Makine Öğrenimi Modelleri İle Yetişkin Eğitimi Analizi: Modellerin Karşılaştırmalı Performansı DOI Creative Commons
Kâmil Abdullah Eşidir

Elektronik Sosyal Bilimler Dergisi, Journal Year: 2025, Volume and Issue: 24(2), P. 946 - 964

Published: March 27, 2025

Bu çalışmada, Türkiye'deki yetişkin eğitimi, Türkiye İstatistik Kurumu'nun (TÜİK) 2022 Yetişkin Eğitimi Araştırması mikro veri seti kullanılarak makine öğrenimi yöntemleriyle analiz edilmiştir. eğitimi alanındaki katılım dinamiklerini daha derinlemesine incelemek ve geleneksel yöntemlerin yetersizliklerini aşmak amacıyla LightGBM, RandomForest, XGBoost, GradientBoosting CatBoost algoritmaları uygulanmıştır. Analizler sonucunda, GradientBoosting, XGBoost modelleri %94 test doğruluğuyla en iyi performansı sergilemiştir. LightGBM modelleri, 0,92 AUC değeriyle öne çıkarken, 0,91 değeri elde etmiştir. F1 skoru açısından ise 0,75 ile başarılı sonuçları vermiştir. değerlendirmeler ışığında, modeli, yüksek doğruluk, kesinlik değerleriyle bu çalışmada uygun model olarak ön plana çıkmıştır. Ayrıca, edilen bulgular, Türkiye’de eğitiminin analizi alandaki politika geliştirme süreçlerinde yöntemlerinin güçlü bir karar destek aracı kullanılabileceğini göstermektedir.

TÜİK Mikro Verileri ile Çocuk İşgücü Tahmini: Makine Öğrenimi Modellerinin Performans Analizleri DOI Open Access
Kâmil Abdullah Eşidir

Fırat Üniversitesi Mühendislik Bilimleri Dergisi, Journal Year: 2025, Volume and Issue: 37(1), P. 453 - 466

Published: Feb. 3, 2025

Çalışma, Türkiye İstatistik Kurumu (TÜİK) tarafından 2019 yılında gerçekleştirilen Çocuk İşgücü Araştırması mikro veri setini kullanarak, çocuk işçiliği konusunu makine öğrenimi modelleri ile analiz etmektedir. 5-17 yaş grubundaki çocukların çalışma durumu, eğitim faaliyetleri ve ailevi sorumlulukları gibi faktörler incelenerek işçiliğini etkileyen unsurlar belirlenmiştir. Yaş grubu, durumunu en fazla bağımsız değişken olup, erkek oranı kızlara göre daha yüksektir. Eğitimine devam etmeyen olasılığı ise artış göstermektedir. Çocukların durumu; Random Forest, XGBoost, Gradient Boosting SVM kullanılarak tahmin edilmiştir. Modellerin performansları; doğruluk (accuracy), kesinlik (precision), duyarlılık (recall) F1 Skoru metrikleri değerlendirilmiştir. Forest modelleri, açısından yüksek performansı göstermiştir. Elde edilen bulgular, faktörlerin öğrenmesi derinlemesine anlaşılmasına katkıda bulunmakta uygulanacak politikaların temelli şekillendirilmesinin önemini vurgulamaktadır.

Citations

0
Makine Öğrenimi Modelleri İle Yetişkin Eğitimi Analizi: Modellerin Karşılaştırmalı Performansı DOI Creative Commons
Kâmil Abdullah Eşidir

Elektronik Sosyal Bilimler Dergisi, Journal Year: 2025, Volume and Issue: 24(2), P. 946 - 964

Published: March 27, 2025

Bu çalışmada, Türkiye'deki yetişkin eğitimi, Türkiye İstatistik Kurumu'nun (TÜİK) 2022 Yetişkin Eğitimi Araştırması mikro veri seti kullanılarak makine öğrenimi yöntemleriyle analiz edilmiştir. eğitimi alanındaki katılım dinamiklerini daha derinlemesine incelemek ve geleneksel yöntemlerin yetersizliklerini aşmak amacıyla LightGBM, RandomForest, XGBoost, GradientBoosting CatBoost algoritmaları uygulanmıştır. Analizler sonucunda, GradientBoosting, XGBoost modelleri %94 test doğruluğuyla en iyi performansı sergilemiştir. LightGBM modelleri, 0,92 AUC değeriyle öne çıkarken, 0,91 değeri elde etmiştir. F1 skoru açısından ise 0,75 ile başarılı sonuçları vermiştir. değerlendirmeler ışığında, modeli, yüksek doğruluk, kesinlik değerleriyle bu çalışmada uygun model olarak ön plana çıkmıştır. Ayrıca, edilen bulgular, Türkiye’de eğitiminin analizi alandaki politika geliştirme süreçlerinde yöntemlerinin güçlü bir karar destek aracı kullanılabileceğini göstermektedir.

Citations

0