KaydedilenlerDerginizi ekleyin

Dergiler / Düzce Üniversitesi Bilim ve Teknoloji Dergisi / 2020 / Cilt: 8 - Sayı: 1

Veri Madenciliği ile Üniversite Bilişim Teknik Servis Hizmetleri Analizi

Analysis of University Informatics Technical Services Datas With Data Mining

Serdar KIRIŞOĞLU
Abdurrahman YAKUPOĞLU
Sayfa
326–333
Yayın Tarihi
2022-10-12
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)

VM’nin sınıflandırma yöntemleri bu veriler üzerinde uygulanmış ve Derin Öğrenme yönteminin başarısı ortaya konulmuştur.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Bu çalışmada Düzce Üniversitesi Teknik Servis Otomasyonu verileri üzerinde, birim personelinin performansını değerlendirmek ve yöneticiye karar destek sürecinde yardımcı olması için Veri Madenciliği (VM) bilimi kullanılmıştır.
📊
Temel Bulgular & Veri:Bu çalışmada birim yöneticilerine, VM’nin sınıflandırma tekniği ile personelin performans değerlendirmesi ve karar destek sürecinde yardımcı olunması hedeflenmiştir.
💡
Sonuç & Katkı:VM’nin sınıflandırma yöntemleri bu veriler üzerinde uygulanmış ve Derin Öğrenme yönteminin başarısı ortaya konulmuştur.
🔬Tür:Uygulamalı Anket & Alan Araştırması
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Veri Madenciliği · Derin Öğrenme · Performans Analizi

Özet

Bu çalışmada Düzce Üniversitesi Teknik Servis Otomasyonu verileri üzerinde, birim personelinin performansını değerlendirmek ve yöneticiye karar destek sürecinde yardımcı olması için Veri Madenciliği (VM) bilimi kullanılmıştır. VM büyük ölçekli verilerden, anlamlı bilgi çıkarma veya geleceğe yönelik tahminlerde bulunma işi olarak adlandırılabilir. Sınıflandırma ise mevcut veriden geleceğe yönelik tahminlerde bulunma tekniğidir. Kurumsal işletmelerde ve kamu kurumlarında personel performans analizi yapabilmek ve ileriye yönelik karar destek süreçlerinde kullanmak için çok sayıda veri bulunmaktadır. Ancak yöneticilerin bu verileri ham hali ile, performans süreçlerinde kullanmaları çok zordur. Bu çalışmada birim yöneticilerine, VM’nin sınıflandırma tekniği ile personelin performans değerlendirmesi ve karar destek sürecinde yardımcı olunması hedeflenmiştir. VM’nin sınıflandırma yöntemleri bu veriler üzerinde uygulanmış ve Derin Öğrenme yönteminin başarısı ortaya konulmuştur.

Abstract

In this study, Data Mining (DM) science was used to evaluate the performance of unit personnel and to assist the manager in decision support process on Düzce University Technical Service Automation data. The DM can be called the task of extracting meaningful information from large-scale data or making predictions for the future. Classification is the technique of making predictions from the available data. There is a lot of data available to perform personnel performance analysis in corporate enterprises and public institutions and to use them in advanced decision support processes. However, it is very difficult for managers to use this data in its raw form in performance processes. In this study, it is aimed to assist the unit managers in the performance evaluation and decision support process of the personnel by using DM's classification technique. DM's classification methods were applied on these data and the success of Deep Learning was demonstrated.

🔖

Bu Makaleye Atıf Yap

KIRIŞOĞLU, S., YAKUPOĞLU, A. (2022). Veri Madenciliği ile Üniversite Bilişim Teknik Servis Hizmetleri Analizi. Düzce Üniversitesi Bilim ve Teknoloji Dergisi, Cilt: 8 - Sayı: 1, 326–333. https://ajindex.com/articles/494293

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (15)

  1. M. J. A. Berry ve G. S. Linoff, "Data mining techniques: For marketing, sales, and customer relationship management," 2. baskı, Indianapolis, USA: Wiley, ss. 1-19, 2004
  2. S. N. Sumathi, S., Sivanandam, Introduction to data mining and its application, Berlin, Germany: Springer, 2006. ss. 325-327
  3. Talep Bildirim Sistemi. (2013).
  4. X. Chen ve F. Wang, “Application of data mining on enterprise human resource performance management,” 3rd International Conference on Information Management, Innovation Management and Industrial Engineering, Kunming, China, 2010, ss. 151–153
  5. X. D. Hou, Y. F. Dong, H. P. Liu, ve J. H. Gu, “Application of fuzzy data mining in staff performance assessment,” Proc. Sixth Int. Conf. Mach. Learn. Cybern. ICMLC 2007, Hong Kong, China, 2007, ss. 835–838
  6. Y. Kurniawan ve E. Halim, “Use data warehouse and data mining to predict student academic performance in schools: A case study (perspective application and benefits),” IEEE International Conference on Teaching, Assessment and Learning for Engineering (TALE), Kuta, Indonesia, 2013, ss. 98–103
  7. M. Ağaoglu, “Predicting ınstructor performance using data mining techniques in higher education,” IEEE Access, c. 4, ss. 2379–2387, 2016
  8. K. Yaralıoğlu, “Performans değerlendirmede analitik hiyerarşi proses,” Dokuz Eylül Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, c. 1, s. 16, ss. 129–142, 2001
  9. P. T. Costa, R. R. Mccrae, ve G. G. Kay, “Persons, places, and personality: career assessment using the revised NEO personality inventory,” Journal of Career Assessment., c. 3, s. 2, ss. 123–139, 1995
  10. A. Yelboğa, “İnsan kaynakları yönetiminde performans değerlendirilmesi için geliştirilen bir ölçeğin psikometrik özelliklerinin incelenmesi,” Yüksek lisans tezi, Eğitim Bilimleri, Eğitim Bilimleri Enstitüsü, Ankara Üniversitesi, Ankara, Türkiye, 2003
  11. A. Yelboğa, “Kişilik özellikleri ve iş performansı arasındaki ilişkinin incelenmesi,” "İş,Güç” Endüstri İlişkileri ve İnsan Kaynakları Dergisi, c. 8, s. 2, ss. 196–217, 2006. [12] “Microsoft-Structured Query Language (2014). Microsoft
  12. Y. Özkan, Veri madenciliği yöntemleri, 2. Baskı. İstanbul, Türkiye: Papatya Yayıncılık Eğitim, 2013, ss. 37
  13. RapidMiner Studio 9.3. (2019). GmbH
  14. H. Küçük, C. Tepe, ve İ. Emiroğlu, “K-en yakın komşu algoritması ve destek vektör makinesi yöntemleri ile EMG işaretlerinin sınıflandırılması”, ss. 1–4, 2013
  15. P. Bermejo, J. A.