Makine Öğrenme Yöntemleri Kullanılarak EEG Tabanlı Duygu Sınıflandırma Araştırmaları Üzerine Bibliyometrik Analiz

Öz

EEG tabanlı duygu tanıma, bilişsel bilimler ve insan-bilgisayar etkileşimi alanlarında giderek artan bir ilgi görmektedir. Bu ilgi, özellikle beyin dalgalarını analiz ederek insan duygularını anlama ve yorumlama potansiyelinden kaynaklanmaktadır. Farklı duygusal uyaranlar karşısında beyin aktivitesinde birtakım değişiklikler olmakta ve bu değişikler Elektroensefalografi (EEG) kayıtlarında gözlemlenebilmektedir. Makine öğrenme teknikleri ise farklı duygusal durumlar karşısında beyin aktivitesine yansıyan bu değişimlerin yüksek doğrulukta sınıflandırılmasına olanak tanır. Son yıllarda, bu alanda yapılan akademik çalışmaların sayısında büyük bir artış olmuş ve bu da EEG tabanlı duygu tanıma tekniklerinin geliştirilmesi için geniş bir literatür birikimi oluşturmuştur. Bu çalışma, makine öğrenme yöntemleri kullanılarak EEG tabanlı duygu tanıma çalışmalarının bibliyometrik analizini sunmayı amaçlamaktadır. Analiz, bu alandaki yayın trendlerini, araştırma ağlarını, anahtar kelimeleri ve en etkili çalışmaları ortaya koyarak, alanın mevcut durumunu ve gelecekteki potansiyel yönlerini değerlendirecektir. Ayrıca EEG ve makine öğrenmesi teknolojilerinin duygu tanıma uygulamalarındaki rolünü derinlemesine incelemeyi ve bu alandaki akademik katkıları haritalamayı hedeflemektedir.

Anahtar Kelimeler

• EEG
• Makine Öğrenmesi
• Bibliyometri
• Duygu

Bibliometric Analysis on EEG-Based Emotion Classification Research Using Machine Learning

Öz

An increasing interest has been observed in the fields of EEG-based emotion recognition, cognitive sciences, and human-computer interaction.This interest primarily arises from the potential to understand and interpret human emotions by analyzing brain waves. Electroencephalography (EEG) can accurately record emotional responses, and when combined with machine learning techniques, it enables the precise classification of emotional states. In recent years, there has been a significant increase in academic research within this domain, leading to a substantial accumulation of literature aimed at understanding and developing EEG-based emotion recognition techniques. This study aims to present a bibliometric analysis of machine learning methods in EEG-based emotion recognition. The analysis aims to clarify publication trends, research networks, key terms, and influential studies, thereby assessing the present status and potential future trajectories of the field. This endeavor aims to comprehensively explore the role of EEG and machine learning technologies in emotion recognition applications and chart the academic contributions in this domain.

Anahtar Kelimeler

• EEG
• Machine Learning
• Bibliometri
• Emotion

Kaynakça

1. Al, U., Sezen, U., ve Soydal, İ. (2012). Hacettepe Üniversitesi bilimsel yayınlarının sosyal ağ analizi yöntemiyle değerlendirilmesi. Hacettepe Üniversitesi Edebiyat Fakültesi Dergisi, 29(1).
2. Dirik, D., Eryılmaz, İ. ve Erhan, T. (2023). Post-truth kavramı üzerine yapılan çalışmaların VOSviewer ile bibliyometrik Analizi. Sosyal Mucit Academic Review, 4(2), 164-188. doi: 10.54733/smar.1271369
3. Li, K., Rollins, J. ve Yan, E. (2018) Web of science use in published research and review papers 1997–2017: A selective, dynamic, cross-domain, content-based analysis. Scientometrics, 115, 1–20. https://doi.org/10.1007/s11192-017- 2622-5
4. Li, W., Zhao, Y., 2015. Bibliometric analysis of global environmental assessment research in a 20-year period. Environ. Impact Assess. Rev. 50, 158–166. https:// doi.org/10.1016/j.eiar.2014.09.012
5. URL-1: https://www.webofscience.com/wos, Erişim Tarihi: 10.05.2024) Xie, J., Luo, Y., Wang, S., & Liu, G. (2024). Electroencephalography-based recognition of six basic emotions in virtual reality environments. Biomedical Signal Processing and Control, 93, 106189. https://doi.org/10.1016/j. bspc.2024.106189
6. Yang, L., Chen, Z., Liu, T., Gong, Z., Yu, Y., Wang, J. (2013). Global trends of solid waste research from 1997 to 2011 by using bibliometric analysis. Scientometrics 96, 133–146. https://doi.org/10.1007/s11192-012-0911-6
7. Zhang, J., Yin, Z., Chen, P., & Nichele, S. (2020). Emotion recognition using multi-modal data and machine learning techniques: A tutorial and review, Information Fusion, Volume 59, 2020, Pages 103-126, https://doi.org/10.1016/j. inffus.2020.01.011