COVID-19 Pandemi Döneminde Eğitimde Derin Öğrenmeye Dayalı Duygu Analizi

Abstract

Keywords: Deep Learning, Sentiment Analysis, Text Mining, COVID-19, Higher Education Öz 2020 yılında küresel COVID-19 pandemisi, ciddi ekonomik ve toplumsal kesintilere yol açtı. Pandemi sağlık, gıda, iş organizasyonları ve eğitim dahil olmak üzere hayatımızın neredeyse her alanını etkiledi. Eğitimin dijitalleştirilmesi ile birlikte yükseköğretim alanında önemli bir değişiklik yaşanmıştır. Pandemi ile mücadele amacıyla, dünya çapında birçok yükseköğretim kurumu, eş zamanlı veya eş zamansız olarak lisans ve lisansüstü derslerini çevrimiçi olarak sunmaya başlamıştır. Bu süre zarfında insanlar haber, bilgi, destek almak için ve sosyal bağlantılar kurmak için sosyal medyadan ciddi ölçüde yararlanmaktadırlar. Bu sayede, COVID-19 ile ilgili olarak Web'de çok miktarda elektronik metin belgesi paylaşılmıştır. Bu makalede, COVID-19 salgınının yüksek öğrenim üzerindeki etkisini analiz etmek için derin öğrenime dayalı bir duygu analizi yaklaşımı sunuyoruz. Bu bağlamda, geleneksel makine öğrenimi algoritmalarının (vektör destek makineleri, naive bayes, lojistik regresyon ve rastgele orman) ve derin sinir ağlarının (evrişimli sinir ağı, tekrarlı sinir ağı, uzun süreli bellek ve gated tekrarlı birim) performansları karşılaştırılmıştır. Buna ek olarak, transformerlardan gelen çift yönlü enkoder gösterimleri (BERT) tarafından elde edilen ampirik sonuçlar da değerlendirilmiştir. Farklı metin gösterim modelleri ve sınıflandırma algoritmalarına sahip kapsamlı ampirik sonuçlar, derin sinir ağlarının COVID-19 ile ilgili metin belgelerinin yüksek eğitim üzerindeki etkisini analiz etme görevi için umut verici sonuçlar verebileceğini göstermektedir.