SavedAdd your journal

Journals / Anadolu Üniversitesi Sosyal Bilimler Dergisi / 2023 / Cilt: 23 - Sayı: 1

Sosyal Bilimlerde Büyük Veri Analitiği, Yapay Zeka ve Makine Öğreniminin Kullanımı

Mevlüt Hürol METE
Pages
99–120
Publication Date
2023-03-28
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

Çalışmada ayrıca söz konusu araçların kullanımından kaynaklı potansiyel sorunlar ele alınarak uluslararası örnekler bağlamında konu tartışılmaktadır.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Teknolojinin gelişimi ile birlikte sosyal bilimler alanında çalışan araştırmacılara sunulan araç ve tekniklerin sayısı artmaktadır.
📊
Key Findings & Data:Büyük hacimli verilerin araştırmalara kolaylıkla entegre edilebilmesine imkan veren ve bu verilerin en doğru ve hızlı şekilde yorumlanmasını sağlayan büyük veri analitiği, yapay zeka ve makine öğrenimi gibi teknikler artık sosyal bilimler alanında daha yaygın biçimde kullanılmaktadır.
💡
Conclusion & Impact:Çalışmada ayrıca söz konusu araçların kullanımından kaynaklı potansiyel sorunlar ele alınarak uluslararası örnekler bağlamında konu tartışılmaktadır.
🔬Design:Review & Systematic Survey
📍Scope:Comprehensive Sample
⚙️Variables:Sosyal Bilimler · Sosyal Bilim Araştırmaları · Büyük Veri Analitiği

Özet

Teknolojinin gelişimi ile birlikte sosyal bilimler alanında çalışan araştırmacılara sunulan araç ve tekniklerin sayısı artmaktadır. Büyük hacimli verilerin araştırmalara kolaylıkla entegre edilebilmesine imkan veren ve bu verilerin en doğru ve hızlı şekilde yorumlanmasını sağlayan büyük veri analitiği, yapay zeka ve makine öğrenimi gibi teknikler artık sosyal bilimler alanında daha yaygın biçimde kullanılmaktadır. Bu çalışmanın amacı, günümüz dijital dönüşüm araçları olarak kabul edilen büyük veri analitiği, yapay zeka ve makine öğrenimi gibi kavramların sosyal bilimler araştırmalarındaki kullanım alanlarının belirlenmesi ve bu araçların araştırmacılara sunduğu imkanların tanıtılmasıdır. Bu kapsamda uluslararası alanda yayınlanmış nitelikli araştırmalar incelenerek, söz konusu araçların sosyal bilimler alanındaki bilimsel araştırmalara nasıl uygulandığı, araştırmacılara ne gibi fayda ve avantajlar sağladığı ve gelişim trendleri ile ilgili bir derleme sunulmaktadır. Çalışmada ayrıca söz konusu araçların kullanımından kaynaklı potansiyel sorunlar ele alınarak uluslararası örnekler bağlamında konu tartışılmaktadır.

🔖

Cite This Article

METE, M. H. (2023). Sosyal Bilimlerde Büyük Veri Analitiği, Yapay Zeka ve Makine Öğreniminin Kullanımı. Anadolu Üniversitesi Sosyal Bilimler Dergisi, Cilt: 23 - Sayı: 1, 99–120. https://ajindex.com/articles/884830

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (8)

  1. Arnaboldi, M. (2018). The missing variable in big data for social sciences: The decision-maker. Sustainability, 10(3415), 1-18. https://doi.org/10.3390/su10103415
  2. Ateş, E. C., Bostancı, G. E. ve Serdar, M. S. G. (2020). Big data, data mining, machine learning, and deep learning concepts in crime data. Journal of Penal Law and Criminology, 8(2), 293-319. https://doi.org/10.26650/JPLC2020-813328
  3. Beauchamp, N. (2017). Predicting and interpolating state‐level polls using Twitter textual data. American Journal of Political Science, 61(2), 490-503. https://doi.org/10.1111/ajps.12274
  4. Bhattacherjee, A. (2012). Social science research: Principles, methods, and practices. Florida: University of South Florida Tampa Library Open Access Collections. Bostrom, N. ve Yudkowsky, E. (2018). The ethics of artificial intelligence, R.V. Yampolskiy (Ed.), Artificial intelligence safety and security içinde, (s. 57-69). New York: Chapman and Hall/CRC. Bölükbaşı, T., Chang, K. W., Zou, J. Y., Saligrama, V. ve Kalai, A. T. (2016). Man is to computer programmer as woman is to homemaker? Debiasing word embeddings. Advances in Neural Information Processing Systems, 29, 1-9. Erişim adresi:https://proceedings.neurips.cc/paper/2016/file/a486cd07e4ac3d270571622f4f316ec5-Paper.pdf
  5. Breiman, L. (2001). Statistical modeling: The two cultures (with comments and a rejoinder by the author). Statistical Science, 16(3), 199-231. doi: 10.1214/ss/1009213726 Cai, Y., Ramis Ferrer, B. ve Luis Martinez Lastra, J. (2019). Building university-industry co-innovation networks in transnational innovation ecosystems: Towards a transdisciplinary approach of integrating social sciences and artificial intelligence. Sustainability, 11(17), 1-23. https://doi.org/10.3390/su11174633
  6. Camp, L. J. ve Huber, L. L. (2017). Privacy implications of aware, active, and adaptive technologies, S. Kwon (Ed.), Gerontechnology: Research, practice, and principles in the field of technology and aging içinde, (s. 91-114). New York: Springer. Cazacu, M. ve Titan, E. (2021). Adapting CRISP-DM for social sciences. BRAIN-Broad Research in Artificial Intelligence and Neuroscience, 11(2Sup1), 99-106. http://dx.doi.org/10.18662/brain/11.2Sup1/97
  7. Chatsiou, K. ve Mikhaylov, S. J. (2020). Deep learning for political science. L. Curini, R. Franzese (Ed.), The SAGE Handbook of Research Methods in Political Science and International Relations (s. 1-52) içinde. https://doi.org/10.4135/9781526486387
  8. Chen, Y., Wu, X., Hu, A., He, G. ve Ju, G. (202