Longitudinal emotion analysis with globem dataset
Globem veri seti ile boylamsal duygu analizi
- Tez No: 897372
- Danışmanlar: PROF. DR. ÖZLEM İLK DAĞ
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Pozitif ve Negatif Duygu Ölçeği (PANAS), pozitif ve negatif duyguyu ölçmek için yaygın olarak kullanılan bir psikometrik ölçektir. Bu çalışmada, Pozitif ve Negatif Duygu Ölçeği (PANAS) puanlarını analiz etmek için Pyhsionet veri tabanından alınan GLOBEM mobil sensör verileri kullanılmıştır. Bu analiz için, marjinal ve doğrusal karma modeller gibi klasik istatistiksel yöntemler ve MERF, MERT ve REEMtree gibi makine öğrenimi yaklaşımları ve bunların stokastik varyantları kullanılmıştır. Sonuçlarımız, rastgele etki terimlerini içeren modellerin marjinal modelden çok daha iyi performans gösterdiğini ortaya koymaktadır. Özellikle, R² sonuçlarının da gösterdiği gibi, MERF eğitim veri setinde en iyi tahmin performansını gösterirken, (S)MERF test veri setinde iyi performans göstermektedir. Bu sonuçlar, bireysel özelliklerin gelecekteki duygusal durumları uyku, fiziksel aktivite ve telefon kullanımı gibi faktörlerden daha fazla etkilediğini göstermektedir.
Özet (Çeviri)
The Positive and Negative Affect Schedule (PANAS) is a widely used psychometric scale to measure positive and negative affect. This study uses GLOBEM mobile sensing data from the Pyhsionet database to analyze the Positive and Negative Affect Schedules (PANAS) scores. For this analysis, classical statistical methods such as marginal and linear mixed models and machine learning approaches, including MERF, MERT, and REEMtree, along with their stochastic variants, are used. Our results indicate that models incorporating random effect terms outperform the marginal model. In particular, as shown by the R² results, MERF shows the best prediction performance on the training dataset, while (S)MERF performs well on the test dataset. These results suggest that individual traits substantially impact future emotional states more than factors such as sleep, physical activity, and phone use.
Benzer Tezler
- The role of emotion crafting in the relationship between self-compassion and psychological well-being: A longitudinal investigation
Öz-şefkat ve psikolojik iyi oluş arasındaki ilişkide duygu şekillendirmenin rolü: Boylamsal bir inceleme
FUNDA KARAKULLUKCU
Yüksek Lisans
İngilizce
2026
Psikolojiİzmir Ekonomi ÜniversitesiPsikoloji Ana Bilim Dalı
DOÇ. DR. EZGİ TUNA KAYKUSUZ
- Emotion regulation strategies and emotional autobiographical memory performances in mother-child dyads: A longitudinal study
Anne-çocuk ikililerinde duygu düzenleme stratejileri ve duygu yüklü otobiyografik bellek performansları: Boylamsal bir çalışma
FATMA BETÜL ABUT
Doktora
İngilizce
2025
PsikolojiOrta Doğu Teknik ÜniversitesiPsikoloji Ana Bilim Dalı
DOÇ. DR. BAŞAK ŞAHİN ACAR
- Okul öncesi dönem çocuklarının duygu düzenleme becerileri ve saldırgan davranışları: Bir boylamsal desen araştırması
Emotion regulation skills and aggressive behaviors of preschool children: A longitudinal pattern research
CANSU CILIZ
Yüksek Lisans
Türkçe
2023
Eğitim ve ÖğretimAlanya Alaaddin Keykubat ÜniversitesiTemel Eğitim Ana Bilim Dalı
DOÇ. DR. CEYHUN ERSAN
- Opioid kullanım bozukluğu olan erkek hastalarda duygu düzenleme güçlüğünün değerlendirilmesi ve intihar girişimi ile ilişkisi
Evaluation of emotion regulation difficulties in male patients with opioid use disorder and its relationship with suicide attempt
BEHİYE KURU KOYUNCU
Tıpta Uzmanlık
Türkçe
2024
PsikiyatriSağlık Bilimleri ÜniversitesiPsikiyatri Ana Bilim Dalı
DOÇ. DR. İKBAL İNANLI
- Evlilerde sigara bağımlılığının çocukluk çağı yaşantıları ve duygu düzenleme güçlüğü ile olan ilişkisinin incelenmesi
Examination of the relationship of cigarette addiction in married with childhood experiences and emotion regulatıon deficit
MİNA MERAL KURTULUŞ