TY - JOUR T1 - Makine Öğrenme Yöntemleri Kullanılarak EEG Tabanlı Duygu Sınıflandırma Araştırmaları Üzerine Bibliyometrik Analiz TT - Bibliometric Analysis on EEG-Based Emotion Classification Research Using Machine Learning AU - Uğur, Selma İlknur AU - Mutlu, Nesibe Manav AU - Eroğlu, Kübra PY - 2024 DA - December Y2 - 2024 DO - 10.56206/husbd.1483926 JF - Haliç Üniversitesi Sosyal Bilimler Dergisi JO - Sosyal ve Beşeri Bilimler, Konservatuvar PB - Haliç Üniversitesi WT - DergiPark SN - 2618-6268 SP - 193 EP - 212 VL - 7 IS - 2 LA - tr AB - EEG tabanlı duygu tanıma, bilişsel bilimler ve insan-bilgisayar etkileşimi alanlarında giderek artan bir ilgi görmektedir. Bu ilgi, özellikle beyin dalgalarını analiz ederek insan duygularını anlama ve yorumlama potansiyelinden kaynaklanmaktadır. Farklı duygusal uyaranlar karşısında beyin aktivitesinde birtakım değişiklikler olmakta ve bu değişikler Elektroensefalografi (EEG) kayıtlarında gözlemlenebilmektedir. Makine öğrenme teknikleri ise farklı duygusal durumlar karşısında beyin aktivitesine yansıyan bu değişimlerin yüksek doğrulukta sınıflandırılmasına olanak tanır. Son yıllarda, bu alanda yapılan akademik çalışmaların sayısında büyük bir artış olmuş ve bu da EEG tabanlı duygu tanıma tekniklerinin geliştirilmesi için geniş bir literatür birikimi oluşturmuştur. Bu çalışma, makine öğrenme yöntemleri kullanılarak EEG tabanlı duygu tanıma çalışmalarının bibliyometrik analizini sunmayı amaçlamaktadır. Analiz, bu alandaki yayın trendlerini, araştırma ağlarını, anahtar kelimeleri ve en etkili çalışmaları ortaya koyarak, alanın mevcut durumunu ve gelecekteki potansiyel yönlerini değerlendirecektir. Ayrıca EEG ve makine öğrenmesi teknolojilerinin duygu tanıma uygulamalarındaki rolünü derinlemesine incelemeyi ve bu alandaki akademik katkıları haritalamayı hedeflemektedir. KW - EEG KW - Makine Öğrenmesi KW - Bibliyometri KW - Duygu N2 - An increasing interest has been observed in the fields of EEG-based emotion recognition, cognitive sciences, and human-computer interaction.This interest primarily arises from the potential to understand and interpret human emotions by analyzing brain waves. Electroencephalography (EEG) can accurately record emotional responses, and when combined with machine learning techniques, it enables the precise classification of emotional states. In recent years, there has been a significant increase in academic research within this domain, leading to a substantial accumulation of literature aimed at understanding and developing EEG-based emotion recognition techniques. This study aims to present a bibliometric analysis of machine learning methods in EEG-based emotion recognition. The analysis aims to clarify publication trends, research networks, key terms, and influential studies, thereby assessing the present status and potential future trajectories of the field. This endeavor aims to comprehensively explore the role of EEG and machine learning technologies in emotion recognition applications and chart the academic contributions in this domain. CR - Al, U., Sezen, U., ve Soydal, İ. (2012). Hacettepe Üniversitesi bilimsel yayınlarının sosyal ağ analizi yöntemiyle değerlendirilmesi. Hacettepe Üniversitesi Edebiyat Fakültesi Dergisi, 29(1). CR - Dirik, D., Eryılmaz, İ. ve Erhan, T. (2023). Post-truth kavramı üzerine yapılan çalışmaların VOSviewer ile bibliyometrik Analizi. Sosyal Mucit Academic Review, 4(2), 164-188. doi: 10.54733/smar.1271369 CR - Li, K., Rollins, J. ve Yan, E. (2018) Web of science use in published research and review papers 1997–2017: A selective, dynamic, cross-domain, content-based analysis. Scientometrics, 115, 1–20. https://doi.org/10.1007/s11192-017- 2622-5 CR - Li, W., Zhao, Y., 2015. Bibliometric analysis of global environmental assessment research in a 20-year period. Environ. Impact Assess. Rev. 50, 158–166. https:// doi.org/10.1016/j.eiar.2014.09.012 CR - URL-1: https://www.webofscience.com/wos, Erişim Tarihi: 10.05.2024) Xie, J., Luo, Y., Wang, S., & Liu, G. (2024). Electroencephalography-based recognition of six basic emotions in virtual reality environments. Biomedical Signal Processing and Control, 93, 106189. https://doi.org/10.1016/j. bspc.2024.106189 CR - Yang, L., Chen, Z., Liu, T., Gong, Z., Yu, Y., Wang, J. (2013). Global trends of solid waste research from 1997 to 2011 by using bibliometric analysis. Scientometrics 96, 133–146. https://doi.org/10.1007/s11192-012-0911-6 CR - Zhang, J., Yin, Z., Chen, P., & Nichele, S. (2020). Emotion recognition using multi-modal data and machine learning techniques: A tutorial and review, Information Fusion, Volume 59, 2020, Pages 103-126, https://doi.org/10.1016/j. inffus.2020.01.011 UR - https://doi.org/10.56206/husbd.1483926 L1 - https://dergipark.org.tr/tr/download/article-file/3929754 ER -