Geri Dön

Olumsuz koşulların öğrenciler üzerindeki psikolojik etkisinin açıklanabilir yapay zeka destekli tahmini

Analysis of psychological effects of adverse conditions on students with explainable artificial intelligence methods

PDF İndir

  1. Tez No: 1022125
  2. Yazar: MERVE ÇAYLI
  3. Danışmanlar: PROF. DR. CELALEDDİN YEROĞLU
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2026
  8. Dil: Türkçe
  9. Üniversite: İskenderun Teknik Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Bu çalışmada, olumsuz koşulların üniversite öğrencileri üzerindeki psikolojik etkileri makine öğrenmesi algoritmaları ve Açıklanabilir Yapay Zeka (XAI) yöntemleri kullanılarak analiz edilmiştir. Çalışma kapsamında farklı büyüklüklerde üç farklı veri seti kullanılmıştır. Bu veri setleri öğrencilerin ruh sağlığı durumunu (depresyon, anksiyete, stres) değerlendirmek amacıyla kısıtlı bir örneklemden (X grubu, n=300) ve daha geniş hacimli çevrimiçi bir kaynaktan alınan (Y grubu, n=39.775) veri setleri ile Yapay Zeka Kaygı Ölçeği (YZK Ölçeği, n=210) veri setinden oluşmaktadır. X grubu üç alt veri setinden ve Y grubu da aynı şekilde üç alt veri setinden oluşmaktadır. Çalışma toplamda yedi farklı veri seti ile gerçekleştirilmiştir. Verilerin sınıflandırılmasında Destek Vektör Makinesi (DVM), Rastgele Orman (RO), Naive Bayes (NB) ve XGBoost algoritmaları kullanılmış, elde edilen kara kutu modellerinin karar verme süreçleri SHAP ve LIME yöntemleri ile şeffaflaştırılmıştır. Bu yöntemler sadakat, monotonluk, ayrıştırılabilirlik ve kararlılık olmak üzere dört ölçüt üzerinden değerlendirilmiştir. Modelleme bulgularına göre, büyük hacimli Y veri setlerinde DVM algoritması %99,9 oranında mükemmele yakın bir başarı göstermiştir. Sınırlı veri barındıran X setlerinde ise düşük varyans yapısı sayesinde NB algoritması topluluk öğrenme modellerinin önüne geçmiştir. Toplumsal algı dinamiklerinin yeniliği ve veri setinin karmaşıklığı nedeniyle YZK Ölçeği tüm modellerde %61 ile %66 arasında daha düşük bir başarı aralığında yer almıştır. XAI performans ölçütleri incelendiğinde, küresel bazda en yüksek sadakat oranının NB algoritmasında görüldüğü, sınırlı veri setlerinde ise kararlılık oranlarının düştüğü tespit edilmiştir. SHAP ve LIME öznitelik ağırlıkları, yapay zekanın tanı sürecinde klinik açıdan en belirleyici olan varoluşsal ve psikolojik belirtileri vurguladığını göstermiştir. Bu araştırma, makine öğreniminin ruh sağlığı değerlendirmelerindeki etkinliğini sergilerken, XAI yöntemlerinin klinik psikolojide şeffaf ve güvenilir yapay zeka destekli tanı araçlarının geliştirilmesine yönelik metodolojik potansiyelini kanıtlamaktadır.

Özet (Çeviri)

In this study, the psychological effects of adverse conditions on university students were analyzed using machine learning algorithms and Explainable Artificial Intelligence (XAI) methods. Within the scope of the study, three different datasets of varying sizes were utilized. These datasets consisted of a limited-sample dataset (Group X, n=300) and a large-scale online dataset (Group Y, n=39,775) aimed at evaluating students' mental health conditions (depression, anxiety, and stress), as well as the Artificial Intelligence Anxiety Scale dataset (AIAS Scale, n=210). Group X consists of three subsets of data, and Group Y also consists of three subsets of data. The study was conducted with a total of seven different datasets. Support Vector Machine (SVM), Random Forest (RF), Naive Bayes (NB), and XGBoost algorithms were employed for data classification, and the decision-making processes of the resulting black-box models were made transparent using SHAP and LIME methods. These methods were evaluated based on four criteria: faithfulness, monotonicity, separability, and stability. According to the modeling findings, the SVM algorithm achieved an almost perfect accuracy rate of 99.9% on the large-scale Group Y datasets, whereas in the limited-data Group X datasets, the NB algorithm outperformed ensemble learning models due to its low-variance structure. Owing to the novelty of societal perception dynamics and the complexity of the dataset, the AIAS Scale demonstrated a lower performance range between 61% and 66% across all models. Examination of XAI performance metrics revealed that the highest global faithfulness rate was observed in the NB algorithm, while stability rates declined in limited datasets. SHAP and LIME feature weights indicated that artificial intelligence emphasized existential and psychological symptoms that are clinically the most significant in the diagnostic process. This research demonstrates the effectiveness of machine learning in mental health assessments while also proving the methodological potential of XAI methods for developing transparent and reliable AI-assisted diagnostic tools in clinical psychology.

Benzer Tezler

  1. Tez No

    5650

    Çeviri dersinde yapılaşma (uygulama sorunları-yöntem önerileri)

    Strukturierung im übersetzungsunterricht (probleme der praxis-vorschlage zur methodik)

    A. TURGAY KURULTAY

    Doktora

    Türkçe

    Türkçe

    1989

    Eğitim ve Öğretimİstanbul Üniversitesi

    Alman Dili ve Edebiyatı Bilim Dalı

    PROF.DR. ŞARA SAYIN

  2. Tez No

    725512

    Olası en iyi kendilik egzersizinin üniversite öğrencilerinin iyi oluşu üzerindeki etkisinin pozitif psikoloji ve eleştirel pozitif psikoloji perspektifinden incelenmesi

    Examining the effectiveness of best possible self exercise on the well-being of university students from the perspective of positive psychology and critical positive psychology

    İSMAİL BARIŞ SALMAN

    Doktora

    Türkçe

    Türkçe

    2022

    Psikolojiİstanbul Üniversitesi

    Psikoloji Ana Bilim Dalı

    PROF. DR. HANİFE ÖZLEM SERTEL BERK

  3. Tez No

    649752

    Nature relatedness, campus green space and time spent in nature as predictive variables of college students' mental well-being

    Üniversite öğrencilerinin mental iyi oluş düzeylerinde yordayıcı değişkenler olarak doğa ile ilişkide olma, doğada geçirilen zaman ve yeşil kampüs alanının kullanımı

    ZEYNEP DOĞRU

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Psikolojiİbn Haldun Üniversitesi

    Rehberlik ve Psikolojik Danışmanlık Ana Bilim Dalı

    PROF. DR. SEFA BULUT

  4. Tez No

    915701

    Sağlık çalışanlarında öznel mutluluğun atılgan davranış üzerine etkisi

    The effect of private happiness on attractive behavior in healtcare workers

    MUHAMMED TUNÇER

    Yüksek Lisans

    Türkçe

    Türkçe

    2025

    HemşirelikTokat Gaziosmanpaşa Üniversitesi

    Hemşirelik Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ TÜLAY YILMAZ BİNGÖL

  5. Tez No

    808165

    Çocuklarda davranış değişikliği modellerine dayalı fiziksel aktivite programı geliştirilmesi ve etkinliğinin incelenmesi

    Developing a physical activity program based on behavior change models in children and investigation of its efficiency

    MIRA A A AMER

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Fizyoterapi ve Rehabilitasyonİstanbul Üniversitesi-Cerrahpaşa

    Fizyoterapi ve Rehabilitasyon Ana Bilim Dalı

    DOÇ. DR. SAİME NİLAY ARMAN

Geri Dön