AI Summary & Key Takeaways
AI InsightÇalışma, ortaöğretim kurumlarında bağımlılık tespitinde yüksek doğruluk oranı sağlayarak müdahale süreçlerini destekleyecek web tabanlı bir karar destek sistemi sunmaktadır.
📌 3 Key Takeaways
Abstract
Bu çalışmanın amacı, lise öğrencilerinin sosyal medya kullanım alışkanlıklarını analiz ederek, sosyal medya bağımlılığı riskini tahmin edebilen bir sınıflandırma modeli geliştirmek ve bu modeli kullanan web tabanlı bir karar destek sistemi tasarlamaktır. Çalışma kapsamında farklı lise türlerinden 495 öğrenciden, 55 öznitelik içeren veriler elde edilmiştir. Bu veriler, sosyal medya bağımlılığı ölçeği ve demografik bilgilerden oluşmaktadır. Ön işleme sürecin ardından bilgi kazancı temelli öznitelik seçimi uygulanarak ortalama bilgi kazancı değerinin (0.156) üzerinde bilgi kazancına sahip 24 öznitelik belirlenmiştir. Yedi farklı sınıflandırma algoritması, 10 katlı çapraz doğrulama yöntemiyle değerlendirilmiş ve ortaya çıkan modeller duyarlılık, kesinlik, F1 skoru ve doğruluk oranları açısından karşılaştırılmıştır. En yüksek performans, kesinlik = 0,95, duyarlılık = 0,95 ve F1 skoru =0,95 ile SMO algoritmasında elde edilmiş; model sosyal medya bağımlılığını düşük, orta ve yüksek düzeylerde %95,15 doğruluk oranında sınıflandırmıştır. Geliştirilen model, web tabanlı bir karar destek sistemine entegre edilerek okul psikolojik danışmanlarının erken tespit ve müdahale süreçlerinde kullanabileceği pratik bir araç haline getirilmiştir. Çalışma, ortaöğretim kurumlarında bağımlılık tespitinde yüksek doğruluk oranı sağlayarak müdahale süreçlerini destekleyecek web tabanlı bir karar destek sistemi sunmaktadır.
Özet
Bu çalışmanın amacı, lise öğrencilerinin sosyal medya kullanım alışkanlıklarını analiz ederek, sosyal medya bağımlılığı riskini tahmin edebilen bir sınıflandırma modeli geliştirmek ve bu modeli kullanan web tabanlı bir karar destek sistemi tasarlamaktır. Çalışma kapsamında farklı lise türlerinden 495 öğrenciden, 55 öznitelik içeren veriler elde edilmiştir. Bu veriler, sosyal medya bağımlılığı ölçeği ve demografik bilgilerden oluşmaktadır. Ön işleme sürecin ardından bilgi kazancı temelli öznitelik seçimi uygulanarak ortalama bilgi kazancı değerinin (0.156) üzerinde bilgi kazancına sahip 24 öznitelik belirlenmiştir. Yedi farklı sınıflandırma algoritması, 10 katlı çapraz doğrulama yöntemiyle değerlendirilmiş ve ortaya çıkan modeller duyarlılık, kesinlik, F1 skoru ve doğruluk oranları açısından karşılaştırılmıştır. En yüksek performans, kesinlik = 0,95, duyarlılık = 0,95 ve F1 skoru =0,95 ile SMO algoritmasında elde edilmiş; model sosyal medya bağımlılığını düşük, orta ve yüksek düzeylerde %95,15 doğruluk oranında sınıflandırmıştır. Geliştirilen model, web tabanlı bir karar destek sistemine entegre edilerek okul psikolojik danışmanlarının erken tespit ve müdahale süreçlerinde kullanabileceği pratik bir araç haline getirilmiştir. Çalışma, ortaöğretim kurumlarında bağımlılık tespitinde yüksek doğruluk oranı sağlayarak müdahale süreçlerini destekleyecek web tabanlı bir karar destek sistemi sunmaktadır.