1916

C4.5 Sınıflandırma Algoritması ile Teknoloji Bağımlılığı Üzerine Bir Uygulama

Teknolojik uygulamaların ve aletlerin kullanımının artmasıyla birlikte, bireylerin ortamdan bağımsız olarak her yerde iletişim içinde olma istekleri, insanların teknolojiye karşı olan ihtiyaçlarının ve ilgilerinin artmasına sebep olmuştur. Yaşamıkolaylaştıran teknolojilerin gelişmesiyle birlikte, bireylerin teknolojik aletleri kullanma sürelerinde hızlı artışlar gözlemlenmiştir. Bu durum, dijital ortamdaki büyük ölçekli veride saklı kalmış, gizli bilgiyi elde etme süreci olarak ifade edilen veri madenciliği ve teknoloji bağımlılığı kavramlarının, bilimsel çalışmalarda daha fazla yer almasına neden olmuştur. Bu çalışma, veri madenciliği sınıflandırma yöntemlerinden, C4.5 karar ağacı algoritmasına dayalı olarak mesleki ve teknik eğitimde, eğitimlerini sürdüren öğrencilerin, teknoloji bağımlılıklarının belirlenmesi amacıyla yürütülmüştür. Ankette öğrencilere teknoloji bağımlılığı ile ders başarısı arasında olumlu ya da olumsuz herhangi bir bağ bulunmamaktadır ifadesi ile birlikte demografik özellikler sorulmuştur. Veri setinde yer alan demografik bilgiler özellikleri, soru ise sınıfı göstermektedir. Veri setindeki 411 adet gözleme ait karar ağacı modeli, R programlama dili kullanılarak oluşturulmuştur. C4.5 karar ağacı algoritmasıyla oluşturulan modele göre cinsiyet, meslek alanı, kardeş sayısı, doğum tarihi gibi demografik bilgilerin sınıf üzerindeki etkisi belirlenmiştir. Araştırma sonucunda cevapları belirleyen en önemli özelliğin cinsiyet olduğu ve oluşturulan modelin doğruluk oranı ise %84,42 olarak belirlenmiştir.Anahtar kelimeler: Veri madenciliği, Teknoloji Bağımlılığı, C4.5 Algoritması, RStudio, Karar ağacı

An Application on Technology Addiction with C4.5 Classification Algorithm

The increment of the usagethe technological applications and tools, has led to an increase towards technology regarding for communication in the way of individuals' desire.With the development of technologies that facilitate our lives, rapid increases in individuals' use of technological tools have been observed.This has led to the fact that data mining and technology dependence concepts, which are expressed as the process of obtaining confidential information, are hidden in the large scale data in the digital environment and have become more involved in scientific studies. This study was carried out to determine the technology dependence of the students who continue their education in vocational and technical education based on C4.5 decision tree algorithm which is one of the data mining classification methods.In the questionnaire, the students were asked whether there is any positive or negative relationship between technology addiction and course success and demographic characteristics.Demographic information in the data set shows the characteristics and the question shows the class.The decision tree model of 411 observations in the data set was created using R programming language.The effect of demographic information such as gender, profession, number of siblings, date of birth on the class was determined according to the model made with C4.5 decision tree algorithm.As a result of the research, the most important feature that determines the answers is gender and the accuracy rate of the model is determined as 84.42%.Keywords: Data Mining, Technology Addiction, C4.5 Algorithm, RStudio, Decision Tree.

PDF

___

[1] Açıkgenç A. 2017. Teknoloji ve Değerler. Uluslararası Teknolojik, Ekonomik ve Sosyal Araştırmalar Vakfı, vs. İstanbul.
[2] Soruhan O. 2018. Sosyal Medya Canavarı Olmak İster Misin?, MediaCat Kitapları, 9s. İstanbul.
[3] Güçlü G. 2015. Yaşam Boyu Öğrenme Argümanı Olarak Teknoloji Bağımlılığı Ve Yaşama Yansımaları. Yüksek Lisans Tezi, Cumhuriyet Üniversitesi, Eğitim Bilimleri Enstitüsü, Sivas.
[4] Şimşek Gürsoy U.T. 2017. Veri Madenciliğinde Güncel Yaklaşımlar. Çağlayan Yayınları, 2s. İstanbul.
[5] Kılınç Ç. 2015. Üniversite Öğrenci Başarısı Üzerine Etki Eden Faktörlerin Veri Madenciliği Yöntemleri İle İncelenmesi. Yüksek Lisans Tezi, Eskişehir Osmangazi Üniversitesi, Fen Bilimleri Enstitüsü, Eskişehir.
[6] Žalik K.R. 2004. Learning Through Data Mining. Computer Applications in Engineering Education, 13 (1): 60-65.
[7] Bayır A., Özdemir Ş., Gülseçen S. 2016. Türkiye’deki Seçmen Eğilimlerinin C4.5 Karar Ağacı Algoritması İle Belirlenmesi. Yönetim Bilişim Sistemleri Dergisi, 1 (3): 223-233.
[8] Aksu M.Ç., Karaman E. 2017. Karar Ağaçları ile Bir Web Sitesinde Link Analizi ve Tespiti. Acta Infologıca, 1 (2): 84-91.
[9] Aydın F. 2017. Teknoloji Bağımlılığının Sınıf Ortamında Yarattığı Sorunlara İlişkin Öğrenci Görüşleri. Yüksek Lisans Tezi, Ankara Üniversitesi, Eğitim Bilimleri Enstitüsü, Ankara.
[10] Avşar Arık I. 2018. Teknoloji Bağımlılığı Ve Sosyal Kimlik Oluşumu: Y Nesli. Yüksek Lisans Tezi, Hacettepe Üniversitesi, Sosyal Bilimler Enstitüsü, Ankara.
[11] Gürmen M.S. 2016. Teknoloji Bağımlılığı, Ailemiz Ve Çocuklarımız. 3.Uluslararası Teknoloji Bağımlılığı Kongresi, pp: 161-171, 03-04 Mayıs, İstanbul.
[12] Uzbay İ.T. 2015. Madde Bağımlılığı: Tüm Boyutlarıyla Bağımlılık Ve Bağımlılık Yapan Maddeler. İstanbul Tıp Kitabevi, İstanbul.
[13] Martı H. 2016. Teknoloji Bağımlılığının Dini ve Ahlaki Etkileri. 3.Uluslararası Teknoloji Bağımlılığı Kongresi, pp: 273-284, 03-04 Mayıs, İstanbul.
[14] Dinç M. 2015. Teknoloji Bağımlılığı ve Gençlik. Gençlik Araştırmaları Dergisi, 2147 (8473): 31- 65.
[15] Küçükönder H., Vursavuş K.K., Üçkardeş F. 2015. K-Star, Rastgele Orman ve Karar Ağacı (C4.5) Sınıflandırma Algoritmaları ile Domatesin Renk Olgunluğu Üzerinde Bazı Mekanik Özelliklerin Etkisinin Belirlenmesi. Türk Tarım–Gıda Bilim ve Teknoloji Dergisi, 3 (5): 300-306.
[16] Kavzoğlu T., Çölkesen İ. 2010. Karar Ağaçları İle Uydu Görüntülerinin Sınıflandırılması: Kocaeli Örneği. Harita Teknolojileri Elektronik Dergisi, 2 (1): 36-45.
[17] Andrienko G., Andrienko N. 1999. GIS Visualization Support To The C4. 5 Classification Algorithm of KDD. In Proceedings of the 19th International Cartographic Conference, pp: 1-7, 14-21 August, Ottawa.
[18] Kılıçalan M.B. 2018. Hanehalkı İşgücü Araştırma Verileri İle Veri Madenciliği Yöntemlerinin Uygulanması Ve Modellerin Karşılaştırılması. Yüksek Lisans Tezi, Hacettepe Üniversitesi, Fen Bilimleri Enstitüsü, Ankara.
[19] Hssina B., Merbouha A., Ezzikouri H., Erritali M. 2014. A Comparative Study Of Decision Tree ID3 and C4.5. International Journal of Advanced Computer Science and Applications, 4 (2): 13- 19.
[20] Altunkaynak B. 2019. Veri Madenciliği Yöntemleri ve R Uygulamaları. Seçkin Yayıncılık, Ankara, 38-52.
[21] Yurdakul I.K. 2013. Veri Toplama Araçlarında Bulunması Gereken Nitelikler, Bilimsel Araştırma Yöntemleri. Anadolu Üniversitesi Web Ofset Tesisleri, Eskişehir, 117-138.
[22] Logan M. 2010. Biostatistical Design and Analysis Using R: A Practical Guide. Wiley-Blackwell, p1., Hoboken.
[23] Buttrey S., Whitaker L.R. 2018. A Data Scientist's Guide to Acquiring, Cleaning, and Managing Data in R. Wiley, p2. Hoboken.