TY  - JOUR
T1  - İş Sağlığı ve Güvenliği Sektöründe Bayes Ağları Uygulaması
AU  - Akşehir, Zinnet Duygu
AU  - Pekel, Ebru
AU  - Akleylek, Sedat
AU  - Kılıç, Erdal
AU  - Oruç, Yalçın
PY  - 2019
DA  - June
JF  - Türkiye Bilişim Vakfı Bilgisayar Bilimleri ve Mühendisliği Dergisi
JO  - TBV-BBMD
PB  - Akademik Bilişim Vakfı
WT  - DergiPark
SN  - 1305-8991
SP  - 47
EP  - 59
VL  - 12
IS  - 1
LA  - tr
AB  - Günümüzde inşaat sektöründeki gelişmeyle beraber iş kazalarının dasayısı artmıştır. Teknolojinin gelişimi, iş güvenliğindeki önlemlerdeeksiklikler ve çalışanların eğitimsiz oluşu bu iş kazalarındaki ana nedenlerdir.Bu çalışmada iş kazası verileri önce veri önişleme adımından geçirilip dahasonra elde edilen veriler üzerinde tek değişkenli sıklık ve çapraz tablolamaanalizi yapılmıştır. Yapılan analizler sonucunda iş kazalarının meydanagelmesinde yüksek risk taşıyan değişkenler tespit edilmiştir. Ardından budeğişkenlerin iş kazasına etkileri Bayes ağları (BNs) ile analiz edilmiştir. Bayesağı, değişkenler arasındaki koşullu bağımlılık ilişkilerini ve tek bir bağımsızdeğişkene bağımlı olmadıklarını yansıtmaktadır. Bayes ağı, uluslararası birinşaat firmasından bir veri kümesi üzerinde uygulanmıştır. Kurulan Bayes ağınındoğruluk oranı ve diğer performans ölçütleri analiz edilmiş ve yapılan modelinetkinliği yorumlanmıştır. Deneysel sonuçlara göre, bazı iş kazası vakalarınınmakine öğrenme tekniklerini kullanarak yüksek doğruluk oranları ile öncedentahmin edilebileceği gösterilmiştir.
KW  - Bayes ağı
KW  - sınıflandırma
KW  - makine öğrenmesi
KW  - iş kazası
KW  - tek değişkenli sıklık frekans analizi
KW  - çapraz tablolama
CR  - [1]	Baradan, S., et al., Ege Bölgesindeki İnşaat İş Kazalarının Sıklık ve Çapraz Tablolama Analizleri. İMO Teknik Dergi, 2016. 7345(7370): p. 448.
CR  - [2]	Akboğa, Ö. and S. Baradan, İnşaat sektöründeki ölümlü iş kazalarının karakteristiklerinin incelenmesi: İzmir alan çalışması, 5. İşçi Sağlığı ve İş Güvenliği Sempozyumu, İzmir, 2015: p. 215-224.
CR  - [3]	Erginel, N. and Ş. Toptancı, İş Kazası Verilerinin Olasılık Dağılımları ile Modellenmesi. Mühendislik Bilimleri ve Tasarım Dergisi, 2017. 5(SI): p. 201-212.
CR  - [4]	Gümüş, R., Türkiye’de 2015 Yılında Meydana Gelen İş Kazalarının Analizi Ve 2014 Yılı Verileri İle Karşılaştırılması. The Journal of Academic Social Science Studies International Journal of Social Science, 2017. 55: p. 277-287.
CR  - [5]	Eratak, Ö.D., Yeraltı Kömür Madenciliğinde Güvenlik İçin Risk Yönetimde Analiz Ve Modelleme. Doktora Tezi, ODTÜ.
CR  - [6]	Geçer, H.S., Trafik Kaza Analizleri İçin Web Tabanlı Bir Karar Destek Sistemi Geliştirilmesi. Yüksek Lisans Tezi, Sakarya Üniversitesi, 2013.
CR  - [7]	García-Herrero, S., et al., Working conditions, psychological/physical symptoms and occupational accidents. Bayesian network models. Safety Science, 2012. 50(9): p. 1760-1774.
CR  - [8]	García-Herrero, S., et al., Using Bayesian networks to analyze occupational stress caused by work demands: Preventing stress through social support. Accident Analysis & Prevention, 2013. 57: p. 114-123.
CR  - [9]	Martín, J.E., et al., A Bayesian network analysis of workplace accidents caused by falls from a height. Safety Science, 2009. 47(2): p. 206-214.
CR  - [10]	Leu, S.-S. and C.-M. Chang, Bayesian-network-based safety risk assessment for steel construction projects. Accident Analysis & Prevention, 2013. 54: p. 122-133.
CR  - [11]	Pekel, E., et al. A Bayesian Network Application in Occupational Health and Safety. in 2018 3rd International Conference on Computer Science and Engineering (UBMK). 2018: pp. 239-243.
CR  - [12]	Akşehir, Z.D., et al. On the Analysis of Work Accidents Data by Using Data Preprocessing and Statistical Techniques. in 2018 2nd International Symposium on Multidisciplinary Studies and Innovative Technologies (ISMSIT). 2018: pp. 1-6.
CR  - [13]	Babbie, E.R., The basics of social research. 2013: Cengage Learning.
CR  - [14]	Akboğa, Ö., İnşaat İş Kazalarında Lojistik Regresyon İle Kaza Şiddetinin Modellenmesi. Ege Üniversitesi, Fen Bilimleri Enstitüsü, Doktora Tezi, 2014.
CR  - [15]	Sims, R.L., Bivariate data analysis: A practical guide. 2000: Nova Publishers.
CR  - [16]	Healey, J.F., Statistics: A tool for social research. 2014: Cengage Learning.
CR  - [17]	Friedman, N., I. Nachman, and D. Peér. Learning Bayesian network structure from massive datasets: the «sparse candidate «algorithm. in Proceedings of the Fifteenth conference on Uncertainty in artificial intelligence. 1999: pp. 206-215.
CR  - [18]	Jensen, F.V., An introduction to Bayesian networks. Vol. 210. 1996: UCL press London.
CR  - [19]	Hall, M., et al., The WEKA data mining software: an update. ACM SIGKDD explorations newsletter, 2009. 11(1): p. 10-18.
UR  - https://dergipark.org.tr/tr/pub/tbbmd/issue//523258
L1  - https://dergipark.org.tr/tr/download/article-file/697396
ER  -