial situations. In this study, the effectiveness of e-learning during the Covid-19 pandemic is evaluated using posted tweets, sentiment analysis, and topic modeling techniques. More than 160,000 tweets, addressing conditions related to the major change in the education system, were gathered from Twitter social network and deep learning-based sentiment analysis models and topic models based on latent dirichlet allocation (LDA) algorithm were developed and analyzed. Long short term memory-based sentiment analysis model using word2vec embedding was used to evaluate the opinions of Twitter users during distance education and also, a topic model using the LDA algorithm was built to identify the discussed topics in Twitter. The conducted experiments demonstrate the proposed model achieved an overall accuracy of 76%. Our findings also reveal that the Covid-19 pandemic has negative effects on individuals 54.5% of tweets were associated with negative emotions whereas this was relatively low on emotion reports in the YouGov survey and gender-rescaled emotion scores on Twitter. In parallel, we discuss the impact of the pandemic on education and how users' emotions altered due to the catastrophic changes allied to the education system based on the proposed machine learning-based models.
Open Access
Derin Duygu Analizi ile Uzaktan Eğitimde Kullanıcı Deneyimini Değerlendirme
(İstanbul Kültür Üniversitesi, 2022) SADIGOV, RAHIM; Fatma Patlar Akbulut
Son yıllarda sosyal medya platformlarının insanlar arasında hızla yaygınlaşması onları sunulan hizmetler arasında en popüler hale getirmiştir. Twitter, Facebook, Instagram gibi sosyal medya platformlarından gelen veriler duygu analizi ve başka bir çok alanlarda kullanılıyor. Bir sosyal medya platformu olan Twitter kulanıcı paylaşımları ile büyük veriye sahiptir. Bu paylaşımları işleyip duygu analizini ederek kulanıcıların paylaşımlardaki konu hakkında duygularını tespit etmek mümkündür. Duygu analizi doğal dil işlemenin alt dallarından biridir. Çoğunlukla, e-ticaret platformlarında ürünler hakkında yorumlarda, sosyal medya platformlarında paylaşımlarda duyguları tespit etmek için kullanılıyor. Son yıllarda veri uzmanlarının bu konu ile yakından ilgilenmesi nedeniyle popüler konular arasındadır. 2020 Ocak ayından itibaren Dünyayı saran Covid-19 salgını tüm alanlarda olduğu gibi eğitim alanını da kötü yönde etkilemişdir. 29 Nisan tarihinden Türkiye eğitim öğretim kurumlarının uzaktan eğitime geçmesi bu konunun popülerliğini arttırmıştır. Bu çalışmada Twitter sosyal medyası üzerinde paylaşılan uzaktan eğitim ile alakalı Türkce paylaşımlar için duygu analizi yapılmışdır. Twitter platformu üzerinde uzaktan eğitim ile alakalı paylaşımlar toplanmış ve etiketlenmesi yapılmışdır. Bu etiketlerdeki duygu sınıfları olumlu, olumsuz ve tarafsız veya alakasız olmak üzere üç sınıfa ayrılmıştır. Fakat, tarafsız ve alakasız etiketlere sahip paylaşımlar duygu analizinde önemli etkiye sahip olmadıkları için veri setinden silinmiştir. Bu çalışmada, CNN, LSTM, RNN olmak üzere üç derin öğrenme tekniği kullanılmıştır. Veriler eğitim ve test olmak üzere iki ayri verisetine ayrılmıştır. Veri seti bu teknikler kullanılarak eğitilmiş ve tahmin sonuçlarını belirlemek için test edilmişdir. Her sınıflandırma algoritmasının performansı geri çağırma, doğruluk, kesinlik ve F1 skorlari ile ölçülmüş ve birbirleri ile kıyaslanmıştır. Son olarak, RNN diğer iki modele kıyasla tüm metriklerde 38487 Twitter veri kümesinde en yüksek performansı elde etti ve % 74'lik oranla en yüksek doğruluğa ulaştı.