Geri Dön

Cyberbullying unveiled: Using AI and sentiment analysis to illuminate the psychological impacts on vulnerable groups

Siber zorbalığın analizi: Yapay zeka ve duygu analizi kullanılarak kırılgan gruplar üzerindeki psikolojik etkilerin incelenmesi

PDF İndir

  1. Tez No: 1007418
  2. Yazar: ABDULNASER MUTASHAR FASHAKH FASHAKH
  3. Danışmanlar: DR. ÖĞR. ÜYESİ MESUT ÇEVİK
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Derin çekme, Doğal dil, Duygu analizi, Hareketli yazı, Makine öğrenmesi, Siber zorbalık, Uzun Hikaye, Uzun dönem belleği, Deep drawing, Natural language, Sentiment analysis, Motion text, Machine learning, Cyberbullying, Long Story, Long term memory
  7. Yıl: 2026
  8. Dil: İngilizce
  9. Üniversite: Altınbaş Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Siber zorbalık, dijital çağda giderek artan bir endişe kaynağı olup, farklı demografik gruplar arasında kırılgan grupları orantısız şekilde etkilemektedir. Bu çalışma, siber zorbalığı tespit etme ve hem metinsel hem de duygusal özellikleri kullanarak psikolojik etkilerini analiz etme konusunda çeşitli makine öğrenimi ve derin öğrenme modellerinin etkinliğini değerlendirmektedir. Lojistik Regresyon, Karar Ağaçları ve Rastgele Orman gibi geleneksel sınıflandırıcılar, MLP, CNN, RNN ve LSTM ağları gibi ileri düzey derin öğrenme modelleri ile karşılaştırılmıştır. 58.000 tweetten oluşan bir veri seti kullanılmıştır; bunun 46.000'i Kaggle'dan, 12.000'i ise Twitter API'si aracılığıyla toplanmıştır. Metin verisi, Terim Frekansı-Ters Doküman Frekansı (TF-IDF) yöntemi kullanılarak sayısal temsilere dönüştürülmüş, duygusal puanlar ise TextBlob kütüphanesi kullanılarak çıkarılmıştır. Tweetler, siber zorbalık türüne (cinsiyet, yaş, din ve etnik köken) göre sınıflandırılmış ve daha sonra alt kategorilere ayrılmıştır: cinsiyet (erkek, kadın, LGBT, diğer), yaş (yetişkin, ergen, diğer), din (Müslüman, Hristiyan, Yahudi, diğer) ve etnik köken (etik, etik olmayan, diğer). Alt kategori sınıflandırması için anahtar kelime tabanlı teknikler kullanılmıştır. Bulgular, kadınların cinsiyet temelli kategorilerde en yüksek düzeyde siber zorbalığa maruz kaldığını, ergenlerin en fazla etkilenen yaş grubu olduğunu, etik olmayan içeriğin etnik kökenle ilgili siber zorbalıklarda baskın olduğunu ve Müslümanların dini gruplar arasında en sık siber zorbalığa ve olumsuz duyguya maruz kaldığını göstermektedir. Derin öğrenme modelleri, özellikle RNN ve LSTM, geleneksel makine öğrenimi sınıflandırıcılarını geride bırakarak 98 % doğruluk oranına ulaşmıştır. Duygusal özelliklerin dahil edilmesi, özellikle RNN ve LSTM modellerinde performansı önemli ölçüde artırmıştır. Siber zorbalık türü, alt kategori ve duyguya göre tweetleri sınıflandırmak için LSTM mimarisi ile çoklu çıktı veren bir sinir ağı modeli geliştirilmiştir. Bu bulgular, siber zorbalık desenlerini etkili bir şekilde izlemek için otomatik tespit sistemlerine olan ihtiyacı vurgulamaktadır ve sosyal medya platformları, araştırmacılar ve politika yapıcılar için çevrimiçi tacizi hafifletme ve risk altındaki bireyleri koruma konusunda değerli bilgiler sunmaktadır.

Özet (Çeviri)

Cyberbullying, a phenomenon that is increasingly reported in the digital era, that is reaching population segments in disparate demographic domains. This study purposes to evaluate the efficacy of various machine-learning and deep-learning practices for detection cyberbullying and analysing it is psychological impacts, utilizing textual and emotional features as input variables. Conventional classifiers (such as Logistic regression, Decision tree, and Random Forest) are associated with the state-of-the-art deep-learning models (MLP, CNN, RNN, LSTM networks). An extensive dataset consisting of 58,000 tweets was employed, including 46,000 samples from Kaggle and 12,000 was collected through the Twitter API. Textual information's were converted into numerical vectors using Term-Frequency-Inverse Document Frequency (TF-IDF) method, while sentiment scores were obtained through the TextBlob library. Tweets were classified by cyberbullying category (age, gender, religion and ethnicity) and further subdivided into subgroups: gender were (male, female, LGBT, other), age were (adult, teenager, other), religions were (Muslim, Christian, Jewish, other), and ethnicity were (ethical, unethical, other). Keyword-based approaches were implemented for sub_category classification. Results demonstrate that females endure the highest rate of cyberbullying within gender-based categories, teenagers represent the most affected age demographic, unethical content predominates ethnicity-related cyberbullying, and Muslims experience the most frequent cyberbullying and negative sentiment among religious groups. Deep learning architectures, particularly RNN and LSTM models, outperformed traditional machine learning classifiers, achieving accuracy of 0.98. Moreover, the inclusion of emotional features in all models enhanced the performance of the networks, especially the RNN and LSTM architectures. The neural network employed an LSTM framework with multi-label classification, trained to categorize tweets simultaneously by cyberbullying type, subcategory, and sentiment. The key conclusion emphasizes the imperative for an automated cyberbullying detection system to effectively monitor behavioural patterns, thereby equipping policymakers, researchers, and social media platforms with tools to mitigate online harassment and safeguard vulnerable populations.

Benzer Tezler

  1. Tez No

    562867

    Cyberbullying detection using text classification for turkish language

    Türkçe dili için metin sınıflandırma kullanarak siber zorbalık tespiti

    ERHAN ÖZTÜRK

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇukurova Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. SELMA AYŞE ÖZEL

    DR. ÖĞR. ÜYESİ ESRA SARAÇ EŞSİZ

  2. Tez No

    698734

    Automatic detection of cyberbullying in social networks

    Sosyal ağlarda sanal zorbalığın otomatik olarak tespit edilmesi

    ALİCAN BOZYİĞİT

    Doktora

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDokuz Eylül Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SEMİH UTKU

  3. Tez No

    816151

    Cyberbullying involvement, basic psychological need satisfaction, and socio-emotional competencies: A person centered analysis

    Siberzorbalık katılımı, temel psikolojik ihtiyaçların karşılanması, ve sosyo-duygusal beceriler: Birey-merkezli bir yaklaşım

    NESİBE MUSTİ

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    PsikolojiÖzyeğin Üniversitesi

    Psikoloji Bilim Dalı

    DOÇ. DR. AYFER DOST GÖZKAN

  4. Tez No

    832438

    Relationships of cyberbullying victims' social status, physical attractiveness, and evaluators' sexism with victim blame: The moderating effect of victim gender

    Siber zorbalık mağdurlarının sosyal statüsü, fiziksel çekiciliği ve değerlendiricinin cinsiyetçiliğinin mağdur suçlama davranışı ile ilişkileri: Mağdur cinsiyetinin düzenleyici rolü

    HAZAL HİÇCAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    PsikolojiÇankaya Üniversitesi

    Psikoloji Ana Bilim Dalı

    PROF. DR. ASLI GÖNCÜ KÖSE

  5. Tez No

    892238

    A hybrid approach for cyberbullying detection

    Siber zorbalığın tespiti için hibrit bir yaklaşım

    DİLARA NİHADİOĞLU

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAdana Alparslan Türkeş Bilim ve Teknoloji Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ESRA SARAÇ EŞSİZ

Geri Dön