KaydedilenlerDerginizi ekleyin

Dergiler / Dünya İnsan Bilimleri Dergisi / 2021 / Cilt: 2021 Sayı: 1

İnsanların Hayatlarındaki Olayların Zamanlamasının Yapısal Eşitlik Modellemesi ve Yapay Sinir Ağları Yöntemleri ile Analizi

Sibel Satıcı(KOCAELİ ÜNİVERSİTESİ)
Burcu Özcan(KOCAELİ ÜNİVERSİTESİ)0000-0003-0820-4238
Sayfa
96–117
Yayın Tarihi
2021-01-19
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Önem yüzdelerine bakıldığında ise en etkili ikinci faktörün %82,4’lük önem yüzdesi ile kişinin orta yaş olarak kabul edildiği yaş olduğu görülmektedir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Toplumların demografik özellikleri incelendiğinde bazı değişiklikler göze çarpmaktadır.
📊
Temel Bulgular & Veri:Bu değişikler arasında nüfusun hızla yaşlanması, azalan doğurganlık, heterojen aile yapıları, kadınlar ve erkekler arasında yeniden yapılandırılmış ilişkiler, coğrafi hareketlilik ve göç artışları yer almaktadır.
💡
Sonuç & Katkı:Önem yüzdelerine bakıldığında ise en etkili ikinci faktörün %82,4’lük önem yüzdesi ile kişinin orta yaş olarak kabul edildiği yaş olduğu görülmektedir.
🔬Tür:Uygulamalı Anket & Alan Araştırması
📍Kapsam:1343 katılımcı
⚙️Değişkenler:Yaşam Seyri Teorisi · Yapısal Eşitlik Modellemesi (YEM) · Yapay Sinir Ağları (YSA)

Özet

Toplumların demografik özellikleri incelendiğinde bazı değişiklikler göze çarpmaktadır. Bu değişikler arasında nüfusun hızla yaşlanması, azalan doğurganlık, heterojen aile yapıları, kadınlar ve erkekler arasında yeniden yapılandırılmış ilişkiler, coğrafi hareketlilik ve göç artışları yer almaktadır. Bu değişiklere sosyal ve ekonomik hayattaki değişikler de eklendiğinde insanların hayatlarının yapısı ve hayatlarındaki süregelen olayların planlanması önemli ölçüde değişmiştir. Bu çalışmanın amacı insanların hayatlarındaki olayları planlarken hangi faktörlerin etkili olduğunu önerilen bir Yapısal Eşitlik Modeliyle (YEM) araştırmak daha sonra da Yapay Sinir Ağları (YSA) ile göreceli etkisi incelemektir. Veri seti olarak Avrupa çapında yürütülen uluslararası bir anket olan Avrupa Sosyal Taraması Araştırması’nda bulunan 1343 katılımcı tarafından cevaplanan bir modül kullanılmıştır. Çalışmada hayatın evreleri, ideal yaşlar, yaş sınırlamaları, sosyal kurallar ve hayat planlaması değişkenlerinin hayattaki olayların zamanlamasına etkisini incelenmek üzere literatürdeki çalışmalardan hareketle hipotezler kurulmuştur. Araştırma modeline göre toplamda 6 gizli değişken ve bu gizli değişkenlere bağlı 19 gözlenen değişken bulunmaktadır. Elde edilen sonuca göre insanların hayatındaki olayların zamanlamasında en etkili faktörün evlenmek için ideal yaş olduğu ortaya çıkmıştır. Önem yüzdelerine bakıldığında ise en etkili ikinci faktörün %82,4’lük önem yüzdesi ile kişinin orta yaş olarak kabul edildiği yaş olduğu görülmektedir.

🔖

Bu Makaleye Atıf Yap

Satıcı, S., Özcan, B. (2021). İnsanların Hayatlarındaki Olayların Zamanlamasının Yapısal Eşitlik Modellemesi ve Yapay Sinir Ağları Yöntemleri ile Analizi. Dünya İnsan Bilimleri Dergisi, Cilt: 2021 Sayı: 1, 96–117. https://ajindex.com/articles/1474425

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (35)

  1. Ahani, A., & Ab. Rahim, N. (2017). Forecasting social CRM adoption in SMEs: A combined SEM-neural network method. Computers in Human Behaviour, 75, 560-578. doi:10.1016/j.chb.2017.05.032
  2. Anderson, J., & Gerbing, D. (1988). Structural equation modeling in practice: A review and recommended two-step approach. Psychological Bulletin, 103(3), 411-423. https://doi.org/10.1037/0033-2909.103.3.411
  3. Asadi, S., Abdullah, R., Safaei, M., & Nazir, S. (2019). An Integrated SEM-Neural Network Approach for Predicting Determinants of Adoption of Wearable Healthcare Devices. Mobile Information Systems. doi:https://doi.org/10.1155/2019/8026042
  4. Bavel, J. V., & Rózanska-Putek, J. Second birth rates across Europe: Interactions between women's level of education and child care enrolment. Vienna Yearbook of Population Research, 8(1), 107-138. doi:10.2307/23025512
  5. Bavel, J. V., & Winter, T. D. (2013). Becoming a Grandparent and Early Retirement in Europe. European Sociological Review, 29(6), 1295-1308. https://doi.org/10.1093/esr/jct005
  6. Billari, F. C., & Liefbroer, A. C. (2010). Towards a New Pattern of Transition to Adulthood? Advances in Life Course Research, 15(2-3), 59-75. doi:10.1016/j.alcr.2010.10.003
  7. Billari, F. C., Goisis, A., Liefbroer, A. C., Settersten, R. A., Aassve, A., Hagestad, G., & Spéder, Z. (2011). Social age deadlines for the childbearing of women and men. Human reproduction (Oxford, England), 616-622. doi:10.1093/humrep/deq360
  8. Bollen, K. A. (1989). Structural Equations with Latent Variables. New York: John Wiley & Sons.
  9. Clausen, J. S. (1991). Adolescent Competence and the Shaping of the Life Course. American journal of Society, 96(4), 805-842. doi:https://doi.org/10.1086/229609
  10. Crime and The Life Course. (2001). M. L. Benson.
  11. Elder, G. H., & Giele, J. Z. (Dü). (2009). The Craft of Life Course Research. The Guilford Press.
  12. European Social Survey. (2020). https://www.europeansocialsurvey.org/
  13. Giddens, A. (1991). Modernity and Self-Identity. Stanford: Stanford University Press. http://www.sup.org/books/title/?id=2660
  14. Giele, J. Z., & Elder Jr., G. H. (Dü). (1998). Methods of Life Course Research: Qualitative and Quantitative Approaches. doi:https://dx.doi.org/10.4135/9781483348919
  15. Heinz, W. R., Huinink, J., Swader, C., & Weymann, A. (2009). Fundamental Conceptual Frameworks: General introduction. The Life Course Reader: Individuals and Society Across Time, 15-30.
  16. Hew, T.-S., Leong, L.-Y., Ooi, K.-B., & Chong, A.-L. (2016). Predicting Drivers of Mobile Entertainment Adoption: A Two-Stage SEM-Artificial-Neural-Network Analysis. Journal of Computer Information Systems, 56(4), 352-370. doi:10.1080/08874417.2016.1164497
  17. Lee, V.-H., Hew, J.-J., Leong, L.-Y., Tan, G. W.-H., & Ooi, K.-B. (2020). Wearable payment: A deep learning-based dual-stage SEM-ANN analysis. Expert Systems with Applications, 157(1). doi:https://doi.org/10.1016/j.eswa.2020.113477
  18. Leong, L.-Y., Hew, T.-S., Ooi, K.-B., Lee, V.-H., & Hew, J.-J. (2019). A hybrid SEM-neural network analysis of social media addiction. Expert Systems With Applications, 133, 296-316. doi:https://doi.org/10.1016/j.eswa.2019.05.024
  19. Lesnard, L., Cousteaux, A.-S., Chanvril, F., & Viviane, L. H. (2016). Do Transitions to Adulthood Converge in Europe? An Optimal Matching Analysis of Work–Family Trajectories of Men and Women from 20 European Countries. European Sociological Review, 32(3). doi:10.1093/esr/jcw003
  20. Li´ebana-Cabanillas, F., Marinković, V., & Kalinić, Z. (2017). A SEM-neural network approach for predicting antecedents of m-commerce acceptance. International Journal of Information Management, 37(2). doi:10.1016/j.ijinfomgt.2016.10.008
  21. Meydan, C. H., & Şeşen, H. (2012). Yapısal Eşitlik Modellemesi AMOS UYGULAMALARI. Detay Yayıncılık.
  22. Neels, K., & Wood, J. (2013). Postponement and recuperation of first births in Europe: the effect of economic and institutional contexts over the life-course. Population Association of America 2013 Annual Meeting. doi:10.13140/2.1.3527.0721
  23. Öztemel, E. (2003). Yapay Sinir Ağları. İstanbul: Papatya Yayıncılık.
  24. Schwanitz, K. (2017). The transition to adulthood and pathways out of the parental home: A cross-national analysis. Advances in Life Course Research, 32, 21-34. doi:https://doi.org/10.1016/j.alcr.2017.03.001
  25. Settersten, R. (1998). A time to leave home and a time never to return? Age constraints around the living arrangements of young adults. Social Forces, 76, 1373-1400.
  26. Sharma, S. K., Guar, A., Saddikuti, V., & Rastogi, A. (2017). Structural equation model (SEM)-neural network (NN) model for predicting quality determinants of e-learning management systems. Behaviour and Information Technology, 36(2), 1-14. doi:10.1080/0144929X.2017.1340973
  27. Sternad, S., Kalinić, Z., Bobek, S., & Tominc, P. (2018). SEM–ANN based research of factors’ impact on extended use of ERP systems. Central European Journal of Operations Research, 27(4). doi:10.1007/s10100-018-0592-1
  28. Tabachnick, B., & Fidel, L. (2001). Using Multivariate Statistics (Fourth Edition b.). Boston: Pearson/Allyn & Bacon.
  29. Tüfekçi, N., & Tüfekçi, Ö. K. (2006). Bankacılık Sektöründe Farklı Olma Üstünlüğünün ve Müsteri Sadakatinin Yarattığı Değer: Isparta İlinde bir Uygulama. Süleyman Demirel Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 2(4), 170-183.
  30. Van Bavel, J. J., Parker, D. J., & Haas, I. J. (2012). The Importance of Moral Construal: Moral versus Non-Moral Construal Elicits Faster, Mo-re Extreme, Universal Evaluations of the Same Actions. PLoS One, 7(11). doi:10.1371/journal.pone.0048693
  31. Veevers, J. E., Gee, E. M., & Wister, A. V. (1996). Homeleaving Age Norms: Conflict or Consensus? International Journal of Aging and Human Development, 43(4), 277-295. doi:10.2190/MXQV-0RQW-B2FU-KEM6
  32. Bavel, J. V., & Rózanska-Putek, J. Second birth rates across Europe: Interactions between women's level of education and child care enrolment. Vienna Yearbook of Population Research, 8(1), 107-138. doi:10.2307/23025512
  33. Li´ebana-Cabanillas, F., Marinković, V., & Kalinić, Z. (2017). A SEM-neural network approach for predicting antecedents of m-commerce acceptance. International Journal of Information Management, 37(2). doi:10.1016/j.ijinfomgt.2016.10.008
  34. Tüfekçi, N., & Tüfekçi, Ö. K. (2006). Bankacılık Sektöründe Farklı Olma Üstünlüğünün ve Müsteri Sadakatinin Yarattığı Değer: Isparta İlinde bir Uygulama. Süleyman Demirel Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 2(4), 170-183.
  35. Van Bavel, J. J., Parker, D. J., & Haas, I. J. (2012). The Importance of Moral Construal: Moral versus Non-Moral Construal Elicits Faster, Mo-re Extreme, Universal Evaluations of the Same Actions. PLoS One, 7(11). doi:10.1371/journal.pone.0048693