Σάββας Ορέστης
ΕΔΔΕ2 – Ανάλυση Μεγάλων Δεδομένων μέσω της Γλώσσας Python
Εισαγωγή και δεδομένα
Η παρούσα εργασία μελετά την ψηφιακή πολιτική επικοινωνία στην Ελλάδα μέσα από
ένα σύγχρονο κανάλι: τον επίσημο λογαριασμό του πρωθυπουργού Κυριάκου Μητσοτάκη
στο TikTok (@kyriakosmitsotakis_). Το TikTok έχει εξελιχθεί σε βασικό εργαλείο
άμεσης επικοινωνίας με το κοινό, ιδίως τους νεότερους ψηφοφόρους, και αποτελεί
ένα ιδιαίτερα ενδιαφέρον πεδίο για την ανάλυση μεγάλων δεδομένων ελληνικής
ειδησεογραφικής και πολιτικής φύσης.
Το σύνολο δεδομένων δημιουργήθηκε με τεχνικές εξόρυξης από το διαδίκτυο (web
scraping): κατέβηκε ο ήχος των δημόσιων βίντεο με το yt-dlp και στη συνέχεια
κάθε βίντεο απομαγνητοφωνήθηκε τοπικά στα ελληνικά με το μοντέλο τεχνητής
νοημοσύνης Whisper. Έτσι προέκυψαν 161 απομαγνητοφωνήσεις, οι οποίες μετά τον
καθαρισμό κατέληξαν σε 155 έγκυρες εγγραφές που καλύπτουν την περίοδο Μαΐου 2022
έως Μαΐου 2026. Κάθε εγγραφή συνοδεύεται από πλήρη μεταδεδομένα αλληλεπίδρασης
(προβολές, like, σχόλια, κοινοποιήσεις, αποθηκεύσεις, διάρκεια και ημερομηνία
ανάρτησης), τα οποία επιτρέπουν τόσο ποσοτική όσο και κειμενική ανάλυση.
Η επεξεργασία έγινε εξ ολοκλήρου σε Python. Τα δεδομένα εισήχθησαν σε pandas
DataFrame, καθαρίστηκαν από κενές και ελλιπείς εγγραφές (NaN, πολύ μικρά κείμενα,
διπλότυπα) και εμπλουτίστηκαν με νέες παραμέτρους-στήλες όπως ο μήνας, το έτος,
το τρίμηνο, ο δείκτης αλληλεπίδρασης (engagement) και το ποσοστό engagement επί
των προβολών. Για την επεξεργασία του κειμένου αφαιρέθηκαν τα ελληνικά stopwords
και εφαρμόστηκε απλός stemmer για την προσέγγιση της λημματοποίησης. Στόχος της
ανάλυσης είναι να αναδείξει τα θεματικά μοτίβα, την απήχηση και το συναισθηματικό
περιεχόμενο αυτής της μορφής πολιτικής επικοινωνίας.
Τι λέει ο λόγος: λέξεις, διγράμματα και θεματολογία
Η ανάλυση συχνότητας λέξεων αποκαλύπτει με σαφήνεια τη θεματική ταυτότητα του
λογαριασμού. Στο νέφος λέξεων (wordcloud) και στο διάγραμμα των 15 πιο συχνών
λέξεων κυριαρχούν όροι όπως «ευρώ», «σήμερα», «πρώτη», «εργασίας», «πρόγραμμα»,
«νέους» και «Ελλάδα». Πρόκειται για το λεξιλόγιο της θετικής εξαγγελίας:
ανακοινώσεις μέτρων («από σήμερα…»), οικονομικά μεγέθη σε ευρώ, και έμφαση στην
εργασία, στους νέους και στα κρατικά προγράμματα. Τα πιο συχνά διγράμματα
(bigrams) επιβεβαιώνουν την εικόνα, αναδεικνύοντας σταθερές εκφράσεις γύρω από
τον κατώτατο μισθό, τις θέσεις εργασίας και τα εθνικά προγράμματα.
Αριθμητική ανάλυση: προβολές, αλληλεπίδραση και συσχετίσεις
Σε επίπεδο απήχησης, τα 155 βίντεο συγκέντρωσαν συνολικά πάνω από 123 εκατομμύρια
προβολές, με μέσο όρο περίπου 796.000 και διάμεσο 540.000 προβολές ανά βίντεο —
ένδειξη ότι λίγες ιδιαίτερα ιξώδεις (viral) αναρτήσεις τραβούν τον μέσο όρο προς
τα πάνω. Το πιο δημοφιλές βίντεο, με τίτλο «Γιατί άνοιξε TikTok;», ξεπέρασε τα
4,2 εκατομμύρια προβολές. Ο πίνακας συσχετίσεων δείχνει πολύ ισχυρή θετική
συσχέτιση μεταξύ προβολών και like (r≈0,95), κάτι αναμενόμενο, ενώ η διάρκεια του
βίντεο συσχετίζεται ελαφρώς αρνητικά με τις προβολές (r≈-0,15): τα πιο σύντομα
βίντεο τείνουν να αποδίδουν καλύτερα, σε συμφωνία με τη λογική της πλατφόρμας. Το
μέσο ποσοστό engagement διαμορφώθηκε στο 4,5% των προβολών, ένα αρκετά υψηλό
ποσοστό που δείχνει ενεργή και όχι παθητική παρακολούθηση από το κοινό.
Χρονοσειρές και ένταση παραγωγής
Αξιοποιώντας την ημερομηνία ως δείκτη (index) του DataFrame και τη συνάρτηση
resample(), μελετήσαμε την εξέλιξη στον χρόνο. Η παραγωγή περιεχομένου δεν είναι
ομοιόμορφη: το 2023 καταγράφεται η εντονότερη δραστηριότητα (70 βίντεο), προφανώς
λόγω της προεκλογικής περιόδου των βουλευτικών εκλογών, ενώ ακολουθούν το 2025
(38 βίντεο) και το 2022 (18). Η μηνιαία και τριμηνιαία ομαδοποίηση των προβολών
αναδεικνύει περιόδους υψηλής απήχησης που συμπίπτουν με πολιτικά κομβικά γεγονότα.
Πολικότητα και συναίσθημα
Για κάθε κείμενο υπολογίστηκε η πολικότητα (θετική–αρνητική) με λεξικό
συναισθήματος ελληνικών λέξεων και απλό χειρισμό άρνησης, και αποθηκεύτηκε σε νέες
στήλες μαζί με το κυρίαρχο συναίσθημα. Τα αποτελέσματα είναι χαρακτηριστικά του
πολιτικού αυτο-προβαλλόμενου λόγου: το 54,8% των βίντεο είναι θετικά, το 31,0%
ουδέτερα και μόλις το 14,2% αρνητικά, με μέση πολικότητα +0,38. Πρόκειται για
επικοινωνία προσανατολισμένη στην αισιοδοξία, στα επιτεύγματα και στις θετικές
εξαγγελίες. Η τριμηνιαία χρονοσειρά της πολικότητας παραμένει σχεδόν πάντα σε
θετικό έδαφος, με κορύφωση το 2024 (+0,59) και πιο συγκρατημένο τόνο το 2026
(+0,26).
Ομοιότητα κειμένων
Τέλος, με διανυσματοποίηση των κειμένων (CountVectorizer) και υπολογισμό της
ομοιότητας συνημιτόνου (cosine similarity) εντοπίσαμε βίντεο με κοινή θεματολογία.
Τα πιο όμοια ζεύγη αφορούν επαναλαμβανόμενες ανακοινώσεις για τον κατώτατο μισθό
(ομοιότητα 0,71) και για το εθνικό διαστημικό πρόγραμμα δορυφόρων (0,71). Ο
θερμικός χάρτης (heatmap) αποτυπώνει οπτικά αυτές τις θεματικές «γειτονιές»: η
φωτεινή διαγώνιος αντιστοιχεί στην ταύτιση κάθε βίντεο με τον εαυτό του, ενώ τα
διάσπαρτα φωτεινά σημεία εκτός διαγωνίου δείχνουν επαναλαμβανόμενα μοτίβα
μηνυμάτων.
Μεθοδολογία και περιορισμοί
Όλη η ανάλυση υλοποιήθηκε σε Python με τις βιβλιοθήκες pandas, NumPy και
Matplotlib, ενώ η διανυσματοποίηση των κειμένων, η ομοιότητα συνημιτόνου και το
νέφος λέξεων υλοποιήθηκαν από την αρχή, χωρίς έτοιμες εξωτερικές βιβλιοθήκες. Η
ανάλυση συναισθήματος βασίζεται σε λεξικό ελληνικών λέξεων με απλό χειρισμό
άρνησης και επομένως αποτυπώνει τάσεις παρά απόλυτες τιμές. Επιπλέον, το δείγμα
των 155 βίντεο προέρχεται από έναν μόνο λογαριασμό και αφορά αυτο-προβαλλόμενο
πολιτικό λόγο· τα συμπεράσματα δεν γενικεύονται στο σύνολο της ελληνικής
πολιτικής επικοινωνίας. Παρά τους περιορισμούς αυτούς, η προσέγγιση δείχνει
έμπρακτα πώς ένας μη δομημένος, προφορικός λόγος μπορεί να μετατραπεί σε
μετρήσιμα δεδομένα και να αναλυθεί συστηματικά.
Συμπεράσματα
Η ανάλυση 155 βίντεο TikTok δείχνει μια συνεκτική στρατηγική ψηφιακής
επικοινωνίας: σύντομα βίντεο, έντονα θετικός τόνος, σταθερή εστίαση στην οικονομία,
στην εργασία και στους νέους, και κορύφωση της παραγωγής σε προεκλογικές περιόδους.
Η συντριπτική κυριαρχία θετικού περιεχομένου και η σχεδόν απουσία αρνητικού λόγου
επιβεβαιώνουν ότι το κανάλι λειτουργεί ως εργαλείο προβολής έργου και εξαγγελιών
παρά ως χώρος αντιπαράθεσης. Μεθοδολογικά, η εργασία κάλυψε ολόκληρο τον κύκλο της
ανάλυσης μεγάλων δεδομένων — από το scraping και τον καθαρισμό μέχρι τη NLP
επεξεργασία, τις χρονοσειρές, την ανάλυση συναισθήματος και την ομοιότητα κειμένων.
Η ίδια προσέγγιση μπορεί εύκολα να επεκταθεί σε περισσότερους λογαριασμούς, σε
διαφορετικά πολιτικά πρόσωπα ή σε άλλες θεματικές της ελληνικής επικαιρότητας,
αναδεικνύοντας τη δύναμη της Python στην εξαγωγή νοήματος από μη δομημένο ελληνικό
κείμενο.