Sosyal Medya Veri Madenciliği

Doğu Akdeniz Üniversitesi İletişim Fakültesi Yeni Medya ve İletişim Bölümü

Ders İçeriği

Bu ders kapsamında veri kaynaklarının ne oldukları, veri depolama yöntemleri, verilerin düzenlenmesi ve büyük verileri anlamlandırılmasında gerçekleştirilen işlemlerin ve bunların etik yaklaşımları hakkında bilgiler edinilirken uygulamalarla öğrenilen bilgilerin pekiştirilmesi sağlanacaktır. Verileri kazıma, düzenleme, işleme ve anlamlandırma konularında pratikler yapılarak alan çalışmalarındaki kullanımları üzerine örnekler verilecektir.

Dersi Bitirme Koşullar

Ders kapsamında, verinin ne olduğu, depolama ve temizleme yöntemleri üzerinde durulurken verilerden elde edilen çıktıların da anlamlı bir şekilde aktarılabileceği tasarımlar yapılacak. Bu şekilde, verilerin işlenmesinin teorik ve pratik olarak çalışmaları yapılacaktır.

Sınavlar ve Projeler

  • Uygulamalar %35
  • Vize Projesi %15
  • Final %50

Ders İşleniş Biçimi

Uygulama ve proje ağırlıklı öğretme etkinliği uygulanacaktır. Uygulamaların hepsi projelere yönelik olarak hazırlanmıştır. Bu şekilde, teoride verilen bilgilerin pratikteki karşılıkları daha iyi kavranabilecektir.

Dersin Çıktıları

Ders sonunda, verinin ne olduğu, verilerin nereden ve nasıl elde edilebileceği, depolama yöntemleri ve verilerin işlenerek anlamlı çıktılar elde etme konusunda bilgi sahibi olunacaktır. Farklı alanlara uygulanabilir veri okuma becerisi de kazanılacaktır.

Önemli Notlar

Uygulama derslerinin en fazla 2’sine katılım göstermeyen ve intihal yapanlar geçme notunu alsalar dahi dersten kalırlar.

Faydalı Bağlantılar

Veri Görselleştirme

Flourish Studio

Haftalık Ders İçeriği

1. Hafta

Sosyal Medya ve Veri Madenciliği Giriş

Kaplan, A. M., & Haenlein, M. (2010). Users of the world, unite! The challenges and opportunities of Social Media. Business Horizons.

2. Hafta

Veri Madenciliği Tekniklerine Giriş

Han, J., Pei, J., & Kamber, M. (2011). Data Mining: Concepts and Techniques (Chapter 1-2).

3. Hafta

Sosyal Medya Veri Yapıları

Gundecha, P., & Liu, H. (2012). Mining social media: A brief introduction. INFORMS Journal on Computing.

4. Hafta

Web Kazıma Teknikleri

Mitchell, R. (2015). Web Scraping with Python. O’Reilly Media.

5. Hafta

Büyük Veri ve Sosyal Medya

Zikopoulos, P., & Eaton, C. (2011). Understanding Big Data: Analytics for Enterprise Class Hadoop and Streaming Data.

6. Hafta

Metin Madenciliği

Aggarwal, C. C., & Zhai, C. (2012). Mining Text Data. Springer. (Chapter 3-4)

7. Hafta

Duygu Analizi

Pang, B., & Lee, L. (2008). Opinion mining and sentiment analysis. Foundations and Trends in Information Retrieval.

8. ve 9. Hafta

Vizeler

10. Hafta

Sosyal Ağ Analizi

Scott, J. (2017). Social Network Analysis. Sage Publications. (Chapter 2-3)

11. Hafta

Görsel İçerik Madenciliği

Datta, R., Joshi, D., Li, J., & Wang, J. Z. (2008). Image retrieval: Ideas, influences, and trends of the new age. ACM Computing Surveys.

12. Hafta

Veri Gizliliği ve Etik

Boyd, D., & Crawford, K. (2012). Critical questions for big data: Provocations for a cultural, technological, and scholarly phenomenon. Information, Communication & Society.

13. Hafta

Sosyal Medya Pazarlama Stratejileri

Tuten, T. L., & Solomon, M. R. (2017). Social Media Marketing. Sage Publications.

Elmazi, L., & Gunay, A. (2019). Big data-driven marketing: A new frontier. Journal of Marketing Analytics.

14. Hafta

Finaller

Detaylı Notlandırma

Uygulamalar

%35

Veri işlemeleri kapsamında ödev olarak derste verilen projeleri kapsamaktadır. Toplamda 5 adet proje 7‘şer puandan hesaplanarak notlandırılacaktır.

Uygulamalar

Değerlendirme Kriterleri

  • Verilerin girişi
  • Verilerin ayıklanması
  • Görselleştirme
  • İçerik üretme

Vize Projesi

%15

Belirlenen konular üzerinden hazırlanan proje dosyasına uygun verilerin işlenmesi ve bu bilgilerle içerik üretilmesi.

Değerlendirme Kriterleri

  • Proje dosyası
  • Veri dosyası
  • İçerik dosyası

Final Projesi

%50

Final projesi 2 adet projeden oluşmaktadır. Projeler ders kapsamında işlenmiş olan konular çerçevesinde 1‘i hazır verinin kullanılması 1‘de verilerin toplanması ve düzenlenmesiyle yapılacaktır. Bu 2 projeden verilere dayanarak içerik üretilecektir.

Değerlendirme Kriterleri

  • Verilerin toplanması
  • Verilerin temizlenmesi
  • Verilerin görselleştirilmesi
  • Çıkan verilerdenn içerik üretimi