Dimensions of Digital Privacy: Research and Discussions in the Digital Space

EnglishTürkçe

CHAPTER


DOI :10.26650/B/SSc5SSc20.2024.030.001   IUP :10.26650/B/SSc5SSc20.2024.030.001    Full Text (PDF)

Exploring the Digital Privacy Perception of Twitter Users through Text Mining Methods

Sadettin Demirel, Uğur Gündüz

Digital privacy is an increasingly important issue in today’s cyberspace and social media platforms. Since widely used platforms such as Twitter are environments where users constantly share information about their daily lives and thoughts, the perception of digital privacy should be taken into account in such mediums. This research aims to examine the perception of digital privacy on Twitter using English tweets containing the expressions “digital privacy” and “online privacy” between 2020 and 2023. Due to factors such as the advanced and accurate results provided by natural language processing technologies and reaching a broader user base for perception and opinion measurement, English tweets were used in the study. Within the scope of the research, firstly, English tweets containing the expressions “digital privacy” and “online privacy” between January 1, 2020, and May 31, 2023, were collected. The collected data set of tweets was subjected to preprocessing step, and unnecessary expressions (stopwords, links, emojis, etc.) were cleaned. With the quantitative text analysis method used in the research, frequently used expressions, terms, and prominent themes in the tweets were identified. This allowed obtaining high-frequency expressions and concepts in the messages and priorities of Twitter users regarding digital privacy. Sentiment analysis determined the polarity of tweets related to digital privacy, revealing general sentiment trends and categories. The research aims to outline the general perception of digital privacy among Twitter users. Quantitative text analysis and sentiment analysis have revealed users’ priorities, concerns, and emotional responses to this issue. The study aims not only to contribute to a better understanding of user privacy expectations but also to identify concerns, trends, and expectations regarding digital privacy, aiming to assist policymakers and social media platforms in developing more effective strategies, policies, and practices. 


Keywords: Digital privacy, Sentiment analysis, Text mining, Social networks, Twitter
DOI :10.26650/B/SSc5SSc20.2024.030.001   IUP :10.26650/B/SSc5SSc20.2024.030.001    Full Text (PDF)

Twitter Kullanıcılarının Dijital Mahremiyet Algısının Metin Madenciliği Yöntemleriyle İncelenmesi

Sadettin Demirel, Uğur Gündüz

Dijital mahremiyet, günümüzde siber alanda ve sosyal ağ platformlarında önemi her geçen gün artan bir konudur. Twitter gibi yoğun kullanılan platformlar kullanıcıların günlük hayatları ve düşünceleri hakkında sürekli bilgi paylaşımında bulunduğu ortamlar olduğundan, dijital mahremiyet algısı bu gibi yaygın mecralarda özellikle dikkate alınmalıdır. Bu araştırma, 2020-2023 yılları arasında “digital privacy” ve “online privacy” ifadelerinin geçtiği İngilizce tweetleri kullanarak Twitter’da dijital mahremiyet algısını incelemeyi amaçlamaktadır. Doğal dil işleme teknolojilerinin daha gelişmiş ve isabetli sonuçlar sağlaması ve algı ve kanaat ölçümü için daha geniş bir kullanıcı kitlesine ulaşılması gibi faktörlerden dolayı araştırmada İngilizce tweetler kullanılmıştır. Araştırma kapsamında ilk olarak, 1 Ocak 2020 ile 31 Mayıs 2023 tarihleri arasında “digital privacy” ve “online privacy” ifadelerini içeren İngilizce tweetler toplanmıştır. Toplanan veri setindeki tweetler önceden belirlenmiş ölçütlerle ön işlemeye tabi tutularak ve gereksiz ifadeler (stopwords, linkler, emojiler vb.) temizlenmiştir. Araştırmada kullanılan niceliksel metin analizi yöntemiyle, tweetlerde sıklıkla kullanılan ifadeler, terimler ve öne çıkan temalar belirlenmiştir. Bu sayede dijital mahremiyetle ilgili Twitter kullanıcılarının öncelikli endişeleri ve iletilerinde yüksek frekanslı ifadeler ve kavramlar elde edilmiştir. Duygu analizi ile ise dijital mahremiyet konusu ile ilişkili tweetlerin duygu durumları belirlenmiş ve genel bir duygu eğilimi ve polaritesi ortaya konulmuştur. Araştırma sonuçlarının, Twitter kullanıcılarının dijital mahremiyet algısını genel hatlarını çizmesi hedeflenmektedir. Yapılan niceliksel metin analizi ve duygu analizi ile kullanıcıların bu konudaki öncelikleri, endişeleri ve duygusal tepkileri ortaya konulmuştur. Çalışma, kullanıcıların mahremiyet beklentilerinin daha iyi anlaşılmasına yardımcı olmanın yanı sıra dijital mahremiyet konusundaki endişe, eğilim ve beklentileri tespit ederek hem politika yapıcılar ve sosyal medya platformlarının daha etkili stratejiler, politikalar ve uygulamalar geliştirmesine katkı sağlamayı amaçlamaktadır.


Keywords: Dijital mahremiyet, Duygu analizi, Metin madenciliği, Sosyal ağlar, Twitter

References

  • Akpınar, B.H., Paylan, N., Etlik Ş., Erus B., & Karakoç, H. (2020). “Sharenting” konusunda ebeveynlerin farkındalık düzeyleri, Genel Sağlık Bilimleri Dergisi, 2(2), 8-18. google scholar
  • Barrie, C., & Ho, J. (2021). academictwitteR: An R package to access the Twitter Academic Research Product Track v2 API endpoint. Journal of Open Source Software, 6(62), 3272. https://doi.org/10.21105/joss.03272 google scholar
  • Benoit, K., Muhr, D., & Watanabe, K. (2021). Multilingual Stopword Lists (2.3) [Software]. http://stopwords.quanteda.io/ google scholar
  • Benoit, K., Watanabe, K., Wang, H., Nulty, P., Obeng, A., Müller, S., & Matsuo, A. (2018). quanteda: An R package for the quantitative analysis of textual data. Journal of Open Source Software, 3(30), 774. https://doi.org/10.21105/joss. 00774. google scholar
  • Grimmer, J., & Stewart, B. M. (2013). Text as Data: The Promise and Pitfalls of Automatic Content Analysis Methods for Political Texts. Political Analysis, 21(3), 267-297. Cambridge Core. https://doi.org/10.1093/pan/mps028 google scholar
  • Han, Byung-Chul. (2022). Enfokrasi: Dijitalleşme ve Demokrasinin Krizi. çev. Mustafa Özdemir. İstanbul: Ketebe Yayınları. google scholar
  • Harari, Y. N. (2022). 21. yüzyıl için 21 ders. çev. Selin Siral, İstanbul: Kolektif Kitap. google scholar
  • Hutto, C., & Gilbert, E. (2014). Vader: A parsimonious rule-based model for sentiment analysis of social media text. Proceedings of the International AAAI Conference on Web and Social Media, 8(1), 216-225. https://doi.org/10. 1609/icwsm.v8i1.14550. google scholar
  • Jo, T. (2019). Text Mining - Concepts, Implementation, and Big Data Challenge (1. bs). Springer, Cham. google scholar
  • Liu, B. (2020). Sentiment Analysis Mining Opinions, Sentiments, and Emotions (2. bs). Cambridge University Press. google scholar
  • Mohammad, S., & Turney, P. (2013). Crowdsourcing a Word-Emotion Association Lexicon. Computational Intelligence, 29(3), 436-465. google scholar
  • Nielsen, F. Å. (2011). A new ANEW: Evaluation of a word list for sentiment analysis in microblogs. arXiv preprint arXiv:1103.2903. google scholar
  • R Core Team. (2022). R: A Language and Environment for Statistical Computing [Software]. R Foundation for Statistical Computing. https://www.R-project.org/ google scholar
  • Ribeiro, F. N., Araújo, M., Gonçalves, P., André Gonçalves, M., & Benevenuto, F. (2016). SentiBench—A benchmark comparison of state-of-the-practice sentiment analysis methods. EPJ Data Science, 5(1), 23. https://doi.org/10.1140/ epjds/s13688-016-0085-1 google scholar
  • Rinker, T. (2018). Sentimentr (2.6.1) [R]. https://github.com/trinker/sentimentr (Original work published 2015) google scholar
  • Segev, E. (2022). Introduction. İçinde E. Segev (Ed.), Semantic Network Analysis in Social Sciences. Routledge. google scholar
  • Silge, J., & Robinson, D. (2017). Text mining with R: A tidy approach. O’Reilly Media, Inc. google scholar
  • Welbers, K., Van Atteveldt, W., & Benoit, K. (2017). Text Analysis in R. Communication Methods and Measures, 11(4), 245-265. https://doi.org/10.1080/19312458.2017.1387238 google scholar
  • Yüksel, H. (2021). Sharenting Bağlamında Sosyal Medyada Çocuk İmajının İnşası. Akademik Düşünce Dergisi, (4), 50-68. google scholar
  • Zhang, L., & Liu, B. (2017). Sentiment Analysis and Opinion Mining. Içinde C. Sammut & G. I. Webb (Ed.), Encyclopedia of Machine Learning and Data Mining (ss. 1152-1161). Springer US. https://doi.org/10.1007/978-1-4899-7687-1_907 google scholar


SHARE




Istanbul University Press aims to contribute to the dissemination of ever growing scientific knowledge through publication of high quality scientific journals and books in accordance with the international publishing standards and ethics. Istanbul University Press follows an open access, non-commercial, scholarly publishing.