TWITTER DA TÜRKÇE KONUŞAN DAEŞ DESTEKÇİLERİ

Transkript

1 TWITTER DA TÜRKÇE KONUŞAN DAEŞ DESTEKÇİLERİ Rapor No: 211 Haziran 2017 ISBN: Ankara - TÜRKİYE 2017 Bu raporun içeriğinin telif hakları a ait olup, 5846 Sayılı Fikir ve Sanat Eserleri Kanunu uyarınca kaynak gösterilerek kısmen yapılacak makul alıntılar dışında, hiçbir şekilde önceden izin alınmaksızın kullanılamaz, yeniden yayımlanamaz. Bu raporda yer alan değerlendirmeler yazarına aittir; ın kurumsal görüşünü yansıtmamaktadır.

2 Proje Takımı: Doç.Dr. Şaban KARDAŞ, Doç.Dr. Haldun YALÇINKAYA, TOBB Ekonomi ve Teknoloji Üniversitesi Doç.Dr. Tansel ÖZYER, TOBB Ekonomi ve Teknoloji Üniversitesi Doç.Dr. Ferhat PİRİNÇCİ, Uludağ Üniversitesi Dr. Kaan Kutlu ATAÇ Bedi ÇELİK, Proje Asistanları: Meryem Melike GÜNGENCİ Yunuscan KOÇAK Yunus Emre TAPAN 2

3 İçindekiler TAKDİM...5 I. GİRİŞ METODOLOJİ BULGULAR (1.575 HESAPLIK VERİ SETİNİN TWITTER ÖLÇÜMLERİ) Arkadaş-Takipçi İstatistikleri Arkadaş-Takipçi Dağılımı Tweet İstatistikleri Tweet Dağılımı Hesap Yaratım Tarih Dağılımı Tweet Atma Platformları Coğrafi Konum Dağılımları #Hashtag Analizi Bağlantı (Link), Video ve Resimler Hesaplık Veri Setinin İlişki Haritası Hesaplık Veri Setinin Derece Merkeziliği HESAPLIK VERİ SETİNİN GÜNDEMİ VE İÇERİK ANALİZİ Kelime Analizi ve Kelime Bulutları DAEŞ ile Mücadelede Karşı Söylem SONUÇ...37 NOTLAR

4 Şekiller, Tablolar ve Grafikler Tablo-1: Çekirdek Hesap Tespit İstatistikleri...11 Table-2: Hesabın Profil Resim Analizi...12 Tablo-3: Hesaba Ait Tweet İçerikleri Analizi...13 Grafik-1: Arkadaş-Takipçi İstatistikleri...14 Grafik-2: Takipçi/Arkadaş Oranı...15 Tablo-4: Karşılaştırmalı Arkadaş-Takipçi İstatistikleri...16 Grafik-3: Arkadaş Dağılımı (x: hesap sayısı, y: arkadaş sayısı)...16 Grafik-4: Takipçi Dağılımı (x: hesap sayısı, y: takipçi sayısı)...17 Grafik-5: Bir Kullanıcının Hesap Hayatı Boyunca Attığı Toplam Ortalama Tweet Sayısı...18 Grafik-6: Bir Kullanıcının Günlük Ortalama Tweet Sayısı...18 Grafik-7: Bir Kullanıcının En Son Attığı 200 Tweete Göre Günlük Ortalama Tweet Sayısı...18 Grafik-8: Tweet Dağılımı (x: hesap sayısı, y: tweet sayısı)...19 Grafik-9: Hesap Yaratım Tarih Dağılımı...20 Grafik-10: Tweet Atma Platformları...21 Grafik-11: GPS Koordinatları Tespit Edilmiş Tweetlerin Ülkelere Göre Dağılımı...22 Grafik-12: GPS Koordinatları Tespit Edilmiş Tweetlerin Türkiye deki Şehirlere Göre Dağılımı...22 Şekil-1: GPS Koordinatları Tespit Edilmiş Tweetlerin Dünya Haritası Üzerindeki Konumları...23 Şekil-2: GPS Koordinatları Tespit Edilmiş Tweetlerin Türkiye Haritası Üzerindeki Konumları...23 Grafik-13: #Hashtag Dağılımı...24 Tablo-5: #Hashtag İstatistikleri...25 Tablo-6: En Çok Paylaşılan 10 Bağlantı...25 Tablo-7: En Çok Paylaşılan 10 Video Bağlantısı...26 Tablo-8: En Çok Paylaşılan 10 Resim Bağlantısı...27 Şekil-3: Hesaplık Veri Setinin İlişki Haritası...27 Şekil-4: Hesaplık Veri Setinin Derece Merkeziliği...28 Şekil-5: Tweete Ait Kelime Bulutları (01 Temmuz - 11 Ağustos 2016)...30 Şekil-6: Tweete Ait Kelime Bulutları (12 Ağustos 21 Eylül 2016)...31 Şekil-7: Tweete Ait Kelime Bulutları (Nisan 2009 Haziran 2016)...32 Şekil-8: Toplanan Tweetlerden Örnek Söylem Resimleri...33 Şekil-9: Toplanan Tweetlerden Örnek Söylem Resimleri

5 TAKDİM Suriye de ve Irak ın bir bölümünde kanlı terör örgütü DAEŞ tarafından yaşatılan dram ve dünyanın büyük bir bölümünde etkisini gösteren DAEŞ terörü uzun bir süreden beri dünyanın gündemini meşgul etmektedir. Özellikle Suriye ve Irak sınırları dışında Türkiye, Avrupa ve Amerika Birleşik Devletleri nde DAEŞ tarafından yönlendirilerek ya da DAEŞ e yakınlık duyanlar tarafından gerçekleştirilen terör saldırıları sayıca çoğalmış ve toplumlarda infial derecesinde tepkilere yol açmıştır. DAEŞ in Suriye ve Irak ta toprak kaybetmesi ve devlet olma iddiasının zayıflaması ile birlikte bu tür uzaktan yönetilen saldırıların daha da artacağını tahmin etmek pek de zor olmayacaktır. Ayrıca, DAEŞ saflarında savaşmış ve sonrasında ülkelerine geri dönen Yabancı Terörist Savaşçıların (YTS) da yukarıda ifade edilen terör saldırılarında ciddi bir artışa neden olacağı değerlendirilmektedir. Bu kapsamda DAEŞ in tüm bu terör faaliyetlerini yürütürken gerek geleneksel medyayı gerekse de internet çağının sunmuş olduğu yeni medyayı terör faaliyetlerinin etkisini artırmak, propaganda yapmak ve militan devşirmek maksadıyla etkin ve yoğun kullandığı ise bilinen bir gerçektir. Bu bağlamda DAEŞ in özellikle sosyal medya platformlarını etkin kullandığı birçok çalışma ile ortaya konmuştur. Ancak DAEŞ in artan terör saldırıları ve bu saldırıların sosyal medya platformlarında adeta bir gövde gösterisine dönüştürmesi ile birlikte sosyal medya platformları üzerinde kamuoyu ve hükümetler tarafından büyük baskı oluşturulmuş, ve sosyal medya şirketleri de kendi platformları üzerinde DAEŞ propagandası yapılmasına engel olmak üzere çeşitli tedbir almışlardır. Ancak alınan bunca tedbire rağmen son dönemde uzaktan yönetilen terör saldırılarının artmasıyla birlikte sosyal medyanın rolü yeniden tartışılmaya başlanmıştır ve bu tartışmalar bitecek gibi de gözükmemektedir. Bu gelişmeleri yakından takip eden bir kurum olarak, sosyal medya platformlarında Twitter özelinde son durumu ortaya koymak maksadıyla Twitter da Türkçe Konuşan DAEŞ Destekçileri başlıklı çalışma yapmak üzere bir araştırma projesini başlatmıştır. Bu çalışma tarafından bir sene önce tamamlanan benzer bir araştırmanın devamı niteliğinde ve daha kapsayıcı olarak gerçekleştirilmiştir. Bir önceki çalışmada kullanılan yöntem bu araştırmada da kullanılmış, ilk çalışmadan elde edilen bulgular bu araştırmanın başlangıç verilerini oluşturmuştur. Proje bir yılı aşkın bir sürede Bilgisayar ve Sosyal Bilimlerden araştırmacılar tarafından disiplinler arası bir yaklaşımla büyük veri (big data) üzerinde çalışılarak tamamlanmıştır. Bu vesile ile yapılan bu çalışmanın literatüre önemli bir katkı sağlayacağını düşünüyor, okuyuculara faydalı olmasını umuyor ve raporun hazırlanmasında emeği geçen proje grubu üyelerine teşekkürlerimizi sunuyoruz. Doç. Dr. Şaban Kardaş Başkanı 5

6

7 ORTADOĞU STRATEJİK ARAŞTIRMALAR MERKEZİ Proje Takımı: Doç.Dr. Şaban KARDAŞ, Doç.Dr. Haldun YALÇINKAYA, TOBB Ekonomi ve Teknoloji Üniversitesi Doç.Dr. Tansel ÖZYER, TOBB Ekonomi ve Teknoloji Üniversitesi Doç.Dr. Ferhat PİRİNÇCİ, Uludağ Üniversitesi Dr. Kaan Kutlu ATAÇ Bedi ÇELİK, TWITTER DA TÜRKÇE KONUŞAN DAEŞ DESTEKÇİLERİ I. GİRİŞ Terör örgütü DAEŞ yirmi birinci yüzyılın ikinci on yılında Ortadoğu başta olmak üzere dünyanın geri kalanını etkileyen terör eylemlerini sürdürmektedir. DAEŞ in yarattığı terör tehdidinin merkezinde Suriye ve Irak ın toprakları yer alırken, bu şiddet dalgalar halinde dünyanın geri kalanına yayılmaktadır. Bu çerçevede bahse konu şiddet dalgası çeşitli başlıklar altında son yıllarda akademik çalışmaların ilgisini cezbetmektedir. Bu başlıklar militan Selefizm, şiddete varan aşırıcılık ve bunun önlenmesi, yabancı terörist savaşçılar, radikalleşme, de-radikalleşme vb. gibi konuları kapsamakta olup, kavramsallaşma süreci halen devam etmektedir. Bu çerçevede bahse konu başlıklara yönelik çeşitli araştırmalar gerçekleştirmektedir. Bu çalışmalardan birisi de 2016 yılında yayımlanan Türkçe Konuşan DEAŞ Destekçileri Üzerine Twitter Sosyal Ağ Analizi başlıklı rapor olmuştur. Mevcut rapor ise aynı çalışmanın ikinci ayağını oluşturmaktadır. İnternet ağlarını kullanan akıllı mobil cihazların ve internet tabanlı sosyal medya araçlarının kullanımının yaygınlaşması Sosyal Bilimler alanında yeni araştırma yöntemlerinin önünü açmıştır. Hattı zatında çatışma alanına erişimin mümkün olmaması ve hatta DAEŞ mensuplarıyla görüşmenin gerçekleştirilememesi, sosyal bilimcileri, bilgisayar bilimleri üzerine çalışan akademisyenlerle ortak çalışmalara yönlendirmiştir. Teknolojinin günlük hayatın her alanına girmesi sosyal olayların sayısal izlerinin oluşmasına ve dolayısıyla da sosyal vakaların ölçülebilir hale gelmesine neden olmuştur. Bu kapsamda elinizdeki çalışma bir önceki çalışmanın devamı niteliğinde olup, tüm dünyada olduğu gibi bu yönteme dair mevcut araştırma ekibince bir kapasite inşasına da katkıda bulunmaktadır. DAEŞ e ve DAEŞ le bir diyalektik içerisinde gelişen PKK terör örgütüne yönelik, Sosyal Medya Analizi yöntemlerini kullanan çalışmalar, bu araştırma ekibi tarafından yürütülmeye devam edilecektir. Bu noktada vurgulamak gerekir ki Sosyal Medya Analizi yöntemi hali hazırda gelişmekte olan bir yöntem olup, henüz emekleme çağındadır. İleride kabul edilebilirliği ve güvenilirliği daha yüksek bulgulara ulaşma kapasitesine sahiptir. Ancak mevcut durumda gerek sosyal medyanın toplumu temsil etme kapasitesinin sınırlılığı ve gerekse sosyal medya kullanım alışkanlıklarının yaş gruplarına göre farklılıklar göstermesi gibi nedenlerle Sosyal Medya Analizinin açıklayıcı olma kapasitesi sınırlıdır. Bu rapor için proje grubu araştırmalarına 2016 yılı bahar aylarında başlamış ve bir yıl 7

8 ORTADOĞU STRATEJİK ARAŞTIRMALAR MERKEZİ sonunda araştırmaları neticelendirmiştir. Bu noktada şunu belirtmekte fayda vardır: mevcut raporda 2016 yılında yayımlanan rapordan daha kapsamlı sonuçlara ulaşılmıştır. Şöyle ki, ilk raporda DAEŞ destekçilerinin gündeminde dünyevi konuların önemli bir yer tuttuğu tespit edilmiş ve özellikle örgütün PKK terör örgütü ile girdiği mücadelenin onu eylemde olduğu kadar söylemde de beslediği ortaya konmuştur. Mevcut çalışmada örgütün destekçilerinin gündeminde konjonktürel konular yanı sıra, DAEŞ in ideolojisinin kaynağını oluşturan dini konuların da ağırlıklı yer tuttuğu görülmüştür. Bu değişkenlik ve kaymalar önemlidir, çünkü DAEŞ destekçilerinin katı bir dogmatik perspektiften hareket etmediklerini ve gündemlerinin dinamik olduğunu göstermektedir. DAEŞ terör örgütünün diğer gruplarla sahada girdikleri etkileşime bağlı olarak destekçilerinin gündemi de seküler veya dini konular arasında geçişkenlik gösterebilecektir. Mevcut araştırmada aynı zamanda, Türkçe konuşan potansiyel DAEŞ destekçilerinin gündemleri ve kullandıkları söylemler üzerine yoğunlaşarak karşı söylem geliştirmede faydalı olabilecek bulgular elde etmek hedeflenmiştir. Ancak araştırma gerçekleştirilirken DAEŞ destekçilerinin şiddet içermeyen ılımlı Selefi mesajlara ilgi duyduğu görülmüştür. Bu önemli bir tespittir; çünkü militan Selefist olarak adlandırılan DAEŞ destekçilerinin şiddete bulaşmamış ılımlı Selefistlere kulak vermesi; 1 onların mesajlarının kendi arasında popülerleşmesi, araştırma grubuna bir sonraki çalışmada test edilebilecek bir hipotez sunmaktadır: DAEŞ destekçilerine sunulacak karşı söylemler, ideolojik olarak kendilerine en yakın olan ve şiddete bulaşma ihtimali olmayan gruptan (ılımlı Selefist) gelmelidir. Doğal olarak araştırmamızın bulgularının ortaya çıktığı nihai aşamalarında bu hipotez geliştirilebildiği için, bu hipotezin testine dönük sosyal network analizi uygulamaları gerçekleştirilememiştir. Öte yandan, Twitter ın etkin mücadelesinin de bir sonucu olarak bu sosyal medya platformunda DAEŞ destekçilerinin etkinliğinin azalmaya başladığı ve DAEŞ destekçilerinin gündeminin dünyevi konular ve ruhani konular arasında geçişkenlik gösterdiği diğer önemli tespitlerdir. Araştırmanın sorunsalı Türkçe konuşan muhtemel DAEŞ destekçilerinin Twitter üzerinden gündemlerini; gündemlerindeki değişim varsa bunları ve kendi aralarındaki iletişimde popüler olan söylemleri #Hashtag ler, ifadeler, resimler ve videolar gibi içerikleri kullanarak tespit etmektir. Araştırmanın Türkçe konuşanlarla sınırlandırılmasının iki nedeni vardır. Birincisi, dünyada Arapça ve İngilizce başta olmak üzere diğer dillerde yapılan başka araştırmalar bu alanda belli bir birikim oluşmasına katkıda bulunmuştur fakat bu çalışmaların yeni vakaları da içerecek şekilde genişletilmesi bilimsel açıdan faydalı olacaktır. İkincisi, dil temelli erişimi ve ağı esas alan bir iletişim aracı kullanıldığından, dil bir sınırlama ölçütü olarak kabul edilmiştir. Elbette ki twitter üzerinden Türkçe paylaşımlarda bulunan ve bu çalışmanın kapsamına giren herkesin Türkiye de olduğu ya da Türkiye Cumhuriyeti vatandaşı olduğu gibi bir varsayım yapılmamaktadır. Bu kısıtlamalarla yürütülen çalışmada elde edilen bulgular üzerindeki analizden hareketle, DAEŞ in sosyal medyadaki potansiyel destekçileriyle mücadele amacıyla geliştirilecek karşı söylem stratejisinin nasıl olabileceğine dair bazı öneriler raporda sunulmaktadır. Bu çerçevede raporda öncelikle metodoloji açıklanmıştır. Sonrasında araştırmanın bulguları sunulmakta ve akabinde bulgulara dair analizlere yer verilmektedir. Analiz bölümünde karşı söyleme dair üzerinde durulması gereken hususlara yer verilmiştir. 8

9 TWITTER DA TÜRKÇE KONUŞAN DAEŞ DESTEKÇİLERİ 2. METODOLOJİ Bu çalışma, temel olarak bir yıl önce OR- SAM tarafından yürütülen 2 araştırmada kullanılan yöntem ile J.M.Berger ve diğerlerinin, Twitter platformunda Beyaz Üstünlükçüler ve DAEŞ i araştırdığı Mart ve Mart tarihlerinde yayımlanmış raporlarında yer alan metodoloji takip edilerek gerçekleştirilmiştir. Söz konusu raporlar karşılaştırmalı çalışmaları yapabilme imkânı verecek şekilde açık ve uygulanabilir yöntemler ortaya koymuşlar ve bu bağlamda literatüre önemli bir katkı sağlamışlardır. Bu çalışmada gerçekleştirilen Twitter ölçümleri sonucunda elde edilen bulgular da söz konusu raporlardan elde edilen sonuçlar ile karşılaştırmalı olarak sunulmuşlardır. Metodolojinin detaylarına geçmeden önce bir uyarı yapmakta fayda olduğu düşünülmektedir. Burada kullanılan yöntem geleneksel istatistiki analizlerde kullanılan yöntemlerden birisi değildir. Özellikle gerek araştırma konusu olan kitleye ulaşma ve örneklem kitlesinin temsil gücü, gerekse örneklem kitlesinin seçilme şekli açısından genellemeler yaparken dikkatli olunmalı ve bu durum bulgular değerlendirilirken göz önünde bulundurulmalıdır. Ancak, geleneksel araştırma yöntemlerinin (anket uygulamaları, mülakat teknikleri vs.) kullanılamadığı ve veriye erişimin mümkün olmadığı durumlarda burada kullanılan yöntemin tamamlayıcı araştırma yöntemi olarak kullanılabileceği McGrath ve Buntain tarafından da belirtilmiştir. 5 Çalışma, aşağıdaki verilen 4 aşama takip edilerek yürütülmüştür. Söz konusu aşamalara ait elde edilen bulgular ile her aşamada yapılan çalışmalar izleyen paragraflarda açıklanmıştır. 1. Aşama: Türkçe konuşan DAEŞ destekçi kitlesine ulaşmamızı sağlayacak çekirdek Twitter hesapların tespit edilmesi. Tespit edilen çekirdek hesapların takip ettiği hesap (arkadaş) ağına ait hesapların toplanması. 2. Aşama: Birinci aşamada elde edilen hesap setinin Twitter dan bilgilerinin indirilmesi (çekirdek hesaplar ve arkadaş ağı hesaplarının profil bilgileri ve en son attıkları 200 tweet) (Profil bilgileri: UserID, User- Name, UserScreenName, UserLocation, AccountCreatedAt, TweetCount, RTcount) (Tweets: Tweet, TweetCreatedAt, TweetLocation Latitude, TweetLocation Longtitude, TweetSource). 3. Aşama: Hesap setinin ayıklanması ve tasnif edilmesi (hesapların temizlenmesi: ilgisiz hesapların tespit edilip veri setinden çıkarılması; hesapların tasnifi: hesap setinin destekçi-destekçi değil ayrımına tabi tutulması). 4. Aşama: Temizlenmiş hesap setine yönelik elde edilen tüm bilgilerinin analiz edilmesi, istatistiksel görsellerinin hazırlanması, ilişki haritasının çıkarılması ve bulguların raporlanması. 1. AŞAMA: Çalışmanın en zaman alıcı ve zorlayıcı aşaması bu aşamadır. Bu aşamada karşılaşılan en büyük zorluk tespit edilen çekirdek hesapların Twitter tarafından askıya alınması ve hesapların kaybedilmesi olmuştur. Çekirdek ve arkadaş ağı hesapların tespit edilmesi ve bu hesaplara ait bilgilerin toplanması esnasında birçok defa Twitter ın hesapları askıya alma kampanyalarıyla karşılaşılmıştır. Ancak bu kampanyalar arasında en büyüğü 18 Temmuz 2016 tarihinde gerçekleştiril- 9

10 ORTADOĞU STRATEJİK ARAŞTIRMALAR MERKEZİ miştir. Twitter, yayınladığı resmi açıklamada, ortasından Şubat 2016 ya kadar hesabın askıya alındığını, bu tarihten beri de hesap daha askıya alınarak, bir yılı aşkın bir sürede toplam hesabın askıya alındığını bildirmiştir. Açıklanan bu son büyük askıya alma kampanyası çalışmamızı büyük ölçüde etkilemiş ve tespit edilen hesapların %58,24 ü askıya alınmıştır. Tablo-1 de çalışmanın başından itibaren karşılaşılan askıya alınma istatistikleri görülmektedir. Dolayısıyla araştırma, Twitter ın askıya alma kampanyalarının gölgesi altında yürütülmüştür. Ayrıca, bir hesabın çekirdek hesap veya DAEŞ destekçi hesap olup olmadığına karar verilirken kullanılan kriterler üçüncü aşamada verilmiştir. Araştırma, bir yıl önce tarafından yürütülen çalışmada tespit edilen toplam 123 hesapla başlamış, ancak, Twitter ın askıya almaları sonrası çekirdek hesaplar önce 22, daha sonra 15 hesaba düşmüştür. Bu noktadan itibaren, çekirdek hesap veri setini büyütmek için, çalışma elde kalan 15 hesabın arkadaş ağını inceleyerek derinleştirilmiştir. Tüm bu 15 hesabın tweetleri, manuel olarak en az 200 tweet derinliğine veya bir yıl geriye doğru incelenmiş ve 15 hesabın arkadaşının bulunduğu tespit edilmiştir hesabın manuel incelenmesi sonunda ve tekrar eden hesapların ayıklanmasından sonra 377 DAEŞ destekçisi hesap tespit edilmiştir. Bu inceleme esnasında bulunan 377 hesaptan 120 sinin birden fazla çekirdek hesap tarafından takip edildiği, diğer bir deyişle ortak arkadaşları olduğu görülmüştür. Ancak, bu görev tamamlandığında, Twitter 377 hesaptan 107 hesabı daha askıya almış ve geriye 285 ( çekirdek hesap) hesap kalmıştır. Bu noktadan ilk aşamanın sonuna kadar, çekirdek hesap setini daha da genişletmek için 120 ortak arkadaş hesabın arkadaş ağının incelenmesine karar verilmiştir. Bunu yapmak için, 120 hesaptan askıya alınmalar sonrası kalan 68 hesabın arkadaş ağı tek tek manuel olarak incelenmiştir. 68 hesaptan ulaşılan toplam arkadaş hesabı tweetleri okunmak suretiyle manuel olarak incelenmiş ve hesabın kuvvetle muhtemel DAEŞ destekçisi olabileceği tespit edilmiştir. Tespit edilen hesaptaki tekrar eden hesapları ayıklamak maksadıyla (çift sayım olmaması için) söz konusu hesaplar sıralanmış ve tekrar eden hesaplar dışarıda bırakılmıştır. Bu işlem sonucunda hesap elde edilmiştir. İlk aşamanın sonunda, çekirdek hesaplar da dâhil olmak üzere toplam ( tekrar eden hesaplar) çekirdek hesap bulunmuştur. Ancak, Twitter ın 18 Temmuz 2016 daki son büyük askıya alma kampanyasından sonra, ikinci aşamanın (veri toplama aşaması) başında, 1,207 çekirdek hesaptan 703 hesap birden askıya alınmış ve kalan 378 çekirdek hesap ile ikinci aşama çalışmalara geçilmiştir. Tablo-1 de, çekirdek hesaplar, askıya almalar ve karşılaştırma oranları gösterilmektedir. Sonuç olarak, tespit edilen 378 hesaptan, hesaplık arkadaş ağına ulaşılmış ve ikinci aşama çalışmalara toplam hesap ( ) ile başlanmıştır. 2. AŞAMA: Bu aşamada, birinci aşama sonunda tespit edilen hesaba ait veriler toplanmıştır. Bu veriler şunlardır: (i) Profil Bilgileri: UserID, UserName, UserScreen- Name, UserLocation, AccountCreatedAt, TweetCount, RTcount ve (ii) en son 200 tweetin: Tweet içerikleri, TweetCreatedAt, TweetLocation Latitude, TweetLocation Longtitude, TweetSource. Bu aşama devam ederken, indirilen tweetlerin içeriğini analiz edecek program kodu yazılmıştır. Bu kod sayesinde toplanan tweetlerin içeriğinin ayrıştırmaya tabi tutularak detaylı analizler yapılabilmesi mümkün olmuştur. Analiz esnasında ortaya çıkan ihtiyaçlara göre kod üzerinde iyileştirmeler yapılmış, tweet içeriğindeki #Hashtag, bağlantı, url, resim ve videoların tespit edilmesi sağlanmıştır. Yazılan kod, tweet içeriğindeki re-tweet, cevap türleri gibi özel durumları tespit edebilmekte, içerikte bulunan DM (Direct Message) gibi metinleri yakalayabilmektedir. 10

11 TWITTER DA TÜRKÇE KONUŞAN DAEŞ DESTEKÇİLERİ Tablo-1: Çekirdek Hesap Tespit İstatistikleri. Çekirdek Hesaplar TOPLAM Çekirdek Hesapların Arkadaş Ağı Muhtemel Destekçi Hesap Sayısı Destekçi Oranı %15,74 %26,48 %24,21 Tekrar Hesaplardan Arındırılmış Hesap Sayısı Tekrar Hesaplardan Arındırılmış Hesap Oranı Askı Sonrası Çekirdek Hesap Sayısı %10,12 %7,77 %6, Hayatta Kalma Oranı %71,62 - %31,32 Askıya Alınan Hesap Sayısı Askıya Alınma Oranı %28,38 - %58,24 3. AŞAMA: Bu aşamada, toplanan hesapların ilk gürültü azaltma ve temizlik işlemi gerçekleştirilmiştir. İlk ayıklama işleminde dikkate alınan kriterler yöntem olarak takip edilen çalışmalarda kullanılan kriterlerin aynısıdır. Dolayısıyla, ilk ayıklamada, önce den fazla takipçiye sahip olan hesap tespit edilmiş ve veri setinden çıkartılmıştır. Ardından, 500 den fazla arkadaşı bulunan hesap tespit edilmiş ve veri setinden çıkartılmıştır. Sonuç olarak, toplam hesap veri setinden çıkartılmış ve geriye veri setinde toplam hesap kalmıştır. Bu işlemlerden sonra, hesap için toplanan tüm profil bilgileri ve en son 200 tweete ait toplam tweet ile ikinci temizlik işlemine geçilmiştir. Bu safhaya geçmeden önce bir noktanın daha burada aydınlatılması faydalı olacaktır. Çalışmada kullanılan veri seti, çekirdek hesaplar ve bu hesapların takip ettiği hesaplardan (çekirdek hesapların arkadaş ağı) oluşturulmuştur. Zira çekirdek hesapların takipçilerinin değil de çekirdek hesapların takip ettiği hesapların veri setine alınmasının sebebi, bunun çalışmanın en temel varsayımlarından birisi olmasıdır. Bu temel varsayım, sosyal ağ analizi alanında yaygın olarak kullanılan dostumun dostu dostumdur kabulüne dayanmaktadır. Diğer bir ifade ile bir DAEŞ destekçisinin takip ettiği bir hesabın DAEŞ destekçisi olma olasılığının, söz konusu hesabın takipçisinin DAEŞ destekçisi olma olasılığından daha fazla olduğu varsayılmaktadır. Başka bir deyişle, bir DAEŞ destekçisini, istihbarat örgütleri, araştırmacılar gibi birçok kişinin de farklı nedenlerden dolayı takip edilebileceği açıktır. Ancak bir DAEŞ destekçisinin büyük bir olasılıkla kendine yakın görüşü benimseyen bir kişiyi takip edeceği kabul edilmektedir. Bu nedenle çekirdek hesapların takipçileri yerine arkadaş ağı üzerinden çalışmayı yapmanın veri setinde oluşabilecek gürültüyü, dolayısıyla çalışmadaki hatayı, azaltacağı varsayılmıştır. 11

12 ORTADOĞU STRATEJİK ARAŞTIRMALAR MERKEZİ Açıklanmasında fayda olan diğer bir nokta ise neden en son atılan 200 tweetin incelemeye tabi tutulduğudur. Buradaki temel varsayım ise en güncel duruma yönelik analiz yapılmak istenmesi ve bunun için de en son 200 tweeti incelemenin yeterli olacağıdır. Bu ilk elemeden sonra kalan hesaplar ( hesap) aşağıda sıralanan kriterlere (Berger ve Morgan tarafından kullanılan kriterlerin aynısıdır) göre ayıklanmaya tabi tutularak, bir hesabın destekçi hesap olup olmadığına karar verilmiştir. (1) İçerik incelemesi: Her hesabın tweetlerine (en son atılan 200 tweetin içeriklerine) bakılmış ve açıkça DAEŞ i destekleyen mesaj, video, resim veya görsel ihtiva edip etmediği incelenmiştir. (2) Profil bilgileri ile profil resminin incelenmesi: Eğer bir hesap birinci kritere uygun değilse ardından profil bilgilerinde kendini açıkça DAEŞ taraftarı olarak gösterip göstermediği veya profil resminde açıkça DAEŞ i destekler nitelikli resimlerin olup olmadığına (DAEŞ bayrağı gibi) bakılmıştır. (3) Takipçi listesi: Eğer bir hesap, ilk iki kritere uygun değilse takipçi listesi incelenmiştir. Takipçi listesinde DAEŞ destekçisi olduğu tespit edilen hesaplar çoğunluktaysa bu hesap destekçi olarak değerlendirilmiştir. (4) Takip edilen hesap listesi: Eğer bir hesap yukarıdaki tüm kriterlere uygun değilse, bu durumda bu hesabın takip ettiği hesaplar incelenmiş ve bu hesaplardan DAEŞ destekçisi olduğu tespit edilen hesaplar çoğunluktaysa bu hesap destekçi olarak değerlendirilmiştir. Verilen bu kriterlere göre yapılan manuel inceleme sonucunda hesabın (%14,3) DAEŞ destekçisi olduğu tespit edilmiştir. Bu çalışma esnasında incelenen tweet ve profillerden Tablo-2 ve 3 de sunulan bilgiler derlenmiştir. Burada dikkat çeken en önemli bilgi, veri setindeki hesapların tweetlerinde %76,5 inin selefi söylemleri, %57 sinin sure ve hadisleri, %50 sinin de resim ve video paylaştıkları, profil resmi olarak da %21 inin DAEŞ bayrağı ve haritasını kullanmalarıdır. Son aşama olan 4 üncü aşamada DAEŞ destekçisi olduğu yukarıda sıralanan kriterlere göre belirlenen hesabın Twitter ölçümleri yapılmış, bu hesaplar tarafından atılan toplam tweet içeriğinin kelime bulutları çıkarılmış, bu tweetlerde kullanılan kelimelerin frekansları bulunmuş ve bu bilgilerin içerik analizine yönelik değerlendirmesini yapabilmek maksadıyla ilahiyatçı bilim adamlarının da katıldığı bir değerlendirme çalıştayı düzenlenmiştir. Yapılan bu analizler sonucunda elde edilen bulgular bir sonraki bölümde sunulmuştur. Tablo-2: Hesabın Profil Resim Analizi. Profil Resmi Hesap Sayısı % Harita-Bayrak 330 %21 Silah 262 %17 Selefi Söylem 161 %10 Arapça Metin ve Sure 145 %9 Örtü ve Sakal 83 %5 Lider 30 %2 Diğer 564 %36 12

13 TWITTER DA TÜRKÇE KONUŞAN DAEŞ DESTEKÇİLERİ Tablo-3: Hesaba Ait Tweet İçerikleri Analizi. Tweet İçerikleri Hesap Sayısı % Selefi Söylem (Küfür, Şirk, Tağut, Halife gibi kelimeler kullanan hesaplar) Genel Yorumlar (Haber, resim, alıntı gibi konularda etkileşim, tartışma, cevap verme gibi aktivitelerde bulunan hesaplar) Resim ve Video (Savaş alanı, DAEŞ in günlük yaşamı, ölü insan gibi propaganda resimleri veya videoları paylaşan hesaplar) Alıntı (Hadis, Ayet veya çok bilinen selefi söylemleri paylaşan hesaplar) Haberler (Günlük olaylara dair haberler, DAEŞ eylemleri veya savaş alanından haberleri paylaşan hesaplar) 952 %76,5 790 %63,5 706 % % %36 PKK Karşıtı Yorumlar 358 %29 Şii Karşıtı Yorumlar 187 %15 Müzik (Neşitler) 106 %9 Bölgesel Olaylara İlişkin Analizler 61 %5 13

14 ORTADOĞU STRATEJİK ARAŞTIRMALAR MERKEZİ 3. BULGULAR (1.575 HESAPLIK VERİ SETİNİN TWITTER ÖLÇÜMLERİ) Bu çalışmayla birlikte Twitter platformunu kullanan DAEŞ destekçilerinin faaliyetlerini birbirileriyle kıyaslayarak değerlendirebileceğimiz üç araştırma olmuştur. Bunlardan ilki Berger ve Morgan ın İngilizce konuşan DAEŞ destekçilerini incelediği çalışma, diğeri tarafından bir sene önce yürütülen ve mevcut çalışmanın öncülü olan araştırma (2.567 hesaplık veri seti üzerinde çalışılmıştır) ve son olarak da bu mevcut çalışmadır. Bu araştırmalar sayesinde DAEŞ destekçilerinin etkinliklerini sağlıklı bir şekilde kıyaslamak ve değerlendirmek mümkün olmuştur. İzleyen başlıklarda bu üç çalışmanın sonuçları kıyaslanacak ve elde edilen diğer bulgular sunulacaktır Arkadaş-Takipçi İstatistikleri Ortalama arkadaş ve takipçi sayıları incelendiğinde sırasıyla bu değerlerin 76 ve 249 (Grafik-1) olduğu görülmektedir. Takipçi/arkadaş oranı ise 3,3 (Grafik-2) olarak bulunmuştur. Bu değerleri diğer iki çalışmayla (Berger ve hesaplık veri seti Grafik-1) kıyasladığımızda her ne kadar takipçi/arkadaş oranı değişmemiş gibi görünse de ortalama sayılarda ciddi bir azalma olduğu net bir şekilde görülmektedir. Özellikle ortalama arkadaş sayısı ortalama bir Twitter kullanıcısının bile altında kalmıştır. Ölçülen değerler analiz edildiğinde, bir DAEŞ destekçi hesabın ortalama arkadaş sayısında ın bir önceki çalışmasına göre 4 kat, Berger ve Morgan ın çalışmasına göre 5,5 kat düşüş, ortalama takipçi sayısında ise ın bir önceki çalışmasına göre 7 kat, Berger ve Morgan ın çalışmasına göre 4 kat düşüş olduğu tespit edilmiştir. Arkadaş sayısındaki bu azalma ortalama takipçi sayısı ile birlikte değerlendirildiğinde, bu düşüşün tesadüfi olmadığı, diğer ortalama değerlerin de bu eğilimi takip ettiği, dolasıyla bu değerlere bakıldığında bu kitlenin Twitter platformunda etkinliğinin ve mesaj dağıtım gücünün azaldığını söylemek yanlış olmayacaktır. Grafik-1: Arkadaş-Takipçi İstatistikleri. 14

15 TWITTER DA TÜRKÇE KONUŞAN DAEŞ DESTEKÇİLERİ Grafik-2: Takipçi/Arkadaş Oranı Arkadaş-Takipçi Dağılımı Arkadaş sayısı büyükten küçüğe sıralandığında ortaya çıkan grafik arkadaş dağılımı (Grafik-3) olarak adlandırılmaktadır. Diğer bir ifade ile en çok arkadaşı bulunan hesap 496 arkadaş sayısı ile ilk sırada, en az arkadaşı bulunan hesap ise 0 arkadaş sayısı ile en son sırada yer almıştır. Takipçi dağılımı da benzer şekilde oluşturulmuştur. Takipçi dağılımında (Grafik-4) ilk sıradaki hesabın , son sıradaki hesabın ise 0 takipçisi bulunmaktadır hesaplık veri setinin toplam arkadaş ve takipçisi bulunmaktadır. Arkadaş dağılımından elde edilen bilgilere bakıldığında, 19 hesabın 0 yani hiç arkadaşının olmadığı, medyan (788 inci sıradaki hesap) hesabın 40 arkadaşı olduğu, ortalama arkadaş sayısına (76 arkadaş) sahip hesabın 506 ncı sırada bulunduğu tespit edilmiştir. Medyan ve ortalama sayılarının birbirine yakınlığı hemen hemen düzgün dağılan bir grafik ortaya çıkarmıştır. Arkadaş dağılımından çıkarabileceğimiz diğer bir bilgi de 506 ncı sıradaki ortalama arkadaş sayısına (76 arkadaş) sahip olan hesabın %32 lik dilimi kestiğidir. Söz konusu bu %32 lik dilimin (toplam 506 hesap) arkadaş sayısı ise hesaplık ana kitlenin arkadaş sayısının %77 sine (91.456/ ) sahiptir (Grafik-3). Takipçi dağılımında (Grafik-4) ise resim biraz daha farklı görünmektedir. 135 hesabın 0 yani hiç takipçisi olmadığı, medyan (788 inci sıradaki hesap) hesabın 34 takipçisi olduğu, ortalama takipçi sayısına (249 takipçi) sahip hesabın 233 üncü sırada bulunduğu tespit edilmiştir. Medyan ve ortalama sayılarının birbirine uzak olması grafikten de görüleceği gibi dağılımın sola çarpık olmasına neden olmuştur (Grafik-4). Takipçi dağılımını incelediğimizde 233 üncü sıradaki ortalama takipçi sayısına (249 takipçi) sahip olan hesabın %15 lik dilimi kestiği ve bu toplam 233 hesabın (%15 lik dilimin) takipçi sayısının hesaplık ana kitlenin takipçi sayısının %85 ine ( / ) sahip olduğu görülmektedir. 15

16 ORTADOĞU STRATEJİK ARAŞTIRMALAR MERKEZİ Yukarıda verilen istatistiklerin tarafından yapılan bir önceki çalışma (2.567 hesaplık veri seti) ile mukayeseli olarak değerlendirilebilmesi açısından değerler toplu olarak Tablo-4 de gösterilmiştir. Takipçi dağılımına ilişkin verilen bilgi, sanal dünyada terör örgütleri ile mücadele ederken operasyonel anlamda kullanılabilecek bir istatistiktir. Zira sadece %15 lik bir kitle %85 lik büyük bir kitle tarafından takip edilmekte ve söz konusu %15 lik kitlenin gönderdiği bir mesaj büyük bir kitleye yayılmaktadır. Diğer bir deyişle bu %15 lik kitlenin engellenmesi durumunda mesaj trafiğinde ciddi bir azalma elde edilecektir. Tablo-4: Karşılaştırmalı Arkadaş-Takipçi İstatistikleri. Arkadaş Takipçi Medyan Ortalama Sırası Dilimi %50 %50 %33 %32 Arkadaş Sayısı Kavradığı Alan %88 %89 %75 %77 Sırası Dilimi %50 %50 %13 %15 Takipçi Sayısı Kavradığı Alan %98 %98 %86 %85 Grafik-3: Arkadaş Dağılımı (x: hesap sayısı, y: arkadaş sayısı). 16

17 TWITTER DA TÜRKÇE KONUŞAN DAEŞ DESTEKÇİLERİ Grafik-4: Takipçi Dağılımı (x: hesap sayısı, y: takipçi sayısı) Tweet İstatistikleri Tweet istatistikleri DAEŞ destekçilerinin Twitter aktiviteleri hakkında daha anlamlı bilgi vermektedir. Analiz sonucu ortaya çıkan değerlere bakıldığında, bir kullanıcının hesap hayatı boyunca toplamda ortalama 332 (Grafik-5), günlük ortalama 5 (Grafik-6) ve en son 200 tweetine göre ise günlük ortalama 9,1 (Grafik-7) tweet attığı görülmektedir. Ayrıca, hesap seti içinde toplam 232 hesap (%14,7) hiç tweet atmamış, 572 hesap (%36,3) 10 veya daha az tweet atmıştır hesaplık veri setinin tamamı ise toplamda tweet atmıştır. Hesap veri seti içindeki bir hesabın, verilerin indirildiği tarih itibariyle ortalama hesap hayatı 233 gün olarak hesaplanmıştır. Sadece 2016 yılında tweet atan hesap sayısı 619 (%47,7) olarak bulunmuştur. Ortalama hesap hayatı, son 200 tweete göre günlük ortalama tweet sayısı, hesap yaratım tarihleri dağılımı (Grafik-9) ve 2016 yılında tweet atan hesap sayıları birlikte değerlendirildiğinde veri seti içindeki hesapların sadece yarısı son bir yıl içinde Twitter platformunu aktif kullanmışlardır. Her ne kadar günlük ortalama tweet sayısı bir önceki çalışma ile çok yakın bir değere sahip olsa da (5,3 ve 5), gerek toplam ortalama tweet sayısı gerekse de son 200 tweete göre günlük ortalama tweet sayıları diğer çalışmalar ile birlikte değerlendirildiğinde açıkça anlaşılmaktadır ki Türkçe konuşan DAEŞ destekçilerinin Twitter platformundaki aktivitelerinde dramatik bir şekilde düşüş görülmektedir. Toplam ortalama tweet sayılarında, Berger ve Morgan ın sonuçlarına göre 6.5 kat, ın bir önceki çalışmasına göre ise 9 kat düşüş tespit edilmiştir. Benzer şekilde son 200 tweet sayısına göre de Berger ve Morgan ın çalışmasına nazaran günlük ortalama tweet sayısında neredeyse yarı yarıya azalma gözlemlenmektedir. Tweet istatistiklerinden yapılan bu çıkarımlar metodoloji kısmında da vurguladığımız Twitter ın askıya alma kampanyalarının ne kadar etkili olduğunu rakamlarla da teyit etmektedir. Tabi burada gözden kaçırılmaması gereken husus şudur: söz konusu destekçi kitlenin Twitter dünyasında azalması, bu kitlenin buharlaşıp yok olduğu anlamına gelmemektedir. Aksine söz konusu kitle faaliyetlerini yer altına (Dark Web) indirmiş ve gizli olarak yürütmeye başlamış, veya anlık mesajlaşma platformları (Telegram) gibi diğer platformlara taşınmıştır. 17

18 ORTADOĞU STRATEJİK ARAŞTIRMALAR MERKEZİ Grafik-5: Bir Kullanıcının Hesap Hayatı Boyunca Attığı Toplam Ortalama Tweet Sayısı. Grafik-6: Bir Kullanıcının Günlük Ortalama Tweet Sayısı. Grafik-7: Bir Kullanıcının En Son Attığı 200 Tweete Göre Günlük Ortalama Tweet Sayısı. 18

19 TWITTER DA TÜRKÇE KONUŞAN DAEŞ DESTEKÇİLERİ 3.4. Tweet Dağılımı Tweet dağılımı grafiği de (Grafik-8) diğer dağılım grafikleri gibi en çok tweet atan hesap birinci sırada olmak üzere büyükten küçüğe doğru sıralama yapılmak suretiyle oluşturulmuştur. Dağılımda tweet atan hesap birinci sırada, 0 tweet atan hesap ise sonuncu sıradadır. Tweet dağılımına bakıldığında, medyan (788 inci sıradaki hesap) hesabın 26 tweet attığı, hesap hayatı boyunca ortalama sayıda tweet (332 tweet) atan bir hesabın 246 ncı sırada bulunduğu tespit edilmiştir. Medyan ve ortalama sayılarının birbirine uzak olması grafikten de görüleceği gibi dağılımın sola çarpık olmasına neden olmuştur (Grafik-8). Tweet dağılımına göre, 246 ncı sıradaki ortalama tweet (332 tweet) atan bir hesabın %16 lık dilimi kestiği ve bu toplam 246 hesabın (%16 lık dilimin) toplam tweet sayısının hesaplık ana kitlenin toplam tweet sayısının %87 sini ( / ) oluşturduğu tespit edilmiştir (Grafik-8). En çok tweet atan ilk beş hesap incelendiğinde; i. Birinci sıradaki hesabın, tweeti 422 günde ve günde ortalama 72 tweet attığı, ii. İkinci sıradaki hesabın, tweeti 985 günde ve günde ortalama 22 tweet attığı, iii.üçüncü sıradaki hesabın, tweeti 471 günde ve günde ortalama 45 tweet attığı, iv. Dördüncü sıradaki hesabın, tweeti 60 günde ve günde ortalama 285 tweet attığı, v. Beşinci sıradaki hesabın, tweeti günde ve günde ortalama 8 tweet attığı tespit edilmiştir. Başka bir ifadeyle, dağılımdaki ilk beş hesap toplam tweet ile toplam ana kitlenin attığı tweetlerin %20 sini atmıştır. Bu açıdan düşünüldüğünde, sadece tweet aktivitelerine bakarak bile hesaplara yönelik mücadele stratejilerinin geliştirilebileceği mümkün görünmektedir. Takipçi dağılımında olduğu gibi burada da azınlık bir grubun (%16 lık dilimin) mesaj veya bilgi dağıtımında önemli bir görev üstlendiğini söylemek mümkündür. Başka bir ifade ile ilk 246 hesap toplam tweet sayısının %87 sini atmıştır. Takipçi dağılımında yaptığımıza benzer tespit burada da geçerli olacaktır. Yani, bu istatistikten hareketle ilk 246 hesap hedef alınıp tedbir alınabilirse mesaj trafiğinin %87 sinin engellenme imkânı vardır (Grafik-8). Grafik-8: Tweet Dağılımı (x: hesap sayısı, y: tweet sayısı). 19

20 ORTADOĞU STRATEJİK ARAŞTIRMALAR MERKEZİ 3.5. Hesap Yaratım Tarih Dağılımı Veri seti içindeki hesapların yaratılma tarihi dağılımına bakıldığında, 2014, 2015 ve 2016 yıllarında yoğunlaşmanın olduğu görülebilmektedir. Diğer bir ifadeyle, hesapların çoğu son üç yıl içerisinde yaratılmıştır. Buradan iki önemli sonuç çıkarmak pek de yanlış olmayacaktır: Birinci olarak, DAEŞ in sözde İslam Devleti ve Halifeliği Haziran-Temmuz 2014 döneminde ilan etmesinin doğal sonucu olarak bazı hesapların bu tarihleri izleyen dönemde açılmış olabileceği, ikinci olarak ise, Twitter ın yürütmüş olduğu askıya alma kampanyaları nedeniyle bazı hesapların kapandıktan sonra yeniden açılmış olabileceğidir (Grafik-9). Hesap yaratım tarih dağılımı (Grafik-9) incelendiğinde, 583 hesap (%37) ile en çok hesabın 2015 yılında, ikinci olarak 417 hesap (%26,5) ile 2016 ve üçüncü olarak 394 hesap (%25) ile 2014 yılında yaratıldığı görülmektedir. Toplamda hesapların %88,5 i son üç yılda açılmıştır. Grafik-9: Hesap Yaratım Tarih Dağılımı Tweet Atma Platformları Tweet atma platformları incelendiğinde Android tabanlı mobil cihazlar (%42,7), IOS tabanlı mobil cihazlar (%6,6) ve mobil web uygulamalarının (%1.21) çoğunlukla kullanıldığı görülmektedir. Diğer bir ifade ile tweetlerin yarısı (%50,6) mobil cihazlar kullanılarak atılmıştır (Grafik-10). 20

21 TWITTER DA TÜRKÇE KONUŞAN DAEŞ DESTEKÇİLERİ Grafik-10: Tweet Atma Platformları Coğrafi Konum Dağılımları Twitter dan yer bilgileri ile coğrafi konum bilgileri üç kaynaktan elde edilebilmektedir. Bu kaynaklardan ikisi, kullanıcılar tarafından Twitter a kayıt olunurken girilen yer ile zaman dilimi bilgisidir. Bu iki bilgi, kullanıcılar tarafından serbest olarak girildiği ve isteğe bağlı olduğu için yanlış bilgi girilmesi olasılığı yüksektir ve bu nedenle de güvenilir bulunmamaktadır. Üçüncü veri kaynağı ise, kullanıcının her attığı tweet ile birlikte oluşturulan meta data içerisinde bulunan ve GPS ten alınan enlem ve boylam bilgisidir. Bu bilgi ancak ve ancak kullanıcılar tarafından GPS açık konuma getirildiğinde gönderilmektedir. GPS açık değilse maalesef konum bilgisi oluşturulamamaktadır. Ancak bu bilgi kullanıcı bağımsız olduğu ve gerçek koordinatları bildirmesi nedeniyle kesin doğru ve güvenilirdir. Diğer taraftan, bu bilginin DAEŞ tarafından da bilinmesi nedeniyle DAEŞ in resmi yayınlarının hepsinde devamlı olarak mobil cihazlardaki GPS in kapalı konumda kullanılması fetvası verilmektedir. Bu uyarılara rağmen yine de çok az sayıda da olsa bazı tweetlerde GPS kaynaklı koordinat bilgisine rastlanmaktadır. Bu çalışma kapsamında güvenilir olmayışı nedeniyle kullanıcı girişli yer ve zaman dilimi bilgisi toplanmamış, sadece GPS bilgileri toplanmıştır. 21

22 ORTADOĞU STRATEJİK ARAŞTIRMALAR MERKEZİ Grafik-11: GPS Koordinatları Tespit Edilmiş Tweetlerin Ülkelere Göre Dağılımı. Yukarıda ifade edilen DAEŞ in kesin fetvaları ve insanların konunun hassasiyetine binaen takip edilmekten kaçınmak istemeleri nedeniyle kullanıcılar çoğunlukla GPS kapalı konumda tweetlerini göndermektedirler. Bu nedenle çok az sayıda GPS kaynaklı coğrafi koordinat bilgisi elde edilebilmiştir. Toplam hesaplık ilk hesap setine ait toplanan tweetten sadece 232 adet konum bilgisi tespit edilebilmiştir. Oransal olarak bakıldığında GPS kaynaklı konum bilgisini paylaşanların %0,023 gibi çok küçük bir değer, yani hemen hemen yok denilebilecek kadar az olduğu görülmektedir. Elde edilen 232 coğrafi koordinat bilgisinden 192 (%82,8) tanesi tweetlerin Türkiyeden atıldığını, geri kalan 40 (%17,2) tanesinin ise diğer ülkelerden atıldığını göstermektedir. En çok tweet atılan ülke olarak 11 tweet (%4,7) ile Amerika Birleşik Devletleri öne çıkmaktadır. Grafik-11 de Türkiye hariç diğer ülkelerden atılan tweetlerin ülke dağılımı görülmektedir. Yine Şekil-1 de bu tweetlerin atıldığı konumların dünya haritası üzerindeki yerleri gösterilmektedir. Türkiye kaynaklı tweetlerin tespit edilen konumlarına baktığımızda 60 (%31,3) tweet ile Malatya birinci sırada, 42 (%21,9) tweet ile İstanbul ikinci sırada, 16 şar (%8,3) tweet ile Ankara ve Konya üçüncü sırada yer almaktadırlar. Grafik-12: GPS Koordinatları Tespit Edilmiş Tweetlerin Türkiye deki Şehirlere Göre Dağılımı. 22

23 TWITTER DA TÜRKÇE KONUŞAN DAEŞ DESTEKÇİLERİ Şekil-1: GPS Koordinatları Tespit Edilmiş Tweetlerin Dünya Haritası Üzerindeki Konumları. Şekil-2: GPS Koordinatları Tespit Edilmiş Tweetlerin Türkiye Haritası Üzerindeki Konumları #Hashtag Analizi Çalışma kapsamında toplanan tweetler içerisinde bulunan #Hashtag ler ayrıştırılmış ve incelenmiştir. Bu kapsamda toplam ayrı #Hashtag tespit edilmiştir. Söz konusu #Hashtag in de defa kullanıldığı ölçülmüştür. Ortalama olarak bir #Hashtag 7,9 defa kullanılmıştır (başka kullanıcılar tarafından tweetlerinde kullanılmıştır). Diğer bir açıdan bakıldığında toplam atılan tweet sayısı ( ) ile toplam kullanılan #Hashtag miktarını ( ) birlikte değerlendirdiğimizde hemen hemen her iki tweette bir #Hashtag ( / =0,45) kullanılmıştır. 23

24 ORTADOĞU STRATEJİK ARAŞTIRMALAR MERKEZİ Grafik-13: #Hashtag Dağılımı. Toplam #Hashtag sayısının fazla olması ve #Hashtag in tamamını incelemenin çok fazla zaman alacak olması, ayrıca tüm #Hashtag leri analiz etmenin de çok fazla bilgi sağlamayacağı varsayımıyla 31 defa ve daha fazla kez kullanılmış olan toplam #Hashtag (%4,22) altı kelime temel alınarak incelenmiştir. Bu kelimeler Suriye, DAEŞ, PYD, Fırat Kalkanı, Rusya ve Irak kelimeleridir. Bu kelimeler ve bu kelimelerle yakın veya aynı anlama gelen kelimeleri içeren #Hashtag ler sayılarak Tablo-5 deki istatistikler elde edilmiştir. Örneğin bu sayımda DAEŞ, DEAŞ, İslam Devleti, IS, ISIL, ISIS, Devlet ül İslam gibi #Hashtag ler DAEŞ altında toplanarak sayılmıştır. Benzer şekilde diğer kelimeler için de aynı yöntem izlenmiştir. Bu altı kelime için #Hashtag içinde Suriye 53, DAEŞ 50, PYD 21, Fırat Kalkanı 14, Irak 8 ve Rusya 7 olmak üzere toplam 153 (%11,99) ayrı #Hashtag sayılmış, bu #Hashtag lerin de toplam (%29,2) kez kullanıldığı tespit edilmiştir. Bu kelimelerin dağılım Grafik-13 de gösterilmiştir. Her ne kadar oransal olarak az sayıda #Hashtag incelenmiş gibi görünse de tekrar kullanılma oranına bakınca aslında en önemli üst tabaka #Hashtag lerin incelendiğini söylemek yanlış olmayacaktır. Zira #Hashtag toplam kez kullanılmıştır ki bu da toplam tekrar kullanılma sayısı içerisinde %57,22 orana denk gelmektedir. Yani diğer bir ifadeyle, tekrar kullanılma oranı açısından bakıldığında tüm #Hashtag lerin içinde en çok kullanılan #Hashtag lerin yarısı incelenmiştir. 24

25 TWITTER DA TÜRKÇE KONUŞAN DAEŞ DESTEKÇİLERİ Tablo-5: #Hashtag İstatistikleri. #Hashtag Sayısı Kullanılma Sayısı Taranan #Hashtag İçindeki Oranı Kullanılma Sayısı İçindeki Oranı Suriye %4,15 %13,82 DAEŞ %3,92 %7,21 PYD %1,65 %3,35 Fırat Kalkanı %1,10 %2,83 Irak %0,63 %0,95 Rusya %0,55 %1,03 TOPLAM %11,99 %29,20 (153/1.276) (39.696/ ) İncelenen #Hashtag lerin %12 si veya tekrar kullanılma oranı olarak %29 unu oluşturan bu kelimeler aslında kitlemizin gündemi yakından takip ettiğini göstermektedir. Ayrıca, ortalama günlük tweet sayısı (5) ile en son 200 tweete göre ortalama günlük tweet sayıları (9,1) ile birlikte değerlendirildiğinde, günlük atılan tweetlerde iki ile dört arasında #Hashtag kullanıldığını söylemek yanlış olmayacaktır Bağlantı (Link), Video ve Resimler Tweet içeriklerinin ayrıştırılmasından çıkan diğer bir bilgi de tweetlerde paylaşılan bağlantılardır (link). Veri setimizin atmış olduğu tweetlerden toplam kez paylaşılmış tam farklı bağlantı çıkartılmıştır. Bir bağlantı ortalama 1,72 kez paylaşılmış, tweet başına ortalama 0,43 ( / ) bağlantı atılmıştır. Diğer bir deyişle ortalama olarak her iki tweette bir bağlantı paylaşılmıştır. En çok paylaşılan 10 bağlantı ve bu bağlantıların içeriklerine ilişkin bilgi Tablo- 6 da verilmiştir. Tablo-6 dan da görüleceği üzere Arapça dua uygulama veya duaayet-hadis siteleri ön plana çıkmaktadır. Bir site ( ise mahkeme kararı ile erişime kapatılmıştır. Bu 10 bağlantı, toplam defa veri setimizdeki hesaplar tarafından tweetleri ile paylaşılmıştır. Tablo-6: En Çok Paylaşılan 10 Bağlantı. S.Nu. Bağlantı (Link) Paylaşım Sayısı İçerik Dua uygulaması (Arapça) Pazarlama sitesi Dua-ayet-hadis (Arapça) Dua-ayet-hadis (İngilizce) Dua uygulaması (Arapça) Ulaşılamıyor Erişime kapalı Ulaşılamıyor Haber sitesi (Antep) Hizb-ut Tahrir haber sitesi 25

26 ORTADOĞU STRATEJİK ARAŞTIRMALAR MERKEZİ İncelediğimiz diğer bir içerik ise tweetlerde paylaşılan video bağlantıları olmuştur. Veri setimizin atmış olduğu tweetlerden toplam kez paylaşılmış tam farklı video bağlantısı çıkartılmıştır. Bu bağlantıların tamamı Youtube platformu üzerinden paylaşılmıştır. Bir video ortalama 1,57 kez paylaşılmış, tweet başına ortalama 0,13 (68.962/ ) video bağlantısı atılmıştır. Başka bir deyişle ortalama olarak her sekiz tweette bir video paylaşılmıştır. En çok paylaşılan 10 video bağlantısı ve bu bağlantıların içeriklerine ilişkin bilgi Tablo-7 de verilmiştir. Tablo-7 den de görüleceği üzere,10 bağlantıdan 5 inde içerik bulunamamıştır. Diğerlerinde ise çok anlamlı çıkarımlar yapılabilecek bir bilgi edinilememiştir. Ancak içerik bulunmayan video bağlantılarının Youtube tarafından kaldırıldığı ve dolayısıyla uygun olmayan içerik ihtiva ettiği düşünülmektedir. Bu 10 video bağlantısı, toplam 608 defa veri setimizdeki hesaplar tarafından tweetleri ile paylaşılmıştır. Tablo-7: En Çok Paylaşılan 10 Video Bağlantısı. S.Nu. Video Bağlantısı Paylaşım Sayısı İçerik Şarkı İçerik yok İçerik yok İçerik yok Müzik 6. PL7laCXCkMsYzseiO7cpHKUVF0_rXUPYdL&index=19 56 İçerik yok 7. PL7laCXCkMsYzseiO7cpHKUVF0_rXUPYdL&index=18 56 Müzik İçerik yok Oyun fragmanı Oyun fragmanı İncelediğimiz son içerik ise tweetlerde paylaşılan resimler olmuştur. Veri setimizin atmış olduğu tweetlerden toplam kez paylaşılmış farklı resim bağlantısı çıkartılmıştır. Bu bağlantıların çoğunluğu (6 tanesi) Twitter platformu üzerinde paylaşılan resimlerdir. Bir resim ortalama 1,5 kez paylaşılmıştır. Tespit edilen değer oldukça küçük bir sayıdır; yaklaşık 125 tweette bir resmin paylaşıldığı anlaşılmaktadır. En çok paylaşılan 10 resim bağlantısı ve bu bağlantıların içeriklerine ilişkin bilgi Tablo-8 de verilmiştir. Tablo-8 den de görüleceği üzere, 10 bağlantıdan 8 inde içerik bulunamamış veya hesap askıya alınmıştır. Diğer ikisinde ise alakasız resimler bulunmuştur. Yukarıda yaptığımız yorumu burada tekrarlayacak olursak, Youtube a benzer şekilde Twitter da uygun olmayan içerikleri ya kaldırmakta ya da eğer aşırı şiddet içeren paylaşımlar yapan bir hesap ise hesabı askıya almaktadır. Bu 10 resim bağlantısı, toplam 169 defa paylaşılmıştır. 26

27 TWITTER DA TÜRKÇE KONUŞAN DAEŞ DESTEKÇİLERİ Tablo-8: En Çok Paylaşılan 10 Resim Bağlantısı. S.Nu Resim Bağlantısı haber/ jpg f/04aff782b469f8a6dd2c25f6416f8.jpg Paylaşım Sayısı İçerik 28 İçerik yok 28 Hesap askıda 15 Endonezya 14 Site yok 14 Hesap askıda 14 Ulaşılamıyor 14 Hesap askıda 14 İçerik yok 14 İçerik yok 14 Mardin Haber Hesaplık Veri Setinin İlişki Haritası Gephi programının sürümü kullanılarak OpenOrd algoritmasının uygulanması ile çizilmiş ilişki haritası Şekil-3 de görülmektedir. Şekil-3 deki ilişki haritasından da görüleceği gibi üç grubun ana kitleyi oluşturduğu ve bunlar arasında yoğun bir ilişki bulunduğu değerlendirilmektedir. Şekil-3: Hesaplık Veri Setinin İlişki Haritası. 27

28 ORTADOĞU STRATEJİK ARAŞTIRMALAR MERKEZİ Hesaplık Veri Setinin Derece Merkeziliği Derece merkeziliği, herhangi bir düğümün ilişki yoğunluğunu gösteren bir ölçüdür. İlişki yoğunluğunun yüksek olması o düğümün daha fazla düğüm ile iletişim veya ilişki içinde (tek veya çift yönlü) olduğunu göstermektedir. Bir anlamda, bir düğümün derece merkeziliği o noktanın popülerlik göstergesi olarak da düşünülebilir. Derece merkeziliği yüksek olan düğümler bilgi akışında bağlantı içinde olduğu düğümlere daha fazla bilginin ulaştırılmasında da kritik rol oynarlar. Şekil-4 de görülen ilişki haritasında, derece merkeziliği yüksek olan hesapların düğümleri büyük gösterilmiştir. Bu noktada çalışmamıza ilişkin bir hususu daha burada vurgulamanın faydalı olacağı düşünülmektedir. Özel hayatın gizliliği ilkesi gereği Şekil-3 ve 4 de verilen ilişki haritalarında herhangi bir kimlik bilgisi veya hesap ismi verilmemiştir. tarafından yürütülen bu çalışma, sadece istatistiksel bilgi elde etmek maksadıyla bilimsel etik kurallar çerçevesinde yürütülmüştür. Şekil-4: Hesaplık Veri Setinin Derece Merkeziliği. 28

29 TWITTER DA TÜRKÇE KONUŞAN DAEŞ DESTEKÇİLERİ HESAPLIK VERİ SETİNİN GÜNDEMİ VE İÇERİK ANALİZİ Çalışma kapsamında Twitter ölçümleri dışında atılan tweet içeriklerine yönelik bir çalışma da yapılmıştır. Bu kapsamda toplanan tweetin içeriği, bağlantılara, resim-video gibi medyalara ayrıştırılmış ve kalan metin kısımları analize tabi tutulmuştur. Tweet içeriğindeki kelimeler yazılan bir program vasıtasıyla köklerine ayrıştırılmış ve her kelimenin tekrar sayıları (frekansları) tespit edilmiş, sonrasında da bu kelimelerden kelime bulutları oluşturulmuştur. Söz konusu çalışma haftalık olarak Temmuz 2016 tarihinden itibaren Eylül 2016 tarihine kadar yapılmış ve hesabın haftalık olarak en çok hangi konularda mesajlaştıkları tespit edilmeye çalışılmıştır. Buna ek olarak manuel tarama sırasında en dikkat çeken, en sık tekrarlanan tweet içerikleri toplanmış, konularına göre tasnif edilmiştir. Bu çalışmaya müteakip, bu konunun uzman değerlendirmesi gerektirdiği düşünülerek toplanan veriler ve yapılan analizlerin sonucunu değerlendirmek, beyin fırtınası yapmak ve elde edilen veriler sonucunda nasıl bir karşı söylem üretilebilir sorusuna cevap bulmak üzere ilahiyatçı uzmanların katılımıyla bir çalıştay icra edilmiştir. Çalıştay sonucunda karşı söylem üretmeye yönelik ortaya çıkan uzman görüşleri de müteakip paragraflarda özetlenmiştir Kelime Analizi ve Kelime Bulutları tweet #Hashtag, bağlantı, resim ve video içeriklere göre ayıklandıktan sonra kalan metinleri analiz etmek maksadıyla ilk önce tüm kelimelerin kökleri tespit edilmeye çalışılmıştır. Türkçenin yapısından dolayı hiç kolay olmayan bu işlem bazı kelimelerde tam doğru sonuç vermese de çoğunluk kelimelerde istenen sonuca ulaşılmıştır. Sonrasında kök hali elde edilmiş kelimeler kelime bulutuna dönüştürülmüş ve her kelimenin frekansı (kelime havuzunda her kök kelimenin kaç defa bulunduğu) ölçülerek, kelime tekrar sayıları çıkarılmıştır. Temmuz 2016-Eylül 2016 tarihleri arasındaki 12 haftalık dönem ile Mayıs-Haziran 2016 ayları ve Nisan 2009-Nisan 2016 tarihleri arası da tek bir kelime bulutu olacak şekinlde kelime bulutları oluşturulmuştur. Şekil-5, 6 ve 7 de söz konusu kelime bulutları ve altlarında o tarihe ait en çok tekrar eden anlamlı kelimelerin frekansları verilmiştir. 29

30 ORTADOĞU STRATEJİK ARAŞTIRMALAR MERKEZİ Şekil-5: Tweete Ait Kelime Bulutları (01 Temmuz - 11 Ağustos 2016) Temmuz Temmuz 2016 Kelime Frekans S.Nu. Kelime Frekans S.Nu. Kelime Frekans 1. bayra kocakkartal darbe ada allah asker abd kafir demokrasi yar ola değil yer bun kafir Temmuz 04 Ağustos Temmuz Temmuz 2016 S.Nu Ağustos 2016 S.Nu. Kelime Frekans S.Nu. Kelime Frekans S.Nu. Kelime Frekans 1. allah allah halep darbe makale hakimiyet allah 3. sûre okumak allah makale tıkla devlet karşı halep mehmettuluç 57

31 TWITTER DA TÜRKÇE KONUŞAN DAEŞ DESTEKÇİLERİ Şekil-6: Tweete Ait Kelime Bulutları (12 Ağustos 21 Eylül 2016) Ağustos Ağustos Ağustos 01 Eylül 2016 S.Nu. Kelime Frekans S.Nu. Kelime Frekans S.Nu. Kelime Frekans 1. akp isla pkk allah facebook musaozbekk facebook ebu diyor photo allah ebu postedi photo allah Eylül Eylül Eylül 2016 S.Nu. Kelime Frekans S.Nu. Kelime Frekans S.Nu. Kelime Frekans 1. allah ayguel ates 4 2. ebu ebumuhammedi allah 3 3. halep Muvahhid oflu bol 3 4. hoç seriiifeyz dagcii 3 5. kuran isla Islam 3 31

32 ORTADOĞU STRATEJİK ARAŞTIRMALAR MERKEZİ Şekil-7: Tweete Ait Kelime Bulutları (Nisan 2009 Haziran 2016). Nisan 2009 Nisan 2016 Mayıs 2016 S.Nu. Kelime Frekans S.Nu. Kelime Frekans S.Nu. Kelime Frekans 1. allah allah allah kafir ola kafir devlet yer devlet isla olur ramaza ola yol yer 79 Kelime bulutları ve frekans tabloları incelendiğinde, toplam 12 hafta, 2 ay ve Nisan 2009-Nisan 2016 için oluşturulan 15 kelime bulutunda en çok tekrar eden beş kelime olan Allah defa, Kâfir defa, Halep 291 defa, Darbe 215 defa ve PKK nın 182 defa tekrar ettiği tespit edilmiştir. Bu kelimelere baktığımızda dini konuların mesajlaşmalarda ağırlıklı yer tuttuğunu söylemek mümkünse de değişen konjonktüre göre mesajlarda da değişim gözlenmektedir. Bu doğrultuda, 15 Temmuz darbe girişiminin de mesajlarda yer bulduğu görülmektedir. Son olarak ın bir önceki çalışmasında PKK-PYD-DAEŞ arasındaki çatışmanın bir yansıması olarak merkezde terör örgütü PKK nın bulunduğuna dair tespit hatırlanmalıdır. Yine burada da PKK kelimesinin beşinci en çok tekrar eden kelime olarak yer alarak, DAEŞ destekçileri- 32 Haziran 2016 nin önemli bir gündem maddesi olduğunu göstermektedir. 4.2.DAEŞ ile Mücadelede Karşı Söylem Çalışma süresince tweet incelemeleri esnasında karşılaşılan ve sıkça paylaşılan örnek destekçi söylemleri de toplanmıştır. Zira bu tweetlerden alınan örnek resimler (Şekil-8 ve 9) incelendiğinde konunun sadece kelimeleri analiz edilerek anlaşılamayacağı, bunun ötesinde kapsamlı bir yaklaşım için dini konulara ilişkin ciddi bir uzmanlık gerektirdiği anlaşılmıştır. Bu nedenle hem yukarıda yapılan analiz ve verilerin sonuçları hem de çalışma esnasında toplanan tweet örneklerinin tartışılacağı ve beyin fırtınasının yapılabileceği bir çalıştay organize edilmiş ve ilahiyatçı uzmanlar ile konu tartışılmıştır. Bu çalıştay sonucunda ortaya çıkan görüşler ve geri bildirimler izleyen bölümde sunulmuştur.

33 TWITTER DA TÜRKÇE KONUŞAN DAEŞ DESTEKÇİLERİ Şekil-8: Toplanan Tweetlerden Örnek Söylem Resimleri. 33

34 ORTADOĞU STRATEJİK ARAŞTIRMALAR MERKEZİ Şekil-9: Toplanan Tweetlerden Örnek Söylem Resimleri. Yapılan çalışmada DAEŞ destekçilerinin söylemlerini kurarken en çok savaş ve öteki anlayışlarını besleyen Küffar, Cihad, Tağut ve Şehadet gibi kavramları kullanarak tweet attıkları belirlenmiştir. Bu kavram setinden sonra en çok vurgulanan kavramlar, Şeriat, Demokrasi, Hilafet, Biat ve Oy gibi politik anlayışlarını şekillendiren kavramlardır. Çalışmada ve çalıştay sonucunda, DAEŞ in söyleminin anti kahraman tezinden beslendiği ve ideolojisinin El Kaide den daha zayıf olduğu sonucu ön plana çıkmaktadır. İnanç anlayışını modern anlamda oluşturup dini açıdan da zayıf olan bu söylem, sosyal medyada popülist bir tavır benimsemektedir. Burada, DAEŞ in birinci ve ikinci seviye çevresinin Baasçı olduğu yönündeki genel tespitler hatırlanmalıdır. Selefiler ve Baasın evliliğinden doğan bu söylemin, pragmatik bir okuma ile dine yaklaştığı göze çarpmaktadır.7 Bu nedenle, söylem bazında, El Kaide ile mücadele etmenin daha önemli olduğu, zira El Kaide ile mücadeledeki başarının DAEŞ karşısında da başarı getireceği değerlendirilmektedir. DAEŞ in söylemi ile mücadele ederken atılması en öncelikli adım, kendilerini ve düşmanlarını nasıl tanımladıklarının ortaya konulmasıdır. DAEŞ gibi militan selefi hareketler söylemini kurarken keskin bir şekilde biz ve öteki ayrımı yapmaktadır. Ben ve biz tanımı içerisine mücahid ve muvahhidleri, öteki tanımlamasına ise mürted, mülhid ve müşrikleri sokmak- 34