Tüketicilerin güneş enerjisi benimsemesine yönelik tereddütlerinin BERT tabanlı duygu analizleri

İnsanlar Neden Hâlâ Güneş Enerjisinden Çekiniyor?

Güneş panelleri temiz, yerel elektrik vaat etse de birçok hane çatılarına bunları koyma konusunda hâlâ emin değil. Bu çalışma, sosyal medya, değerlendirmeler ve kamu forumları dahil olmak üzere insanların güneş enerjisi hakkında çevrimiçi gerçekten ne söylediğini inceliyor ve duyguyu okumak için modern bir dil yapay zekâsı kullanıyor. Binlerce yorumu endişe ve umutların net bir resmine dönüştürerek, maliyet, güven ve kafa karışıklığının güneşi hangi noktalarda geride tuttuğunu gösteriyor ve daha akıllı analizlerin politika yapıcılar ve şirketlerin yanıt vermesine nasıl yardımcı olabileceğini ortaya koyuyor.

Çevrimiçi Sesleri Ölçekli Bir Şekilde Dinlemek

Yavaş anketlere veya küçük odak gruplarına güvenmek yerine, araştırmacılar güneş benimsemesinden söz eden yaklaşık 50.000 kamu gönderisi ve değerlendirme topladı ve ardından bunları açıkça olumlu veya olumsuz 22.000 öğeye indirdi. Bunlar kısa mesajlar, dizili tartışmalar, tüketici inceleme siteleri ve açık web sayfaları gibi platformlardan geldi. Tek bir siteye fazla dikkat etme riskini azaltmak için birçok kaynaktan yararlanmak çalışmanın yaklaşımıydı. Çoğaltmaları kaldırmak, kullanıcı adları ve bağlantıları çıkarmak, yazımı standartlaştırmak ve “güneş enerjisi” veya “güneş maliyeti” gibi anahtar ifadeleri gruplamak gibi dikkatli ön işleme, bu gürültülü akışı daha temiz ve karşılaştırılabilir bir veri kümesine dönüştürdü ve kullanıcı gizliliğini korudu.

Bir Yapay Zekâ Güneş Konuşmasının Tonunu Nasıl Öğrenir

Bu metindeki duyguyu okumak için ekip, dilin iki tamamlayıcı temsil biçimini birleştiren hibrit bir model kurdu. Birincisi TF–IDF adlı yöntem, bir kelime veya ifadenin korpus içinde ne kadar ayırt edici olduğunu ölçerek “maliyet”, “güvenilirlik”, “politika” veya “geri ödeme” gibi önemli temaları güçlü şekilde işaret eden terimleri öne çıkarır. Diğeri ise BERT’ten gelir; bu, her cümleyi yüksek boyutlu bir uzayda temsil eden, basit kelime sayımlarının kaçırdığı nüansı, ironiyi ve bağlamı yakalayan modern bir dönüştürücü tabanlı dil modelidir. Bu iki görünümü tek bir özellik vektöründe birleştirip etiketli örnekler üzerinde bir sınıflandırıcı eğiterek, sistem hangi kelimelerin önemli olduğunu ve bunların güneş enerjisi hakkındaki gerçek cümlelerde nasıl kullanıldığını öğrenir.

Doğruluğu Kontrol Etme ve Sonuçları Eyleme Dönüştürme

Hibrit yaklaşım kağıt üzerinde zekice olmanın ötesinde pratikte de sağlam performans gösteriyor. Modelin eğitim sırasında hiç görmediği ayrılmış test verisinde F1 puanı 0,82’ye ulaşıyor; hem olumlu hem olumsuz duygu için dengeli doğruluk ve geri çağırma sağlanıyor ve genel doğruluk 0,84. Alıcı işletim karakteristiği eğrileri, doğruluk–geri çağırma eğrileri ve kalibrasyon grafikleri gibi ek kontroller, tahmini olasılıkların gerçek sonuçlarla iyi eşleştiğini gösteriyor; bu da modelin ne zaman kendinden emin olduğunu ve ne zaman belirsiz kaldığını bildiği anlamına geliyor. Yazarlar bir adım daha ileri giderek kümülatif kazanç grafikleri, lift eğrileri ve “Top-K” doğruluğu kullanıyor; böylece bir politika yapıcı yalnızca küçük bir gönderi kesitini inceleyebiliyorsa, modelin en yüksek güvene sahip tahminlerine odaklanmanın rastgele örneklemeden çok daha fazla alaka düzeyinde ve karar verilmeye değer yorumu ortaya çıkaracağı gösteriliyor.

İnsanların En Çok Nelerden Endişe Duyduğu

Sistem olumlu ile olumsuzu güvenilir şekilde ayırdıktan sonra, araştırmacılar olumsuz kampın içini inceleyerek hangi temaların hakim olduğunu görüyor. Olumsuz duygunun %40’ından fazlasının para odaklı olduğunu tespit ediyorlar—peşin kurulum maliyetleri, geri ödeme süresine dair şüpheler ve gizli ücret korkuları. Yaklaşık dörtte birlik olumsuz yorum güvenilirlikle ilgili endişeleri vurguluyor: Paneller kötü havada çalışır mı, bakım zahmetli olur mu ve insanlar kurulumcu ve ekipmana güvenebilir mi? Olumsuz paylaşımların neredeyse beşte biri çevresel şüpheciliği yansıtıyor; örneğin panel üretimi, geri dönüşüm veya yaşam döngüsü tam olarak ele alındığında güneşin gerçekten emisyonları azaltıp azaltmadığına dair kaygılar. Politika kafa karışıklığı ve hayal kırıklığı da ortaya çıkıyor, ancak bu temel engeller kadar güçlü değil.

İçgörüleri Daha İyi Güneş Benimsemesine Dönüştürmek

Uzman olmayan bir okuyucu için ana sonuç açık: güneş alanına uyarlanmış bir yapay zekâyla büyük ölçekli çevrimiçi konuşmaları dikkatle dinleyerek insanların geride kalmasına neden olanları nicelendirilebiliyor. En büyük engel olarak maliyet öne çıkıyor, ardından performansa yönelik güven ve çevresel faydalara dair süregelen şüpheler geliyor. Model en güvenli, bilgilendirici vakaları vurgulayabildiği ve eğilimleri zaman içinde görselleştirebildiği için politika yapıcılar, kurulum firmaları ve savunucular için kamunun kaygılarına dair pratik bir gösterge paneli sağlıyor. Bu da hedefe yönelik teşvikleri, tasarruf ve güvenilirlik hakkında daha net iletişimi ve çevresel sorulara daha iyi yanıtları yönlendirebilir—bu adımlar daha fazla hanehalkının güneşe geçmeye hazır hissetmesine yardımcı olabilir.

Atıf: Jabbar, A., Yuan, J., Al-Shamasneh, A.R. et al. BERT based sentiment analysis of consumer hesitancy toward solar energy adoption. Sci Rep 16, 8397 (2026). https://doi.org/10.1038/s41598-026-38604-6

Anahtar kelimeler: güneş enerjisi benimsemesi, tüketici duygu durumu, yenilenebilir enerji tereddüdü, Yapay Zeka metin analizi, BERT modeli