Κατάλογος Εκδηλώσεων

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Μιχαήλ Ζαφειρόπουλου

με θέμα

Ανάλυση του Λόγου στα Μέσα Κοινωνικής Δικτύωσης σχετικά με τη Σύγκρουση Ισραήλ–Παλαιστίνης στο Telegram

 A Social Media Analysis of Discourse on the Israel-Palestine Conflict on Telegram

Εξεταστική Επιτροπή
Καθηγητής Σωτήριος Ιωαννίδης
Καθηγητής Μιχαήλ Ζερβάκης 
Καθηγητής Θρασύβουλος Σπυρόπουλος

Περίληψη
Τα μέσα κοινωνικής δικτύωσης έχουν αναδειχθεί σε κεντρικό πεδίο εντός του οποίου διαμφισβητούνται οι ένοπλες συγκρούσεις· ωστόσο, οι κοινότητες υπέρ του Ισραήλ και υπέρ της Παλαιστίνης στο Telegram —του οποίου η αρχιτεκτονική εκπομπής (broadcast) παράγει μια ασυνήθιστα άμεση καταγραφή σκόπιμης πολιτικής επικοινωνίας— δεν έχουν συγκριθεί συστηματικά σε μεγάλη κλίμακα. Η παρούσα διπλωματική εργασία παρουσιάζει μια πολυμεθοδική υπολογιστική ανάλυση 87.617 μηνυμάτων από δεκαέξι κανάλια του Telegram, οκτώ υπέρ του Ισραήλ και οκτώ υπέρ της Παλαιστίνης, τα οποία καλύπτουν την περίοδο από τον Μάιο του 2021 έως τον Ιούνιο του 2026 και πολλαπλές κλιμακώσεις της σύγκρουσης. Συνδυάζει ανάλυση συναισθήματος (sentiment analysis), τρεις μεθόδους ανίχνευσης στάσης (stance detection) προερχόμενες από διακριτά παραδείγματα προσέγγισης —αντιστοίχιση λέξεων-κλειδιών, zero-shot ταξινόμηση με το μοντέλο DeBERTa μέσω συμπερασμού φυσικής γλώσσας (natural language inference) και ένα προσαρμοσμένο (fine-tuned) μοντέλο BERTweet— καθώς και ανάλυση πλαισίωσης (framing analysis), όλες αξιολογημένες έναντι 736 χειροκίνητα επισημειωμένων μηνυμάτων. Το προσαρμοσμένο μοντέλο σημείωσε την υψηλότερη επίδοση (ακρίβεια/accuracy 72,1%, μακρο-F1 0,721 υπό 5-πτυχη (5-fold) διασταυρούμενη επικύρωση), ξεπερνώντας κατά 8 έως 11 μονάδες αμφότερες τις μεθόδους αναφοράς (baselines) που δεν απαιτούν ετικέτες· οι τελευταίες παρέμειναν καθηλωμένες στη ζώνη του χαμηλού έως μεσαίου 60%, γεγονός που υποδηλώνει την ύπαρξη ενός ανώτατου ορίου για την ανίχνευση στάσης όταν αυτή δεν είναι προσαρμοσμένη στη γλώσσα του εκάστοτε πεδίου. Το κεντρικό εύρημα αναδεικνύεται μόνο όταν το συναίσθημα, η στάση και η πλαισίωση εξετάζονται από κοινού: οι δύο κοινότητες αξιοποιούν το ίδιο λεξιλόγιο σχετικό με τον θάνατο και τα θύματα σε αντίθετα συναισθηματικά ύφη (registers) —τα κανάλια υπέρ του Ισραήλ κατά κύριο λόγο ουδέτερα και ειδησεογραφικού ύφους, ενώ τα κανάλια υπέρ της Παλαιστίνης εμφανώς πιο αρνητικά— κάτι που συνάδει με τη συγγραφή από τις διακριτές θέσεις λόγου του δρώντος και του θιγόμενου μέρους αντίστοιχα.

Abstract 
Social media has become a central arena in which armed conflicts are contested, yet the pro-Israel and pro-Palestine communities on Telegram, whose broadcast architecture yields an unusually direct record of deliberate political communication, have not been systematically compared at scale. This thesis presents a multi-method computational analysis of 87,617 messages from sixteen Telegram channels, eight pro-Israel and eight pro-Palestine, spanning May 2021 to June 2026 and covering multiple conflict escalations. It combines sentiment analysis, three stance detection methods drawn from distinct paradigms (keyword matching, zero-shot DeBERTa via natural language inference, and a fine-tuned BERTweet model), and a framing analysis, all evaluated against 736 manually annotated messages. The fine-tuned model performed best (72.1% accuracy, 0.721 macro F1 under 5-fold cross-validation), outperforming both label-free baselines by 8 to 11 points; the baselines stalled in the low-to-mid 60s, suggesting a ceiling for stance detection not adapted to in-domain language. The central finding emerges only when sentiment, stance, and framing are read together: the two communities deploy the same death- and victim-related vocabulary in opposite emotional registers, pro-Israel channels predominantly neutral and report-style, pro-Palestine channels markedly more negative, consistent with writing from the distinct discourse positions of acting party and affected party.