Τεχνικές ανάλυσης δεδομένων για τη μελέτη της ψυχολογίας, του διαδικτυακού εκφοβισμού και του επιθετικού λόγου στις πλατφόρμες κοινωνικής δικτύωσης

Abstract

ΠΕΡΙΛΗΨΗ

Στο σύγχρονο πολιτισμό τα μέσα κοινωνικής δικτύωσης αποτελούν αναπόσπαστο κομμάτι της καθημερινότητας. Η ραγδαία εξέλιξη της τεχνολογίας έχει συμβάλει στην καθιέρωσή τους ως το κύριο μέσο επικοινωνίας, προβολής και ενημέρωσης. Η εκτεταμένη χρήση τους έχει επιφέρει δραστικές αλλαγές σε ποικίλους τομείς της καθημερινότητας των ανθρώπων, οι οποίες αφορούν τόσο τις πρακτικές συνήθειές τους, όσο και τη μορφή της διαπροσωπικής επικοινωνίας. Με βάση τα παραπάνω, ανοίγει ο δρόμος για τη διεπιστημονική προσέγγιση της μελέτης των μέσων κοινωνικής δικτύωσης. Με τη χρήση μεθόδων στατιστικής ανάλυσης αλλά και μηχανικής μάθησης προχωρούμε στην ανάλυση δεδομένων που έχουν προέλθει από τα κοινωνικά δίκτυα. Στην παρούσα διπλωματική εργασία μελετούμε την επίδραση των κοινωνικών δικτύων στην ψυχολογία των νέων. Βασιζόμενοι στη θεωρία συναισθημάτων του W. Gerrod Parrott και στην υπάρχουσα βιβλιογραφία, πραγματοποιούμε μια στατιστική έρευνα με τη χρήση ερωτηματολογίων με σκοπό να διερευνήσουμε αν υπερτερούν τα θετικά ή τα αρνητικά συναισθήματα κατά τη χρήση των μέσων κοινωνικής δικτύωσης. Εξετάζουμε το ενδεχόμενο οι ερωτηθέντες να έχουν υπάρξει θύματα διαδικτυακού εκφοβισμού και να έχουν έρθει σε επαφή με τον επιθετικό λόγο. Τα δεδομένα αυτά αναλύονται με τη χρήση του στατιστικού προγράμματος SPSS. Τέλος, εξετάζουμε το φαινόμενο επιθετικού λόγου σε δεδομένα που προέρχονται από τη σελίδα ανομολόγητων του MIT (MIT Confession page) στην πλατφόρμα κοινωνικής δικτύωσης Facebook, χρησιμοποιώντας μεθόδους της επιβλεπόμενης μάθησης. Πιο συγκεκριμένα εκπαιδεύτηκαν δύο μοντέλα πρόβλεψης με βάση επισημασμένα δεδομένα ως «Aggressive» και «Non aggressive» τα οποία προέρχονται από την ίδια πλατφόρμα και στη συνέχεια εξετάζεται η αξιοπιστία των μοντέλων σε τμήμα δεδομένων που προέρχεται από τη σελίδα ανομολόγητων, συγκρίνοντας τις κρίσεις των μοντέλων με τις δικές μας κρίσεις. Χρησιμοποιήθηκαν οι αλγόριθμοι μηχανικής μάθησης Naive Bayes και Μηχανές Διανυσμάτων Υποστήριξης.

Abstract

Nowadays, social media are an integral part of everyday life. The rapid evolution of technology has led to their establishment as the main means of communication, promotion and information collection. Their extensive use has led to drastic changes in various areas of peoples’ everyday lives, both in terms of their habits and their interpersonal communication. Based on the above, we follow a multidisciplinary approach to study social media phenomenon. Using statistical analysis and machine learning methods, we analyze data from social networks. The present dissertation studies the influence of social networks on the psychology of younger generations. Based on W. Gerrod Parrott's theory of emotions and οn additional existing bibliography, we conduct a statistical survey with the use of questionnaires in order to investigate which emotions dominate, the positive or the negative ones. Moreover, we investigate whether the participants have experienced cyber bullying and/or means of aggressive speech. These data are analyzed using the SPSS statistical program. Finally, we look at the aggressive speech phenomenon in data from the MIT Confession page of the MIT on the Facebook Social Platform, using supervised learning methods. In particular, two predictive models based on flagged data were trained as «Aggressive» and «Non aggressive» coming from the same platform, and then the reliability of the models in data segment derived from the confession page, comparing the data judgment’s with ours. Naïve Bayes Mechanical Learning Algorithms and Support Vector Machines were used.