@article{article_1594029, title={TÜİK Mikro Verileri ile Çocuklarda Cep Telefonu Sahipliğinin Tahmini: Makine Öğrenimi Modellerinin Karşılaştırmalı Performansı}, journal={Fiscaoeconomia}, volume={9}, pages={1525–1544}, year={2025}, DOI={10.25295/fsecon.1594029}, author={Eşidir, Kamil Abdullah}, keywords={Makine Öğrenimi, Yönetim Bilişim Sistemleri, Veri Analizi, RandomForest, XGBoost}, abstract={Bu çalışmada, 2022 yılı Türkiye Çocuk Araştırması mikro veri seti kullanılarak çocukların cep telefonu sahipliğini tahmin edilmiş ve çocuklarda cep telefonu sahipliğini etkileyen faktörler analiz edilmiştir. Tahminlemede RandomForest, XGBoost, Gradient Boosting ve SVM makine öğrenme modelleri kullanılmıştır. Modellerin performansı Kesinlik, Duyarlılık, F1 Skoru ve ROC AUC metrikleri ile değerlendirilmiştir. Elde edilen bulgular, çocukların yaşlarının ve internete erişim imkânlarının cep telefonu sahipliği üzerinde belirgin etkisi olduğunu göstermiştir. Makine öğrenimi modelleri, istatistiksel metrikler açısından yüksek doğruluk değerleri sağlamıştır. Çalışma, makine öğrenimi modellerinin karar alma süreçlerini geliştirdiğini ve politika yapıcılar için etkili araçlar sağladığını ortaya koymuştur. Aynı zamanda, makine öğrenimi modellerinin sosyal bilimler alanında etkili bir şekilde kullanılabileceği de gösterilmiştir. Modellerin sunduğu yüksek doğruluk oranları ile veri odaklı politika geliştirme süreçlerinin daha etkin ve verimli hale getirilebileceği anlaşılmıştır.}, number={3}, publisher={Ahmet Arif EREN}