Makine öğrenme algoritmalarıyla ülkelerin milli güç bağlamında sıralanmasına yönelik endeks önerisi
An index proposal for ranking countries in terms of national power using machine learning algorithms
- Tez No: 958897
- Danışmanlar: DR. ÖĞR. ÜYESİ İNCİ ZAİM GÖKBAY
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Dokümantasyon ve Enformasyon, Computer Engineering and Computer Science and Control, Documentation and Information
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Enformatik Ana Bilim Dalı
- Bilim Dalı: Enformatik Bilim Dalı
- Sayfa Sayısı: 179
Özet
Milli Güç (MG) kavramı, devletlerin uluslararası sistemdeki konumlarını ve etki düzeylerini belirlemede temel bir gösterge olarak öne çıkmaktadır. Karmaşık ve çok boyutlu bir yapıya sahip olan bu kavramın bütüncül ve karşılaştırılabilir bir yaklaşımla değerlendirilmesi gerekmektedir. Bu çalışmada, MG hesaplamalarına yönelik olarak makine öğrenmesi temelli yeni bir endeks önerilmiş ve 150 ülkeye ait 2018–2023 dönemine ilişkin veriler kullanılarak güncel ve geniş kapsamlı bir analiz gerçekleştirilmiştir. Değerlendirme sürecinde, demografik, coğrafi, ekonomik, askeri, politik-idari, psikososyal ve teknolojik olmak üzere yedi ana unsur esas alınmış; her unsur altında çok sayıda gösterge değerlendirmeye dâhil edilmiştir. Veriler, ulusal ve uluslararası güvenilir açık kaynaklardan derlenmiş ve modele dahil edilmeden önce çok aşamalı bir veri ön işleme sürecinden geçirilmiştir. Bu süreçte; güncel veri takibi, veri gruplaması ve ayıklaması, ülke bazlı temsil değeri hesaplaması, analiz yapılan ülke ve değişkenlerin belirlenmesi, veri tipi kontrolü, eksik verilerin çoklu atama yöntemi (MICE) ile tamamlanması ve Z-skor standardizasyonu ile ölçek birliğinin sağlanması gibi işlemler gerçekleştirilmiştir. Ardından, Temel Bileşenler Analizi (PCA) yöntemi ile her bir göstergeye nesnel ağırlıklar atanmış ve ana unsurlar birleştirilerek bileşik bir MG Endeksi (MGE) hesaplanmıştır. Modelin istatistiksel olarak uygunluğunu değerlendirmek üzere her bir alt unsur için Kaiser-Meyer-Olkin (KMO) ve Bartlett's Test of Sphericity analizleri uygulanmış, elde edilen değerler modelin geçerliliğini desteklemiştir. Çalışmanın çıktıları, MG'yi oluşturan bileşenlerin ülkeler arasındaki dağılımını nesnel ve karşılaştırılabilir biçimde ortaya koymaktadır. Türkiye özelinde yapılan değerlendirmede, her bir ana unsur kapsamında ülkenin göreli konumu analiz edilmiştir. Çalışma, yalnızca Türkiye değil, 150 ülkenin MG unsurlarına ilişkin çok boyutlu değerlendirmeler yapılmasına olanak tanımakta; karşılaştırmalı analizler için sağlam bir çerçeve sunmaktadır. Bu yönüyle tez, makine öğrenmesi tabanlı yöntemlerin MG hesaplamalarında kullanımına yönelik özgün ve uygulanabilir bir örnek sunmakta; veriye dayalı karar alma süreçlerini destekleyen bir metodolojik çerçeve ortaya koymaktadır. Çalışma, hem yöntemsel açıdan literatüre katkı sağlamakta hem de uluslararası ilişkiler alanında yapılan karşılaştırmalı analizlere stratejik derinlik kazandırmaktadır.
Özet (Çeviri)
The concept of National Power (NP) stands out as a fundamental indicator in determining the position and level of influence of states within the international system. Given its complex and multidimensional nature, this concept requires a holistic and comparable approach for effective evaluation. In this study, a novel machine learning-based index is proposed for the calculation of NP, and a comprehensive and up-to-date analysis has been conducted using data from 150 countries covering the period between 2018 and 2023. The assessment is based on seven main components: demographic, geographic, economic, military, political-administrative, psychosocial, and technological. Numerous indicators under each component have been included in the evaluation. The data were compiled from reliable national and international open sources and subjected to a multi-stage preprocessing procedure prior to inclusion in the model. This process involved current data tracking, data grouping and filtering, calculation of country-based representative values, determination of the countries and variables to be analyzed, data type control, imputation of missing values using the Multiple Imputation by Chained Equations (MICE) method, and standardization using Z-scores to ensure scale uniformity. Subsequently, Principal Component Analysis (PCA) was applied to assign objective weights to each indicator, and a composite National Power Index (NPI) was calculated by aggregating the main components. To assess the statistical suitability of the model, Kaiser-Meyer-Olkin (KMO) and Bartlett's Test of Sphericity were performed for each subcomponent, and the resulting values supported the validity of the model. The findings of the study objectively and comparably reveal the distribution of the components constituting NP across countries. In the specific evaluation of Türkiye, the country's relative position under each main component has been analyzed. The study enables multidimensional assessments not only for Türkiye but also for 150 countries with respect to their NP components, providing a robust framework for comparative analysis. In this regard, the dissertation offers an original and applicable example of the use of machine learning-based methods in NP calculations and presents a methodological framework that supports data-driven decision-making processes. The study contributes to the literature methodologically and provides strategic depth to comparative analyses in the field of international relations.
Benzer Tezler
- Makine öğrenmesi yaklaşımları ile fetal sağlık teşhisinin gerçekleştirilmesi
Realisation of fetal health diagnosis with machine learning approaches
ADEM KUZU
Yüksek Lisans
Türkçe
2024
Kadın Hastalıkları ve DoğumFırat ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YUNUS SANTUR
- Deep learning for wind energy systems using the hurst exponent and statistical parameters
Hurst üslü ve istatistiksel parametreleri kullanarak rüzgar enerjisi sistemleri için derin öğrenme
BEHNAZ ALAFI
Yüksek Lisans
İngilizce
2021
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. ŞAHİN SERHAT ŞEKER
- Farklı katı yakıt türlerinin üst ısıl değerlerinin çoklu lineer regresyon, karar ağacı, random forest ve yapay sinir ağları yöntemleriyle belirlenmesi
Prediction of calorific value of solid fuel by multiple linear regression, decision tree, random forest and artificial neural network
KAAN BÜYÜKKANBER
Yüksek Lisans
Türkçe
2022
Kimya Mühendisliğiİstanbul Teknik ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
PROF. DR. HANZADE AÇMA
- An ensemble learning model for wide-area measurement based transient stability assessment in power systems
Güç sistemlerinde geniş alan ölçümlerine dayalı geçici hal kararlılık değerlendirmesi için bir topluluk öğrenme modeli
CAN BERK SANER
Yüksek Lisans
İngilizce
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. VEYSEL MURAT İSTEMİHAN GENÇ
- Öğrenci başarısını kestirmede makine öğrenme algoritmalarına dayalı yeni bir sınıflandırma modeli
A new classification model based on machine learning algorithms to predict student success
ŞERAFETTİN KUZUCUK
Yüksek Lisans
Türkçe
2022
Eğitim ve ÖğretimAkdeniz ÜniversitesiEğitim Bilimleri Ana Bilim Dalı
DOÇ. DR. BİLAL BARIŞ ALKAN