Dokuz Eylül Üniversitesi Mezunlarının Kariyer Gelişimini Araştırma: LinkedIn Analizi

Öz

Sosyal ağ, son yıllarda internet kullanıcıları arasında çok popüler bir iletişim aracı haline gelmiştir. Sosyal ağ ’da analiz için yapılandırılmamış büyük bir veri mevcuttur. Diğer sosyal ağ sitelerinin aksine LinkedIn’e katılan insanlar temelde keyfi sosyalleşmenin aksine sunduğu iş fırsatlarıyla ilgilenir. LinkedIn profili bireyler hakkında bilgi için önemli bir noktadır. LinkedIn de insanlar ağınızın bir parçası olmasa bile, düzgün doldurulmuş bir profil iş unvanlarını, geçmişte nerede çalıştıklarını ve nerede eğitim aldıklarını gösterir. Ayrıca, çalıştıkları coğrafi alanı vurgular ve iş ilişkileri, iş geçmişleri ve daha fazlası hakkında ayrıntılar sağlar. Mevcut araştırma, LinkedIn profillerinin, sonraki kariyer ilerlemelerinin daha gerçekçi bir resmini ne ölçüde sağlayabildiğini incelemek için yapılmıştır. Dolayısıyla bu çalışmada Dokuz Eylül Üniversitesinden mezun 944 LinkedIn profillerinden toplanan veriler bu araştırmada özetlenmiştir. LinkedIn profil verileri Python programı ile LinkedIn sosyal medya platformu üzerinden elde edilmiştir. Ek olarak elde edilen veriler analiz edilmiş ve görselleştirilmiştir. Sonuçlar, Dokuz Eylül Üniversitesi mezunlarının nerede, hangi sektörde çalıştıkları gibi soruları yanıtlamaya yardımcı olabileceğini göstermektedir. Sonuç olarak elde edilen bulgular LinkedIn profillerindeki veriler ile birçok analiz yapılacağını göstermektedir.

Anahtar Kelimeler

• Sosyal ağ
• Keşfedici analiz
• LinkedIn
• Büyük veri
• Sosyal medya

Researching the Career Development of Dokuz Eylül University Graduates: A LinkedIn Analysis

Öz

Social network The social network has become a very popular communication tool among internet users in recent years. There is a large amount of data on the social network that is not structured for analysis. Unlike other social networking sites, people who join LinkedIn are basically interested in the job opportunities it offers as opposed to arbitrary socialization. LinkedIn profile is an important point for information about individuals. Even if people are not part of your network on LinkedIn, a properly filled profile shows job titles, where they worked in the past, and where they were trained. It also highlights the geographic area in which they work and provides details about their business relationships, job histories, and more. Current research has been done to examine to what extent LinkedIn profiles can provide a more realistic picture of subsequent career advances. Therefore, the data collected from 944 LinkedIn profiles graduated from Dokuz Eylul University is summarized in this study. LinkedIn profile data was obtained from the LinkedIn social media platform with the Python program. Additionally, the data obtained were analyzed and visualized. The results show that Dokuz Eylul University graduates can help answer questions such as where and in which sector they work. The findings obtained as a result show that many analyzes will be made with the data on LinkedIn profiles.

Anahtar Kelimeler

• social network
• exploratory
• analysis
• linkedin
• big data
• social media

Kaynakça

1. Acar, S., Gürsoy, H., & Ünsal, N. Ö. (2014). İlişkisel toplumda sosyal iş ağlarının kariyer gelişimi açısından önemi: Linkedin Örneği [The importance of social business networks for career development in a relational society: The Example of Linkedin]. Ejovoc (Electronic Journal of Vocational Colleges), 4(3), 17-34.
2. Aggarwal, C. C. (2015). Data mining. New York: Springer. 2nd Edition.
3. Braunstein, M. L. (2018). Health informatics on FHIR: How HL7’s new API is transforming healthcare. Springer International Publishing.
4. Case T., Gardiner A., Rutner P., & Dyer J. (2013). A linkedin analysis of career paths of information systems alumni. J South Assoc Inf Syst, 1(1).
5. Case, T. L., Han, J., & Rimes, E. (2016). Career Paths of Computing Program Graduates: A LinkedIn Analysis. In 19th Southern Association for Information Systems. Conference (SAIS 2016), St. Augustine, FL.
6. Dai, K., Nespereira, C. G., Vilas, A. F., & Redondo, R. P. D. (2015). Scraping and clustering techniques for the characterization of linkedIn profiles. arXiv preprint arXiv: 1505.00989.
7. GoalKicker. (2020). Python-Notes for Professionals.
8. Heydenrych, H. & Case, J. M. (2018). Researching graduate destinations using LinkedIn: an exploratory analysis of South African chemical engineering graduates. European Journal of Engineering Education, 43(5), 693-705.

9. Krumm, J., Davies, N., & Narayanaswami, C. (2008). User-generated content. IEEE Pervasive Computing, 7(4), 10-11.
10. Kuduğ, H. (2011). Sosyal ağ analizi ölçütlerinin iş ağlarına uyarlanması [Adaptation of social network analysis criteria to business networks]. (Yayımlanmamış yüksek lisans tezi). Ege Üniversitesi, İzmir.
11. Li, J., Wade, V., & Sah, M. (2014). Developing knowledge models of social media: A case study on LinkedIn. Open Journal of Semantic Web (OJSW), 1(2), 1–24.
12. Russell, M. A. (2013). Mining the social web: data mining Facebook, Twitter, LinkeIn, Google+, GitHub, and more. “O’Reilly Media, Inc.”.
13. Shadbolt N., Hall W., & Berners-Lee T. (2006). The semantic web revisited. IEEE, 21(3), 96-101.
14. Shepard, G., & James, K. (2017). Big data, web ‘scraping’ and competition law: The debate continues. New York Law Journal, 258(49), 1.
15. Vingerling, G., Hewson, D., & Mabaso, C. (2020). Researching the Professional Development using LinkedIn: An Exploratory Analysis of South African Executive Chefs. In Culture, People and Technology: The Driving Forces for Tourism Cities Proceedings of 8th ITSA Biennial Conference 2020 (p. 395).
16. Zide, J., Elman, N., & Shahani-Denning, C. (2014). LinkedIn and recruitment: How profiles differ across occupations. Employee Relations, 36(5). 583-604.