{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:3315580"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:3315580","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Εξόρυξη δεδομένων από μέσα κοινωνικής δικτύωσης (Twitter) σχετικά με τον κορωνοϊό COVID-19, με χρήση Python","abstract":"Το ξέσπασμα της πανδημίας του νέου κορωνοϊού (SARS-CoV-2) και της ασθένειας (COVID-19) που προκαλεί, έφερε μια σειρά μέτρων σε παγκόσμια σχεδόν κλίμακα προκειμένου να περιοριστεί η μετάδοσή του και να μετριαστούν οι απώλειες σε ανθρώπινες ζωές. Μέτρα κοινωνικής αποστασιοποίησης όπως η καραντίνα, η απαγόρευση κυκλοφορίας και το κλείσιμο τομέων της οικονομίας όπως η εστίαση και η διασκέδαση, εφαρμόστηκαν στις περισσότερες χώρες και είχαν σαν αποτέλεσμα να παρατηρηθεί αύξηση στην χρήση των διαφόρων μέσων κοινωνικής δικτύωσης παγκοσμίως. Ιδιαίτερα εφαρμογές μικροϊστολογίου (microblogging) με κυριότερη το Twitter, έγιναν από τις σημαντικότερες πηγές ενημέρωσης και ανταλλαγής απόψεων μεταξύ των χρηστών. Στόχος αυτής της μελέτης ήταν η εξόρυξη και ανάλυση δεδομένων από tweets που έγιναν στην Αγγλική γλώσσα σχετικά με την COVID-19. Για το λόγο αυτό χρησιμοποιήθηκε η γλώσσα προγραμματισμού Python, η οποία παρέχει έναν μεγάλο αριθμό βιβλιοθηκών κατάλληλων για την εξόρυξη (data mining), την επεξεργασία (data processing), τη μοντελοποίηση (modeling) και την οπτικοποίηση (data visualization) των δεδομένων αυτών. Συλλέχτηκαν συνολικά 4.277.094 tweets από τις 11 Μαρτίου 2020 που ανακηρύχθηκε από τον Π.Ο.Υ. ως πανδημία, μέχρι και τις 10 Απριλίου 2020, συλλέγοντας περίπου 140.000 δημοσιεύσεις (tweets) ανά ημέρα. Έγινε καθαρισμός και προεπεξεργασία των δεδομένων ώστε να μην υπάρχουν διπλότυπα, αναδημοσιεύσεις (retweets) και κατεστραμμένα δεδομένα. Στη συνέχεια προχωρήσαμε σε γεωγραφική απεικόνιση με βάση τον αριθμό των tweets ανά χώρα. Επίσης, έγινε αναζήτηση των πιο συχνά χρησιμοποιούμενων λέξεων και φράσεων καθώς και ανάλυση συναισθήματος του συνόλου των tweets. Τα αποτελέσματα δείχνουν έναν εξαιρετικά μεγάλο αριθμό tweets από τις Η.Π.Α. λόγω και της διείσδυσης του συγκεκριμένου μέσου στη χώρα αυτή, εμφανίζονται λέξεις που απεικονίζουν την κατάσταση την συγκεκριμένη χρονική περίοδο, και τέλος η ανάλυση συναισθήματος αποκαλύπτει την αρνητική προοπτική των χρηστών στο συγκεκριμένο θέμα. Συμπερασματικά, η εξόρυξη και ανάλυση δεδομένων από τα μέσα κοινωνικής δικτύωσης μπορεί να γίνει ένα χρήσιμο εργαλείο των φορέων υγείας και πρόνοιας σε επίπεδο κράτους ή και σε παγκόσμιο επίπεδο, ώστε να ανιχνεύονται εγκαίρως οι τάσεις και οι ανάγκες των πολιτών, να σχεδιάζονται, να εφαρμόζονται και να παρακολουθούνται αποτελεσματικότερα και αποδοτικότερα οι πολιτικές υγείας και πρόνοιας.","abstract_html":"Το ξέσπασμα της πανδημίας του νέου κορωνοϊού (SARS-CoV-2) και της ασθένειας (COVID-19) που προκαλεί, έφερε μια σειρά μέτρων σε παγκόσμια σχεδόν κλίμακα προκειμένου να περιοριστεί η μετάδοσή του και να μετριαστούν οι απώλειες σε ανθρώπινες ζωές. Μέτρα κοινωνικής αποστασιοποίησης όπως η καραντίνα, η απαγόρευση κυκλοφορίας και το κλείσιμο τομέων της οικονομίας όπως η εστίαση και η διασκέδαση, εφαρμόστηκαν στις περισσότερες χώρες και είχαν σαν αποτέλεσμα να παρατηρηθεί αύξηση στην χρήση των διαφόρων μέσων κοινωνικής δικτύωσης παγκοσμίως. Ιδιαίτερα εφαρμογές μικροϊστολογίου (microblogging) με κυριότερη το Twitter, έγιναν από τις σημαντικότερες πηγές ενημέρωσης και ανταλλαγής απόψεων μεταξύ των χρηστών. Στόχος αυτής της μελέτης ήταν η εξόρυξη και ανάλυση δεδομένων από tweets που έγιναν στην Αγγλική γλώσσα σχετικά με την COVID-19. Για το λόγο αυτό χρησιμοποιήθηκε η γλώσσα προγραμματισμού Python, η οποία παρέχει έναν μεγάλο αριθμό βιβλιοθηκών κατάλληλων για την εξόρυξη (data mining), την επεξεργασία (data processing), τη μοντελοποίηση (modeling) και την οπτικοποίηση (data visualization) των δεδομένων αυτών. Συλλέχτηκαν συνολικά 4.277.094 tweets από τις 11 Μαρτίου 2020 που ανακηρύχθηκε από τον Π.Ο.Υ. ως πανδημία, μέχρι και τις 10 Απριλίου 2020, συλλέγοντας περίπου 140.000 δημοσιεύσεις (tweets) ανά ημέρα. Έγινε καθαρισμός και προεπεξεργασία των δεδομένων ώστε να μην υπάρχουν διπλότυπα, αναδημοσιεύσεις (retweets) και κατεστραμμένα δεδομένα. Στη συνέχεια προχωρήσαμε σε γεωγραφική απεικόνιση με βάση τον αριθμό των tweets ανά χώρα. Επίσης, έγινε αναζήτηση των πιο συχνά χρησιμοποιούμενων λέξεων και φράσεων καθώς και ανάλυση συναισθήματος του συνόλου των tweets. Τα αποτελέσματα δείχνουν έναν εξαιρετικά μεγάλο αριθμό tweets από τις Η.Π.Α. λόγω και της διείσδυσης του συγκεκριμένου μέσου στη χώρα αυτή, εμφανίζονται λέξεις που απεικονίζουν την κατάσταση την συγκεκριμένη χρονική περίοδο, και τέλος η ανάλυση συναισθήματος αποκαλύπτει την αρνητική προοπτική των χρηστών στο συγκεκριμένο θέμα. Συμπερασματικά, η εξόρυξη και ανάλυση δεδομένων από τα μέσα κοινωνικής δικτύωσης μπορεί να γίνει ένα χρήσιμο εργαλείο των φορέων υγείας και πρόνοιας σε επίπεδο κράτους ή και σε παγκόσμιο επίπεδο, ώστε να ανιχνεύονται εγκαίρως οι τάσεις και οι ανάγκες των πολιτών, να σχεδιάζονται, να εφαρμόζονται και να παρακολουθούνται αποτελεσματικότερα και αποδοτικότερα οι πολιτικές υγείας και πρόνοιας.","abstract_has_math":false,"creators":["Παππάς Λεωνίδας","Pappas Leonidas"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2023,"date_issued":"2023","date_published":"2023","updated_at":"2026-11-19T06:21:56Z","subjects":["Επιστήμες Υγείας","Health Sciences"],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3315580"],"render_values":[{"text":"uoadl:3315580","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3315580","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3315580","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A3315580","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Παππάς Λεωνίδας","Pappas Leonidas"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2023"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Επιστήμες Υγείας","Health Sciences"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["Ελληνικά","Greek"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3315580","https://pergamos.lib.uoa.gr/uoa/dl/object/3315580"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Το ξέσπασμα της πανδημίας του νέου κορωνοϊού (SARS-CoV-2) και της ασθένειας (COVID-19) που προκαλεί, έφερε μια σειρά μέτρων σε παγκόσμια σχεδόν κλίμακα προκειμένου να περιοριστεί η μετάδοσή του και να μετριαστούν οι απώλειες σε ανθρώπινες ζωές. Μέτρα κοινωνικής αποστασιοποίησης όπως η καραντίνα, η απαγόρευση κυκλοφορίας και το κλείσιμο τομέων της οικονομίας όπως η εστίαση και η διασκέδαση, εφαρμόστηκαν στις περισσότερες χώρες και είχαν σαν αποτέλεσμα να παρατηρηθεί αύξηση στην χρήση των διαφόρων μέσων κοινωνικής δικτύωσης παγκοσμίως. Ιδιαίτερα εφαρμογές μικροϊστολογίου (microblogging) με κυριότερη το Twitter, έγιναν από τις σημαντικότερες πηγές ενημέρωσης και ανταλλαγής απόψεων μεταξύ των χρηστών. Στόχος αυτής της μελέτης ήταν η εξόρυξη και ανάλυση δεδομένων από tweets που έγιναν στην Αγγλική γλώσσα σχετικά με την COVID-19. Για το λόγο αυτό χρησιμοποιήθηκε η γλώσσα προγραμματισμού Python, η οποία παρέχει έναν μεγάλο αριθμό βιβλιοθηκών κατάλληλων για την εξόρυξη (data mining), την επεξεργασία (data processing), τη μοντελοποίηση (modeling) και την οπτικοποίηση (data visualization) των δεδομένων αυτών. Συλλέχτηκαν συνολικά 4.277.094 tweets από τις 11 Μαρτίου 2020 που ανακηρύχθηκε από τον Π.Ο.Υ. ως πανδημία, μέχρι και τις 10 Απριλίου 2020, συλλέγοντας περίπου 140.000 δημοσιεύσεις (tweets) ανά ημέρα. Έγινε καθαρισμός και προεπεξεργασία των δεδομένων ώστε να μην υπάρχουν διπλότυπα, αναδημοσιεύσεις (retweets) και κατεστραμμένα δεδομένα. Στη συνέχεια προχωρήσαμε σε γεωγραφική απεικόνιση με βάση τον αριθμό των tweets ανά χώρα. Επίσης, έγινε αναζήτηση των πιο συχνά χρησιμοποιούμενων λέξεων και φράσεων καθώς και ανάλυση συναισθήματος του συνόλου των tweets. Τα αποτελέσματα δείχνουν έναν εξαιρετικά μεγάλο αριθμό tweets από τις Η.Π.Α. λόγω και της διείσδυσης του συγκεκριμένου μέσου στη χώρα αυτή, εμφανίζονται λέξεις που απεικονίζουν την κατάσταση την συγκεκριμένη χρονική περίοδο, και τέλος η ανάλυση συναισθήματος αποκαλύπτει την αρνητική προοπτική των χρηστών στο συγκεκριμένο θέμα. Συμπερασματικά, η εξόρυξη και ανάλυση δεδομένων από τα μέσα κοινωνικής δικτύωσης μπορεί να γίνει ένα χρήσιμο εργαλείο των φορέων υγείας και πρόνοιας σε επίπεδο κράτους ή και σε παγκόσμιο επίπεδο, ώστε να ανιχνεύονται εγκαίρως οι τάσεις και οι ανάγκες των πολιτών, να σχεδιάζονται, να εφαρμόζονται και να παρακολουθούνται αποτελεσματικότερα και αποδοτικότερα οι πολιτικές υγείας και πρόνοιας.","The outbreak of the novel coronavirus pandemic (SARS-CoV-2) and the disease that it causes (COVID-19), brought a series of measures around the world in order to limit the spread and minimize the loss of human lives. Measures of social distancing like quarantine, curfew, lockdowns on parts of the economy like entertainment and dinning, were implemented in most countries and as a result an increase was observed in the use of social media platforms worldwide. Microblogging applications and more specifically Twitter, became very important sources of information and discussion between users. The purpose of this study is to mine and analyze data from Twitter users’ posts (tweets) in English concerning COVID-19. For this reason, Python programming language was used, because it offers a large number of libraries suitable to mine, process, model and visualize data. A total of 4.277.094 tweets were collected from March 11 2020, when COVID-19 was declared a pandemic by the W.H.O., until April 10 2020, collecting almost 140.000 tweets on a daily basis. The data were preprocessed and cleared, to avoid duplicates, retweets and damaged data. A geographical distribution of tweets was conducted by tweets per country. We also searched for the words and phrases that appeared more frequently and performed a sentiment analysis of the tweets. Results show a large number of tweets from the U.S.A. mainly because of the popularity of Twitter there, the more frequently used words were revealed and finally, the overall negative sentiment of the tweets indicates a pessimistic perspective of the users on the current matter. In conclusion, data mining and analysis through social networks can help public health and welfare agencies at state or worldwide level, detect the trends and main concerns of citizens, plan, apply and monitor effectively and efficiently health and welfare policies."]},{"key":"dc:title","label":"Title","values":["Εξόρυξη δεδομένων από μέσα κοινωνικής δικτύωσης (Twitter) σχετικά με τον κορωνοϊό COVID-19, με χρήση Python"]}]}],"canonical_facts":{"dc:creator":["Παππάς Λεωνίδας","Pappas Leonidas"],"dc:date":["2023"],"dc:description":["Το ξέσπασμα της πανδημίας του νέου κορωνοϊού (SARS-CoV-2) και της ασθένειας (COVID-19) που προκαλεί, έφερε μια σειρά μέτρων σε παγκόσμια σχεδόν κλίμακα προκειμένου να περιοριστεί η μετάδοσή του και να μετριαστούν οι απώλειες σε ανθρώπινες ζωές. Μέτρα κοινωνικής αποστασιοποίησης όπως η καραντίνα, η απαγόρευση κυκλοφορίας και το κλείσιμο τομέων της οικονομίας όπως η εστίαση και η διασκέδαση, εφαρμόστηκαν στις περισσότερες χώρες και είχαν σαν αποτέλεσμα να παρατηρηθεί αύξηση στην χρήση των διαφόρων μέσων κοινωνικής δικτύωσης παγκοσμίως. Ιδιαίτερα εφαρμογές μικροϊστολογίου (microblogging) με κυριότερη το Twitter, έγιναν από τις σημαντικότερες πηγές ενημέρωσης και ανταλλαγής απόψεων μεταξύ των χρηστών. Στόχος αυτής της μελέτης ήταν η εξόρυξη και ανάλυση δεδομένων από tweets που έγιναν στην Αγγλική γλώσσα σχετικά με την COVID-19. Για το λόγο αυτό χρησιμοποιήθηκε η γλώσσα προγραμματισμού Python, η οποία παρέχει έναν μεγάλο αριθμό βιβλιοθηκών κατάλληλων για την εξόρυξη (data mining), την επεξεργασία (data processing), τη μοντελοποίηση (modeling) και την οπτικοποίηση (data visualization) των δεδομένων αυτών. Συλλέχτηκαν συνολικά 4.277.094 tweets από τις 11 Μαρτίου 2020 που ανακηρύχθηκε από τον Π.Ο.Υ. ως πανδημία, μέχρι και τις 10 Απριλίου 2020, συλλέγοντας περίπου 140.000 δημοσιεύσεις (tweets) ανά ημέρα. Έγινε καθαρισμός και προεπεξεργασία των δεδομένων ώστε να μην υπάρχουν διπλότυπα, αναδημοσιεύσεις (retweets) και κατεστραμμένα δεδομένα. Στη συνέχεια προχωρήσαμε σε γεωγραφική απεικόνιση με βάση τον αριθμό των tweets ανά χώρα. Επίσης, έγινε αναζήτηση των πιο συχνά χρησιμοποιούμενων λέξεων και φράσεων καθώς και ανάλυση συναισθήματος του συνόλου των tweets. Τα αποτελέσματα δείχνουν έναν εξαιρετικά μεγάλο αριθμό tweets από τις Η.Π.Α. λόγω και της διείσδυσης του συγκεκριμένου μέσου στη χώρα αυτή, εμφανίζονται λέξεις που απεικονίζουν την κατάσταση την συγκεκριμένη χρονική περίοδο, και τέλος η ανάλυση συναισθήματος αποκαλύπτει την αρνητική προοπτική των χρηστών στο συγκεκριμένο θέμα. Συμπερασματικά, η εξόρυξη και ανάλυση δεδομένων από τα μέσα κοινωνικής δικτύωσης μπορεί να γίνει ένα χρήσιμο εργαλείο των φορέων υγείας και πρόνοιας σε επίπεδο κράτους ή και σε παγκόσμιο επίπεδο, ώστε να ανιχνεύονται εγκαίρως οι τάσεις και οι ανάγκες των πολιτών, να σχεδιάζονται, να εφαρμόζονται και να παρακολουθούνται αποτελεσματικότερα και αποδοτικότερα οι πολιτικές υγείας και πρόνοιας.","The outbreak of the novel coronavirus pandemic (SARS-CoV-2) and the disease that it causes (COVID-19), brought a series of measures around the world in order to limit the spread and minimize the loss of human lives. Measures of social distancing like quarantine, curfew, lockdowns on parts of the economy like entertainment and dinning, were implemented in most countries and as a result an increase was observed in the use of social media platforms worldwide. Microblogging applications and more specifically Twitter, became very important sources of information and discussion between users. The purpose of this study is to mine and analyze data from Twitter users’ posts (tweets) in English concerning COVID-19. For this reason, Python programming language was used, because it offers a large number of libraries suitable to mine, process, model and visualize data. A total of 4.277.094 tweets were collected from March 11 2020, when COVID-19 was declared a pandemic by the W.H.O., until April 10 2020, collecting almost 140.000 tweets on a daily basis. The data were preprocessed and cleared, to avoid duplicates, retweets and damaged data. A geographical distribution of tweets was conducted by tweets per country. We also searched for the words and phrases that appeared more frequently and performed a sentiment analysis of the tweets. Results show a large number of tweets from the U.S.A. mainly because of the popularity of Twitter there, the more frequently used words were revealed and finally, the overall negative sentiment of the tweets indicates a pessimistic perspective of the users on the current matter. In conclusion, data mining and analysis through social networks can help public health and welfare agencies at state or worldwide level, detect the trends and main concerns of citizens, plan, apply and monitor effectively and efficiently health and welfare policies."],"dc:identifier":["uoadl:3315580","https://pergamos.lib.uoa.gr/uoa/dl/object/3315580"],"dc:language":["Ελληνικά","Greek"],"dc:subject":["Επιστήμες Υγείας","Health Sciences"],"dc:title":["Εξόρυξη δεδομένων από μέσα κοινωνικής δικτύωσης (Twitter) σχετικά με τον κορωνοϊό COVID-19, με χρήση Python"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T06:21:56Z"}