An Application on Technology Addiction with C4.5 Classification Algorithm

Abstract

Teknolojik uygulamaların ve aletlerin kullanımının artmasıyla birlikte, bireylerin ortamdan bağımsız olarak her yerde iletişim içinde olma istekleri, insanların teknolojiye karşı olan ihtiyaçlarının ve ilgilerinin artmasına sebep olmuştur. Yaşantılarımızı kolaylaştıran teknolojilerin gelişmesiyle birlikte, bireylerin teknolojik aletleri kullanma sürelerinde hızlı artışlar gözlemlenmiştir. Bu durum, dijital ortamdaki büyük ölçekli veride saklı kalmış, gizli bilgiyi elde etme süreci olarak ifade edilen veri madenciliği ve teknoloji bağımlılığı kavramlarının, bilimsel çalışmalarda daha fazla yer almasına neden olmuştur. Bu çalışma, veri madenciliği sınıflandırma yöntemlerinden, C4.5 karar ağacı algoritmasına dayalı olarak mesleki ve teknik eğitimde, eğitimlerini sürdüren öğrencilerin, teknoloji bağımlılıklarının belirlenmesi amacıyla yürütülmüştür. Ankette öğrencilere teknoloji bağımlılığı ile ders başarısı arasında olumlu ya da olumsuz herhangi bir bağ bulunmamaktadır sorusu ile birlikte demografik özellikler sorulmuştur. Veri setinde yer alan demografik bilgiler özellikleri, soru ise sınıfı göstermektedir. Veri setindeki 411 adet gözleme ait karar ağacı algoritması, R programlama dili kullanılarak oluşturulmuştur. C4.5 karar ağaçı algoritmasıyla yapılan modele göre cinsiyet, meslek alanı, kardeş sayısı, doğum tarihi gibi demografik bilgilerin sınıf üzerindeki etkisi belirlenmiştir. Araştırma sonucunda cevapları belirleyen en önemli özelliğin cinsiyet ve oluşturulan modelin doğruluk oranı ise 84.42% olarak belirlenmiştir.

Keywords

• Veri Madenciliği,TEknoloji Bağımlılığı,C4.5 Algoritması,Karar Ağacı

References

1. 1. Açıkgenç A. 2017. Teknoloji ve Değerler, Uluslararası Teknolojik, Ekonomik ve Sosyal Araştırmalar Vakfı, vs. İstanbul. 2. Soruhan O. 2018. Sosyal Medya Canavarı Olmak İster Misin?, MediaCat Kitapları, 9s. İstanbul. 3. Güçlü G. 2015. Yaşam Boyu Öğrenme Argümanı Olarak Teknoloji Bağımlılığı Ve Yaşama Yansımaları. Cumhuriyet Üniversitesi, Eğitim Bilimleri Enstitüsü, Yüksek Lisans Tezi, is, Sivas. 4. Şimşek Gürsoy U.T. 2017. Veri Madenciliğinde Güncel Yaklaşımlar, Çağlayan Yayınları, 2s. İstanbul. 5. Kılınç Ç. 2015. Üniversite Öğrenci Başarısı Üzerine Etki Eden Faktörlerin Veri Madenciliği Yöntemleri İle İncelenmesi. Eskişehir Osmangazi Üniversitesi, Fen Bilimleri Enstitüsü, Yüksek Lisans Tezi, 1s, Eskişehir. 6. Žalik K.R. 2004. Learning Through Data Mining, Computer Applications in Engineering Education, 13 (1): 60-65. 7. Bayır A., Özdemir Ş., Gülseçen S. 2016. Türkiye’deki Seçmen Eğilimlerinin C4.5 Karar Ağacı Algoritması İle Belirlenmesi, Yönetim Bilişim Sistemleri Dergisi, 1 (3): 223-233. 8. Aksu M.Ç., Karaman E. 2017. Karar Ağaçları ile Bir Web Sitesinde Link Analizi ve Tespiti, Acta Infologıca, 1 (2): 84-91. 9. Uzbay İ.T. 2015. Madde Bağımlılığı: Tüm Boyutlarıyla Bağımlılık Ve Bağımlılık Yapan Maddeler, İstanbul Tıp Kitabevi, ixs. İstanbul. 10. Martı H. 2016. Teknoloji Bağımlılığının Dini ve Ahlaki Etkileri, 3.Uluslararası Teknoloji Bağımlılığı Kongresi, pp273-284, 03-04 Mayıs, İstanbul. 11. Dinç M. 2015. Teknoloji Bağımlılığı ve Gençlik, Gençlik Araştırmaları Dergisi, 2147 (8473): 31-65. 12. Hand D., Mannila H., Smyth P. 2001. Principles Of Data Mining, The MIT Press, p1. Massachusetts London. 13. Özkan B., Özkan Y. 2017. R ile Programlama, Papatya Yayıncılık Eğitim, 294s. İstanbul. 14. Baykal A. 2006. Veri Madenciliği Uygulama Alanları, Dicle Üniversitesi Ziya Gökalp Eğitim Fakültesi Dergisi, 7: 95-107. 15. Küçükönder H., Vursavuş K.K., Üçkardeş F. 2015. K-Star, Rastgele Orman ve Karar Ağacı (C4.5) Sınıflandırma Algoritmaları ile Domatesin Renk Olgunluğu Üzerinde Bazı Mekanik Özelliklerin Etkisinin Belirlenmesi, Türk Tarım – Gıda Bilim ve Teknoloji Dergisi, 3 (5): 300-306. 16. Kavzoğlu T., Çölkesen İ. 2010. Karar Ağaçları İle Uydu Görüntülerinin Sınıflandırılması: Kocaeli Örneği, Harita Teknolojileri Elektronik Dergisi, 2 (1): 36-45. 17. Andrienko G., Andrienko N. 1999. GIS Visualization Support To The C4. 5 Classification Algorithm of KDD, İn Proceedings of the 19th International Cartographic Conference, pp1-7, 14-21 August, Ottawa. 18. Kılıçalan M.B. 2018. Hanehalkı İşgücü Araştırma Verileri İle Veri Madenciliği Yöntemlerinin Uygulanması Ve Modellerin Karşılaştırılması. Hacettepe Üniversitesi, Fen Bilimleri Enstitüsü, Yüksek Lisans Tezi, s17, Ankara. 19. Hssina B., Merbouha A., Ezzikouri H., Erritali M. 2014. A Comparative Study Of Decision Tree ID3 and C4.5, International Journal of Advanced Computer Science and Applications, 4 (2): 13-19. 20. Altunkaynak B. 2019. Veri Madenciliği Yöntemleri ve R Uygulamaları, Seçkin Yayıncılık, 38-52s. Ankara. 21. Yurdakul I.K. 2013. Veri Toplama Araçlarında Bulunması Gereken Nitelikler, Bilimsel Araştırma Yöntemleri, Anadolu Üniversitesi Web Ofset Tesisleri, Eskişehir, 117-138. 22. Logan M. 2010. Biostatistical Design and Analysis Using R: A Practical Guide, Wiley-Blackwell, p1. Hoboken. 23. Buttrey S., Whitaker L.R. 2018. A Data Scientist's Guide to Acquiring, Cleaning, and Managing Data in R, Wiley, p2. Hoboken.