Treffer: An AI-Based Sentiment Analysis Study on YouTube Contents Related to Digital Nomadism.

This study examines the positive and negative trends in YouTube videos on "Digital Nomadism" through text analysis. After preprocessing, the audio recordings of the YouTube videos selected as the data set were transcribed and analyzed using Python's NLTK (Natural Language Toolkit) libraries. Thematic topic extraction was performed using the NLP (Natural Language Processing) feature of ChatGPT, one of the significant LLMs (Large Language Models). The thematic summarization function was performed via ChatGPT with a prompt prepared in this context. Audience impact scores of the positive and negative topics in the video texts were calculated based on the word frequency score and the number of views of the videos. The video dataset, it was observed that videos emphasizing positive topics such as freedom, travel advantages, adventure, discoveries, cost of living, knowledge transfer, climate and cultural attractiveness, cultural richness, cultural interaction, economic contribution to the region, quality and low-cost nutrition, food and beverage quality, digital robust infrastructure, high comfort and quality of life, connected business network, cleanliness and hygiene issues, presence and quality of co-working spaces had more viewers. On the negative side, some of the destinations preferred by digital nomads, such as Nosara, Bali, and Peepa, are crowded cities, adaptation problems due to cultural differences, working conditions such as heat and humidity, loneliness, being away from family, lack of fixed income for a stable life, and problems with international money transfers for accommodation. Finally, in light of the findings, recommendations that can provide potential benefits, such as regional development and increasing tourism revenues, are shared with the public about appropriate examples from around the world. [ABSTRACT FROM AUTHOR]

Bu çalışma, "Dijital Göçebelik" konulu YouTube videolarındaki olumlu ve olumsuz eğilimleri metin analizi yoluyla incelemektedir. Veri seti olarak seçilen YouTube videolarının ses kayıtları ön işlemden geçirildikten sonra Python'un NLTK (Natural Language Toolkit) kütüphaneleri kullanılarak yazıya dökülmüş ve analiz edilmiştir. Tematik konu çıkarımı, önemli LLM'lerden (Büyük Dil Modelleri) biri olan ChatGPT'nin NLP (Doğal Dil İşleme) özelliği kullanılarak gerçekleştirilmiştir. Tematik özetleme işlevi ise bu kapsamda hazırlanan bir istem ile ChatGPT üzerinden gerçekleştirilmiştir. Video metinlerinde yer alan olumlu ve olumsuz konuların izleyici etki puanları, kelime sıklığı puanı ve videoların izlenme sayıları baz alınarak hesaplanmıştır. Video veri setinde özgürlük, seyahat avantajları, macera, keşifler, yaşam maliyeti, bilgi transferi, iklim ve kültürel çekicilik, kültürel zenginlik, kültürel etkileşim, bölgeye ekonomik katkı, kaliteli ve düşük maliyetli beslenme, yiyecek ve içecek kalitesi, dijital sağlam altyapı, yüksek konfor ve yaşam kalitesi, bağlantılı iş ağı, temizlik ve hijyen konuları, ortak çalışma alanlarının varlığı ve kalitesi gibi olumlu konulara vurgu yapan videoların daha fazla izleyiciye sahip olduğu görülmüştür. Olumsuz tarafta ise Nosara, Bali ve Peepa gibi dijital göçebelerin tercih ettiği bazı destinasyonların kalabalık şehirler olması, kültürel farklılıklardan kaynaklanan adaptasyon sorunları, sıcak ve nem gibi çalışma koşulları, yalnızlık, aileden uzak olma, istikrarlı bir yaşam için sabit gelirin olmaması ve konaklama için uluslararası para transferlerinde yaşanan sorunlar yer alıyor. Son olarak, bulgular ışığında bölgesel kalkınma ve turizm gelirlerinin artırılması gibi potansiyel faydalar sağlayabilecek öneriler, dünyadan uygun örneklerle kamuoyu ile paylaşılmıştır. [ABSTRACT FROM AUTHOR]

Copyright of Gazi Üniversitesi Fen Bilimleri Dergisi Part C: Tasarım ve Teknoloji is the property of Gazi University and its content may not be copied or emailed to multiple sites without the copyright holder's express written permission. Additionally, content may not be used with any artificial intelligence tools or machine learning technologies. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.)