Sosyal medya etkileşimlerine bağlı stres tespiti için yapay zeka tabanlı bir topluluk öğrenmesi modeli önerisi

Depresyon, sosyal medyanın yaygınlaşmasıyla birlikte artan ve bireylerin yaşam kalitesini olumsuz etkileyen önemli bir ruh sağlığı sorunudur. Dünya Sağlık Örgütü'ne göre, depresyonun erken teşhisi, intihar gibi ciddi sonuçların önlenmesinde kritik bir rol oynamaktadır. Bu tez çalışması, sosyal medya platformunda paylaşılan gönderiler aracılığıyla kullanıcıların ruh halleri üzerindeki depresyon ve anksiyete belirtilerini analiz etmeyi amaçlamaktadır. Çalışma kapsamında, depresif eğilimler gösteren kullanıcıların sıklıkla kullandıkları kelime ve ifadeler belirlenerek, duygu analizine dayalı bir yöntem geliştirilmiştir. Bu çalışma, depresyonun erken teşhisi ve müdahalesi için sosyal medya verilerinin etkin kullanımına yönelik bir model önermektedir. Sosyal medya verileri üzerinde yapılan analizlerde, depresyon belirtilerinin tespitine odaklanılmış ve bu amaçla duygu analizinin temel kavramları ve yöntemleri detaylı bir şekilde ele alınmıştır. Çalışmada, metin madenciliği süreçlerinden elde edilen veriler üzerinde, destek vektör makineleri, yapay sinir ağları ve XGBoost gibi makine öğrenimi algoritmaları uygulanmıştır. Ayrıca, topluluk (ensemble) öğrenme yaklaşımlarıyla model performansı artırılmış ve bu yöntemlerin doğruluk oranları literatürdeki benzer çalışmalarla karşılaştırılmıştır. Sonuçlar, önerilen modelin, depresyon tespitinde geleneksel yöntemlere kıyasla daha yüksek doğruluk ve performans sağladığını ortaya koymuştur. Önerilen modelin performans metriklerinden doğruluk %91, kesinlik %90, duyarlılık %91.5 ve F1 skoru 0.907 sonucunu vermiştir. Bu bağlamda çalışma, sosyal medya verilerinin duygu analizi yoluyla anlamlandırılmasının, ruh sağlığı alanında yenilikçi yaklaşımlar sunabileceğini ve sağlık profesyonellerine değerli bir veri kaynağı oluşturabileceğini göstermektedir.