Big data
123 theses under this subject heading
Endüstri 4.0 çağında yapay zeka teknikleri ile takım ucu konum kestirimi: Sanayide bir dijital dönüşüm örneği
Dijital dönüşümle makinelerden toplanan sensör verilerinin işlenmesi sayesinde son yıllarda üretimin durmasına neden olabilecek takım tezgahlarının kırılmasını ve aşınmasını oluşmadan önce tahmin etmek için büyük çabalar sarf edilmiştir. Yapay zeka algoritmaları kullanılarak üretimde kesici takımların verilerinden çıkarımlar yapılabilmektedir. Bu çalışmanın temel motivasyonu talaşlı imalatta kullanılan takımlardır. Takımların üretimi sırasında sensörler yardımıyla makineden veri alınmaktadır. Seçilen ayırıcı özelliklerden olan üç eksende konum verilerinin gideceği yerlerin tahmini LSTM, RNN ve ARIMA algoritmaları kullanılarak yapılmıştır. Bu üç algoritma hata oranlarına göre karşılaştırılmıştır. LSTM algoritması en düşük ortalama mutlak hata ve kök ortalama karesel hata oranlarına sahiptir. Elde edilen sonuçlara göre, ayırıcı özellik seçimi ve derin öğrenmeye dayalı tahminin hibrit yaklaşımı ile ekipman ömrünü uzatmak ve ekipman verimliliğini artırmak mümkündür.
Twitter'da siyasi kutuplaşmanın dinamikleri: 2017 Türkiye Anayasa Değişikliği Referandumu analizi
Siyasi iletişimde artan rolleri ile Facebook ve Twitter gibi sosyal ağların kutuplaşma üzerindeki etkileri sorgulanmaktadır. Sanal ortamlar, sadece benzer fikir ve görüşlere sahip bireylerin bir araya geldikleri ve sağduyunun yerini aşırılaşma ve kutuplaşmanın almasında önemli role sahip olan yankı-odaları oluşumuna neden olmakla eleştirilmektedir. Sosyal ağların kutuplaşma üzerindeki etkilerini inceleyen önceki çalışmalar kutuplaşmayı çoğunlukla bir süreç yerine bir durum olarak değerlendirmektedir. Sınırlı sayıda çalışma kutuplaşmanın dinamiklerine odaklansa da, bu çalışmalar kutuplaşmayı taraflar arası ayrışmayı yansıtan tek bir süreç olarak incelemektedir. Önceki çalışmaların aksine, çalışmamız kutuplaşmayı iki karşıt grubun herbirinin iç dinamiklerini yansıtan iki ayrı sürecin etkileşimi sonucu ortaya çıkan taraflar arası ayrışma olarak ele almaktadır. Bu amaçla, çalışmamız yankı-odası kavramını esas alarak kutuplaşmanın tarafları olan her iki topluluğun da ideolojik tutarlılık ve sosyal kohezyonundaki zamana bağlı değişimini incelemektedir. Kutuplaşma, Türkiye'de akademisyenlerden siyasetçilere kadar pek çok farklı çevrenin gündeminde olan bir konudur. Bu bağlamda, çalışmamız 2017 Türkiye Anayasa değişikliği referandumu döneminde Twitter'da evet ve hayır oylarını destekleyen iki karşıt topluluk arasındaki kutuplaşmanın fikirsel ve yapısal dinamiklerine odaklanmaktadır. Araştırma sonuçları, evet ve hayır destekçisi kullanıcıların birbirinden büyük oranda ayrışmış iki farklı topluluğu temsil ettiklerini gösterse de, taraflar arasında belirgin dönemsel davranış farklılıkları gözlenmiştir. Genel olarak, bulgularımız referandum dönemi boyunca evet destekçilerinin iç iletişim ağının hayır destekçilerine göre daha yoğun bağlantılara sahip olduğunu ve ideolojik tutarlılığının daha fazla olduğunu göstermektedir. Ancak, referandum tarihini takip eden bir kaç günlük zaman dilimi içerisinde tam tersi bir trend gözlenmiştir. Bu zaman dilimi içerisinde, hayır destekçilerinin fikirsel tutarlılığının ve iç bağlantı yoğunluğunun arttığı, evet destekçilerinin ise fikirsel tutarlılığının azaldığı ve dış bağlantılarının güç kazandığı gözlenmiştir. Sonuç olarak, çalışmamızda kutuplaşmayı tek bir süreç olarak gören makro bakış açısının kutuplaşmanın yerel dinamiklerini anlamadaki sınırlılığı göz önünde bulundurularak, kutuplaşmayı karşıt tarafların herbirine ait iç dinamikleri yansıtan iki ayrı sürecin bağıl değişimi olarak gören bir yaklaşım geliştirilmiştir. Elde edilen sonuçlar, yaklaşımımızın kutuplaşmaya dair ince detayları ortaya koymadaki etkinliğini göstermiştir.
Dinamik sosyal ağlarda akan ve çok boyutlu veri üzerinden analiz ve tahmin yapılması
Makine öğrenmesi teknikleri ve bu tekniklerin uygulanabilir olduğu alanlar, veri miktarının artması ve veriye ulaşımın kolaylaşması ile birlikte oldukça ön plana çıkmıştır. Veri kümeleri üzerinde bu yöntemler kullanılarak farklı alanlara yönelik tahmin modellerinin geliştirilmesi mümkündür. Bunun yanında doğal dil işleme yöntemleri, metin verisinin analiz edilmesi ve anlamlandırılması noktasında birçok farklı yöntemi içerisinde bulundurmaktadır. Yapılan çalışmada, doğal dil işleme yöntemleri kullanılarak, haber ve sosyal medya verisi analiz edilmiştir ve analiz sonuçlarından öznitelik kümeleri oluşturulmuştur. Oluşturulan öznitelik kümeleri ile sayısı fazla olan seyrek öznitelik kümeleri için ölçeklenebilir bir eğitim ve tahmin sistemi ortaya konmuştur. Sistemin geliştirilmesi için, 1 yıllık zaman aralığı içerisinde New York Times web sayfasından 12.560 adet makale ve 4 aylık zaman aralığı içerisinde Twitter isimli sosyal medya platformundan 2.854.333 adet paylaşım toplanmıştır. Toplanan veri üzerinden varlık isimleri tanımlanmış, düşünce analizi yapılmış ve konu modelleri oluşturulmuştur. Geliştirilen sistemin bir başka çıktısı olarak, analizi yapılan metin verileri üzerinden sosyal ağların oluşturulmasını sağlanmıştır ve üretilen sosyal ağların farklı zaman aralıklarındaki değişimleri gözlemlenmiştir. Elde edilen analiz sonuçları ve sosyal ağlar doğrultusunda öznitelik kümeleri oluşturulmuş ve bu öznitelik kümeleri ile elastik ağ regresyonu temelli bir eğitim yöntemi geliştirilmiştir. Önerilen bu sistem ile birçok farklı veri kümesinin analiz edilebileceği ve bu analizler doğrultusunda farklı değerleri tahmin etmeye yönelik tahmin modellerinin geliştirilebileceği görülmüştür. Bunun bir örneğini ortaya koymak adına Dow Jones endeksinin yönünün tahmini bir vaka olarak seçilmiştir. Önerilen eğitim yöntemi ile farklı modeller eğitilmiş ve eğitilen bu modeller ile Dow Jones endeksinin hareket yönünün tahmin edilmesine yönelik deneyler yapılmıştır. Bu deneyler sonucunda, önerilen eğitim yönteminin, umut vaat edici sonuçlar veren tahmin modelleri ortaya koyduğu gözlemlenmiştir. Farklı deney gruplarının sonucunda, yüksek oranda tutarlı (70,90% değerine varan) sonuçlar elde edilmiştir. Elde edilen tahmin sonuçlarının aynı zamanda gerçek Dow Jones endeks değerleri ile pozitif bir korelasyon (0,2315 korelasyon katsayına değerine varan) içerisinde olduğu da gözlemlenmiştir. Son kısımda, farklı öznitelik kümeleri ile eğitilen tahmin modellerinin sonuçları birbiri ile karşılaştırılmış ve öne çıkan zaman aralıkları ve öznitelik kümeleri analiz edilmiştir. Deney sonuçları, haber ve sosyal medya verisinin, doğal dil işleme yöntemleri ile analiz edilmesinin ve analiz sonuçlarının tahmin modellerinin eğitimi için kullanılmasının finans alanında tahminler yapmak için değerli olduğunu göstermiştir.
Investigation of urban climate and built environment relations by using machine learning
Climate change can cause a cascade of effects from the individual organisms to ecosystem-scale where in nature all species are elements of complex networks of interactions so every effect on every scale has great role. The properties of those networks are decisive on ecosystems all around the world so how they will be modified by climate change needs serious studies. Urban areas' vast population exert significant effects on the climate change even though they cover a small proportion of the Earth's surface, however, impacts of the urbanization on climate and ecosystems remain inadequately understood. In the meantime, urbanization continues to increase and in the 2030, 2/3 of the population is expected to be living in urban areas and this rate will increase in time. It is of importance to elaborate the studies investigating the relations between the urbanization and climate. In this respect, the use of information technologies with an extensive computational capacity is one of the cornerstones of the climate and urban studies. Machine learning algorithms is a branch of computer science that deals with automated recognition of patterns from data. The use of the machine learning algorithms can bring great advantages to both understanding and predicting the climate. The computational power with big data and ability to capture nonlinear behavior, learn as new data arrive, etc. make the machine learning favorable tool for understanding climate and developing urban planning. In this sense, purpose of this study is showing the advantages of machine learning algorithms by achieving working recurrent neural network algorithm to make climate predictions, and through this achievement, stating possible effects of machine learning on design and its contribution to understanding the climate.
Lojistik sektöründe büyük veri kullanımı: Mersin ili örneği
Sanayi devriminin gerçekleşmesiyle üretilen buhar makinaları ve yapılan bilimsel araştırmalar 2000'li yıllarda teknolojik gelişmelerin hızla artmasına yol açmıştır. Bu bağlamda günümüzde teknolojinin hemen hemen her alanda hayatımıza etki ettiği bilinmektedir. Yerelde ve küresel anlamda faaliyet gösteren işletmeler, teknolojiyi en iyi kullanabilen işletmelerin rekabet avantajı yakalayabildiği bilinciyle, imkânları dâhilinde teknolojik yatırımlar yapmaktadırlar. Bu anlamda her geçen gün yeni teknolojik gelişmeler beraberinde yeni kavramlar ortaya çıkartmaktadır. Bu kavramlardan en güncel olanı ve teknolojik anlamda en iddialı olanı ''Büyük Veri'' kavramıdır. Büyük veri, çeşitli alanlarda verilerin analiz edilmesi ve depolanması hususunda kolaylık sağlayan, günümüzde ki en önemli teknolojik gelişmelerinden biri haline gelmiştir. Büyük veri kavramsal olarak çok güncel olup, işletmeler, kurum ve kuruluşlar vasıtasıyla bilginin hacmi, çeşitliliği, hızı ve değerinin anlaşılmasını, gelişmesini ve etkilerini tanımlamak için kullanılmaktadır. Bu çalışmanın uygulama aşamasında büyük veri teknolojilerine yatırım yapan lojistik şirketleriyle yapılan görüşmelerde; sektörün küresel anlamda ilerlemesi için zorunlu bir yatırım haline dönüşen büyük veri yatırımlarının gerek devlet tarafından gerekse bu sektörde öncü olan lojistik işletmeleri tarafından desteklenmesi gerektiğine dair görüşler tespit edilmiştir. Bu çalışmanın amacı, büyük veri kavramını ve bileşenlerini tanımlayarak, lojistik sektöründeki uygulamalarını ve yönetimini açıklamaktır. Bu çalışmada ayrıca büyük verinin çeşitli alanlarda da kullanılabilirliğine dair örneklere yer verilerek günümüzde büyük verinin önemine açıklık getirilmiştir. Sonuç olarak, bu çalışmada olası büyük veri uygulamalarının gelecekteki kullanım alanlarının gelişmesine ve mevcut kullanım alanlarının daha da geliştirilmesine dair bazı öneriler sunulmuş, ülkemizde ve dünyada lojistik sektöründe büyük veri kullanımının ne derecede önemli olduğu ve lojistik sektörü için büyük veri kullanımının büyük bir fırsat olduğu açıklanmıştır.
Makine öğrenimi algoritmaları kullanılarak EEG sinyallerinden matematik oyun performans tahmini
Çalışmada matematik öğretim programına yönelik tasarlanan dijital bir oyunun oynanması sırasında elde edilen EEG (Elektroensefalografi) verilerinin kullanılarak oyun performansının tahmin edilmesi amaçlanmıştır. Bu amaç doğrultusunda katılımcılara çalışma kapsamında geliştirilen eğitsel dijital bir matematik oyunu oynatılmış ve eş zamanlı olarak beyin sinyalleri kaydedilmiştir. Katılımcılar bilgisayar mühendisliği öğrencilerinden elverişli örnekleme yöntemiyle seçilen 18-25 arası gönüllü erkek deneklerdir. Katılımcılardan elde edilen veriler birleştirilmiş, oyun puanları hesaplanarak etiketlenmiş ve veri ön işleme sürecine geçilmiştir. Veri ön işleme sürecinde eksik veriler çıkarılmış, normalizasyon ve aykırı değerler tespiti işlemleri uygulanarak gürültü azaltılmıştır. Öznitelik seçim sürecinde X² (ki-kare) fonksiyonu kullanılarak en iyi ayırt edici öznitelikler belirlenmiştir. Oyun performansını en iyi ayırt eden öznitelikler sırasıyla POW.FC5.Gamma, POW.AF3.Gamma, EEG.O1, POW.P8.Gamma ve POW.AF3.BetaH olduğu tespit edilmiştir. Bu öznitelikler dikkat, görsel işlemleme ve uzamsal farkındalık gibi bilişsel süreçleri yansıtmakta olup oyun performansıyla doğrudan ilişkilidir. Çalışmada oyun performansının tahminlenmesinde k-En Yakın Komşu (kNN), Destek Vektör Makineleri (SVM), Rastgele Orman (RF), AdaBoost, Gradient Boosting, Sinir Ağları (NN) ve Stokastik Gradyan İnişi (SGD) gibi çeşitli makine öğrenmesi algoritmaları kullanılmıştır. Algoritmaların performansı, AUC (Eğri Altında Kalan Alan) değeri ile ölçülmüş ve Gradient Boosting algoritması % 87.7 ile en yüksek doğruluğa ulaşmıştır. Elde edilen bu bulgular sonucunda, EEG verilerinin en iyi ayırt edici öznitelikleri tespit edilmiş, bu özniteliklerin oyuncuların bilişsel süreçlerini, dikkat seviyelerini ve görsel-motor becerilerini doğrudan yansıttığı görülmüştür. Böylece eğitsel dijital oyunlarda öğrencilerin performansını daha doğru ve güvenilir bir şekilde değerlendirmeye yönelik yenilikçi bir yöntem sunulmuş ve eğitimde nörobilimsel verilerin kullanımına önemli katkılar sağlanmıştır. Anahtar Kelimeler: Eğitsel dijital oyun, matematik eğitimi, makine öğrenmesi, EEG (elektroensefalografi), BBA (beyin bilgisayar arayüzü), yapay zekâ
Yükseköğretim kurumlarının büyük veriye hazırlığı
Bu çalışmanın amacı Türk yükseköğretiminde büyük veri ve analitik sistemlerin kullanımının önemini vurgulamak ve üniversitelerin bu teknolojiye hangi seviyede hazır olduğunu tespit etmektir. Büyük veri, alışılagelmiş veri tabanı sistemlerinin sınırlarını aşan hacim, çeşitlilik ve hız bakımından büyük ve karmaşık veri kümelerini ifade etmektedir. Büyük veri analitiği ise bu verilerden anlamlı iç görüler elde etme ve yöneticilere anlamlı desenleri sunma sürecini tanımlamaktadır. Çalışmada, yükseköğretimdeki yöneticilerin büyük veri teknolojilerini kullanarak karar verme süreçlerini nasıl iyileştirebileceklerini ve kurumlarına nasıl pozitif değer katabileceği araştırılmaktadır. Büyük veri teknolojileri üniversitelerin devasa veri kümelerinden anlamlı bilgiler çıkararak bu bilgileri kurumsal stratejilere entegre etmelerini sağlar. Bu sayede yöneticiler daha bilinçli kararlar alarak rekabet avantajı elde edebilirler. Yükseköğretim kurumları, araştırma süreçlerini geliştirip öğrencilere sundukları hizmetleri genişletebilir ve eğitim süreçlerini optimize edebilirler. Araştırmanın yönteminde Türkiye'deki yükseköğretim kurumlarının büyük veriye hazırlık düzeyleri; liderlik, yetenek yönetimi, yazılım teknolojisi, veriye dayalı karar verme ve veriye dayalı kurum kültürü gibi faktörler üzerinden değerlendirilmiştir. Kapsam geçerliliği için bilişim uzmanları ve akademisyenlerle mülakatlar yapılmıştır. Anket çalışması, 129 devlet üniversitesi, 74 vakıf üniversitesi ve 4 vakıf meslek yüksekokulundaki bilgi işlem çalışanlarına uygulanmış ve 164 katılımcıdan veri toplanmıştır. Bulgular, dijital dönüşüm ve veriye dayalı kurum kültürünün büyük veriye hazırlık üzerinde önemli etkiler yarattığını göstermektedir. Ayrıca yüksek dijitalleşme seviyesine sahip üniversitelerin daha gelişmiş büyük veri hazırlığına sahip olduğu belirlenmiştir. Sonuç olarak, büyük veri analitiği, yükseköğretim kurumlarının öğrencilere daha iyi hizmetler sunmasını sağlarken, başarılı uygulamalar için uygun yazılım altyapısı, kurum kültürü ve yeteneklerin oluşturulması gerekmektedir.
Makine öğrenmesi algoritmaları kullanılarak modem verisi üzerinden müşteri memnuniyetinin tahmini
Verinin aktarılması, ayrıştırılması ve algoritmaların test edilmesi gibi tüm süreçlerde KNIME Analitik Platformu kullanılmıştır. Modem verileri haftalık bazda ele alınmış ve indirme-yükleme verileri kategorize edilerek 6 farklı saat diliminde değerlendirilmiştir. Sınıflandırma analizinde ise AutoML üzerinden çalışmalar yapılmıştır. Burada değerlendirilen algoritmalar; Sade Bayes, Lojistik Regresyon, Sinir Ağları, Gradyan Artırma Ağaçları, Karar Ağacı, Rastgele Orman ve XGBoost'dur. Kullanılan kütüphane ve platformlar ise; Genelleştirilmiş Doğrusal Modeller için H2O yazılımı, Derin Öğrenme için Keras Kütüphanesi ve diğer birçok algoritma için H2O AutoML (Otomatik Edilmiş Makine Öğrenmesi) çatısıdır. Bu çalışmada amaç memnuniyetsiz müşterileri belirlemektir. Dengesiz bir veri kümesi ile çalışma yapıldığından dolayı farklı veri çoklama teknikleri kullanılmıştır. Memnuniyetsiz müşterileri bulmak için modemlere ait sorunlu sinyal bilgisi ve arıza kaydı bırakan abonelere ait veriler üzerinden işaretleme yapılmıştır. Uygulama sonucunda, veriye Temel Bileşenler Analizi yöntemi ile 4 Temel Bileşen indirgemesi yapılması ve sonrasında verinin rastgele seçilerek SMOTE (Synthetic Minority Over-sampling) tekniği ile verinin zenginleştirilmesi modeli iyileştirmiştir. Genel olarak ağaç algoritmaları dengesiz veri üzerinden sınıflandırma problemini çözmede daha iyi sonuçlar vermiştir. Algoritmalar arasında seçim yapmak için Duyarlılık (TPR) ve Seçicilik (TNR) değerlerinin geometrik ortalaması (GBA), ağırlıklı ortalaması (WPN) ve Bookmaker Informedness (BM) kriterleri kullanılmıştır. Bu ölçütlerdeki sonuçların birbirine yakın olmasından dolayı, FP (False Positive – Yanlış Pozitif) oranı daha düşük üzerinden değerlendirme yapılmıştır. Bunun seçilmesinin nedeni memnuniyetsiz müşteriye yapılacak olan yatırım maliyetini düşürmektir. Burada uygulanan 10 adet algoritma ve kütüphane içerisinden en iyi sonuçları XGBoost algoritmasının verdiği görülmüştür.
Büyük veri çağında toplumsal bilgi: Sosyal teorik ve metodolojik sorgulamalar
Büyük veri setleri ve veri bilimi üzerine kurulu veri işlem pratikleri, dijitalleşmeyle birlikte son yıllarda toplumun her alanında yaygınlaşarak benimsenmektedirler. Bu doğrultuda tezin keşfetmeye çalıştığı ana soru "büyük veri" kavramıyla gönderme yapılan dijital veri türleri ile onları analiz etmek için kullanılan bilgisayar tabanlı teknik ve yöntemlerin – hem sıradan toplumsal aktörler hem de araştırmacılar olarak- toplumsal dünyayı bilme biçimlerimiz için ne anlama geldiğidir. Tezin çıkış noktası sahip oldukları muazzam güce rağmen bu dijital bilgi aygıtlarının işleyişlerini, derinliklerini ve mantıklarını bilmediğimiz, bilmek için de gereken kuramsal ve yöntemsel araçlara sahip olmadığımızdır. Bu genel amaç çerçevesinde tez büyük verinin tanımlayıcı unsuru olduğu çağdaş dijital bilgi ekolojisini farklı veçheleriyle sosyal teorik, ampirik ve metodolojik olarak keşfetmeyi denemektedir. Tez büyük veriyle ilgili literatüre iki eksende katkılar sunmayı amaçlamaktadır. İlk olarak, bilgisayar tabanlı veri işlem altyapılarının, cihazların ve pratiklerin toplumsal dünyada yaygınlaşmasıyla dönüşen toplum, teknoloji ve bilgi ilişkilerini posthümanist teorik bir yaklaşımla kuramsallaştırmaya çalışmaktadır. İkinci olarak, dijital medyaya özgü verilerin ve yöntemlerin büyük veri tabanlı dijital platformları, epistemolojilerini ve kültürlerini incelemek için yeni bir alan açtığı iddiasından hareketle, dijital yöntemler metodolojisi temelli vaka çalışmalarıyla alana ampirik katkılar yapmayı amaçlamaktadır.
Hadoop ve mapreduce teknolojisi aracılığıyla gıda-tabanlı mobil uygulamaları için bir arama hizmeti
Özet. Son zamanlarda güvenli gıda tüketimi ve e-sağlık üzerine birçok mobil uygulama geliştirilmiştir. Sağlık bilinciyle hareket eden kullanıcılar, özellikle zararlı gıda ve katkı maddelerinden kaçınarak güvenli gıda tüketimi için bu tür uygulamaları son derece önemsemektedirler. Ancak bu tür uygulamaları destekleyen yapılandırılmış veya yapılandırılmamış verileri içeren kapsamlı bir veritabanı eksikliği bulunmaktadır. Bu makalede mobil uygulamalar için sağlıklı bir gıda tüketimi arama hizmeti sunan Hadoop ve MapReduce (MR) yaklaşımından yararlanan Mobile Apps Search Sevice (MSS) önerilmektedir. MSS, gıda ve gıda katkı maddeleri alanına yönelik hizmet sunmakta ve mobil kullanıcıların sorgularını ele alarak bilgi sunma hizmetini kapsamaktadır. MSS herhangi bir mobil uygulama arkasındaki bir işlem olarak çalışabilir. Çünkü MSS, bir arama motoru ile aynı mantıkla çalışır; mobil uygulamalarda tıklamalarla oluşan sorgulara yanıt aramak adına nihai kullanım için bağlantılı bilgileri kataloglar ve web kaynakları üzerinde ilerler. MSS'in tasarım ve geliştirmesi, sistem mimarisi, sorgu anlayışı, Hadoop-MapReduce Ortamında ve Action Script kullanımı ile vurgulanmaktadır. Makalenin içinde, bir örnek olay incelemesi ile MSS'in genel özellikleri ve mevcut faydaları ortaya konulmuştur.
Büyük veri yönetimini kullanarak iş gücü planlamasının etl ile ilişkilendirme uygulaması
Bu çalışmada Büyük veri ve ETL sistemiyle ilgili bilgiler verilmiştir. Büyük verinin günümüzde teknolojik olarak değerinin her geçen gün arttığı yer verilmiştir. Ayrıca Büyük verinin de tıpkı teknolojik ürünler gibi geliştirilmesi gerekliliği vurgulanmıştır. Büyük veri mantığıyla yapılan programın çok daha iyi kullanılabilmesi için ETL sistemi ile birleştirilmiştir. Bu tez çalışmasının ikinci bölümünde büyük veriyle ilgili genel bilgilerin yanı sıra büyük verinin hangi alanlarda kullanıldığı, verinin kaynakların neler olduğu hakkında bilgiler verilmiştir. Üçüncü bölümde iş gücü yönetimi programı hakkında bilgiler yer verilmiştir. Bunların dışında programın nasıl çalıştığı ve hangi sistem üzerine kurulu olduğu yer almıştır. Dördüncü bölümde ise veri ambarı ve ETL sistemiyle ilgili bilgiler verilmiştir. ETL süreçleri anlatılmıştır. Beşinci bölümde ise iş gücü yönetim sisteminin eski hali ve ETL ile birleştirildikten sonraki durumları karşılaştırılmıştır. Ayrıca Programın ETL ile birleştirilmiş yapısı gösterilmiştir. Son bölümde ise ETL sistemi ile birlikte neler kazanıldığından bahsedilmiştir.
Role of big data analytics in managing and orienting media organizations; Case study - Arabic media organization in Istanbul
In this thesis a discussion about the role of Big Data analytics results in managing and orienting media organizations is been conducted, in the last decade a new term appeared on the surface of technology and business world "Big Data", Leading organizations and companies in various sectors of technology and business have begun to take an interest in this term and research to benefit more from it in developing their business and decision making process, at the end of last century business field by its organizations and leaders was the first to invest and motivate scientist to improve and develop the internet, because they believed that the internet will increase their opportunities in the business world, nowadays the same leaders and organizations mentality are motivating and pushing up scientist to improve and develop Big Data analytics, more talks in recent years about AI (artificial intelligent) IOT (internet of thing) ML (machine learning) and more new terms like CHATBOTS that will lead business for a new era. This data revolution gives many opportunities for managers and decision-makers, at the same time they face the challenges of dealing with the data expanding, so the relation between Big Data and orienting and leading organization is one of the most important topics to be studied and discussed these days. The study focused on managing and directing organizations and decision making depending on the Big Data analytics especially in media industry organizations, for this purpose Arabic media organizations have been chosen, two news platform (press) and two TV channels, four of them have offices in Istanbul, there main followers and audience is Arabs in the Arabic world. The media industry identified in general and concentrate on management process in that industry, what is the main decisions usually made by the managers and decision makers? and how could Big Data affect those decisions like hiring employees, budgeting changes, focusing on specific subjects,and making some readers personas to write for them, data gathered from social media accounts and the main website for media organizations is the main source of data in this study, in some cases the analytics and the results need to take in consideration few public data like population, also some online analytic tools and software's that used by the organizations to analyze data taking into consideration the analytic tools by social media platforms itself. As a conclusion the study argues that there is an increasing role of using analytics results to improve decision making in media organizations, but it's still not the main factor in decision making process, also the intuition and experience is very basic features for decision making and still the main factor of decision making, but if the facts and insights using Big Data analysis added, the decision maker will increase the accuracy of his decisions. The study indicates the important effect of the Big Data in guiding the decisions of organizations and their positive role in the development of production and increase the efficiency and profits of these organizations. Keywords: Big Data, analysis, internet, social media, management, decision making, AI, IOT, ML.
Büyük veri olgunluk ölçümü: DEMATEL temelli bir vaka analizi
Büyük veri iş açısından o kadar kapsamlı bir kaynak ki, bir kuruluşu ve şirketi nasıl etkileyebileceğini tüm yönleriyle öngörebilmek bazen zordur.Bu yüzden büyük verinin bir şirket veya kuruluş üzerinde nasıl bir dönüştürücü etki yaratabileceğiyle ilgili birçok senaryo mevcuttur.Büyük verinin birçok iş rolü için tanımlanan işin doğasını değiştirme ihtimali de yüksektir. Senaryoları gerçekleştirmek için gereken teknolojilerin her biri bugün mevcut olsa da, kuruluşların bunları uygulamasının birkaç yıl daha alacağı düşünülmektedir.Zorluklar sadece teknolojiyle değil, daha çok sistem entegrasyonunun-veri standartları geliştirmek ve gereken veriyi bir araya getirmek-doğasıyla ve işteki değişimle ilgilidir.Şirketler bu dönüşüm yolculuğuna şirketlerindeki büyük veri olgunluğunu ölçerek yola çıkmalıdır.Büyük veri olgunluk ölçümü ile şirketlerinin büyük veri alanındaki yetkinliğine dair büyük resmi net bir şekilde görme imkanı bulurlar. Bu araştırmanın amacı, Farklı alanlarda çalışması olan bir firmada (dağıtım, perakende, kargo, medya) büyük veri olgunluğu ile ilgili bir vaka analizi yapmaktır. Davenport'un büyük veri olgunluğu modelini kullanarak 13 kişiye anket yapıldı. Anket mail üzerinden gönderilmiştir. Davenport'un anket modelinde 6 ana başlık altında toplam 29 soru vardır. Bunlar; Veri, Kurum, Liderlik, Hedefler, Teknoloji, Analistler ve Veri Bilimciler şeklindedir. Bu 6 ana başlığın ağırlığını hesaplamak için ise bulanık DEMATEL temelli bir çalışma yapılmıştır. Bu çalışma 5 uzman katılımcı ile yapılmıştır. Çalışma dört bölümden oluşmaktadır. Birinci bölümde uygulama kısmının amacı ve sınırlılıkları incelenecektir. İkinci bölümde, büyük veri kavramları ve kullanım alanlarıda değinilecektir. Üçüncü bölümde, büyük veri olgunluğu ve metodolojik arkaplan ele alınacaktır. Son bölüm olan dördüncü bölümde ise "Davenport Modeli" çalışılarak liderlikte büyük verinin önemine uygun bir uygulama yapılmıştır.
Big data analytics capabilities and firm performance: An MCDM approach
The digital revolution in the 21st century accentuated the importance of well established IS/IT departments and decision-making based on insights obtained through big data. The research on big data analytics provides the thematic basis of inquiry for business practitioners and scholars. In this regard, big data analytics capabilities are more likely to provide performance advantages to business firms. Through careful review of the existing literature, it was found that empirical research in big data is at a rudimentary stage. The paucity of empirical studies leaves business professionals into uncharted waters when it comes to implementation and capacity building. It was also observed that the internal mechanisms to devise strategies based on big data analytics are not fully explored. Furthermore, there is a dearth of literature regarding big data analytics capabilities of the firms through dynamic capability view of competitive advantage. This study explored the interdependence of big data analytics capabilities such as infrastructure, human resource, and management capabilities and the impact of these capabilities on firm performance. This study applied both qualitative and quantitative data analysis on the data collected from 8 Chief information technology officers of 8 different firms. The hypothesis of this study was tested through IFDEMATEL then ANP and SAW (MCDM methods). Results show that big data analytics capabilities are interdependent and infrastructure capabilities are the highest ranked capability and related to firm performance the most followed by human resource and management capabilities. Keywords: Analytical network process (ANP), Big data Analytics Capabilities, Dynamic Capabilities, Firm Performance, Multi-criteria decision-making methods (MCDM), Technique for Order-preference by similarity to Ideal Solution (TOPSIS)
Dijital bir terim olarak sosyal çöplüğün tanımlanması ve tüketici davranışlarına etkisi
Bu tez çalışmasında öncelikle, dijital mecralarda giderek artan içerik üretiminin kavramlaştırılarak 'Sosyal Çöplük' teriminin oluşturulması amaçlanmıştır. Bu doğrultuda 'Büyük Veri' ve 'Sosyal Medya' terimleri betimlenmiş, bu terimlerden istifade edilerek 'Sosyal Çöplük' terimi tanımlanmıştır. 'Sosyal Çöplüğün' tanımlanmasının ardından 'Sosyal Çöplüğü' oluşturan nedenler açıklanarak tüketici davranışları ve 'Sosyal Çöplük' arasındaki ilişkinin ortaya çıkarılması amaçlanmıştır. Araştırmada nitel bir veri toplama metodu olan yarı yapılandırılmış görüşme metodu kullanıldı. Bu metodun seçilmesindeki ana amaç, nitel araştırmaların doğasının bir sonucu olarak sürece odaklanmak ve anlamı ortaya çıkarmaktı. Çalışma grubu olarak reklam profesyonelleri seçildi. Reklam profesyonellerinin hem birer tüketici hem de birer pazarlama iletişimi profesyoneli olmasından hareketle yarı yapılandırılmış görüşme soruları ile veri toplama süreci gerçekleştirildi. Görüşme çıktılarına betimsel analiz ve içerik analizi yöntemleri uygulandı. Veriler 6 ana tema altında kategorize edildi: Dijital mecralarda karşılaşılan içeriklere dair görüşler, kanaat önderi / fenomenlere dair görüşler, marka topluluklarına dair görüşler, promosyon kampanyalarına dair görüşler, trollere dair görüşler ve bot hesaplara dair görüşler. Araştırma sonucunda, katılımcıların satın alma kararı alırken 'Sosyal Çöplük' kaynaklı problemler yaşadığı belirlenmiştir. Katılımcılar dijital mecralarda doğru ve güvenilir bilgiye ulaşmakta problem yaşadıklarını belirtmişlerdir. Katılımcılar, reklam profesyoneli olarak ise 'Sosyal Çöplükten' kaynaklanan nedenlerle tüketiciyi anlama ve doğru iç görüyü belirleme konularında sorunlar yaşamaktadırlar. Anahtar Kelimeler: Büyük Veri, Sosyal Medya, Sosyal Çöplük, Dijital Mecralar, Tüketici Davranışları.
Enformasyon, sistem ve sanat; büyük veri çağında sanat
Büyük Veri, yaşayış biçimimizi, anlayışlarımızı, öğrenme, bellek, düşünce sistemimizi ve en nihayetinden yavaşça ama köklü bir şekilde sağduyumuzu topyekûn değiştirmektedir. İnsanın evrimine etki eden diğer enformasyon teknolojileri gibi Büyük Veri de önemli paradigma olarak tarihte yerini almıştır. Bu tez postmodern temelli bir sosyo teknik modelleme olarak Büyük Veri'nin sanat anlayışımızda ve sanatın sınırlarında nasıl bir değişim yarattığını, Büyük Veri'nin kavramsal olarak sanat tarihinde, sanat felsefesinde ve epistemolojik olarak nasıl konumlandığını ve bunun sonuçlarının neler olabileceğine dair yanıtlar aramaktadır. Bu kapsamda çalışma Büyük Veri Sanatının Burnham'ın sistem estetiği ve yine erken kavramsal sanatın ruhu Fluxus hareketi ile okunması gerektiği savını ortaya koymaktadır. Çalışmada tartışılan diğer bir konu ise Büyük Veri teknolojisinin sanat piyasası, sanat izleyicisi, sanatçı ile bizatihi sanat üzerindeki etkileri ile ilgilidir. Burada dijital kültürün akışkan imge bolluğunun olduğu bir ortamda sanatın analitik, istatistiklerle yönetilmesi halinin bizatihi sanatın varoluş nedeni ile biçimini değiştirdiği savı ortaya konmaktadır. Bu çalışmada çağdaş sistemik anlayışı kullanılarak Büyük Veri'nin sanat bağlamı çok yönlü bir biçimde analiz edilmeye çalışılmıştır. Bu nedenle sanat kuramı, felsefe, sosyoloji, bilgi sosyolojisi ve sosyo-teknik gibi birçok toplum doğa ve beşerî bilimin ilgili alanı içeren disiplinler ötesi bir çalışmadır. Bu doğrultuda tezde Ludwig Von Bertalanfy, Claude E. Shannon, Norbert Wiener Marshall Mcluhan, Niklas Luhmann, Deleuze ile Guattari, Foucault, Jack Burnham, Walter Benjamin, Jean Baudrillard ve çağdaş düşünürlerden Viktor Mayer- Schönberger'ın görüşlerinden yararlanılmıştır. Anahtar Kelimeler: Büyük Veri, Sistem Teorisi, Sibernetik, Enformasyon Teorisi, Sistem Estetiği
Fotovoltaik enerji sistemleri için öngörü modellerinin geliştirilmesi: Veri madenciliği ve derin öğrenme yaklaşımları
PV enerji sistemleri, dünya çapında önde gelen yenilenebilir enerji sistemlerinden biridir. PV enerji üretiminin doğru bir şekilde tahmin edilmesi verimli enerji şebekelerinin korunması, enerji piyasasında bilinçli kararlar alınması ve bakım maliyetlerinin azaltılması açısından çok önemlidir. Güneş ışınımı ve sıcaklık, PV tesislerinde üretilen PV enerji miktarını doğrudan etkileyen iki meteorolojik değişkendir. Bu tez çalışmasının ilk aşamasında Harran Üniversitesi Güneş Enerji Santrali ve GAPYENEV Merkezi'nden alınan santral ve meteoroloji istasyonu verileri üzerinde IBK, LR, RF, RT, MLP ve MLP Regresyonu dahil olmak üzere çeşitli makine öğrenmesi yöntemleri kullanılarak güneş ışınımı ve sıcaklığın tahmin edilmesi için kapsamlı bir model oluşturulmuştur. Sonrasında zaman serileri analizi için SES, ETS, HOLT, ARIMA ve HWES kullanılarak öngörü modelleri oluşturulmuştur. Hem güneş ışınımı hem de sıcaklık için günlük tahminlerin yanı sıra 5 dakikalık aralıklarla 1 adım sonrası için tahminler gerçekleştirilmiştir. PV tahmini için hassas modeller oluşturmak amacıyla her iki değişkeni de aynı metodolojiye tabi tutmak çok önemlidir. Güneş ışınımı ve sıcaklık tahmin değerleriyle elde edilen enerji verimi, PV enerji santralinin gerçek enerji verimiyle karşılaştırmıştır. PR, PV tesis performansını değerlendirmek için kritik bir parametredir, bu nedenle PR hesaplaması yapılmıştır. Oluşturulan tüm makine öğrenmesi ve zaman serisi öngörü modellerinin RMSE, MAPE, MABE, MAE, MSE ve DAC gibi istatistiksel hata kriterlerine göre karşılaştırılması yapılarak detaylı analizi sunulmuştur. İkinci aşamada, derin öğrenme ile güneş ışınımı öngörü modelleri oluşturulmuştur. Toplanan yenilenebilir enerji verilerinin miktarı arttıkça ihtiyaç duyulan büyük veri analizi çözümlerinin elde edilmesinde derin öğrenme giderek daha önemli hale gelmektedir. Bu bağlamda, bu tez çalışmasında güneş ışınımı tahminine yönelik CNNve LSTM ağını içeren derin öğrenmeye dayalı hibrit bir model önerilmişve mevcut PV sistemleri üzerinde öngörü modelleri uygulanmıştır. Ayrıca, önerilen modellerin tahmin yeteneği, SVR ve FFNN gibi standart makine öğrenmesiyöntemleriyle karşılaştırmalı olarak değerlendirilmiştir. Modellerin tahmin yeteneğini ölçmek için RMSE, MAPE, MAE ve R2 gibi istatistiksel hata metrikleri kullanılmıştır.
Endüstri 4.0 - iş sağlığı ve güvenliği entegrasyonu: İmalat sektörü üzerine bir inceleme
Endüstri 4.0, hızlı gelişen teknoloji, rekabet koşullarının giderek artması, artan tüketici ihtiyaçlarına hızlı ve esnek çözümler getirilmesi açısından her sektörü etkilemektedir. Endüstri 4.0, yeni kavramlarla tanışmamızı sağlamıştır. Nesnelerin İnterneti, Büyük Veri, Bulut Bilişim, Siber Fiziksel Sistemler, Otonom Robotlar, Yatay ve Dikey Sitem Entegrasyonu, Katmanlı Üretim, Simülasyon, Arttırılmış Gerçeklik, Endüstri 4.0'ın dokuz temel direğidir. Bu kavramlarla birlikte, ülkeler Endüstri 4.0 için yol haritaları belirlemekte, işletmeler dijital yatırımlar yaparak, organizasyon yapılarını değiştirmektedir. Endüstri 4.0 ile birlikte teknolojiye olan yatırımların artması sonucu işletme içinde verimliliğin artması, bu konuda yatırım yapan ülkelerinde ekonomilerinde büyüme beklenmektedir. Tüm bu dönüşümlerle birlikte eğitimli, kalifiye çalışana olan ihtiyaç artacak, istihdam durumu da buna göre şekillenecektir. Endüstri 4.0, tüm bu değişimlerin yanında İş Sağlığı ve Güvenliğini de etkileyecektir. Çalışmamızda, değişen dijital yaklaşımla birlikte, iş ekipman ve aletleri, iş organizasyon ve yönetimi, hiyerarşi, işgücü özellikleri, çalışanların becerileri ve bilgi düzeyleri, işveren ve çalışanların sorumlulukları, İş Sağlığı ve Güvenliği açısından ele alınacaktır. Endüstri 4.0 kavramlarının bu konulara olan etkisi detaylı olarak değerlendirilecektir. Konuyla alakalı olarak, bir tekstil fabrikası olan Hugo Boss'dan Endüstri 4.0 ile ilgili yaptığı yenilikler konusunda hem firmadan hem de basından bilgiler edinilmiş, yapılan bu yeniliklerin İş Sağlığı ve Güvenliği bakımından değerlendirilmesi yapılmıştır.
A data-driven approach for understanding human behavior in urban studies
As digital tools and methods continue to alter the development and growth patterns of the cities, the relationship of the urbanites with the city and also the designers' tools and methods used to design the city; the use of data has become an essential focus in understanding and designing urban environments. Although cities have experienced several technological paradigm shifts, the current transformation defined with digitalization of information and related methods, approaches and practices have a remarkable impact on the cities, urbanites and designers. Consequently, the cities become defined, equipped, supported and represented with data and they have turned into major generators of data. In recent years, the rise of digital tools and methods has generated vast amounts of data that offer insights into the behavior of urbanites and the design of cities. Therefore, the notion of Big-Data, a key output of digitalization, has become a decisive spotlight in our efforts to comprehend cities. The emphasis of the thesis is to investigate the potential of Big Data as a valuable resource for urban studies and proposes a data-driven approach to better understand the human behavior. By introducing innovative model for leveraging Big Data within the frame of Urban Informatics, it examines the use of "Topic Modeling" to analyze user-generated data and seamlessly integrate interdisciplinary approaches. This model also aims to make a significant contribution to urban studies and emphasize the crucial role of data in shaping our cities concentrating on analyzing human behavior in urban environments. Keywords: big-data, urban informatics, data-driven urban studies, topic modelling
Yoğun bakım ünitesindeki hasta verilerinin erken teşhis ve müdahale amaçlı yapay zekaya dayalı analizi
Bu tezin amacı, yapay zeka algoritmaları kullanarak, anlık olarak hastalardan toplanan büyük verinin analiziyle doktorlara erken teşhis ve müdahale için bir uyarı ve raporlama sistemi sağlamaktır. Bu tez çalışmasıyla hasta başı monitörlerinden, yapay solunum cihazından ve yoğun bakım ünitesinden kullanılan yazılım aracılığıyla toplanan kalp atışı, kan basıncı, nabız, solunum sayısı gibi değerlerin oluşturduğu büyük verinin analiziyle bir tahminleme sistemi geliştirmek amaçlanmıştır. Ayrıca yapay solunuma bağlı hastaların solunum değerleri, hemodinamik monitorizasyon ile toplanan geçmişe dönük veriler işlenerek, hastanın ventilatör cihazından ne zaman ayrılması gerektiğinin tahminlenmesi konusunda çalışma yapmak hedeflenmiştir. Veriye dayalı karar destek sistemi, çok yoğun olan klinisyenlerin daha verimli çalışmasını ve daha fazla hastayla daha güvenli bir şekilde ilgilenmesini mümkün hale getirecektir. Yoğun bakım ünitelerinde hastalardan anlık olarak toplanan büyük ve zengin veriyi analiz etmek için, neden-sonuç ilişkileri gözlemlenecek, parametreler arasındaki ilişkileri keşfetmek için makine öğrenmesi algoritmaları kullanılacaktır.
Gezegen konumlarına ve açılarına dayalı yapay zekâ destekli bir finansal ilişki analizi
Bu doktora çalışması, gezegensel hareketler ile finansal piyasa göstergeleri arasındaki ilişkilerin yapay zekâ ve derin öğrenme yöntemleriyle incelenmesine yönelik sistematik, bütüncül ve veri odaklı bir çerçeve sunmaktadır. Çalışmanın temel amacı, astronomik parametrelerin finansal zaman serileriyle birlikte ele alındığında hangi koşullar altında anlamlı örüntüler oluşturabileceğini değerlendirmek ve bu örüntülerin modern makine öğrenmesi modelleri ile temsil edilebilirliğini araştırmaktır. NASA JPL Horizons sisteminden alınan yüksek çözünürlüklü astronomik veriler programatik olarak işlenmiş; gezegen ve asteroid konumları, açısal ilişkiler, retro hareketler, burç geçişleri, Ay döngüleri ve tutulmalar zaman serisi formatında kodlanmıştır. Bu veriler, BIST, BITCOIN, CRUDE OIL, DAX, DJI, DOLLAR, ETHERIUM, EURO, FCHI, FTSE, GOLD, JAPANESE YEN, LITECOIN, NASDAQ, NYSE, RUSSELL, SILVER, S&P ve SSE gibi birbirinden farklı dinamiklere sahip 19 finansal piyasa verisiyle eşleştirilerek disiplinlerarası bir veri kümesi oluşturulmuştur. Oluşturulan çok boyutlu veri yapısı, Karşılıklı Bilgi (MI), Özyinelemeli Öznitelik Eliminasyonu (RFE), Temel Bileşen Analizi (PCA) ve Granger Nedensellik Testi gibi ileri düzey öznitelik seçim algoritmalarıyla optimize edilmiştir. Bu süreç, astronomik parametrelerin finansal değişkenlerle olan potansiyel ilişkilerinin hem bilgi teorisi hem de nedensellik perspektifinden yapılandırılmasını sağlamıştır. Ardından ANN+MERT, RNN+MERT, LSTM+MERT ve GRU+MERT mimarileri kullanılarak geniş kapsamlı ilişki analizleri gerçekleştirilmiş ve çeşitli piyasa göstergelerinde anlamlı performans seviyelerine ulaşılmıştır. Bu çalışmanın özgün katkılarından biri, yalnızca ilişki analizleri değil, aynı zamanda gerçek zamanlı koşullara uygun şekilde tasarlanmış iki ayrı test senaryosunun uygulanmış olmasıdır. Birinci senaryoda, günlük volatilitenin yönü (artış/azalış) sınıflandırma problemi olarak ele alınmış; ikinci senaryoda ise günlük volatilite seviyeleri regresyon modeliyle değerlendirilmiştir. Bu iki senaryo, zaman serisi yapısına uygun kronolojik bölütleme ile yürütülmüş ve böylece modellerin geleceğe dönük performansı gerçekçi bir şekilde test edilmiştir. Her iki yaklaşımda da seçilen astronomik özniteliklerin, bazı piyasa dönemlerinde volatilite davranışlarıyla ilişkili örüntülere katkıda bulunabildiği gözlemlenmiştir. İlişki analizi senaryosunda, model çıktılarının yorumlanabilirliğini artırmak amacıyla SHAP (SHapley Additive exPlanations) yöntemi kullanılmış; hem küresel hem de yerel düzeyde öznitelik katkıları incelenerek model karar süreçleri şeffaflaştırılmıştır. Bu analiz, astronomik parametrelerin hangi koşullarda modele bilgi sağlayabildiğini daha sistematik bir biçimde ortaya koymuştur. Genel olarak elde edilen bulgular, astronomik verilerin finansal zaman serileriyle birlikte işlendiğinde belirli dönemlerde anlamlı örüntüler üretebildiğine ve bu verilerin ileri düzey yapay zekâ yaklaşımlarında alternatif bir bilgi kaynağı olarak değerlendirilebileceğine işaret etmektedir. Bu çalışma, astronomik veri modellemesini hesaplamalı finans ve yapay zekâ alanlarıyla bütünleştiren, ölçeklenebilir ve disiplinler arası bir araştırma çerçevesi sunarak literatüre özgün bir katkı sağlamaktadır.
Büyük veri teknolojisi çağında kullanıcı verilerinin gizlilik ve mahremiyetine ilişkin sosyolojik analiz
21. yüzyılın bilgi ve iletişim teknolojileri, dijital kullanıcı verilerini teknik bir araç olarak kullanmakta ve gelişmiş veri analiz teknolojileri ile endüstriyel üretimi daha verimli ve etkin bir hale getirmeyi hedeflemektedir. Büyük veri teknolojilerinin, internet kullanıcıları üzerinde sürekli bir gözetim sağlaması ve kullanıcılar tarafından üretilen verilerin analizinden yapılan çıkarımlar yolu ile gizlilik ve mahremiyete ilişkin endişeler yaratması söz konusudur. Veri zengini ulus-ötesi şirketler ve devletler ile internet kullanıcıları arasındaki güç eşitsizlikleri ise bu endişeleri bireysel düzeyden, toplumsal düzeye taşımaktadır. Özellikle hedefli reklamcılık ve davranışsal profilleme gibi tekniklerin kullanıcıları belirli özelliklerine göre kategorilendirme işlevleri, mevcut toplumsal eşitsizlikleri daha da derinleştirme ve yeni eşitsizlik biçimleri üretme tehditi taşımaktadır. Veri teknolojilerinin gelişim aşamalarına dair bir özet sunan ve bu teknolojilerin içerdiği tehlikeleri, kapitalizmin süregelen ve yeni dinamikleri ile bağlantısı dahilinde analiz eden bu çalışma, 307 kişi ile yapılan bir anket uygulamasını içermektedir. Anket, katılımcıların kişisel ve davranışsal verilerine ilişkin temkinlilik ve endişe düzeylerini, internet kullanım alışkanlıklarını, dijital becerilerini, veri gizliliği ihlallerine ilişkin farkındalık düzeylerini ölçen sorulardan oluşmaktadır. Örneklem 3 farklı teknolojik uzmanlık düzeyini içerecek şekilde, Hacettepe Üniversitesi Sosyoloji, Felsefe ve Bilgisayar Mühendisliğinden öğrenciler ile Hacettepe Teknokent'teki teknoloji firması çalışanları arasından seçilmiştir. Bulgular, veri gizliliğine verilen önem, gizlilik endişeleri ve veri paylaşımına ilişkin farkındalık başlıkları altında değerlendirilmiştir. Çalışma sonucunda, katılımcıların günlük internet kullanma sıklıkları arttıkça davranışsal ve hassas verilerine ilişkin endişe duyma olasılıklarının da arttığı bulunmuştur. Kullanıcıların davranışsal verilerine ilişkin tutumları, günlük internet kullanma sıklıklarına ve katılımcıların uzmanlık seviyesine göre farklılık göstermektedir. Çevrimiçi profillemeye ilişkin farkındalığın, katılımcılar arasında yaygın olduğu ancak çevrimiçi davranışlarına ilişkin verilerini gizli tutma alışkanlığının yaygın olmadığı keşfedilmiştir. Katılımcıların, dijital verileri kullanılarak kim olduklarına dair gerçeğe dair çıkarımlar yapılamayacağını düşünme eğiliminde oldukları bulgusu bir önceki bulguyu desteklemektedir. Bulgular genel olarak değerlendirildiğinde, katılımcıların veri teknolojilerinin profilleme kapasitesi hakkında bilgi düzeylerinin düşük olması durumunda, davranışsal veri gizliliklerini sağlayamadıkları fark edilmektedir.
Medyalar arası gündem belirleme analizinde büyük veri kullanımı: Türkiye ile ilgili karşılaştırmalı analiz
McCombs ve Shaw'ın 1972 yılında şekillendirdikleri gündem belirleme kuramı genellikle seçimler etrafında birçok kez test edilmiş ve kuramın geçerliliği ortaya koyulmuştur. Medyalar arası gündem belirleme çalışmaları ise daha çok geleneksel medya aracılarının birbirini nasıl etkilediği üzerine şekillenmiştir. Geçmiş yıllarda sosyal medyanın, özellikle de Twitter'ın alternatif bir haber kaynağı olarak görülmesi medyalar arası gündem belirleme araştırmalarına bu mecranında dahil edilmesini sağlamıştır. Medyalar arası gündem belirleme çalışmalarının dar bir coğrafi alan ile sınırlı kalması, sınırlı örneklemler ve veri setleri ile test edilmesi ayrıca bazı tezlerde kuramın doğrulanamamış olması bu tezin motivasyonunu oluşturmuştur. Günümüz büyük veri ekosistemi içinde Twitter'ın gündem belirleme gücü bilgisayar destekli içerik analizi yöntemleri kullanılarak çok uluslu veriler ile tekrardan tespit edilebilir. Bu tez ile literatürde eksikliği tespit edilen çok uluslu medyalar arası gündem belirleme çalışmalarına katkı sağlanması amaçlanmıştır. Bu sayede medya kurumları ile Twitter arasında gündem belirleme etkisi ve olası etkinin yönü tespit edilmiş olacaktır. Bu bağlamda, 19 Ekim 2018 – 26 Ekim 2018 tarihleri arasında sekiz gün boyunca sabah veriler için 08:00 – 10:00 arası ve akşam verileri için ise 18:00 – 20:00 arası günde iki kez, toplam beş gazetenin (Doğru Haber, Hürriyet, Sabah, Türkiye ve Yeni Şafak Gazeteleri) İngilizce haber yapan web sitelerindeki Türkiye ile ilgili haberler ile Türkiye komşusu altı ülke (Azerbaycan, Bulgaristan, Ermenistan, İran, Suriye, Yunanistan), Rusya ve kontrol amaçlı Türkiye çıkışlı Türkiye konulu İngilizce tweetler medyalar arası gündem etkisini ölçmek adına örneklem olarak kullanılmıştır. Gazetelerden Knime programı ile 2045 haber içeriği toplanmıştır. Twitter'ın gündem belirleme etkisini ölçmek adına ise sekiz ülkeden RStudio programı yardımı ile 39.000 tweet toplanmıştır. RStudio programı ile temizlenen tweetler ve haberlerin başlıkları kelime frekans analizine tabii tutulmuş, bu sayede kodlar oluşturulmuş, oluşturulan kodlar belli temalar altında gruplanmış ve bir sözlük (kod kitabı) oluşturulmuştur. Oluşturulan bu sözlük ile içerik analizi tüm medya aracılarına hem sabah hem de akşam olarak uygulanmıştır. Elde edilen veriler toplam 78 adet çapraz gecikmeli korelasyon paneli ve Rozelle-Campbell taban hizası eşiği kullanılarak analiz edilmiştir. Elde edilen çapraz gecikmeli korelasyon verileri katı yaklaşım kullanılarak değerlendirildiğinde değişkenler arasındaki otokorelasyonlar hiçbir panelde Rozelle-Campbell taban hizasının altında oluşmadığı için medyalar arası gündem belirleme etkisi net olarak tespit edilememiştir. Tüm yapılan analizler sonucunda ne medya kurum gündemlerinin kendi içinde ne ülke tweetlerinden derlenen gündemlerin kendi arasında ne de medya kurum gündemleri ile ülke tweetlerinden elde edilen gündemler arasında herhangi medyalar arası gündem belirleme etkisine ulaşılamamıştır. Değişkenler arasındaki otokorelasyonların yüksek çıkması, baskın haberin varlığı, Twitter API'nin veri kısıtı, tek bir tweetin birden çok paylaşılması ve Twitter'ın alternatif medya olarak varlığını sürdürmesi gibi kısıtlar hipotezlerin doğrulanamamasına neden olmuş olabilir. Ilımlı yaklaşım ile verilerin değerlendirilmesi durumunda ise medyalar arası çift taraflı – karşılıklı medyalar arası gündem belirleme etkisi birçok panelde tespit edilmiş olacaktır. Twitter özelinde yapılan medyalar arası gündem belirleme çalışmalarının kamuoyu tarafından öne çıkarılan Twitter paylaşımları ile kurgulanması, Twitter içindeki "ilgini çekebilecek gündemler (İngilizce: Trend, Trends for you)" ile medya kurum gündemleri arasındaki gündem belirleme etkisinin incelenmesi bundan sonra yapılacak medyalar arası gündem belirleme araştırmalarının konusu olabilir. Buna ek olarak Twitter'ın ana akım medya tarafından ilk çıktığında önemsenmeyen ve egemen söyleme karşı olan tweetleri ve tanık gazetecilerin ise ilgi çekici tweetleri ile yeni araştırmalar kurgulanabilir.
Fen ders kitaplarındaki değişimin terim frekansı-ters doküman frekansı (TF-IDF) analizi ile incelenmesi
Gerçekleştirilen bu tez çalışmasının amacı 2000 yılından günümüze kadar olan süreç içerisinde fen bilimleri ders kitapları fizik konu alanında meydana gelen değişikliği otomatik metin analizi yöntemleri ile analiz etmeye dayanmaktadır. Bu çalışmada nicel araştırma yöntemlerinde sıklıkla kullanılan doküman analizi yöntemi kullanılmıştır. Araştırmanın örneklemini Milli Eğitim Bakanlığı tarafından ders kitabı olarak kabul edilen 2000, 2005, 2013 ve 2018 yılı fen bilimleri dersi öğretim programına göre hazırlanmış her sınıf düzeyinden bir ders kitabı oluşturmaktadır. Bu doğrultuda 2018 fen programına ait altı (6) ders kitabına Milli Eğitim Bakanlığı Eğitim Bilişim Ağı üzerinden PDF formatında ulaşılmış, Milli Eğitim Bakanlığı bünyesinde hizmet veren Ankara Ferit Ragıp Tuncor Bakanlık Arşiv ve Dokümantasyon Kütüphanesinden dört (4) kitaba (2000 programı 6, 7, 8. sınıf ve 2005 programı 8. sınıf) ulaşılmış, kalan on iki (12) kitap ise sahaflardan temin edilmiştir. Örnekleme dahil edilen kitapların da öğretim programlarına uygunluğu kontrol edildikten sonra araştırmanın örneklemine dahil edilmiştir. Elde edilen bu kitaplar farklı uygulamalar kullanılarak düz metin belgesine dönüştürülmüş ve olası yazım hatalarından arındırılmıştır. NKod yazılımı yardımıyla düz metin dosyalarından kelime frekans listeleri elde edilmiştir. Kelime frekans listeleri R programlama dili ve RStudio yazılımında otomatik metin analizlerinde kullanılan kütüphaneler yardımıyla analiz edilmiştir. Çalışmada kullanılan ders kitapları ait olduğu dört öğretim programına (2000, 2005, 2013 ve 2018) göre dört farklı doküman (D2000, D2005, D2013 ve D2018) olarak kabul edilmiştir. Araştırma verilerini ise bu dört farklı doküman içerisindeki metinlerden elde edilen isim frekans listeleri oluşturmaktadır. Bu doğrultuda 109877 isimden oluşan veriler analizler edilmiştir. Yapılan analizlerde ilk olarak on terime ilişkin ham frekans listesi elde edilmiş ve bu on terimin fizik konu alanının doğasını yansıttığı sonucuna varılmıştır. İkinci olarak otomatik metin analizinde sıklıkla uygulanan Terim Frekansı-Ters Doküman Frekansı (TF-IDF) yöntemi kullanılmıştır. Bu yöntem doküman içerisindeki terimlerin frekansını dokümanlar arasında kullanım sıklığına bağlı olarak ağırlıklandırmaktadır. Bu yöntem sayesinde dokümanlar arası ortak kelimeler ve dokümanlara özgü ayırt edici kelimeler tespit edilmiştir. Ortak terimlere ilişkin analizlerde D2000 dokümanının diğer üç dokümandan farklılaştığı, ikili ve üçlü karşılaştırmalarda D2000 dokümanının dahil edilmesiyle ortak kelime oranının düştüğü gözlenmiştir. D2013 ile D2018 dokümanlarının karşılaştırılması ise ortak kelime oranının en yüksek olduğu karşılaştırma olduğu saptanmıştır. Üçüncü olarak elde edilen TF-IDF grafiğinde D2000 dokümanının fiziğe özgü kelimelerden oluştuğu, D2005 ve sonraki dokümanlarda tasarım, mühendislik, sebep, problem gibi kelimelerin ayırt ediciliğe sahip olduğu sonucuna varılmıştır. Buna sebep olarak D2000 dokümanı sonrası dokümanlarda fizik ünitelerinden manyetizma, elektrik gibi kazanımların kaldırılması veya değiştirilmesi gösterilebilir. Ayrıca bilimsel süreç becerilerine ilişkin kazanım sayısının D2005 ve sonraki dokümanlarda artması başka bir neden olarak söylenebilir. Gerçekleştirilen araştırma Türkçe doğal dil işleme ve TF-IDF yöntemleri ile programlar arası meydana gelen değişimlerin büyük verilerle fen eğitiminde ders kitap analizleri ile ortaya konulabileceğini göstermektedir. Anahtar Kelimeler: Ders Kitapları, Fen Bilimleri, Fizik Eğitimi, Otomatik Metin Analizleri, Kelime Frekans Listesi, TF-IDF İstatistiği, Büyük Veri.