Geri Dön

Karar ağacı algoritmaları ve çocuk işçiliği üzerine bir uygulama

Decision tree algorithms and an application on child labor

PDF İndir

  1. Tez No: 546257
  2. Yazar: ŞEYDA DEMİREL
  3. Danışmanlar: DOÇ. DR. SELAY GİRAY
  4. Tez Türü: Yüksek Lisans
  5. Konular: Çalışma Ekonomisi ve Endüstri İlişkileri, İstatistik, İşletme, Labour Economics and Industrial Relations, Statistics, Business Administration
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2019
  8. Dil: Türkçe
  9. Üniversite: Marmara Üniversitesi
  10. Enstitü: Sosyal Bilimler Enstitüsü
  11. Ana Bilim Dalı: Ekonometri Ana Bilim Dalı
  12. Bilim Dalı: İstatistik Bilim Dalı
  13. Sayfa Sayısı: 125

Özet

Çocuk işçiliği tüm dünyanın karşı karşıya olduğu ciddi bir sorundur. Çocuklar başta yoksulluk olmak üzere birçok nedenden dolayı çalışmak zorunda kalmaktadırlar. Çocuğun çalışma hayatına girmesi, okuldan uzaklaşarak vasıfsız işçi olması anlamına gelmektedir. Bu çalışmanın amacı çocuk işçiliğine neden olan çeşitli faktörlerin veri madenciliği yöntemlerinden biri olan karar ağaçları ile belirlenmesidir. Çalışmada kullanılan veri seti 114 ülkeden oluşmaktadır. İlgili ülkeler ve çalışma kapsamındaki değişkenler belirlenirken literatür taraması ve kayıp gözlemlerin en aza indirilmesi hususları gözönünde bulundurulmuştur. Veriler Dünya Bankası'ndan elde edilmiş olup eksik veriler ILO, UNİCEF, OECD, TÜİK'den derlenmiştir. Uygulamada mevcut olan en güncel veriler ele alınmıştır. Analiz uygulamaları SPSS 22 paket programı kullanılarak gerçekleştirilmiştir. Veri madenciliği, veriler arasında gizli kalmış ilişkileri ortaya çıkaran ve bu bilgiler ışığında geleceğe dönük tahmin yapmaya imkan sağlayan dinamik bir süreç şeklinde tanımlanabilir. Karar ağaçları yöntemi ise anlaşılabilir kurallar oluşturması, yorumlanmasının kolay olması, farklı değişken tipleri için kullanılabilmesi nedeniyle kullanım alanı en yaygın olan başlıca veri madenciliği yöntemlerinden biridir. Çalışma kapsamında çocuk işçi oranı üzerinde etkili olabilecek değişkenlerin belirlenmesinde CART ve CHAID algoritmalarından yararlanılmıştır. Algoritmalara göre çıkan sonuçlar karşılaştırmalı olarak yorumlanmıştır.

Özet (Çeviri)

Child labor is a serious problem faced by the whole world. Children are forced to work for many reasons, especially because of poverty. When children start working at different jobs, this means that they drop out of the school and become unskilled workers. In this sense, the main purpose of this study is to determine the various factors causing child labor through the data mining method of decision trees. The data set used in the study was collected from 114 countries and the literature review and the minimization of missing observations were taken into consideration when determining the relevant countries and variables. The research data were obtained from the World Bank and the missing data were collected from ILO, UNICEF, OECD, and TurkStat. The latest data available in the databases were analyzed. The analysis of the research data was performed using SPSS 22 package software. Data mining is a dynamic process that explores the hidden relationships among the data and enables predictions in the light of this information. The decision trees method, on the other hand, is one of the most common methods of data mining because it creates understandable rules and is easy to interpret and can be used for different types of variables. In this study, CART and CHAID algorithms were used to determine the variables that could be effective on the child labor rate. The results obtained by the algorithms were interpreted comparatively.

Benzer Tezler

  1. Tez No

    867910

    Dikkat eksikliği hiperaktivite bozukluğu'nun tarama ve teşhisinde hızlı, duyarlı ve güvenilir bir tanı aracı olarak makine öğrenimi yöntemlerinin kullanılması

    Using machine learning methods as a fast, sensitive and reliable diagnostic tool for screening and diagnosis of attention deficit hyperactivity disorder

    ESRA ÇETİN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSağlık Bilimleri Üniversitesi

    Çocuk ve Ergen Ruh Sağlığı ve Hastalıkları Ana Bilim Dalı

    PROF. DR. ESRA ÇÖP

  2. Tez No

    898911

    Comparison of machine learning methods in predicting female labor force participation rates

    Kadınların işgücüne katılım oranlarının tahmininde makine öğrenmesi metotlarının karşılaştırılması

    EKİN DAĞLI

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    EkonomiTED Üniversitesi

    Uygulamalı Veri Bilimi Ana Bilim Dalı

    PROF. DR. SEYİT MÜMİN CILASUN

  3. Tez No

    850221

    Veri madenciliğinde sınıflandırma problemleri için optimizasyon yaklaşımları

    Optimization approaches for classification problems in data mining

    ENVER ENGÜR

    Doktora

    Türkçe

    Türkçe

    2024

    Endüstri ve Endüstri MühendisliğiErciyes Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. BANU SOYLU

  4. Tez No

    573713

    Uzaktan eğitim öğrencilerin mezuniyet durumlarının veri madenciliği yöntemleri ile tahmini: Amasya Üniversitesi Örneği

    Predicting the status of the graduating students in distance learning with the help of data mining methods:Amasya University Sample

    OSMAN KAYHAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAmasya Üniversitesi

    Teknoloji ve İnovasyon Yönetimi Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ YAVUZ ÜNAL

  5. Tez No

    678325

    Doğal dil işleme ve metin madenciliği yöntemleriyle teletıp randevu robotunun tasarlanması

    Designing a teletip appointment robot with natural language processing and text mining methods

    MÜBERRA TERZİ

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Endüstri ve Endüstri MühendisliğiOndokuz Mayıs Üniversitesi

    Akıllı Sistemler Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ NACİ MURAT

Geri Dön