Davranış analizi tabanlı peotesto olayları tespiti

Amaç: Protesto olayları, hem gelişmiş hem de fakir tüm ülkelerde meydana gelen bir olgudur. Tek fark, bu toplumsal huzursuzluğun nedenlerindedir. Az gelişmiş ülkelerde protestoların nedenleri ekonomiktir. Protestoların ortaya çıkışı ve bunda sosyal medyanın rolü, araştırmacılar arasında her zaman tartışmalı bir konu olmuştur. Protesto Olayı Analizi, hükümet yetkilileri ve sosyal bilimciler için önemlidir. Bu çalışmada, Twitter'da üretilen içeriği izleyerek protesto olaylarının gerçekleşeceğini tahmin etmek ve protesto ve şiddet göstergelerini belirlemek için yeni bir yöntem sunulmuştur. Yöntemler: Bu göstergeler belirlenerek, protestolar ve şiddet olasılığı daha doğru bir şekilde tahmin ve kontrol edilebilir. Fikir Paylaşımı ve Tarih ve Zaman davranışları gibi Twitter kullanıcı davranışları gösterge olarak kullanılmıştır ve bu çalışma, Twitter kullanıcı davranışlarını kullanarak protestoları ve şiddeti tahmin etmek için Bayes lojistik regresyon algoritmasına dayalı yeni bir yöntem sunmaktadır. Önerilen yönteme göre, kullanıcıların tarih ve zaman bilgilerini içeren tweet'lerin oranını içeren Tarih ve Zaman davranışları, protestoları belirlemede güvenilir bir göstergedir. Kullanıcıların nefret-öfke tweet oranlarını içeren Fikir Paylaşımı davranışları da protestolardaki şiddeti tespit etmek için başarılıdır. Bulgular: Bir araştırma veri tabanı, George Floyd'un ölümünden sonra BLM (Black Lives Matter) hareketi üzerine oluşturulan tweet'lerden oluşuyor. Acleddata.com'da yayınlanan bilgilere göre, çeşitli şehirlerde belirli tarihlerde protestolar ve şiddet olayları yaşandığı bildirilmiştir. Veri seti, 37 ABD eyaletindeki 460 şehirden 1414 protesto olayı ve 3078 olaysız günü içeriyor. Protesto olayları, BLM hareketinde 28 Mayıs ile 30 Haziran arasında 285'i şiddetli ve 1129'u barışçıl olmak üzere 1414 protestoyu içermektedir. Önerdiğimiz yöntemi bu veri seti üzerinde test edilmiştir ve protestoların oluşumu %85 doğrulukla tahmin edilmiştir. Yine bu veri setindeki yöntemimizle, protestolardaki şiddeti %85 doğrulukla tahmin etmek mümkündür. Sonuç: Araştırma bulgularına göre, Twitter kullanıcıların davranışları, olayları ve şiddeti tahmin etmek için güvenilir bir kaynaktır. Bu çalışma, büyük ölçekli protestolara odaklanan mevcut literatürden farklı olarak, küçük ve büyük ölçekli protestoları tahmin etmek için başarılı bir yöntem sunmaktadır. Anahtar Kelimeler: Protesto Belirleme, Olay Belirleme, Sosyal Davranış, Sosyal Medya, Bayes Lojistik Regresyon, Makine Öğrenimi