MACHINE LEARNING AND ECONOMICS: BIBLIOMETRIC ANALAYSIS

Abstract

Purpose- The purpose of the study, is to examine the development of international studies on machine learning in the field of economics and econometrics using Bibliometric Analysis and to visualize by Social Network Analysis between 2010 and 2019 in the Web of Science database. Methodology- Bibliometric Analysis is used to gather information about a discipline and to measure scientific productivity and progress. Social network analysis shows the relationship structure by visualizing the findings obtained as a result of bibliometric analysis. Findings- As a result of the bibliometric analysis, findings were obtained on the basis of variables such as the changes in the studies on the basis of years, the most published authors and the most cited studies, the distribution of these studies by countries and institutions, the course of the study topic, and the progress in the relational formation in the keywords. In addition, with the Social Network Analysis, the authors that network with each other and clusters and relationships between countries and keywords were mapped. Conclusion- When the findings were examined, it was determined that the most studies on these topics were conducted in the United States of America in each year and the most cited study was Varian (2014). At the same time, when the studies are evaluated in the last decade, it has been observed that the tendency towards the subjects of Machine learning, which attracts attention in Economics and Econometrics, has increased rapidly. It has been observed that the studies are associated with the keywords "causality" and "causal effect" as well as "Financial Econometrics", "Behavioral Economics", "Experimental Economics". The findings obtained shed light on the development of Machine Learning in the fields of Economics and Econometrics.

Keywords

• Machine learning
• economics
• econometrics
• bibliometric analysis
• social network analysis

MAKİNE ÖĞRENMESİ VE EKONOMİ: BİBLİYOMETRİK ANALİZ

Abstract

Amaç- Bu çalışmada 2010 – 2019 yılları arasındaki son on yıllık süreçte Web of Science veri tabanında ekonomi ve ekonometri alanında makine öğrenmesi üzerine yapılan uluslararası nitelikteki çalışmaların ilgili literatürdeki gelişimi Bibliyometrik Analiz ile incelenmiştir. Ardından elde edilen bulgular Sosyal Ağ Analizi uygulanarak görselleştirilmiştir. Metodoloji- Bibliyometrik Analiz, bir disiplin hakkında bilgi toplamak; bilimsel verimliliğin ve gelişimin ölçülmesi amacıyla kullanılmaktadır. Sosyal ağ analizi ise bibliyometrik analiz sonucunda elde edilen bulguları görselleştirerek, aralarındaki ilişki yapısını göstermektedir. Bulgular- Bibliyometrik Analiz sonucunda, yıllar bazında çalışmalarda meydana gelen değişimler, ilgili konu hakkında en çok yayın yapan yazar ve en fazla atıf alan çalışmalar, bu çalışmaların ülkeler ve kurumlara göre dağılımı, çalışma konusunun seyri ve anahtar kelimelerdeki ilişkisel oluşumdaki ilerlemeler gibi değişkenler temelinde bulgular elde edilmiştir. Ayrıca Sosyal Ağ Analizi ile birbirleriyle ağ yapısı oluşturan yazarlar, ülkeler ve anahtar kelimeler arasındaki kümelenmeler ve ilişkiler haritalandırılmıştır. Sonuç- Bulgular incelendiğinde, bu konular üzerine her yıl en fazla çalışmanın Amerika Birleşik Devletlerinde yapıldığı, en çok atıf alan çalışmanın Varian (2014) olduğu belirlenmiştir. Aynı zamanda, son on yıldaki çalışmalar değerlendirildiğinde, Ekonomi ve Ekonometri’de günümüzde dikkat çeken Makine öğrenmesi konularına yönelimin hızla artmış olduğu, çalışmaların ‘‘nedensellik’’ ve ‘’nedensel etki’’ anahtar kelimelerinin yanısıra ‘‘Finansal Ekonometri’’, ‘’Davranışsal Ekonomi’’, ‘’Deneysel Ekonomi’’ ile de ilişkilendirildiği ve finans ile bağlantılı anahtar kelimelerin sıklıkla kullanıldığı gözlemlenmiştir. Sonuçta elde edilen bulgular Makine Öğrenmesi’nin Ekonomi ve Ekonometri alanlarındaki gelişimine ışık tutar niteliktedir.

Keywords

• Makine öğrenmesi
• ekonomi
• ekonometri
• bibliyometrik analiz
• sosyal ağ analizi

References

1. Belmonte, J.L., Segura Robles, A., Moreno Guerrero, A.J., Parra Gonzalez, M.E. (2020). Machine Learning and Big Data in the Impact Literature. A Bibliometric Review with Scientific Mapping in Web of Science. Symmetry, 12(495): 1-15.
2. Çağlayan Akay, E. (2020). Ekonometride Büyük Veri ve Makine Öğrenmesi: Temel Kavramlar, Der Yayınları, İstanbul.
3. Çağlayan Akay, E. (2018). Ekonometride Yeni Bir Ufuk: Büyük Veri ve Makine Öğrenmesi. Social Sciences Research Journal, 7(2): 41-53.
4. Gürsakal, N. (2018). Makine Öğrenmesi. 1.Baskı, Bursa: Dora Basım Yayın Dağıtım Ltd.Şti.
5. Li, Y., Xu, Z., Wang, X., Wang, X. (2020). A Bibliometric Analysis on Deep Learning During 2007 – 2019. International Journal of Machine Learning and Cybernetics, https://doi.org/10.1007/s13042-020-01152-0.
6. Kocarık, B. (2018). Büyük Veri Üzerine Uluslararası Listeratürün Bibliyometrik Analizi. Marmara Üniversitesi, SBE, Ekonometri Anabilim Dalı, İstatistik Bilim Dalı, Yayımlanmamış Yüksek Lisans Tezi.
7. Basaglia, T., (2014), What İs Bibliometrics And Why We Should Care About It?, CERN Library, 2014, http://Slideplayer.Com/Slide/6213346/
8. Pritchard, A., (1969), Statistical Bibliography Or Bibliometrics? Journal Of Documentation, 25 (4), 348-349, 1969, s.348

9. Al, U., (2008), Türkiye’nin Bilimsel Yayın Politikası: Atıf Dizinlerine Dayalı Bibliyometrik Bir Yaklaşım, Doktora Tezi, Hacettepe Üniversitesi Sosyal Bilimler Enstitüsü, 2008, s.18.
10. Nicholas, D. and Ritchie, M., (1978), Literature and Bibliometrics London: Clive Bingley, 1978.
11. Toroczkai, Z., (2005), Complex Networks The Challenge of Interaction Topology, Los Alamos Science Number 29, 2005, s.40