Türk dış politikasında ulusal rol anlayışlarının tespitinde derin öğrenme algoritmalarının kullanımı (2018-2023)
Using deep learning algorithms to identify national role conceptions in Turkish foreign policy (2018 –2023)
- Tez No: 979846
- Danışmanlar: PROF. DR. ERTAN EFEGİL
- Tez Türü: Yüksek Lisans
- Konular: Uluslararası İlişkiler, International Relations
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Sakarya Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Uluslararası İlişkiler Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Son yıllarda bilgisayar hesaplama gücünde yaşanan olağanüstü artış ve makine ve derin öğrenme algoritmalarının gelişimi, doğal dil işleme yöntemlerini Sosyal Bilimlerin çeşitli alanlarında uygulanabilir hale getirmiştir. Farklı alanlarda metin sınıflandırma konuları için makine öğrenimi veya derin öğrenme algoritmalarını kullanan çalışma sayısındaki artışa rağmen, Dış Politika Analizi literatüründe bu tür tekniklerin kullanımında bir boşluk ve eksiklik göze çarpmaktadır. Özellikle araştırmacıların, çoğunluklu olarak politika yapıcıların temsil ettikleri devletleri, uluslararası alanda nasıl konumladıklarına odaklanan Rol Teorisi çerçevesindeki çalışmaları incelendiğinde, sistematik metin sınıflandırması için bu yenilikçi teknolojilerden faydalanmak yerine, ağırlıklı olarak elle kodlama yöntemlerini kullandıkları görülmektedir. Literatürde söz konusu bu boşluğu doldurmak ve alana yöntemsel bir katkı sunmak hedefiyle hazırlanan bu çalışmada, Rol Teorisi çerçevesinde Türkçe diplomatik metinlerin sınıflandırılması için derin öğrenme algoritması BERTurk'den istifade edilmeye çalışılmıştır.“Derin öğrenme algoritması BERTurk, Rol Teorisi ve ulusal rol kavramı bağlamında dış politika metinlerini ne ölçüde doğru bir şekilde sınıflandırabilir?”ana sorusu üzerinden üç aşamalı olarak tasarlanan çalışmada, ilk olarak 2018-2023 yıllarını kapsayan Türk Dış Politikasıyla ilgili veriler, yani Cumhurbaşkanı Recep Tayyip Erdoğan'ın, Türk Dış Politikasını ilgilendiren konuşmaları toplanmıştır. İkinci aşamada çalışma verisi, ilerleyen aşamalarda hem BERTurk modelini eğitmek hem de performansını test ederek araştırma sorusuna cevap verecek bir zemini oluşturmak adına, geleneksel içerik analizi yöntemleriyle elle kodlanmış; üçüncü aşamada ise kodlanmış veriler, modeli beslemek ve dış politika metinlerini sınıflandırmak üzere ince ayar yapmak için kullanılmıştır. Son olarak da test verileri, toplam doğruluk, kesinlik, geri çağırma, f1 ve MCC gibi çeşitli ölçütler, ROC analizi, PR grafiği ve karışıklık matrisiyle birlikte kullanılarak, her bir analiz birimi için doğru kodu tahmin etmede ince ayarlı modelin performansını analiz etmek için kullanılmıştır. Elde edilen bulgular, BERTurk modelinin Türk Dış Politikası ile ilgili metinleri sınıflandırmada %75 genel doğruluk oranıyla güçlü bir performans sergilediğini göstermektedir.
Özet (Çeviri)
Recent advancements in computational power coupled with rapid progress in machine learning and deep learning algorithms have made natural language processing (NLP) tasks feasible across various fields of social science. Despite a growing number of studies using machine learning or deep learning algorithms for text classification topics in diverse domains, there is a gap in the literature on foreign policy analysis in using such techniques. Specifically, studies within the role theory framework – where the researchers mostly focus on how policymakers conceive of their nation's role in international arena – is predominantly done using a hand coding scheme for the systematic text classification. To address this gap and contribute to the field in terms of methodology, this study utilizes deep learning algorithm BERTurk for text classification of Turkish diplomatic text within the framework of role theory. In particular, the research question is framed as“To what extent can the deep learning algorithm BERTurk accurately classify foreign policy text in the context of role theory and national role conceptions?”. Methodologically, the research is designed in three steps. First, the data related to Turkish foreign policy – relevant speeches of President Recep Tayyip Erdoğan – from 2018 to 2023 was collected. In the second step, the research data was manually coded using conventional content analysis methods. This hand-coded data was then split (%80-%20) to serve as a ground both for training and testing the model. In the third step, the labeled data was used to feed the model and fine-tuning it with respect to foreign policy texts. Finally, test data was used to analyze the performance of fine-tuned model in predicting the label for each unit of text, employing several metrics such as aggregate accuracy, precision, recall, f1 and MCC along with ROC analysis, PR graph and confusion matrix. The findings show a strong performance of %75 overall accuracy for the BERTurk model in classifying Turkish Foreign Policy-related Political texts.
Benzer Tezler
- Atherosklerotik kalp hastalıklarında risk faktörleri
Risk factors in the coronary artery disease
MURAT SUHER
- İbrahim Hakkı Erzurumi'nin Tertib-i ulum isimli eserindeki eğitimle ilgili görüşleri
Başlık çevirisi yok
ÖMER ÖZYILMAZ
Yüksek Lisans
Türkçe
1986
Uludağ ÜniversitesiDin Kültürü ve Ahlak Bilgisi Eğitimi Ana Bilim Dalı
Yükleniyor...