MAKİNE ÖĞRENMESİ YAKLAŞIMIYLA KARİYER KARAR VERME GÜÇLÜKLERİNİN ÖNGÖRÜLMESİ

Mine Aydemir Dev

doi:10.30794/pausbed.1732977

EN TR

Öz

Proje Numarası

SGA-2025-2028

Öz

Proje Numarası

SGA-2025-2028

A MACHINE LEARNING APPROACH TO PREDICTING CAREER DECISION-MAKING DIFFICULTIES

Öz

Data-driven approaches have become increasingly effective in understanding human behavior and making predictions for the future with advancing technologies. In particular, machine learning techniques are highly successful in analyzing, classifying, and predicting complex relationships through large and multivariate datasets. This study aims to predict the difficulties faced by individuals in the career decision-making process with machine learning methods. In this context, prediction models were created based on individuals’ career decision-making difficulties, decision-making styles, and personality traits. The data was obtained from students studying at a state university through an online survey method. The data were analyzed using the Python language and PyCaret library, and different algorithms were tested. As a result of the comparisons, the highest accuracy value of 84,44% was obtained with the logistic regression model. The results of the analysis show that especially lack of information and inconsistency are effective variables in the decision-making difficulties. These findings point to the importance of approaches that support cognitive awareness and decision-making skills in career counselling.

Anahtar Kelimeler

Machine Learning, Career Decision-Making, Personality Traits, Decision-Making Styles

Proje Numarası

SGA-2025-2028

MAKİNE ÖĞRENMESİ YAKLAŞIMIYLA KARİYER KARAR VERME GÜÇLÜKLERİNİN ÖNGÖRÜLMESİ

Öz

Gelişen teknolojilerle birlikte, veri odaklı yaklaşımlar insan davranışlarını anlamada ve geleceğe yönelik öngörülerde bulunmada giderek daha etkili hale gelmiştir. Özellikle makine öğrenmesi teknikleri, büyük ve çok değişkenli veri kümeleri aracılığıyla karmaşık ilişkileri analiz etme, sınıflandırma ve öngörmede yüksek başarı sağlamaktadır. Bu çalışma, bireylerin kariyer kararı verme sürecinde karşılaştıkları zorlukların makine öğrenmesi yöntemleriyle öngörülmesini amaçlamaktadır. Bu bağlamda çalışmada, kariyer karar verme güçlükleri, bireylerin karar verme stilleri ve kişilik özellikleri temel alınarak öngörü modelleri oluşturulmuştur. Veriler, bir devlet üniversitesinde öğrenim gören öğrencilerden çevrim içi anket yöntemiyle elde edilmiştir. Elde edilen veriler Python dili ve PyCaret kütüphanesi aracılığıyla analiz edilmiş ve farklı algoritmalar test edilmiştir. Yapılan karşılaştırmalar sonucunda %84,44 ile en yüksek doğruluk değeri lojistik regresyon modeli ile elde edilmiştir. Analiz sonuçları, bilgi eksikliği ve tutarsızlığın, karar verme sürecindeki zorluklarda etkili değişkenler olduğunu göstermektedir. Bu sonuçlar, kariyer danışmanlığı süreçlerinde bireylerin bilişsel farkındalığını ve karar verme becerilerini geliştirmeye yönelik veri destekli müdahale stratejilerinin önemine işaret etmektedir.

Anahtar Kelimeler

Makine Öğrenimi, Kariyer Kararı, Kişilik Tipleri, Karar Verme Stilleri.

Destekleyen Kurum

Bursa Uludağ Üniversitesi

Proje Numarası

SGA-2025-2028

Etik Beyan

Bu çalışma 24.09.2024 tarihli ve 2024-09 sayılı oturumda Bursa Uludağ Üniversitesi Etik Komitesi tarafından onaylanmıştır.

Teşekkür

Bu çalışma, Bursa Uludağ Üniversitesi Bilimsel Araştırmalar Projeleri birimi tarafından desteklenmiştir (Proje Numarası: SGA-2025-2028)

Kaynakça

Akbar, H., Ahmad, S., & Muhammad, H. (2023). College students’ struggles with career decisions and their personality: Struggles of college students in career making decisions, Pakistan Journal of Health Sciences, 4(8), 62–66. https://doi.org/10.54393/pjhs.v4i08.885
Aktaş, B. (2024). Bireyler için ontoloji odaklı, yapay zekâ tabanlı kariyer planlama sistemi [Doktora tezi, Sakarya Üniversitesi]. YÖK Ulusal Tez Merkezi.
Bayram Arlı, N. (2018). Betimsel İstatistik, Ezgi kitabevi, Bursa.
Bimrose, J., & Mulvey, R. (2015). Exploring career decision-making styles across three European countries, British Journal of Guidance & Counselling, 43(3), 337- 350. https://doi.org/10.1080/03069885.2015.1017803
Burns, G. N., Morris, M. B., Rousseau, N., & Taylor, J. (2013). Personality, interests, and career indecision: A multidimensional perspective, Journal of Applied Social Psychology, 43(10), 2090–2099. https://doi.org/10.1111/jasp.12162
Chong, H. Y., & Tan, R. T. Q. (2019). Career indecision among Malaysian final year students: Self-efficacy, decision-making styles, planned happenstance skills, (Unpublished dissertation). Universiti Tunku Abdul Rahman (UTAR).
Di Fabio, A., & Palazzeschi, L. (2012). Incremental variance of the core self-evaluation construct compared to fluid intelligence and personality traits in aspects of decision-making, Personality and Individual Differences, 53(3), 196–201. https://doi.org/10.1016/j.paid.2012.03.012
Di Fabio, A., Palazzeschi, L., & Bar-On, R. (2012). The role of personality traits, core self-evaluation, and emotional intelligence in career decision-making difficulties, Journal of Employment Counseling, 49(3), 118–129. https://doi.org/10.1002/j.2161-1920.2012.00012.x
Di Fabio, A., Palazzeschi, L., Levin, N., & Gati, I. (2015). The role of personality in the career decision-making difficulties of Italian young adults, Journal of Career Assessment, 23(2), 281–293. https://doi.org/10.1177/1069072714535031
El Othman, R., Hallit, R., Obeid, S., & Hallit, S. (2020). Personality traits, emotional intelligence and decision-making styles in Lebanese universities medical students, BMC Psychology, 8, Article 46. https://doi.org/10.1186/s40359-020-00406-4

Faruque, S. H., Khushbu, S. A., & Akter, S. (2025). Decision support system to reveal future career over students’ survey using explainable AI, Education and Information Technologies, 3(10), 14471-14509. https://doi.org/10.1007/s10639-025-13361-7
Gati, I., Krausz, M., & Osipow, S. H. (1996). A taxonomy of difficulties in career decision making, Journal of Counseling Psychology, 43(4), 510–526. https://doi.org/10.1037/0022-0167.43.4.510
Gati, I., Levin, N., & Landman-Tal, S. (2020). Decision-making models and career guidance. In International handbook of career guidance (s. 115-145). Cham: Springer International Publishing. https://doi.org/10.1007/978-3-030-25153-6_6
Gülten, H., & Baraçlı, H. (2024). A machine learning-based forecast model for career planning in human resource management: a case study of the Turkish Post Corporation, Applied Sciences, 14(15), 6679. https://doi.org/10.3390/app14156679
James, G., Witten, D., Hastie, T., & Tibshirani, R. (2021). An introduction to statistical learning: With applications in R, (2nd ed.) Springer. https://doi.org/10.1007/978-1-0716-1418-1
Komarraju, M., & Karau, S. J. (2005). The relationship between the Big Five personality traits and academic motivation, Personality and Individual Differences, 39(3), 557- 567. https://doi.org/10.1016/j.paid.2005.02.013
Levin, N., Udayar, S., Lipshits-Braziler, Y., Gati, I., & Rossier, J. (2023). The structure of the Career Decision-Making Difficulties Questionnaire across 13 countries, Journal of Career Assessment, 31(1), 129–148. https://doi.org/10.1177/10690727221099226
Littlefield, A. K., Cooke, J. T., Bagge, C. L., Glenn, C. R., Kleiman, E. M., Jacobucci, R., & Steinley, D. (2021). Machine learning to classify suicidal thoughts and behaviors: Implementation within the common data elements used by the Military Suicide Research Consortium, Clinical Psychological Science, 9(3), 467-481. https://doi.org/10.1177/2167702620961067
Mahure, S. J., Rajalakshmi, B., Manohar, T. E., Vaishnavi, S. R., Sumithra, & Priya, N. (2024). Enhancing career pathways: Advancing guidance systems with XGBoost algorithm, In 4th International Conference on Pervasive Computing and Social Networking (ICPCSN) (pp. 366-371). IEEE. https://doi.org/10.1109/ICPCSN62568.2024.00064
Martincin, K. M., & Stead, G. B. (2015). Five-factor model and difficulties in career decision making: A meta- analysis, Journal of Career Assessment, 23(1), 3- 19. https://doi.org/10.1177/1069072714523081
Maulana, A., Idroes, G. M., Kemala, P., Maulydia, N. B., Sasmita, N. R., Tallei, T. E., Sofyan, H., & Rusyana, A. (2023). Leveraging Artificial Intelligence to Predict Student Performance: A Comparative Machine Learning Approach. Journal of Educational Management and Learning, 1(2), 64–70. https://doi.org/10.60084/jeml.v1i2.132
McCrae, R. R., & Costa, P. T., Jr. (1999). A five-factor theory of personality. In L. A. Pervin & O. P. John (Eds.), Handbook of personality: Theory and research (2nd ed., pp. 139–153). Guilford Press.
Murphy, K. P. (2012). Machine learning: A probabilistic perspective, MIT Press.
Narooi, Z. S., & Karazee, F. (2015). Investigating the relationship among personality traits, decision-making styles, and attitude to life, Mediterranean Journal of Social Sciences, 6(6 S2), 311-317. https://doi.org/10.5901/mjss.2015.v6n6s6p311
Öztemel, K. (2014). Career indecisiveness of Turkish high school students: Associations with personality characteristics, Journal of Career Assessment, 2(4), 666- 681. https://doi.org/10.1177/1069072713515630
Parola, A., & Marcionetti, J. (2024). Profiles of career indecision: A person-centered approach with Italian late adolescents, European Journal of Investigation in Health, Psychology and Education, 14(5), 1437–1450. https://doi.org/10.3390/ejihpe14050095
Pignault, A., Rastoder, M., & Houssemand, C. (2023). The relationship between self-esteem, self-efficacy, and career decision-making difficulties: Psychological flourishing as a mediator. European Journal of Investigation In Health, Psychology and Education, 13(9), 1553- 1568. https://doi.org/10.3390/ejihpe13090113
Powers, D. M. (2010). Evaluation: From precision, recall and F-measure to ROC, informedness, markedness and correlation, arXiv preprint arXiv:2010.16061. https://doi.org/10.48550/arXiv.2010.16061
Priyashantha, K. G., Dahanayake, W. E., & Maduwanthi, M. N. (2023). Career indecision: a systematic literature review, Journal of Humanities and Applied Social Sciences, 5(2), 79-102. https://doi.org/10.1108/JHASS-06-2022-0083
Riaz, M. N., Riaz, M. A., & Batool, N. (2012). Personality types as predictors of decision making styles, Journal of Behavioural Sciences, 22(2), 28–42.
Savickas, M. L. (2005). The theory and practice of career construction. In S. D. Brown & R. W. Lent (Eds.), Career development and counseling: Putting theory and research to work (pp. 42–70). John Wiley & Sons.
Sinha, S., Singh, O. P., Baruah, H., & Biswas, U. (2024). XGBoost for novel predictive model to classify student performance based on academic metrics. In 2024 IEEE Silchar Subsection Conference (SILCON) (pp. 1–6). IEEE. https://doi.org/10.1109/SILCON63976.2024.10910908
Stachl, C., Pargent, F., Hilbert, S., Harari, G. M., Schoedel, R., Vaid, S., Gosling, S. D., & Bühner, M. (2020). Personality research and assessment in the era of machine learning, European Journal of Personality, 34(5), 613-631. https://doi.org/10.1002/per.2257
Yarkoni, T., & Westfall, J. (2017). Choosing prediction over explanation in psychology: Lessons from machine learning, Perspectives on Psychological Science, 12(6), 1100- 1122. https://doi.org/10.1177/1745691617693393
Zhang, Z., Yu, X., & Liu, X. (2022). Do I decide my career? Linking career stress, career exploration, and future work self to career planning or indecision, Frontiers in Psychology, 13, 997984. https://doi.org/10.3389/fpsyg.2022.997984

Ayrıntılar

Birincil Dil

Türkçe

Konular

Ekonometri (Diğer)

Bölüm

Araştırma Makalesi

Yazarlar

Mine Aydemir Dev ^*
0000-0003-3276-8148
Türkiye

Erken Görünüm Tarihi

9 Eylül 2026

Yayımlanma Tarihi

14 Eylül 2026

Gönderilme Tarihi

2 Temmuz 2025

Kabul Tarihi

26 Ocak 2026

Yayımlandığı Sayı

Yıl 2026 Sayı: 76

DOI

https://doi.org/10.30794/pausbed.1732977

IZ

https://izlik.org/JA78TF56DW

APA

Aydemir Dev, M. (2026). MAKİNE ÖĞRENMESİ YAKLAŞIMIYLA KARİYER KARAR VERME GÜÇLÜKLERİNİN ÖNGÖRÜLMESİ. Pamukkale Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 76, 241-254. https://doi.org/10.30794/pausbed.1732977

AMA

1.Aydemir Dev M. MAKİNE ÖĞRENMESİ YAKLAŞIMIYLA KARİYER KARAR VERME GÜÇLÜKLERİNİN ÖNGÖRÜLMESİ. PAUSBED. 2026;(76):241-254. doi:10.30794/pausbed.1732977

Chicago

Aydemir Dev, Mine. 2026. “MAKİNE ÖĞRENMESİ YAKLAŞIMIYLA KARİYER KARAR VERME GÜÇLÜKLERİNİN ÖNGÖRÜLMESİ”. Pamukkale Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, sy 76: 241-54. https://doi.org/10.30794/pausbed.1732977.

EndNote

Aydemir Dev M (14 Eylül 2026) MAKİNE ÖĞRENMESİ YAKLAŞIMIYLA KARİYER KARAR VERME GÜÇLÜKLERİNİN ÖNGÖRÜLMESİ. Pamukkale Üniversitesi Sosyal Bilimler Enstitüsü Dergisi 76 241–254.

IEEE

[1]M. Aydemir Dev, “MAKİNE ÖĞRENMESİ YAKLAŞIMIYLA KARİYER KARAR VERME GÜÇLÜKLERİNİN ÖNGÖRÜLMESİ”, PAUSBED, sy 76, ss. 241–254, Eyl. 2026, doi: 10.30794/pausbed.1732977.

ISNAD

Aydemir Dev, Mine. “MAKİNE ÖĞRENMESİ YAKLAŞIMIYLA KARİYER KARAR VERME GÜÇLÜKLERİNİN ÖNGÖRÜLMESİ”. Pamukkale Üniversitesi Sosyal Bilimler Enstitüsü Dergisi. 76 (14 Eylül 2026): 241-254. https://doi.org/10.30794/pausbed.1732977.

JAMA

1.Aydemir Dev M. MAKİNE ÖĞRENMESİ YAKLAŞIMIYLA KARİYER KARAR VERME GÜÇLÜKLERİNİN ÖNGÖRÜLMESİ. PAUSBED. 2026;:241–254.

MLA

Aydemir Dev, Mine. “MAKİNE ÖĞRENMESİ YAKLAŞIMIYLA KARİYER KARAR VERME GÜÇLÜKLERİNİN ÖNGÖRÜLMESİ”. Pamukkale Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, sy 76, Eylül 2026, ss. 241-54, doi:10.30794/pausbed.1732977.

Vancouver

1.Mine Aydemir Dev. MAKİNE ÖĞRENMESİ YAKLAŞIMIYLA KARİYER KARAR VERME GÜÇLÜKLERİNİN ÖNGÖRÜLMESİ. PAUSBED. 14 Eylül 2026;(76):241-54. doi:10.30794/pausbed.1732977

download?token=eyJhdXRoX3JvbGVzIjpbXSwiZW5kcG9pbnQiOiJqb3VybmFsIiwib3JpZ2luYWxuYW1lIjoiYnkucG5nIiwicGF0aCI6ImEyZjUvYWI0ZS8zZjQ0LzZhNDM3MWIyYzBiZDE0LjAyNjIzMzMyLnBuZyIsImV4cCI6MTc4MjgwODUxNSwibm9uY2UiOiIyNmYzZWIxZTEyZTBjNjdjZTI1OWI0ODdjYzFmYmUxNSJ9.2VF5ZYgyC7BIkKy9Ta-JdpGfwAHc5fhFuhz086x-jcQ Bu dergide yer alan çalışmalar Creative Commons Atıf 4.0 Uluslararası Lisansı ile lisanslanmıştır.

Öz

Proje Numarası

Öz

Proje Numarası

A MACHINE LEARNING APPROACH TO PREDICTING CAREER DECISION-MAKING DIFFICULTIES

Öz

Anahtar Kelimeler

Proje Numarası

MAKİNE ÖĞRENMESİ YAKLAŞIMIYLA KARİYER KARAR VERME GÜÇLÜKLERİNİN ÖNGÖRÜLMESİ

Öz

Anahtar Kelimeler

Destekleyen Kurum

Proje Numarası

Etik Beyan

Teşekkür

Kaynakça

Ayrıntılar

Birincil Dil

Konular

Bölüm

Yazarlar

Erken Görünüm Tarihi

Yayımlanma Tarihi

Gönderilme Tarihi

Kabul Tarihi

Yayımlandığı Sayı

DOI

IZ

Kaynak Göster