Ülkelerin İnsani Özgürlük Endeksine Göre Kümelenmesi

Yıl 2020, , 271 - 286, 29.09.2020

Meltem Karaatlı Tuğçe Karataş Nuri Ömürbek

https://doi.org/10.18037/ausbd.801788

Cited By: 2

Öz

İnsan niteliğinin en önemli parçası olan özgürlük, herhangi bir kısıtlamaya, zorlamaya bağlı olmaksızın düşünme veya davranma durumudur. Bir araştırma kuruluşu olan Kanada merkezli Fraser Enstitüsü 2008 yılından bu yana her yıl İnsani Özgürlük Endeksi isimli küresel açıdan anlamlı bir endeks yayınlamaktadır. Bu endekste yer alan ülkeler; kişisel özgürlük ve ekonomik özgürlük endekslerine göre 10'un daha fazla özgürlüğü temsil ettiği 0-10 arası bir ölçekte İnsani Özgürlük Endekslerine göre sıralanmaktadır. Bu çalışmada, 2018 yılı İnsani Özgürlük Endeksinde yer alan veriler dikkate alınarak öncelikle kriterlerin ağırlık dereceleri Entropi yöntemi ile hesaplanmış ve oluşturulan ağırlıklı endeks değerleri WEKA 3.8 paket programında çözümlenerek kümeleme yapılmıştır. Çalışmada kullanılan kişisel özgürlük ve ekonomik özgürlük endeks puanları Entropi yöntemi ile ağırlıklandırıldığında kişisel özgürlük kriterinin ağırlığının daha fazla olduğu görülmüştür. WEKA programında çeşitli algoritmalar ile yapılan analiz sonucunda en anlamlı sonucu Canopy algoritması vermiştir. Canopy algoritması ile ülkeler 9 kümeye ayrılarak en genel anlamda ülkelerin ekonomik ve kişisel özgürlükleri açısından farklılıklar olduğu sonucuna ulaşılmıştır.

Anahtar Kelimeler

Entropi, Kümeleme Analizi, Canopy Algoritması, İnsani Özgürlük Endeksi

Kaynakça

• Akbaba, M.M. (2017). Havacılık sektöründe tedarikçi performansının kümeleme analizi ve yapay sinir ağları ile incelenmesi (Yüksek lisans tezi). Edirne: Trakya Üniversitesi Sosyal Bilimler Enstitüsü. Erişim Adresi https://tez.yok.gov.tr/UlusalTezMerkezi/tezSorguSonucYeni.jsp
• Akpınar, H. (2017). Data: veri madenciliği veri analizi. Ankara: Papatya.
• Akyüz, K.C., Yıldırım İ., Tugay, T., Akyüz, İ. ve Gedik, T. (2016). İmalat sanayi içerisinde yer alan sektörlerin iş kazası istatistiklerinin küme ve ayırma analizi ile değerlendirilmesi. Ormancılık Dergisi, 12(1), 18-29.
• Alp, İ., Öztel, A. ve Köse, M.S. (2015). Entropi tabanlı maut yöntemi ile kurumsal sürdürülebilirlik performansı ölçümü: bir vaka çalışması. Ekonomik ve Sosyal Araştırmalar Dergisi, 11(2), 65-81.
• Aydın, S. (2007). Veri madenciliği ve Anadolu Üniversitesi uzaktan eğitim sisteminde bir uygulama (Doktora tezi). Eskişehir: Anadolu Üniversitesi Sosyal Bilimler Enstitüsü. Erişim adresi https://tez.yok.gov.tr/UlusalTezMerkezi/tezSorguSonucYeni.jsp.
• Bozkır, A.S., Sezer, E. ve Gök, B. (2009, 13-15 Mayıs). Öğrenci seçme sınavında (öss) öğrenci başarımını etkileyen faktörlerin veri madenciliği yöntemleriyle tespiti. 5. Uluslararası İleri Teknolojiler Sempozyumu (IATS’09) Bildiriler Kitabı, Karabük. Erişim adresi https://www.researchgate.net/profile/Ahmet_Bozkir/publication/237693243_Ogrenci_Secme_Sinavinda_OSS_Ogrenci_Basarimini_Etkileyen_Faktorlerin_Veri_Madenciligi_Yontemleriyle_Tespiti/links/546e03040cf29806ec2e6a65/Oegrenci-Secme-Sinavinda-OeSS-Oegrenci-Basarimini-Etkileyen-Faktoerlerin-Veri-Madenciligi-Yoentemleriyle-Tespiti.pdf
• Çelik, F. (2013). Modern dönemde cumhuriyetçi özgürlük anlayışı. Akademik İncelemeler Dergisi (Journal of Academic Inquiries), 13 (1), 125-163.
• Çelik, C. ve Kıral, G. (2018). Kümeleme yöntemi ile konut talebinin incelenmesi: Türkiye il grupları üzerine bir uygulama. Journal of The Cukurova University Institute of Social Sciences, 27 (1), 123-138.
• Filkov, V. ve Skiena, S. (2004). Integrating microarray data by consensus clustering. International Journal on Artificial Intelligence Tools, 13 (4), 863–880.
• Gazel, S. ve Akel, V. (2018). Borsa İstanbul’da sektör sınıflandırmasının kümeleme analizi ile belirlenmesi. Muhasebe ve Finansman Dergisi (MUFAD), 27, 147-164.
• Han, J., Kamber, M. ve Pei, J. (2012). Data mining: concepts and techniques (third edition). San Francisco: Morgan Kaufmann. Erişim adresi https://books.google.com.tr/books?id=pQws07tdpjoC&printsec=frontcover&dq=Data+mining:+concepts+and+techniques&hl=tr&sa=X&ved=2ahUKEwicq5Xv2IHsAhWJHHcKHQPzC8YQ6AEwAHoECAUQAg#v=onepage&q=Data%20mining%3A%20concepts%20and%20techniques&f=false.
• Hair, J.F., Black, W. C., Barry, J.B. ve Anderson, R. E., (2014). Multivariate data analysis (seventh edition). Harlow: Pearson Education Limited. Erişim adresi https://scholar.google.com.tr/scholar?q=Multivariate+data+analysis&hl=tr&as_sdt=0&as_vis=1&oi=scholart
• Güney, T. (2017). Ekonomik özgürlük ve insani gelişmişlik. Hitit Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 5 (2), 1109-1120. https://doi.org/10.17218/hititsosbil.341588
• Gürbüz, M., Karabulut, M. ve Sandal, E.K. (2007). Türkiye’ de bölgesel farklılıkların kırsal ölçekte analizi. İstatistik Araştırma Dergisi, 5 (1), 99-112.
• Karacan, H. (2011). Veri madenciliğinde nesne yönelimli birleştirici hiyerarşik kümeleme modeli. Gazi Üniversitesi Mühendislik-Mimarlık Fakültesi Dergisi, 26 (1), 27-39.
• Koşar, A. (2018). Türkiye’nin son 10 yılda en çok ihracat ve ithalat yaptığı ülkelerin hiyerarşik kümeleme analizi gruplandırılması ve değerlendirilmesi. Bucak İşletme Fakültesi Dergisi, 1 (1), 17-28.
• Li, X., Wang, K., Liu, L., Xin, J., Hongrui, Y. ve Gao, C. (2011). Application entropy weight and topsıs method in safety evaluation of coal mines. Procedia Engineering, 6, 2085-2091.
• Ng, R.T. ve Han, J. (1994). Efficient and effective clustering method for spatial data mining. VLDB '94 Proceedings of The 20th International Conference on Very Large Data Bases, 12-15 September. doi: 10.1109/tkde.2002.1033770
• Öztürk, A. (2015). Açık ve uzaktan öğrenme sistemlerinde kümeleme analizi yöntemiyle öğrenen gruplarının belirlenmesi (Yüksek lisans tezi). Eskişehir: Anadolu Üniversitesi Sosyal Bilimler Enstitüsü.
• Sarıman, G. (2011). Veri madenciliğinde kümeleme teknikleri üzerine bir çalışma: k-means ve k-medoids kümeleme algoritmalarının karşılaştırılması. Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 15 (3), 192-202.
• Saygı, H., Kop, A., Tekoğul H. ve Altan, Ö. (2018). Orta Doğu ülkelerinin su ürünleri üretimi. Türk tarım-gıda bilim ve teknoloji dergisi, 7 (10), 1422-1430.
• Selvi, H.Z. ve Çağlar, B. (2017). Çok değişkenli haritalama için kümeleme yöntemlerinin kullanılması. Ömer Halis Demir Üniversitesi Mühendislik Bilimleri Dergisi, 6 (2), 415-429.
• Sharma, N. Bajpai, A. ve Litoriya R. (2012). Comparison the various clustering algorithms of weka tools. International Journal of Emerging Technology And Advanced Engineering, 2 (5), 73-80.
• Sınghal, S. ve Jena, M. (2013). A Study on weka tool for data preprocessing, Classification And Clustering. International Journal of Innovative Technology And Exploring Engineering, 2 (6), 250-253.
• Tatlıdil, H. (2002). Uygulamalı çok değişkenli istatistiksel analiz. Ankara: Akademi Matbaası.
• Li, X., Wang, K., Liu, L., Xin, J., Hongruı, Y. ve Gao, C. (2011). Application entropy weight and topsis method in safety evaluation of coal mines. Procedia Engineering, 6, 2085-2091.
• Uyar, Kangallı S.G., Uyar, U. ve Buyrukoğlu, S. (2014). OECD ülkelerinde ekonomik özgürlük: bir kümeleme analizi. Uluslararası Alanya İşletme Fakültesi Dergisi, 6 (3), 95-109. Wu, J., Sun, J., Liang, L. ve Zha, Y. (2011). Determination of weights for ultimate cross efficiency using shannon entropy. Expert Systems With Applications, 38 (5), 5162-5165.
• Yaz, H.F., (2014). Çok değişkenli istatistiksel tekniklerden kümeleme analizi; spss ile bir uygulama, Academia. Erişim adresi https://www.academia.edu/7276743.