Εφαρμογή για την εξόρυξη (ανάκτηση και κατηγοριοποίηση) δεδομένων απο το κοινωνικό δίκτυο Twitter αναφορικά με την ψυχολογία του πληθυσμού στην πανδημία Covid-19

Διπλωματική Εργασία uoadl:3325589 45 Αναγνώσεις

Μονάδα:
Κατεύθυνση Πληροφορική της Υγείας
Βιβλιοθήκη Επιστημών Υγείας
Ημερομηνία κατάθεσης:
2023-05-06
Έτος εκπόνησης:
2023
Συγγραφέας:
Κατίκα Aφροδίτη
Στοιχεία επιβλεπόντων καθηγητών:
Φλώρα Μαλαματένιου, Καθηγήτρια, Τμήμα Νοσηλευτικής, ΕΚΠΑ
Βασιλική Κούφη, ΕΔΙΠ, Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών, Πανεπιστήμιο Πειραιά
Εμμανουήλ Ζούλιας, ΕΔΙΠ, Τμήμα Νοσηλευτικής, ΕΚΠΑ
Πρωτότυπος Τίτλος:
Εφαρμογή για την εξόρυξη (ανάκτηση και κατηγοριοποίηση) δεδομένων απο το κοινωνικό δίκτυο Twitter αναφορικά με την ψυχολογία του πληθυσμού στην πανδημία Covid-19
Γλώσσες εργασίας:
Ελληνικά
Μεταφρασμένος τίτλος:
Εφαρμογή για την εξόρυξη (ανάκτηση και κατηγοριοποίηση) δεδομένων απο το κοινωνικό δίκτυο Twitter αναφορικά με την ψυχολογία του πληθυσμού στην πανδημία Covid-19
Περίληψη:
Η παρούσα εργασία, που εκπονείται στο πλαίσιο του Διιδρυματικού Προγράμματος Μεταπτυχιακών Σπουδών «Οργάνωση και Διοίκηση Υπηρεσιών Υγείας – Πληροφορική της Υγείας», πραγματεύεται την εξόρυξη γνώσης απο το Twitter σχετικά με το Long Covid. Αρχικά, γίνεται αναφορά στα μεγάλα δεδομένα στην Υγεία και την επεξεργασία φυσικής γλώσσας. Στη συνέχεια αναφέρονται περιπτώσεις όπου η επεξεργασία φυσικής γλώσσας εξήγαγε χρήσιμα συμπεράσματα για τη δημόσια υγεία την περίοδο του Covid-19. Ακολουθεί η μελέτη περίπτωσης όπου αναλύθηκαν tweets στα ελληνικά που αναφέρονταν στο Long Covid. Μετά την προεπεξεργασία των δεδομένων βρέθηκαν τα κύρια θέματα στα οποία αναφέρονται οι χρήστες και έγινε ανάλυση συναισθήματος. Η προεπεξεργασία και η ανάλυση των αποτελεσμάτων έγινε σε Python με το εργαλείο Jupyter Notebook . Τα αποτελέσματα έδειξαν τα ακόλουθα κύρια θέματα: οι πολίτες συζητούν τις επιπτώσεις του Long Covid, τις επιπτώσεις του Long Covid σε συγκεκριμένες ομάδες πληθυσμού όπως τα παιδιά και τέλος για τρόπους αντιμετώπισης όπως τα εμβόλια. To 59% των tweets είχε αρνητικό συναίσθημα ενώ τα υπόλοιπα είχαν θετικό ή ουδέτερο συναίσθημα.
Κύρια θεματική κατηγορία:
Επιστήμες Υγείας
Λέξεις-κλειδιά:
Μεγάλα δεδομένα, Twitter, Επεξεργασία φυσικής γλώσσας, Ανάλυση συναισθήματος, Πανδημία
Ευρετήριο:
Όχι
Αρ. σελίδων ευρετηρίου:
0
Εικονογραφημένη:
Ναι
Αρ. βιβλιογραφικών αναφορών:
64
Αριθμός σελίδων:
88
Afroditi_Katika_MSc.pdf (3 MB) Άνοιγμα σε νέο παράθυρο