Research Article
BibTex RIS Cite
Year 2023, , 10 - 20, 30.12.2023
https://doi.org/10.59940/jismar.1404452

Abstract

Todays, stress appears as an element that significantly affects the lives of many people and affects their quality of life. Students, on the other hand, have to balance their stress levels in terms of academic success as well as daily living conditions. At this point, when the literature is examined, stress in academic studies is evaluated within the scope of psychological, physiological, environmental, academic and social factors for students. These factors also have lower-level states. There are 20 subheadings related to these factors in the data set containing students’ stress levels. An exploratory data analysis was conducted on the student stress dataset. Exploratory data analysis (EDA) is the process of exploring data to find information hidden in the data. In this study, the relationship between student stress levels and academic success was conducted through an exploratory data analysis. The obtained values are supported by visual graphics. In addition, from machine learning algorithms on the data set; A comparative analysis of Decision Trees, Random Forest, K-Nearest Neighbor and Gaussian Naive Bayes algorithms was made. The best learning algorithm was the Gaussian Naive Bayes algorithm.

References

  • [1] Ertekin, Y., (1993). Stres ve Yönetim. Ankara: Türkiye ve Orta Doğu Amme İdaresi Enstitüsü Yayınları No:253. Devlet İstatistik Enstitüsü Matbaası.
  • [2] Graham, H. (1999). Stresi kendi yararınıza kullanın. (Çev. M. Sağlam ve T. Tezcan). İstanbul: Alfa Yayınları.
  • [3] Köknel, Ö. (1987). Zorlanan İnsan, İstanbul: Altın Kitaplar Yayınları.
  • [4] De Vito, N. (2009). The relationship between teacher burnout and emotional intelligence: A pilot study (Doctoral dissertation, Fairleigh Dickinson University).
  • [5] Stora, J.B. (1994). Stres (2.Baskı.). (K. Ayşen, Çev,) İstanbul: İletişim.
  • [6] Dewe, P. J., O’Driscoll, M. P., & Cooper, C. L. (2012). Theories of psychological stress at work. Handbook of occupational health and wellness, 23-38.
  • [7] Brantley, P. J., & Thomason, B. T. (1995). Stress and stress management. In Handbook of health and rehabilitation psychology (pp. 275-289). Boston, MA: Springer US.
  • [8] Lehrer, P. M., Woolfolk, R. L., & Sime, W. E. (Eds.). (2007). Principles and practice of stress management (3rd ed.). The Guilford Press.
  • [9] DeFrank, R. S., & Ivancevich, J. M. (1998). Stress on the job: An executive update. Academy of Management Perspectives, 12(3), 55-66.
  • [10] Cranwell-Ward, J., & Abbey, A. (2005). Organizational stress. Springer.
  • [11] Gökler, R. (2012). Modern Çağin Hastaliği; Stres Ve Etkileri/The Disease of Modern Era; Stress and its Effects. Journal of history culture and art research, 1(3), 154-168.
  • [12] Erdoğan, T., Ünsar, Y. S., & Süt, D. (2009). Stresin Çalışanlar Üzerindeki Etkileri: Bir Araştırma. Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 14(2), 447-461.
  • [13] Muslu, M. (2023). Öğrencilerde akademik başarının arttırılmasında masanın dört ayağı; beslenme, uyku, fiziksel aktivite ve sosyal yaşam. Current Perspectives on Health Sciences, 4(1), 17-25.
  • [14] Karaman, G. (2020). Üniversite öğrencilerinin akademik başarısı ile stres ve kaygının ilişkisi (Master's thesis, İstanbul Gelişim Üniversitesi Lisansüstü Eğitim Enstitüsü).
  • [15] Aydın, A., Üçüncü, K., & Taşdemir, T. (2011). Akademik performansı etkileyen stres kaynaklarının belirlenmesine yönelik bir alan çalışması. Uluslararası İnsan Bilimleri Dergisi, 8(2), 387-399.
  • [16] Durmaz, M., Hüseyinli, T., & Güçlü, C. (2016). Zaman yönetimi becerileri ile akademik başarı arasındaki ilişki. İnsan ve Toplum Bilimleri Araştırmaları Dergisi, 5(7), 2291-2303
  • [17] Hayri, S., Mahmut, Ö., Sadri, Ş., Bekir, G., Selahattin, G., & Petek, A. (2021). Türkiye’de akademik başarının belirleyicileri. Journal of Economy Culture and Society, (64), 143-162.
  • [18] ILTER, İ. (2021). Lisans öğrencilerinin akademik başarıları ve kariyer kararı özyeterliklerinin lisansüstü eğitim niyetlerine etkisi. Yükseköğretim ve Bilim Dergisi, 11(1), 1-13.
  • [19] Uyar, M. Y., & Doğanay, A. (2018). Öğrenci merkezli strateji, yöntem ve tekniklerin akademik başarıya etkisi: bir meta-analiz çalışması. Mersin Üniversitesi Eğitim Fakültesi Dergisi, 14(1), 186-209.
  • [20] Maykel, C., deLeyer-Tiarks, J., & Bray, M. A. (2018). Academic stress: What is the problem and what can educators and parents do to help?. Positive schooling and child development: International perspectives, 27-40.
  • [21] Van der Wath, A. E., & Du Toit, P. H. (2015). Learning end-of-life care within a constructivist model: Undergraduate nursing students' experiences. Curationis, 38(2), 1-9.
  • [22] Aliakbari, F., Parvin, N., Heidari, M., & Haghani, F. (2015). Learning theories application in nursing education. Journal of education and health promotion, 4.
  • [23] Goldfarb, E. V., Froböse, M. I., Cools, R., & Phelps, E. A. (2017). Stress and cognitive flexibility: cortisol increases are associated with enhanced updating but impaired switching. Journal of cognitive neuroscience, 29(1), 14-24.
  • [24] Bedel, A., & Ulubey, E. (2015). Ergenlerde Başa Çıkma Stratejilerini Açıklamada Bilişsel Esnekliğin Rolü. Elektronik Sosyal Bilimler Dergisi, 14(55), 291-300.
  • [25] Laçin, B. G. D., & Yalçın, İ. (2018). Üniversite öğrencilerinde öz-yeterlilik ve stresle başa çıkma stratejilerinin bilişsel esnekliği yordama düzeyleri. Hacettepe Üniversitesi Eğitim Fakültesi Dergisi, 34(2), 358-371.
  • [26] Karaca, A., Yildirim, N., Ankarali, H., Açikgöz, F., & Akkuş, D. (2015). Hemşirelik Öğrencileri İçin Algılanan Stres, Biyo-psiko-sosyal Cevap ve Stresle Başetme Davranışları Ölçeklerinin Türkçe'ye Uyarlanması. Journal of Psychiatric Nursing/Psikiyatri Hemsireleri Dernegi, 6(1).
  • [27] Erten, S. B. (2020). Lise son sınıf öğrencilerinin sınav kaygısı ile algılanan stres düzeyleri arasındaki ilişkinin incelenmesi (Master's thesis, İnönü Üniversitesi Sağlık Bilimleri Enstitüsü).
  • [28] Pascoe, M. C., Hetrick, S. E., & Parker, A. G. (2020). The impact of stress on students in secondary school and higher education. International journal of adolescence and youth, 25(1), 104-112.
  • [29] Doğan, S. (2020). Üniversite Öğrencilerinin Covid-19’a Yazdıkları 100 Mektubun İncelenmesi. Türk Dünyası Araştırmaları, 126(248), 25-40.
  • [30] Ribeiro, Í. J., Pereira, R., Freire, I. V., de Oliveira, B. G., Casotti, C. A., & Boery, E. N. (2018). Stress and quality of life among university students: A systematic literature review. Health Professions Education, 4(2), 70-77.
  • [31] Kaggle, (2023). Veri seti. https://www.kaggle.com/datasets/rxnach/studentstress- factors-a-comprehensive-analysis/ (Erişim Tarihi: 01.09.2023)
  • [32] Ma, P.; Ding, R.; Han, S.; and Zhang, D. 2021a. MetaInsight: Automatic Discovery of Structured Knowledge for Exploratory Data Analysis. In SIGMOD
  • [33] Bar El, O.; Milo, T.; Somech, A.; Bar El, O.; Milo, T.; and Somech, A. 2020. Automatically Generating Data Exploration Sessions Using Deep Reinforcement Learning. In SIGMOD.
  • [34] Milo, T.; Somech, A.; Milo, T.; and Somech, A. 2018a. Next-Step Suggestions for Modern Interactive Data Analysis Platforms. In KDD.
  • [35] Tukey, J. W., & Mosteller, F. (1991). Data analysis. Princeton University.
  • [36] Behrens, J. T. (1997). Principles and procedures of exploratory data analysis. Psychological methods, 2(2), 131.
  • [37] Akbaş, A. (2023). Doktora Öğrencilerinin Akademik bir Formasyon Dersini Değerlendirmesi: Keşifsel bir Analiz Örneği. Social Sciences Studies Journal (SSSJournal), 9(116), 9027-9042.
  • [38] Beştaş, M. (2023). Keşifçi Veri Analizi ile Eczane Satış Analizi ve Satış Tahmini. Third Sector Social Economic Review, 58(1), 765-782.
  • [39] Khan, S. A., & Velan, S. S. (2020, June). Application of exploratory data analysis to generate inferences on the occurrence of breast cancer using a sample dataset. In 2020 International Conference on Intelligent Engineering and Management (ICIEM) (pp. 449-454). IEEE.
  • [40] Mahesh, B. (2020). Machine learning algorithmsa review. International Journal of Science and Research (IJSR). [Internet], 9(1), 381-386.
  • [41] Nasteski, V. (2017). An overview of the supervised machine learning methods. Horizons. b, 4, 51-62.
  • [42] Sinap, V. (2023). Makine Öğrenmesi Teknikleri ile Counter-Strike: Global Offensive Raunt Sonuçlarının Tahminlenmesi. Journal of Intelligent Systems: Theory and Applications, 6(2), 119-129.
  • [43] Çakar, Ö. K., & Esen, A. (2023). Yerel yönetimlerde stratejik planlama uygulamalarının kurum performansına etkisi. Business & Management Studies: An International Journal, 11(3), 1010-1025.
  • [44] San Millan-Castillo, R., Morgado, E., & Goya- Esteban, R. (2019). On the use of decision tree regression for predicting vibration frequency response of handheld probes. IEEE Sensors Journal, 20(8), 4120-4130. [45] Doğan, S., Büyükkör, Y., & Atan, M. (2022). A comparative study of corporate credit ratings prediction with machine learning. Operations Research and Decisions, 32(1), 25-47.
  • [46] Liang, L., Di, L., Huang, T., Wang, J., Lin, L., Wang, L., & Yang, M. (2018). Estimation of leaf nitrogen content in wheat using new hyperspectral indices and a random forest regression algorithm. Remote Sensing, 10(12), 1940.
  • [47] Mukhiya, S. K., & Ahmed, U. (2020). Hands-On Exploratory Data Analysis with Python: Perform EDA techniques to understand, summarize, and investigate your data. Packt Publishing Ltd.
  • [48] Sulaiman, N. (2016). Determination and classification of human stress index using nonparametric analysis of EEG signals.
  • [49] Xu, Q., Nwe, T. L., & Guan, C. (2014). Clusterbased analysis for personalized stress evaluation using physiological signals. IEEE journal of biomedical and health informatics, 19(1), 275-281.
  • [50] Liu, D., & Ulrich, M. (2014). Listen to your heart: Stress prediction using consumer heart rate sensors. Final. Proj. Standford CS, 229, 229-233.
  • [51] Jung, Y., & Yoon, Y. I. (2017). Multi-level assessment model for wellness service based on human mental stress level. Multimedia Tools and Applications, 76, 11305-11317.
  • [52] Sharma, D., Kapoor, N., & Kang, S. S. (2020). Stress prediction of students using machine learning. International Journal of Mechanical and Production Engineering Research and Development, 10(3).
  • [53] Pabreja, K., Singh, A., Singh, R., Agnihotri, R., Kaushik, S., & Malhotra, T. (2021). Stress prediction model using machine learning. In Proceedings of International Conference on Artificial Intelligence and Applications: ICAIA 2020 (pp. 57-68). Springer Singapore.
  • [54] Ranasinghe, P., Wathurapatha, W. S., Mathangasinghe, Y., & Ponnamperuma, G. (2017). Emotional intelligence, perceived stress and academic performance of Sri Lankan medical undergraduates. BMC medical education, 17(1), 1-7.
  • [55] Joseph, N., Joseph, N., Panicker, V., Nelliyanil, M., Jindal, A., & Viveki, R. (2015). Assessment and determinants of emotional intelligence and perceived stress among students of a medical college in south India. Indian journal of public health, 59(4), 310-313.
  • [56] Duari, P. (2012). Importance of self-esteem among students in academic performance and coping with stress. Indian Journal of Positive Psychology, 3(4), 474.
  • [57] Khanehkeshi, A. L. I. (2011). The Relationship of Academic Stress with Aggression, Depression and Academic Performance of College Students in Iran. Journal on Educational Psychology, 5(1), 24-31.
  • [58] Brailovskaia, J., Schillack, H., & Margraf, J. (2020). Tell me why are you using social media (SM)! Relationship between reasons for use of SM, SM flow, daily stress, depression, anxiety, and addictive SM use–An exploratory investigation of young adults in Germany. Computers in human behavior, 113, 106511.

Yapay Zeka Algoritmaları Kullanılarak Öğrencilerin Akademik Başarısı ile Stres İlişkisinin Keşifsel Bir Analizi

Year 2023, , 10 - 20, 30.12.2023
https://doi.org/10.59940/jismar.1404452

Abstract

Günümüzde stres insanların birçoğunun yaşamını önemli ölçüde etkileyen ve onların yaşam kalitelerini etkileyen bir unsur olarak karşımıza çıkmaktadır. Öğrenciler ise günlük yaşam koşullarının yanı sıra akademik başarı olarak da stres düzeylerini dengelemek durumundadır. Bu noktada literatür incelendiğinde akademik çalışmalarda stres öğrenciler için psikolojik, fizyolojik, çevresel, akademik ve sosyal faktörler kapsamında değerlendirilmektedir. Bu faktörlerin alt düzey durumları da bulunmaktadır. Öğrencilerin stres düzeylerinin bulunduğu veri setinde bu faktörlere ait 20 alt başlık bulunmaktadır. Öğrenci stres veri seti üzerinde keşifsel bir veri analizi gerçekleştirilmiştir. Keşifsel veri analizi (EDA- Exploratory Data Analysis), verilerde gizlenmiş olan bilgilere ulaşmak için verileri keşfetme işlemidir. Bu çalışmada öğrenci stres seviyelerinin, akademik başarı ile olan ilişkisi keşifsel bir veri analizi ile gerçekleştirilmiştir. Elde edilen değerler görsel grafiklerle desteklenmiştir. Ayrıca veri seti üzerinde makine öğrenme algoritmalarından; Karar Ağaçları, Rassal Orman, K-En yakın komşu ve Gaussian Naive Bayes algoritmalarının karşılaştırmalı analizi yapılmıştır. En iyi öğrenim gösteren algoritma ise Gaussian Naive Bayes algoritması olmuştur.

References

  • [1] Ertekin, Y., (1993). Stres ve Yönetim. Ankara: Türkiye ve Orta Doğu Amme İdaresi Enstitüsü Yayınları No:253. Devlet İstatistik Enstitüsü Matbaası.
  • [2] Graham, H. (1999). Stresi kendi yararınıza kullanın. (Çev. M. Sağlam ve T. Tezcan). İstanbul: Alfa Yayınları.
  • [3] Köknel, Ö. (1987). Zorlanan İnsan, İstanbul: Altın Kitaplar Yayınları.
  • [4] De Vito, N. (2009). The relationship between teacher burnout and emotional intelligence: A pilot study (Doctoral dissertation, Fairleigh Dickinson University).
  • [5] Stora, J.B. (1994). Stres (2.Baskı.). (K. Ayşen, Çev,) İstanbul: İletişim.
  • [6] Dewe, P. J., O’Driscoll, M. P., & Cooper, C. L. (2012). Theories of psychological stress at work. Handbook of occupational health and wellness, 23-38.
  • [7] Brantley, P. J., & Thomason, B. T. (1995). Stress and stress management. In Handbook of health and rehabilitation psychology (pp. 275-289). Boston, MA: Springer US.
  • [8] Lehrer, P. M., Woolfolk, R. L., & Sime, W. E. (Eds.). (2007). Principles and practice of stress management (3rd ed.). The Guilford Press.
  • [9] DeFrank, R. S., & Ivancevich, J. M. (1998). Stress on the job: An executive update. Academy of Management Perspectives, 12(3), 55-66.
  • [10] Cranwell-Ward, J., & Abbey, A. (2005). Organizational stress. Springer.
  • [11] Gökler, R. (2012). Modern Çağin Hastaliği; Stres Ve Etkileri/The Disease of Modern Era; Stress and its Effects. Journal of history culture and art research, 1(3), 154-168.
  • [12] Erdoğan, T., Ünsar, Y. S., & Süt, D. (2009). Stresin Çalışanlar Üzerindeki Etkileri: Bir Araştırma. Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 14(2), 447-461.
  • [13] Muslu, M. (2023). Öğrencilerde akademik başarının arttırılmasında masanın dört ayağı; beslenme, uyku, fiziksel aktivite ve sosyal yaşam. Current Perspectives on Health Sciences, 4(1), 17-25.
  • [14] Karaman, G. (2020). Üniversite öğrencilerinin akademik başarısı ile stres ve kaygının ilişkisi (Master's thesis, İstanbul Gelişim Üniversitesi Lisansüstü Eğitim Enstitüsü).
  • [15] Aydın, A., Üçüncü, K., & Taşdemir, T. (2011). Akademik performansı etkileyen stres kaynaklarının belirlenmesine yönelik bir alan çalışması. Uluslararası İnsan Bilimleri Dergisi, 8(2), 387-399.
  • [16] Durmaz, M., Hüseyinli, T., & Güçlü, C. (2016). Zaman yönetimi becerileri ile akademik başarı arasındaki ilişki. İnsan ve Toplum Bilimleri Araştırmaları Dergisi, 5(7), 2291-2303
  • [17] Hayri, S., Mahmut, Ö., Sadri, Ş., Bekir, G., Selahattin, G., & Petek, A. (2021). Türkiye’de akademik başarının belirleyicileri. Journal of Economy Culture and Society, (64), 143-162.
  • [18] ILTER, İ. (2021). Lisans öğrencilerinin akademik başarıları ve kariyer kararı özyeterliklerinin lisansüstü eğitim niyetlerine etkisi. Yükseköğretim ve Bilim Dergisi, 11(1), 1-13.
  • [19] Uyar, M. Y., & Doğanay, A. (2018). Öğrenci merkezli strateji, yöntem ve tekniklerin akademik başarıya etkisi: bir meta-analiz çalışması. Mersin Üniversitesi Eğitim Fakültesi Dergisi, 14(1), 186-209.
  • [20] Maykel, C., deLeyer-Tiarks, J., & Bray, M. A. (2018). Academic stress: What is the problem and what can educators and parents do to help?. Positive schooling and child development: International perspectives, 27-40.
  • [21] Van der Wath, A. E., & Du Toit, P. H. (2015). Learning end-of-life care within a constructivist model: Undergraduate nursing students' experiences. Curationis, 38(2), 1-9.
  • [22] Aliakbari, F., Parvin, N., Heidari, M., & Haghani, F. (2015). Learning theories application in nursing education. Journal of education and health promotion, 4.
  • [23] Goldfarb, E. V., Froböse, M. I., Cools, R., & Phelps, E. A. (2017). Stress and cognitive flexibility: cortisol increases are associated with enhanced updating but impaired switching. Journal of cognitive neuroscience, 29(1), 14-24.
  • [24] Bedel, A., & Ulubey, E. (2015). Ergenlerde Başa Çıkma Stratejilerini Açıklamada Bilişsel Esnekliğin Rolü. Elektronik Sosyal Bilimler Dergisi, 14(55), 291-300.
  • [25] Laçin, B. G. D., & Yalçın, İ. (2018). Üniversite öğrencilerinde öz-yeterlilik ve stresle başa çıkma stratejilerinin bilişsel esnekliği yordama düzeyleri. Hacettepe Üniversitesi Eğitim Fakültesi Dergisi, 34(2), 358-371.
  • [26] Karaca, A., Yildirim, N., Ankarali, H., Açikgöz, F., & Akkuş, D. (2015). Hemşirelik Öğrencileri İçin Algılanan Stres, Biyo-psiko-sosyal Cevap ve Stresle Başetme Davranışları Ölçeklerinin Türkçe'ye Uyarlanması. Journal of Psychiatric Nursing/Psikiyatri Hemsireleri Dernegi, 6(1).
  • [27] Erten, S. B. (2020). Lise son sınıf öğrencilerinin sınav kaygısı ile algılanan stres düzeyleri arasındaki ilişkinin incelenmesi (Master's thesis, İnönü Üniversitesi Sağlık Bilimleri Enstitüsü).
  • [28] Pascoe, M. C., Hetrick, S. E., & Parker, A. G. (2020). The impact of stress on students in secondary school and higher education. International journal of adolescence and youth, 25(1), 104-112.
  • [29] Doğan, S. (2020). Üniversite Öğrencilerinin Covid-19’a Yazdıkları 100 Mektubun İncelenmesi. Türk Dünyası Araştırmaları, 126(248), 25-40.
  • [30] Ribeiro, Í. J., Pereira, R., Freire, I. V., de Oliveira, B. G., Casotti, C. A., & Boery, E. N. (2018). Stress and quality of life among university students: A systematic literature review. Health Professions Education, 4(2), 70-77.
  • [31] Kaggle, (2023). Veri seti. https://www.kaggle.com/datasets/rxnach/studentstress- factors-a-comprehensive-analysis/ (Erişim Tarihi: 01.09.2023)
  • [32] Ma, P.; Ding, R.; Han, S.; and Zhang, D. 2021a. MetaInsight: Automatic Discovery of Structured Knowledge for Exploratory Data Analysis. In SIGMOD
  • [33] Bar El, O.; Milo, T.; Somech, A.; Bar El, O.; Milo, T.; and Somech, A. 2020. Automatically Generating Data Exploration Sessions Using Deep Reinforcement Learning. In SIGMOD.
  • [34] Milo, T.; Somech, A.; Milo, T.; and Somech, A. 2018a. Next-Step Suggestions for Modern Interactive Data Analysis Platforms. In KDD.
  • [35] Tukey, J. W., & Mosteller, F. (1991). Data analysis. Princeton University.
  • [36] Behrens, J. T. (1997). Principles and procedures of exploratory data analysis. Psychological methods, 2(2), 131.
  • [37] Akbaş, A. (2023). Doktora Öğrencilerinin Akademik bir Formasyon Dersini Değerlendirmesi: Keşifsel bir Analiz Örneği. Social Sciences Studies Journal (SSSJournal), 9(116), 9027-9042.
  • [38] Beştaş, M. (2023). Keşifçi Veri Analizi ile Eczane Satış Analizi ve Satış Tahmini. Third Sector Social Economic Review, 58(1), 765-782.
  • [39] Khan, S. A., & Velan, S. S. (2020, June). Application of exploratory data analysis to generate inferences on the occurrence of breast cancer using a sample dataset. In 2020 International Conference on Intelligent Engineering and Management (ICIEM) (pp. 449-454). IEEE.
  • [40] Mahesh, B. (2020). Machine learning algorithmsa review. International Journal of Science and Research (IJSR). [Internet], 9(1), 381-386.
  • [41] Nasteski, V. (2017). An overview of the supervised machine learning methods. Horizons. b, 4, 51-62.
  • [42] Sinap, V. (2023). Makine Öğrenmesi Teknikleri ile Counter-Strike: Global Offensive Raunt Sonuçlarının Tahminlenmesi. Journal of Intelligent Systems: Theory and Applications, 6(2), 119-129.
  • [43] Çakar, Ö. K., & Esen, A. (2023). Yerel yönetimlerde stratejik planlama uygulamalarının kurum performansına etkisi. Business & Management Studies: An International Journal, 11(3), 1010-1025.
  • [44] San Millan-Castillo, R., Morgado, E., & Goya- Esteban, R. (2019). On the use of decision tree regression for predicting vibration frequency response of handheld probes. IEEE Sensors Journal, 20(8), 4120-4130. [45] Doğan, S., Büyükkör, Y., & Atan, M. (2022). A comparative study of corporate credit ratings prediction with machine learning. Operations Research and Decisions, 32(1), 25-47.
  • [46] Liang, L., Di, L., Huang, T., Wang, J., Lin, L., Wang, L., & Yang, M. (2018). Estimation of leaf nitrogen content in wheat using new hyperspectral indices and a random forest regression algorithm. Remote Sensing, 10(12), 1940.
  • [47] Mukhiya, S. K., & Ahmed, U. (2020). Hands-On Exploratory Data Analysis with Python: Perform EDA techniques to understand, summarize, and investigate your data. Packt Publishing Ltd.
  • [48] Sulaiman, N. (2016). Determination and classification of human stress index using nonparametric analysis of EEG signals.
  • [49] Xu, Q., Nwe, T. L., & Guan, C. (2014). Clusterbased analysis for personalized stress evaluation using physiological signals. IEEE journal of biomedical and health informatics, 19(1), 275-281.
  • [50] Liu, D., & Ulrich, M. (2014). Listen to your heart: Stress prediction using consumer heart rate sensors. Final. Proj. Standford CS, 229, 229-233.
  • [51] Jung, Y., & Yoon, Y. I. (2017). Multi-level assessment model for wellness service based on human mental stress level. Multimedia Tools and Applications, 76, 11305-11317.
  • [52] Sharma, D., Kapoor, N., & Kang, S. S. (2020). Stress prediction of students using machine learning. International Journal of Mechanical and Production Engineering Research and Development, 10(3).
  • [53] Pabreja, K., Singh, A., Singh, R., Agnihotri, R., Kaushik, S., & Malhotra, T. (2021). Stress prediction model using machine learning. In Proceedings of International Conference on Artificial Intelligence and Applications: ICAIA 2020 (pp. 57-68). Springer Singapore.
  • [54] Ranasinghe, P., Wathurapatha, W. S., Mathangasinghe, Y., & Ponnamperuma, G. (2017). Emotional intelligence, perceived stress and academic performance of Sri Lankan medical undergraduates. BMC medical education, 17(1), 1-7.
  • [55] Joseph, N., Joseph, N., Panicker, V., Nelliyanil, M., Jindal, A., & Viveki, R. (2015). Assessment and determinants of emotional intelligence and perceived stress among students of a medical college in south India. Indian journal of public health, 59(4), 310-313.
  • [56] Duari, P. (2012). Importance of self-esteem among students in academic performance and coping with stress. Indian Journal of Positive Psychology, 3(4), 474.
  • [57] Khanehkeshi, A. L. I. (2011). The Relationship of Academic Stress with Aggression, Depression and Academic Performance of College Students in Iran. Journal on Educational Psychology, 5(1), 24-31.
  • [58] Brailovskaia, J., Schillack, H., & Margraf, J. (2020). Tell me why are you using social media (SM)! Relationship between reasons for use of SM, SM flow, daily stress, depression, anxiety, and addictive SM use–An exploratory investigation of young adults in Germany. Computers in human behavior, 113, 106511.
There are 57 citations in total.

Details

Primary Language Turkish
Subjects Computer Software
Journal Section Vol 5 - Issue 1 - 30 December 2023 [en] [en]
Authors

Hakan Yüksel 0000-0003-2186-533X

Publication Date December 30, 2023
Submission Date December 13, 2023
Acceptance Date December 25, 2023
Published in Issue Year 2023

Cite

APA Yüksel, H. (2023). Yapay Zeka Algoritmaları Kullanılarak Öğrencilerin Akademik Başarısı ile Stres İlişkisinin Keşifsel Bir Analizi. Journal of Information Systems and Management Research, 5(2), 10-20. https://doi.org/10.59940/jismar.1404452