Akademik Veri Yönetim Sistemi
16. ULUSAL AKUSTİK KONGRESİ VE SERGİSİ “İşleyen Sesler”, İstanbul, Türkiye, 6 - 07 Kasım 2025, ss.62-76, (Tam Metin Bildiri)
İşitsel peyzaj çalışmaları, akustik kaliteyi kullanıcı deneyimini temel alarak
değerlendirmektedir. Çalışmalar sıklıkla ISO12913 standartları çerçevesinde oluşturulan
yöntemler ve algısal sıfatlara odaklanan anketlerle, sınırlı sayıda katılımcılı alan
çalışmalarıyla yürütülmektedir. Oysa genel kullanıcının serbest yorumlarının alanla ilgili
çalışmalar için kullanımı, yaygın etkili ve çok sayıda katılımcının dahil edildiği bir veri eldesi
imkanı sunabilir. Buna dayanarak, çalışmanın amacı işitsel peyzaj araştırmalarının dijital veri
ağlarıyla desteklenebilirliğini araştırmaktır. Bunun için Türkiye’de işitsel peyzaj konusunda
anket uygulanmış açık kamusal alanlar seçilmiş, alanlara ait kullanıcı serbest yorumları
Google Maps API ile toplanmış, Python programlama dili kullanılarak doğal dil işleme (DDİ)
yöntemiyle analiz edilmiştir. Analiz sonucunda yorumlar, alanın ses kaynaklarıyla ilgili
algısal ifadelere ve olumlu/olumsuz değerlendirmelere göre sınıflandırılmıştır. Veriler, ilgili
anket sonuçlarıyla karşılaştırılarak iki kaynağın ne derece örtüştüğü sorgulanmış, serbest
yorumların işitsel peyzaj çalışmaları için kaynak olarak kullanımı tartışılmıştır.
Soundscape studies evaluate acoustic quality based on user experience. These studies are
often carried out with limited number of participants, using methods developed within the
framework of ISO 12913 standard, focusing on perceptual attributes through structured
questionnaires. However, use of unsolicited public comments may offer a broader and more
inclusive data source for understanding soundscapes. Thus, the aim of this study is to explore
potential integration of digital data networks into soundscape research. Public open spaces in
Turkey where soundscape surveys were previously conducted were selected. User-generated
comments for these areas were collected by Google Maps API and analyzed using Natural
Language Processing (NLP) techniques in Python. The comments were categorized according
to perceptual expressions related to sound sources and their positive or negative evaluations.
These findings were then compared with results of existing survey-based soundscape studies
to evaluate consistency between two data sources and to discuss the potential of using
unsolicited user comments as resource in soundscape research.