A Comparative Database Survey on the Use of Big Data in Academic Studies

Öz

With the introduction of Web 2.0 and the development of mechanization, it has become possible to produce, store and share different types of data together. The concept of big data has been used to define the increasing size of data, the increasing velocity at which it is produced and transmitted, the increasing variety of formats of these data and the analysis process of the data. The purpose of this study is to draw a conceptual framework for the concept of big data, to examine the use of big data in academic studies, its change in years and examine the change before and after the 2012 is called big data year. With the quantitative research that has been conducted in EBSCOhost ASC database designed by Academic Search™ Complete and Yükseköğretim Kurulu thesis database to see the state of big data and big data analysis in academic studies and the results of these databases have compared to each other. As a result of the research, it is obvios that big data and analysis techniques has severely increased after 2012 compared to before 2012 in academic studies. in the increase rate of academic studies about “data mining” can be explained with rise of the specification on sub-branches of data mining. Especially in recent years Map Reduce in artificial neural networks, sentiment analysis and naturel language processing methods gaining acceleration has been observed. This condition shows that we are in the way towards semantic web from interactive web which is prospering to web 3.0 from web2.0.

Anahtar Kelimeler

• Big Data,Data Mining,Data Analysis,Academic Studies

Büyük Verinin Akademik Çalışmalarda Kullanımı Üzerine Mukayeseli Bir Veri Tabanı Araştırması

Öz

Web 2.0’ın hayatımıza girmesi ve makineleşmenin artmasıyla birlikte farklı türdeki verilerin bir arada üretilmesi, depolanması ve paylaşılması mümkün hale gelmiştir. Dijital dünyadaki giderek artan devasa miktardaki veriye ve bu verinin analiz sürecine büyük veri denilmektedir. Bu çalışmanın amacı büyük veri kavramına kavramsal bir çerçeve çizerek, akademik çalışmalarda büyük veri kullanımının durumunu, tarih içindeki gelişimini ve büyük veri yılı olarak adlandırılann 2012 yılı öncesindeki ve sonrasındaki farklılıkları incemektir. Ayrıca, büyük veri konusunundaki Türkiye’de ve dünyada yapılan çalışmaların paralellik gösterip göstermediğini ortaya koymaktır. Yöntem olarak tarama araştırması benimsenmiştir. Bu bağlamda EbscoHost ASC ve Yükseköğretim Kurulu (YÖK) tez veritabanlarında yapılan araştırmayla birlikte 2012 sonrasında büyük veriyle alakalı yapılan akademik çalışmaların 2012 öncesine oranla keskin bir biçimde arttığı görülmüştür. Bununla birlikte “veri madenciliği” ile ilgili akademik çalışmaların sayısındaki artışların nispi düşüşü ise veri madenciliği alt dallarının daha spesifikleşmesiyle açıklanabilmektedir. Ayrıca paralel işleme modellerinden Map Reduce ve doğal dil işleme uygulamalarından fikir madenciliği yöntemlerinin son yıllarda ivme kazandığı gözlemlenmiştir. Bu durum Web 2.0’dan Web 3.0’a yani Etkileşimli Web’den Semantik Web’e geçiş sürecinde olduğumuzu göstermektedir.

Anahtar Kelimeler

• Büyük Veri,Veri Madenciliği,Veri Analizi,Akademik Çalışmalar

Kaynakça

1. Cave, A. (2017, Nisan 13). What Will We Do When The World's Data Hits 163 Zettabytes In 2025? 1 18, 2018 tarihinde Forbes.com: https://www.forbes.com/sites/andrewcave/2017/04/13/what-will-we-do- when-the-worlds-data-hits-163-zettabytes-in-2025/#a630829349ab adresinden alındı.
2. Cho, A. (2008, Temmuz 22). What is Web 3.0? suite.io: https://suite.io/allan-cho/wy92cm1 adresinden alındı.
3. Diebold, F. X. (2012, Ağustos). A Personal Perspective on the Origin(s) and Development of “Big Data”:The Phenomenon, the Term, and the Discipline. Şubat 3, 2015 tarihinde http://www.ssc.upenn.edu/~fdiebold/papers/paper112/Diebold_Big_Data.pdf adresinden alındı.
4. Işıklı, Ş. (2014). “Büyük Veri, Epistemoloji ve Etik Tartışmalar.” Online Academic Journal of Information Technology 5.14, 7–13.
5. Kaisler, S., Armour, F., Espinosa, J., & Money, W. (2003). Big Data: issues and challenges moving forward. Proceedings of the 46th IEEE Annual Hawaii international Conference on System Sciences (HICC 2013), (s. 995-1004). Grand Wailea, Maui, Hawaii.
6. Kaya, M. B. (2017). Büyük Verinin Hukuki Boyutları. Ş. Sağıroğlu, & O. Koç, Büyük Veri Ve Açık Veri Analitiği : Yöntemler ve Uygulamalar (s. 181-192). Ankara: Grafiker Yayınları.
7. Laney, D. (2001). 3D data management: Controlling data volume, velocity and variety.
8. Marr, B. (2014, Mart 6). Big Data: The 5 Vs Everyone Must Know. Temmuz 20, 2014 tarihinde Linkedin: https://www.linkedin.com/pulse/20140306073407-64875646-big-data-the-5-vs-everyone-must- know adresinden alındı.

9. Open Data Center Alliance. (2012). Open Data Center Alliance: Big Data Consumer Guide. Open Data Center Alliance. Mart 12, 2015 tarihinde http://www.opendatacenteralliance.org/docs/Big_Data_Consumer_Guide_Rev1.0.pdf adresinden alındı.
10. Ruffatti, G. (2013, Mart 7). Value is the most meaningful V for Big Data. SpagoWorld: http://blog.spagoworld.org/2013/03/value-is-the-most-meaningful-v-for-big-data/ adresinden alındı.
11. Schultz, J. (2017, Ekim 10). blog.microfocus.com. Aralık 15, 2017 tarihinde How Much Data is Created on the Internet Each Day?: https://blog.microfocus.com/how-much-data-is-created-on-the- internet-each-day/ adresinden alındı.
12. Silva A., A. (2017, Aralık 11). My Favorite Infographics and Stats. Enjoy it!!! Big Data Refers to 5V’s - Volume,Variety,Velocity,Value and Veracity: http://andressilvaa.tumblr.com/post/87206443764/big-data-refers-to-5vs-volume adresinden alındı.
13. Smith, C. (2017, Kasım). 65 Amazing WhatsApp Statistics and Facts. Aralık 15, 2017 tarihinde Dmr: https://expandedramblings.com/index.php/whatsapp-statistics/2/ adresinden alındı
14. Swoyer, S. (2012, Temuz 24). Big Data -- Why the 3Vs Just Don't Make Sense--TDWI. Temmuz 19, 2015 tarihinde tdwi.org: http://tdwi.org/Articles/2012/07/24/Big-Data4th-V.aspx?Page=1 adresinden alındı
15. Weiss, S., & N., I. (1998). Predictive Data Mining: A Practical Guide. Morgan Kaufmann Publishers, Inc.
16. Wired. (2008, Haziran 23). Wired. Şubat 2, 2015 tarihinde http://www.wired.com/: http://archive.wired.com/science/discoveries/magazine/16-07/pb_intro adresinden alındı
17. Zadrozny, P., & Kodali, R. (2013). Big Data Analytics Using Splunk: Deriving Operational Intelligence from Social Media, Machine Data, Existing Data Warehouses, and Other Real-Time Streaming Sources. Apress.
18. Zikopoulos, P. C. (2012). Understanding big data. New York et al: McGraw-Hill.