Search

Geçmişi ve bugünü anlamanın, geleceğe daha net bakmamıza yardım ettiği söylenebilir. Özellikle bilgi çağında, dijitalleşmenin de katkısıyla oluşan devasa veriler bu anlamlandırmayı daha önemli kılmaktadır. Bunu başarabilmek için elimizdeki en etkili yöntemlerden biri ise veri madenciliğidir. Veri madenciliği söz konusu verilerin içerisinde anlamlı ilişkileri, kalıpları ve eğilimleri keşfetmeye dayalı üretkenliği arttırmaya yönelik bir araçtır. Sosyal bilimlerde ve pazarlama alanında sıklıkla kullanılan veri madenciliği, keşfettiği anlamlı kalıplar ve ilişkilerle, müşterilerin gelecekteki davranışlarını tahmin etmeye yönelik öngörü geliştirmekte; ürün tekliflerinin nasıl yapılandırılması gerektiği gibi satış ve hizmet fonksiyonlarını destekleyerek işletmeler için birçok avantaj yaratmaktadır. Bu bağlamda çalışmada, sosyal bilimlerde veri madenciliği ve uygulamalarına ilişkin genel bilgi verilmesi, ardından pazarlama alanında veri madenciliği kullanımının değerlendirilmesi amaçlanmıştır. Bu sayede veri madenciliği kavramının sosyal bilimciler açısından daha net anlaşılmasına ve benimsenmesine, pazarlama alanında veri madenciliği uygulamalarının artmasına, dolayısıyla teoriye ve sektöre sağlayacağı katkıyı arttırmasına destek olacağı düşünülmektedir.

Success rates and performances of Gaussian Naive Bayes, Support Vector Machines, Linear Discriminant Analysis, Decision Tree and Random Forest classifier algorithms from machine learning methods were evaluated using the Heart Failure Prediction dataset. Label encoder method was used primarily in data preprocessing techniques on the data set. Catalog data (5 pieces) in the data set have been converted into numerical data. In addition, it was observed that there were negative values in the data in a field and this situation was converted to values in the range of 0 - 1 with min-max conversion methods. After the pre-processing, analyzes were made with classification algorithms. As a result of these analyzes, a success rate of 90.76% was achieved with the random forest algorithm, which is an ensemble classifier. In the study, 80% of the data was used for training and 20% for testing. Of the 184 data used for the test, 102 of them were patients with heart failure and 72 of them were from those without the disease. The success of the random forest algorithm in estimating those with heart failure disease was 93.1% (95 observations), and the success in predicting those without the disease was 87.8% (72 observations)., Kalp Yetmezliği Tahmin veri seti kullanılarak makine öğrenmesi yöntemlerinden Gaussian Naive Bayes, Support Vector Machines, Linear Discriminant Analysis, Decision Tree ve Random Forest sınıflandırıcı algoritmalarının başarı oranları ve performansları değerlendirilmiştir. Data set üzerinde öncelikle veri ön işleme tekniklerinde label encoder yöntemi kullanılmıştır. Data setteki katalog veriler (5 adet) sayısal verilere dönüştürülmüştür. Ayrıca bir alandaki verilerde negatif değerlerin olduğu gözlemlenmiş ve bu durum min-max dönüşüm yöntemleri ile 0 - 1 aralığındaki değerlere dönüştürülmüştür. Yapılan ön işlemlerden sonra sınıflandırma algoritmaları ile analizler yapılmıştır. Bu analizler neticesinde bir ensemble (topluluk) sınıflandırıcı olan random forest algoritması ile %90,76 oranında bir başarı elde edilmiştir. Yapılan çalışmada verilerin %80’i eğitim, %20’si test için kullanılmıştır. Test için kullanılan 184 tane verinin 102 tanesi kalp yetmezliği hastalığı olanlar, 72 tanesi ise hastalığı olmayanlardan oluşmaktadır. Random forest algoritmasının kalp yetmezliği hastalığı olanları tahminlime başarısı %93,1 (95 gözlem), hastalığı olmayanları tahminlime başarısı ise %87,8 (72 gözlem) olarak gerçekleşmiştir.

MR Spektroskopi (MRS) beyindeki su ve yağ haricindeki metabolitlerin ölçümünün yapılabildiği, beyin tümörü tespitinde kritik öneme sahip bir görüntüleme modalitesidir. MRS sonuçlarının doğru yorumlanması ciddi bir uzmanlık gerektiren konu olup, her yerleşim yerinde bu tür tecrübeli, uzman bulunamamaktadır. Yapay zekâ ve veri madenciliğindeki gelişmelerle birlikte, bilgisayar destekli tanı (BDT) sistemlerinin tıp alanında da yaygın olarak kullanıldığı görülmektedir. Elde edilen yüksek başarılar, BDT uygulamalarının zamandan tasarruf sağlayarak tıbbi teşhis ve tedavi süreçlerini olumlu yönde etkilemektedir. BDT sistemleri tek başına tespit veya teşhis yöntemi olmasa da, sahip olduğu yüksek sınıflandırma başarısı ile uzmanlara iyi bir karar destek altyapısı oluşturabilmektedir. Derin öğrenme, klasik sınıflandırma yöntemlerine göre güncel, veriler üzerinde daha başarılı sonuçlar veren, yüksek sınıflandırma kabiliyetine sahip yapay zekâ algoritmasıdır. Bu çalışmada, Kolin (Cho), kreatin (Cr) ve N-Asetil Aspartat (Naa) metabolitlerin ölçümüne dayanan MRS verileri ile tümör tespitinde doktora yardımcı bir BDT sistemi geliştirilmesi amaçlanmıştır. Bu amaçla 49 adet beyin tümörü teşhisi konmuş, 44 adet kontrol grubu olmak üzere toplam 93 kişiden alınmış veri seti kullanılmıştır. Sınıflandırmada dizi veriler için, derin öğrenme uygulaması olan, Long Short-Term Memory (LSTM) ve karşılaştırma yapmak için dört adet klasik veri sınıflandırma yöntemi kullanılmıştır. Klasik yöntemlerden k-En Yakın Komşu (kEYK), Destek Vektör Makineleri (DVM) ve Karar Ağaçları (KA) ile elde edilen sınıflandırma başarım sonuçları %83±6,36 bulunurken, çalışmada önerilen LSTM tabanlı derin öğrenme yöntemiyle bu değer %93 olarak elde edilmiştir. Bu da derin öğrenmenin yüksek sınıflandırma başarımı göstererek, MRS verilerinin sınıflandırılmasında ilgili alandaki uzmanlara karar sürecinde yardımcı olabilecek bir BDT sisteminde kullanılabileceğini göstermektedir.

Bu çalışmanın amacı sürdürülebilir ekonomik kalkınma bağlamında havayolu sektörüne yönelik müşteri memnuniyeti bazlı yatırım stratejilerinin belirlenmesidir. Bu amaca yönelik olarak, havacılık sektöründe müşterilerin taleplerini etkileyen faktörlerin tespit edilmesi amaçlanmıştır. Bu bağlamda, 2019 yılında en iyi 75 havayolu şirketi arasına giren şirketler inceleme kapsamına alınmıştır. Bahsi geçen şirketlere yönelik 2011-2020 yılları arasında Skytrax web sitesinden yapılan yorumlar analiz edilmiştir. İlgili müşteri yorumları metin madenciliği yöntemiyle KNIME platformu üzerinde analiz edilmiştir. Bu kapsamda, en fazla geçen tek, ikili ve üçlü kelime grupları belirlenmiştir. Elde edilen analiz sonuçlarına göre, müşterilerin tüm havayolu şirketlerinden genel beklentileri sunulan hizmetin kaliteli olmasıdır. Koltuk rahatlığı, kabin ekibinin kibar ve yardımsever olması ve yemeklerin lezzetli olması gibi hususlar tüm ülkeler için ön plana çıkmıştır. Belirtilen hususlara ek olarak, müşteriler havayolu şirketlerinden genel olarak meydana gelen rötarlara ilişkin şikayetlerde bulunmaktadır. Dolayısıyla, bu problemi yaşayan havayolu şirketlerinin gerekli tedbirleri almadığı durumda diğerlerine kıyasla önemli ölçüde rekabet avantajı kaybedecekleri ortadadır. Öte yandan, Afrika, Kuzey Amerika ve Güney Amerika’lı müşterilerin uçaklardaki temizliğe daha fazla önem gösterdiği sonucuna ulaşılmıştır. Son olarak, Güney Amerika’lı müşterilerin fiyatların yüksek olmasına yönelik bazı rahatsızlıkları bulunduğu belirlenmiştir. Bu bilgiler göz önünde bulundurularak, özellikle bu kıtaya hizmet veren havayolu şirketlerinin düşük fiyat odaklı yatırım stratejisini belirlemeleri yerinde olacaktır. Belirtilen bu öneriler ülkelerin sürdürülebilir kalkınma hedeflerine ulaşabilmelerine yardımcı olacaktır., The aim of this study is to determine customer satisfaction-based investment strategies for the airline industry to achieve sustainable economic development. For this purpose, it is intended to determine the factors affecting the demands of customers in the aviation industry. In this context, the companies that are among the top 75 airline companies in 2019 are included in the review. The comments made on the Skytrax website between the years 2011-2020 for the aforementioned companies are analyzed. Relevant customer comments are evaluated on the KNIME platform by text mining methodology. In this context, most frequently used single, double and triple word groups are identified. According to the results of the analysis, the general expectations of the customers from all airline companies are the quality of the service provided. Matters such as the comfort of the seats, the polite and helpfulness of the cabin crew and the deliciousness of the food have come to the forefront for all countries. In addition, customers complain of general delays from airlines. Therefore, it is obvious that airline companies experiencing this problem will lose a significant competitive advantage compared to others if they do not take the necessary precautions. On the other hand, it is concluded that customers from Africa, North America and South America attach more importance to the cleanliness of their aircraft. Finally, it is determined that South American customers had some discomfort with the high prices. Considering this information, it would be appropriate for airline companies serving this continent to determine their investment strategy focused on low prices. These recommendations will help countries achieve their sustainable development goals.

İşletmeler süreklilikleri için yeni müşteriler edinirken, müşteri portföylerini de tutundurmaya çalışmaktadırlar. Ağızdan ağıza pazarlamanın, sosyal medyanın mutsuz-kayıp müşterilere kazandırdığı etki alanı, yeni bir müşteri edinmenin mevcut müşterileri elde tutmaktan 5 ila 10 kat daha maliyetli oluşu, Müşteri Kayıp Analizinin (MKA) önemini arttırmıştır. MKA çalışmaları, müşteri aboneliği, sürekliliği bulunan sektörler için sıkça yer alırken sağlık sektöründe uygulamaları pek görülmemektedir. MKA’nın sağlık sektöründe yapılabilmesi için öncelikle, hizmet alıcılarının hangi durumlarda devamlı ve kayıp kabul edildiğini belirleyecek ölçütler gereklidir. Çocuk hastalar üzerine yapılan bu çalışmada, yıllık yaklaşık 5.000.000 hasta başvurusu olan bir özel sağlık kurumunun 2011-2018 yılları arasındaki 496.847 çocuk hastaya ait 3.400.000 başvurusu incelenmiştir. Öncelikle, ilgili yazın ve sağlık kuruluşunun büyük veri tabanı incelenmiş, kuruluşun uzmanları ile yarı yapılandırılmış mülakat yöntemi ile görüşmeler yapılmış, seçilen çocuk hastalar grubu için devamlı ve kayıp hasta kabul edilme ölçütleri yapılan nitel çalışma sonucunda belirlenmiştir. Veri madenciliği uygulama kısmında; çocuk hastaların yaşları, sosyal güvenceleri ve başvuru sıklıkları ile kayıp hasta kabul edilme durumu, ilgili hastaların sisteme kayıtlı şikâyetleri ile kayıp hasta kabul edilme durumları arasındaki örüntüler Karar Ağacı algoritmalarından CHAID ve CART ile analiz edilmiş ve tahminleme modelleri kurulmuştur. Anket sorularında Net Tavsiye Skorunu (NPS) etkileyen soruya verilen puanlandırma ile kayıp hasta kabul edilme durumu arasındaki örüntüler Ki-Kare testi ile incelenmiştir. Yaş, sosyal grup ve başvuru sıklıklarına göre kayıp hasta tahminlemesinde kullanılan Veri Madenciliği teknikleri sonuçları karşılaştırılmış ve yaş gruplarına göre 0-1, 1-2 yaş grubunda CHAID algoritmasının, 2-6 ve 6-10 yaş gruplarında CART algoritmasının, şikâyetler ve kayıp hasta tahminlemesinde ise CHAID algoritmasının daha başarılı sonuçlar verdiği gözlenmiştir. Ayrıca, en yüksek Kayıp hasta (churn) oranına sahip 2-6 yaş çocuk hasta grubunu en iyi açıklayan/bölünmeyi veren değerin çocuk hastaların 5-6 yaş aralığındaki başvuruları arasındaki maksimum gün farkı olduğu ve ilgili farkın 177 günden fazla olması durumunda kayıp hasta oranının çok daha belirgin olduğu saptanmıştır. While businesses aim to acquire new customers, they also focus maintaining existing customers. With increased impact of word-of-mouth and social media on unhappy-churned customers and as acquiring new customers costs 5-10 times more than retaining existing ones, increased the importance of churn analysis. While churn prediction is frequently used in sectors with customer subscription basis, examples in healthcare are very limited. To apply churn analysis in healthcare, firstly criteria for profiling regular and churned patients need to be defined. 3,400,000 visits of 496,847 pediatric patients between 2011-2018 in a private hospital chain, which has approximately 5,000,000 patient-visits annually, were examined. Firstly, literature and database of the hospital were reviewed, subsequently, via qualitative techniques / semi-structured interviews were conducted with the experts to define criteria for regular and churned patients. In the data-mining; patterns between age, social security and admission frequency of the pediatric patients and churned-patient status, the complaints of the same patients registered in the system and the churned- patient status were analyzed with decision tree algorithms CHAID, CART and predictive models were established. The patterns between the question affecting Net Promoter Score in surveys and churned-patient status were examined via Chi-Squre Test. The results of the techniques were compared and it was observed that CHAID in the 0-1, 1-2 age groups, CART in 2-6 and 6-10 age groups for social security, age groups, frequency of visits vs. churn and CHAID for complaints vs. churn showed better results in predicting churned patients. Also, 2-6 years old group which has highest churn rate is explained best by maximum day difference between admission on the 5-6 years old, it was seen that when the maximum difference between 2 visits are more than 177 days, churn rate has a significant increase.

Firmaların varlıklarını sürdürebilmeleri için, belli karlılık hedeflerini tutturmaları gerekmektedir. Firmalarda karlılık hedeflerine doğrudan etki eden faaliyetlerden biri de satın alma faaliyetleridir. Değişen dünya koşullarında satın alma süreçlerinin kritik malzeme grupları için çevik ve stratejik olması gerekmektedir. Bu çalışmada, çelik malzeme ürün grubunda fiyat tahminleme çalışması için veri madenciliği ve makine öğrenmesi yöntemleri ortaya konmuştur. Veri setinde bulunan gürültülü veriler tespit edilerek veri madenciliği teknikleri ile temizlenmiştir. Temizlenen veri seti makine öğrenmesi tekniklerinden hiyerarşik kümeleme ve k-ortalamalar yöntemleri kullanılarak ideal küme sayıları tespit edilmiştir. Bu analizde bulunan ideal küme sayısının doğrulaması farklı performans ölçütlerine göre doğrulanmıştır. Belirlenen kümede yer alan referanslar için hem yapay sinir ağları ile hem adaptif ağ yapısına dayalı bulanık çıkarım sistemleri (ANFIS) ile fiyat tahminlemesi yaparak hangi yöntemin diğerine göre daha üstün olduğu ortaya konmuştur. Bu çalışmada önerilen analizler ile satın alma süreçlerinde, çalışan kaynaklı hataların satın alma stratejileri geliştirme süreçlerindeki etkileri azaltılmış, satın alma çalışanlarının uzun zaman harcayarak yaptığı analizler, endüstri mühendisliğinin teknikleri içerisinde yer alan veri analizi ve makine öğrenmesi yöntemleri ile gerçekleştirilmiştir. For the sustainability of companies, it is necessary to meet certain profitability targets. Purchasing function is one of the crucial functions that directly affects the profitability targets of companies. It has become a necessity to act agile and strategically for critical material groups in changing world conditions of purchasing functions. In this study, data mining and machine learning methods has presented to forecast price of steel material product groups. The noisy data in the data set was revealed and cleaned with data mining techniques. The data set was analyzed by clustering analysis such as hierarchical clustering and k-means methods. Optimal number of clusters was determined and validated by different methods. For the references in the selected cluster, price forecasting models was presented by using artificial neural networks (ANN) and adaptive network based fuzzy inference systems (ANFIS) The proposed forecasting model aims to reduce the effects of purchasing employee related errors in strategy development process for purchasing decisions and the analyses made by purchasing experts by spending a long time were carried out with industrial engineering methods such as data mining and machine learning algorithms.

İntiharlar, geçmişten günümüze farklı sıklıklarda ve sürekli karşılaşılan önemli bir sorundur. Bireyler, intihar girişiminde bulunarak kendi yaşamına kendi isteğiyle son vermeye çalışmaktadır. İntiharın birçok nedeni bulunmakla birlikte etkileri toplumdaki tüm fertler için yıkıcı düzeydedir. Bu çalışmada, aralarında Türkiye’nin de bulunduğu OECD üye ülkelerinin kişi başı gayri safi yurtiçi hasıla (GSYİH), işsizlik, alkol tüketimi, yıllık çalışma süresi, boşanma ve antidepresan kullanımı değişkenlerinin intihar değişkeni ile ilişkisinin incelenmesi amaçlanmıştır. İlişkiyi incelemek için veri madenciliği sınıflandırma tekniklerinden faydalanılmıştır. Veri madenciliği teknikleri arasında ise en yüksek doğru sınıflandırma değerlerini veren algoritmalardan yararlanılmıştır. Yapılan analizler neticesinde tüm değişkenlerin intihar değişkeni ile ilişkili olduğu belirlenmiştir. Buna göre işsizlik düzeyi, alkol tüketimi, yıllık çalışma süresi, boşanma hızı ve antidepresan kullanımı yüksek ve GSYİH’si düşük düzeyde olan ülkelerde intihar hızının yüksek veya orta düzeyde olabileceği belirlenmiştir. Bu özelliklerin belirlenmesi OECD ülkelerinin intihara yönelik alacakları önlemlerde ve geliştirecekleri sağlık ve sosyal politikalarda hangi özellikleri hedef alabileceğini gösterebilecektir., Suicides are an important problem that has been encountered in different frequencies from past to present. Individuals are trying to end their own lives by attempting suicide. There are many causes of suicide but its effects are devastating for all individuals in the community. This study aimed to examine that OECD member countries including Turkey of the relationship between the variables of per capita gross domestic product (GDP), unemployment, alcohol consumption, annual working time, divorce rate, and antidepressant use with suicide variable. Data mining classification techniques were used to examine the relationship. Among the data mining techniques, we used the algorithms giving the highest correct classification rates. As a result of the analyzes made, it was determined that all variables were associated with the suicide variable. Accordingly, it has been determined that the suicide rate may be high or moderate in countries with high unemployment level, alcohol consumption, annual working time, divorce rate, and antidepressant use and low GDP. Determining these features will be able to show what characteristics OECD countries will target in the measures they will take for suicide and the health and social policies they will develop.

Telekomünikasyon sektörü, yaşamın her alanında kullanım imkânı olan, sürekli kendisini güncelleyen ve aynı zamanda diğer sektörler için bir alt yapı özelliği taşıyan bir sektördür. Uluslararası Telekomünikasyon Birliği (International Telecommunication Union-ITU) ise telekomünikasyon sektöründe Dünya’da öncü konumda olup araştırmada kullanılacak olan verinin toplanıp raporlandığı kurumdur. Veri madenciliği, sahip olunan veri birikiminden anlamlı ve işe yarar bilgiler çıkarıp veriler içerisinde saklı kalmış gizli örüntüleri keşfederek karar alma aşamasına destek olmak için geliştirilmiş bir yaklaşımdır. Yapılan çalışmada veri madenciliği kavramı, telekomünikasyon sektörünün yapısı ve gelişimine yer verilerek ITU verileri, veri madenciliği yöntemleri ile incelenmiştir. Çalışmada, ITU’nün 2020 Temmuz ayına ait veriler kullanılarak analize dâhil olacak ülkeler ve değişkenler belirlenmiştir. Kullanılacak raporlardaki eksik veriler, k-en yakın komşu algoritması, yapay sinir ağları, karar ağacı ve lineer regresyon modellerinden yararlanılarak Rapidminer programında giderilmiş ve veriler analize uygun hale getirilmiştir. Toplam 122 ülke ve 55 değişkenden oluşan veri kümesine hem hiyerarşik hem de hiyerarşik olmayan kümeleme analizi yapılmış ve ülkeler k-ortalamalar kümeleme yöntemine göre beş kümede toplanmış ve Türkiye bu kümelerden ikinci kümede yer almıştır. Yapılan analizlerde Türkiye’nin telekomünikasyon açısından içinde bulunduğu küme ve diğer ülkelere kıyasla sahip olduğu düşük ve yüksek değerler ortaya konmuş olup mobil ve 3G kapsama alanları, internet kullanıcı oranı ve başarısız ve bölünen çağrı oranı değişkenleri için sahip olduğu değerleri güçlendirmesi gerektiği belirtilmiştir. Türkiye’nin yapacağı kapsama alanı ve servis hizmetinin genişletmeleri ve altyapı desteği ile daha yüksek değerlere ulaşabileceği ve ekonominin itici gücü haline gelen telekomünikasyon sektöründe daha güçlü bir konuma gelerek diğer ülkeler ile yaşanan rekabette elini daha kuvvetli hale getirebileceği ifade edilmiştir. The telecommunication sector is a sector that can be used in all areas of life, constantly updating itself and at the same time being an infrastructure for other sectors. The International Telecommunication Union (ITU) is the leading institution in the world in the telecommunication sector and is the institution where the data to be used in the research is collected and reported. Data mining is an approach developed to support the decision-making stage by extracting meaningful and useful information from the existing data and discovering the hidden patterns in the data. In the study, the concept of data mining, the structure and development of the telecommunications sector and ITU data were discussed and examined with data mining methods. In the study, the countries and variables that will be included in the analysis were determined by using the data of July 2020 of ITU. Missing data which to be used in the reports were corrected in Rapidminer program by using k-nn, artificial neural networks, decision tree and linear regression models and the data were made suitable for analysis. Both hierarchical and nonhierarchical clustering analyzes were performed on the dataset consisting of a total of 122 countries and 55 variables, and the number of clusters was determined as five according to the countries k-means clustering method and Turkey takes its place in the second cluster. In the analyzes made, low and high values of Turkey compared to the cluster and other countries were revealed and it was stated that it should strengthen its values for the variables of mobile and 3G coverage areas, internet user rate and unsuccessful and drop call rate. It has been stated that Turkey can reach higher values with the expansion of its coverage area, service and infrastructure support and become stronger in the telecommunication sector, which has become the driving force of the economy and make its hand stronger in the competition with other countries.

Amaç: Araştırmada 2013-2020 yılları arasında Türkiye ve İtalya’da oynanan erkek ve kadın voleybol süper lig maçlarının veri madenciliği yöntemleri ve yapay sinir ağları modelleriyle maç sonu tahminleri ve maç sonucuna etki eden değişkenlerin yüzdelerinin hesaplanması amaçlanmıştır. Gereç ve Yöntem: Bu araştırma korelasyonel tarama araştırmasıdır. 1144 tanesi Türkiye erkek, 1142 tanesi Türkiye kadın, 1122 tanesi İtalya erkek, 1066 tanesi İtalya kadın olmak üzere toplamda 4474 müsabaka veri madenciliği programı olan Matlab’da bulunan “Statistics and Machine Learning Toolbox”, “Neural Network Pattern Recognition Toolbox” araç paketleri ve “Classification Learner” uygulamasından yararlanılarak analiz edilmiştir. Sınıflama yöntemleri, tüm maçlar için, cinsiyete ve ülkelere göre farklı uygulanmış ve “20 fold cross validation” tekniği ile her bir maça kendi içerisinde etki eden 10 farklı değişken ile sınıflama doğrulukları belirlenmiştir.

Günümüzde e-ticaret kullanımının giderek yaygınlaşması ile işletmeler açısından internet üzerinden satış giderek daha fazla önemli olmaktadır. E-ticaretin kullanımındaki bu artış tüketicilerin e-ticaret kullanımını etkileyen faktörlerin neler olabileceği sorusunu da beraberinde getirmektedir. Bu çalışmada Türkiye’de fertlerin e-ticaret kullanım sıklıklarını etkileyen özellikler veri madenciliği yönetimlerinden karar ağaçları ve Destek Vektör Makineleri (DVM) algoritmaları ile analiz edilmiş ve yorumlanmıştır. Ayrıca e-ticaret kullanımını etkileyen değişkenlerden yararlanarak fertlerin e-ticaret kullanım sıklıklarını tahminleyici sınıflandırma modeli tasarlanmıştır. Çalışmanın bulgularına göre CHAID, C&R Tree ve QUEST algoritmalarında e-ticaret kullanımını etkileyen en önemli değişken son üç ay içinde özel kullanım amacıyla internet üzerinden mal veya hizmet satın alım sayısı olarak saptanmıştır. CHAID ve QUEST algoritmalarında ikinci sırada e-ticaret kullanımını etkileyen en önemli değişken yaş olurken C&R Tree algoritmasında son üç ay içinde özel amaçla (mobil uygulamalar dahil) E-posta gönderme/alma değişkeni olmuştur. E-ticaret kullanım sıklığı tahmini için en iyi sınıflandırma sonucunu %86,19 doğruluk oranı ile CHAID algoritması vermiştir. Nowadays, with the widespread use of e-commerce, online sales are becoming more and more important for businesses. This increase in the use of e-commerce brings with it the question of what factors may affect the use of e-commerce by consumers. In this study, the features that affect the e-commerce usage frequency of individuals in Turkey are analyzed with decision trees and Support Vector Machine (SVM) algorithms and interpreted. In addition, a classification model has been designed to predict e-commerce usage frequency of individuals by using variables that affect e-commerce usage. According to the results of the study, the most important variable which affects the e-commerce usage frequency in CHAID, C&R Tree and QUEST algorithms has been determined as the number of purchases of goods or services over the internet for private use in the last three months. While variable of age has been the second most important variable in CHAID and QUEST algorithms, the variable of sending/receiving e-mails for special purposes (including mobile applications) in the last three months has been the second most important variable in the C&R Tree. For e-commerce usage frequency estimation, the CHAID algorithm has given the best classification result with an accuracy rate of 86.19%.

Teknolojik gelişmeler hem sosyolojik dönüşümlere hem de bireysel alışkanlıklarda değişimlere yol açmaktadır. İletişim teknolojilerindeki özellikle dijital iletişim teknolojilerindeki ilerlemelere bakıldığında, veri kullanımının ve yapay zeka algoritmalarındaki gelişmelerin, tüm toplumsal hayatı kapsayan bir değişim gücüne sahip olduğu savunulmaktadır. Günümüzde sosyal medya platformlarında veri madenciliği ve makine öğrenimi kullanımı sayesinde bireylerin tüm kişisel verilerine ulaşılır hale gelinmiştir. Bu verilerin etkin bir şekilde kullanılması siyasal iletişimi de dönüştürmeye başlamıştır. Bu gelişmeler hem mevcut siyasal propaganda yöntemlerinin dönüşmesine neden olmuş, hem de bireylerin siyasal katılım davranışlarını değiştirmeye başlamıştır. Bu çalışmanın amacı, siyasal iletişimde kişiye özel dijital veri ve post-truth içerik kullanımının Z kuşağının çevrimiçi siyasal katılımı üzerindeki etkisini analiz etmektir. Bu amaç doğrultusunda üç temel üzerine hipotezler kurulmuştur: sosyal medya kullanımı, çevrimiçi bilgiye güven algısı ve kişiye özel dijital veri güvenliği algısı. Böylece, çalışmada dijital iletişim teknolojilerinin gelişmesiyle birlikte yaygınlaşan sosyal medya platformlarında kişiye özel verilerin ve sahte içeriklerin siyasal iletişimde kullanımının Z kuşağının çevrimiçi siyasal katılımı üzerindeki etkileri araştırılmıştır. Bu çalışmada genel tarama modellerinden kesitsel araştırma seçilmiş olup, araştırma tekniği olarak çevrimiçi anket tekniği kullanılmıştır. Örneklem tekniği olarak kartopu örnekleme kullanılmış olup, İstanbul’da okuyan 18-24 yaş arası 356 sosyal medya kullanıcısı üniversite öğrencisinden çevrimiçi anket yoluyla veri toplanmıştır. Yapılan çoklu regresyon testinde bağımsız değişkenlerin bağımlı değişken olan çevrimiçi siyasal katılım ile pozitif yönde anlamlı ilişkili olduğu görülmüştür. Elde edilen verilerden ise katılımcıların siyasi gündeme karşı ilgisiz olmadıkları ancak pasif bir çevrimiçi siyasal katılım davranışı gösterdikleri, bunun yanı sıra kişiye özel dijital verilerinin onay vermedikleri durumlarda kullanılacağı endişesi yaşadıkları ve karşılaştıkları çevrimiçi siyasi içeriklerin doğruluğundan tam olarak emin olmadıkları sonucuna ulaşılmıştır. Bu sonuçlar birbiriyle ilişkili olarak gençlerin hem dijital çağın suskunluk sarmalı içine girdiklerini hem de gözetim toplumu kavramının yarattığı baskıyı üzerlerinde hissettiklerini göstermektedir., Technological developments lead to both sociological transformations and changes in individual habits. When we look at the advances in communication technologies, especially in digital communication technologies, it is argued that the use of data and the developments in artificial intelligence algorithms have a power of change that covers all social life. Today, thanks to the use of data mining and machine learning on social media platforms, all personal data of individuals have become accessible. The effective use of these data has also begun to transform political communication. These developments both caused the transformation of existing political propaganda methods and started to change the political participation behaviors of individuals. The aim of this study is to analyze the effect of personal digital data and post-truth content use in political communication on the online political participation of Generation Z. For this purpose, hypotheses have been established on three pillars: social media usage, perception of online information trust and personalized digital data security perception. Thus, in the study, the effects of the use of personal data and fake content in political communication on social media platforms, which became widespread with the development of digital communication technologies, on the online political participation of Generation Z were investigated. In this study, cross-sectional research was chosen from the general survey models, and the online survey technique was used as the research technique. Snowball sampling was used as the sampling technique, and data were collected through an online survey from 356 social media user university students aged 18-24 studying in Istanbul. In the multiple regression test, it was seen that the independent variables were positively and significantly related to the dependent variable, online political participation. From the data obtained, it was concluded that the participants were not indifferent to the political agenda, but showed a passive online political participation behavior, in addition, they were worried that their personal digital data would be used in cases where they did not give their consent, and that they were not completely sure of the accuracy of the online political content they encountered. These results, in relation to each other, show that young people both enter the spiral of silence of the digital age and feel the pressure created by the concept of the surveillance society.

Halkla ilişkiler kuruluşlar ve kamuları arasında, karşılıklı yarar sağlayan ilişkiler kuran stratejik bir iletişim sürecidir. Kurumlar çevresi olan ilişkilerinde meydana gelebilecek değişiklilere uyum sağlayabilmek için gerçekleştirdiği faaliyetlerini stratejik yönetim anlayışı ile sürdürmelidir. Stratejik halkla ilişkiler yönetimi, stratejik yönetim süreçleri ile koorrdineli yürütülen faaliyetleri kapsar. Kurumların faaliyet gösterdikleri çevrelerdeki unsurları etkiler ve onlardan etkilenir. Stratejik halkla ilişkiler stratejik yönetim süreçlerinden aldığı girdiler ile faaliyetlerini sürdürürken araştırma, planlama, ugulama ve değerlendirme aşamalarını gerçekleştirir. Bu süreçte paydaşlar kurumların çevresinde yer alan en önemli unsurdur. Bu nedenle paydaşlarını çok iyi tanımalı, bu paydaşlar ile ilgili gündemlerini en iyi şekilde yönetmelidir. Bu süreçte stratejilere uygun iletişim amaçları, hedefleri, taktikleri ve programları geliştiren halkla ilişkiler veri madenciliği yöntem ve araçlarını büyük verinin elde edilmesi, düzenlenmesi ve analizi ile sürece girdi sağlamak için kullanabilir. Bu çalışmada stratejik halkla ilişkiler sürecinde birliktelik kuralları analizinin kullanımı örneğinde veri madenciliğinin sunacağı imkân ve olanakların ortaya konulması amaçlanmaktadır. Bu amaca ulaşmak için Süleyman Demirel Üniversitesinin 2016-2020 yıllarını kapsayan stratejik plan belgesinde belirtilen kurum hedeflerinin kurumun halkla ilişkiler çalışmalarından birisi olan WEB haberleri üzerinden nasıl gerçekleştirildiği veri madenciliği araçlarından birliktelik kuralları analizi ile sınırlandırılmış bir araştırma ile ortaya koyulmuştur. Elde edilen bulgular stratejik halkla ilişkiler yönetimi çerçevesinde değerlendirilmiştir. Buna göre haber içeriklerinin oluşturulmasında stratejilerin, kurum temsilcilerinin, birimlerin ve paydaşların birliktelik kuralları belirlenmiştir. Uygulama neticesinde birliktelik kuralları analizinin gündemleri belirleme yeteneğine sahip stratejilerin hangi paydaşlar, temsilciler ve birimler ile birlikte yer aldığına yönelik nitelikli bilgiler ortaya koyabildiği ve bu bilgilerin de uygulamacılara stratejik halkla ilişkiler sürecinde paydaş, gündem ve kamu evrelerinde yardımcı olacağı sonucuna varılmıştır.

Yaşam memnuniyeti ve mutluluk kavramları çoğu zaman aynı anlamda kullanılır. Mutluluk kavramı, yıllar içinde bireyin kendini öznel beğenisinden, toplumdaki yerinden hoşnut olmasına veya sürdürdüğü yaşam biçiminden memnun olmasına kadar farklı şekillerde ele alınmıştır. Günümüzde mutluluk ele alınırken, bireyin kendisine özgü değerlendirmesinin ifadesi olarak, kişinin kendisini mutlu hissedip hissetmemesine daha fazla önem verilmektedir.Bu çalışmada TÜİK tarafından yayınlanan 2016 - 2018 yılları arası Yaşam Memnuniyeti Araştırması(YMA) verileri, veri madenciliği tekniklerinden “birliktelik kuralı analizi” ile incelenmiş ve mutlu olma düzeyleri ile ilgili kurallar bulunmaya çalışılmıştır. İki aşamada gerçekleştirilen araştırmada önce YMA anket sorularından araştırmada kullanılabilecek sorular belirlenmiş, sonra da belirlenen 75 sorudan “mutluluk” ile ilgili düzeyi en fazla olan soruları belirlemek için öznitelik azaltma çalışması yapılmıştır. Yapılan çalışma sonucu “mutluluk” değişkenini en iyi açıklayan 30 soru belirlenmiştir. Belirlenen sorular ile birliktelik kuralı analizi “mutlu”, “orta derecede mutlu” ve “mutsuz” bireyler için ayrı ayrı yapılarak, bu üç durum için kurallar belirlenmiştir. Özellikle “mutlu” olma durumu için bulunan kurallar oldukça yüksek güvenilirlik düzeyindedir. Çalışmada, resmi istatistik verilerinde veri madenciliği çalışması ile faydalı sonuçlara ulaşılabileceğini, resmi istatistikler üzerinde şimdiye kadar az sayıda gerçekleştirilen birliktelik kuralı analizi çalışması ile gösterilmiştir. Ayrıca bulunan mutluluk kuralları birçok sosyal bilimciye yol gösterebileceği gibi, siyasetçilere de vatandaş memnuniyeti odaklı politika geliştirme aşamasında yol gösterici niteliktedir.

Döviz piyasaları, emtia piyasaları ve gelişmekte olan ülkelerin borsa endekslerinin Bist100 üzerindeki etkisi oldukça önemlidir. Ülke ekonomileri hem kendi hem de diğer ülkelerin ekonomilerine güçlü bir şekilde bağlıdır ve bu sebeple piyasalar etkilenmektedirler. Ekonomik açıdan piyasayı takip etmek kararları doğru verebilmek için tahmin yöntemleri kullanılmaktadır. Veri kümesi Ocak 2017 – Ekim 2021 tarihleri arasındaki kapanış verilerinden oluşmaktadır. Deneysel çalışmalarda objektifliğin sağlanması amacıyla k=5 ve 10 katlı çapraz geçerlilik modeli uygulanmıştır. Modellerin karşılaştırılmasında; Ortalama Mutlak Hata (MAE), Bağıl Mutlak Hata (RAE), Ortalama Karesel Hata Karekökü (RMSE) ve uzun kısa süreli bellek (LSTM) kullanılmıştır. Deneysel çalışmalar sonucunda, LSTM modelinin makine öğrenmesi modellerine göre daha iyi sonuç verdiği görülmüştür. LSTM modeli için test sonuçları incelendiğinde MAE değeri 10.27, RMSE değeri 14.15 ve RAE değeri ise 6.06’dir., The effect of foreign exchange markets, commodity markets and stock market indices of developing countries on Bist100 is very important. The economies of the countries are strongly dependent on the economies of both their own and other countries, and therefore the markets are affected. Forecasting methods are used to follow the market economically and to make correct decisions. The dataset consists of closing data between January 2017 and October 2021. In order to ensure objectivity in experimental studies, a k=5 and 10-fold cross-validation model was applied. In comparison of models; Mean Absolute Error (MAE), Relative Absolute Error (RAE), Root Mean Square Error (RMSE) and long short-term memory (LSTM) were used. As a result of experimental studies, it has been seen that the LSTM model gives better results than machine learning models. When the test results for the LSTM model are examined, the MAE value is 10.27, the RMSE value is 14.15, and the RAE value is 6.06.