Geri Dön

Artificial intelligence assisted determination of age appropriateness values of turkish children's literature works

Türk çocuk edebiyatı eserlerinin yaş uygunluk değerlerinin yapay zeka destekli tespiti

PDF İndir

  1. Tez No: 987024
  2. Yazar: FEYZA NUR KILIÇASLAN
  3. Danışmanlar: DOÇ. DR. BURKAY GENÇ
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Yapay zeka, Çocuk edebiyatı, Artificial intelligence, Children’s literature
  7. Yıl: 2025
  8. Dil: İngilizce
  9. Üniversite: Hacettepe Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Çocuklar için yaşa uygun kitapların belirlenmesi, dilsel, bilişsel ve tematik unsurların dengeli bir biçimde göz önünde bulundurulmasını gerektiren çok boyutlu bir süreçtir. Bu tez çalışması, 2–18 yaş aralığına yönelik Türkçe çocuk kitapları için Uygun Yaş Değeri'ni (SAV) tahmin etmeyi amaçlayan yapay zekâ destekli bir çerçeve sunmaktadır. 300 Türkçe çocuk kitabından oluşan bir veri kümesi üzerinde yinelenen ve tabakalı 5 x 5 çapraz doğrulama uygulanmış, dış-katman (OOF) metrikleri %95 güven aralıklarıyla raporlanmıştır. Klasik karşılaştırma modelleri olarak, yapılandırılmış özellikler üzerinde lineer/ElasticNet, SVR, Random Forest (RF) ve XGBoost modelleri eğitilmiş; ayrıca kural tabanlı Ateşman okunabilirlik ölçütü de değerlendirilmiştir. Metinsel veriler için, donmuş dbmdz/bert-base-turkish-uncased kodlayıcısı, fold-aşamalı PCA ve metadata seçimi ile birlikte Concat ve Attention-gated olmak üzere iki hibrit mimariye entegre edilmiştir; veri artırma işlemleri yalnızca eğitim katmanlarına uygulanmıştır. Buna ek olarak, bir birkaç-atımlı (few-shot) LLM hattı (GPT-4o-mini) incelenmiş ve RF ile LLM çıktılarının birleşiminden oluşan konveks bir topluluk modeli de değerlendirilmiştir. Few-shot LLM, tutarsız sonuçlar üreten sıfır-atımlı (zero-shot) yapılandırmaya kıyasla belirgin biçimde üstün performans göstermiştir. Hibrit modeller arasında, Concat mimarisi Attention-gated varyantından daha iyi sonuç vermekle birlikte, her iki yaklaşım da en güçlü klasik karşılaştırma modelinin gerisinde kalmıştır. Bootstrap out-of-bag örnekleme ile optimize edilen konveks RF–LLM birleşimi, her bir bileşenin tek başına sağladığından daha düşük RMSE ve MAE değerleri elde etmiş ve QWK açısından da küçük bir iyileşme sağlamıştır. Ateşman karşılaştırma modeli ise genel olarak oldukça zayıf bir performans sergilemiştir. Genel olarak bulgular, özellik temelli RF modelinin güçlü bir temel yaklaşım olmaya devam ettiğini; few-shot LLM'lerin anlam açısından değerli katkılar sunduğunu; model birleştirme yöntemlerinin tutarlı performans artışları sağladığını; ve bu çalışmanın küçük-N koşullarında basit birleştirme (concatenation) yönteminin hafif bir dikkat (attention) mekanizmasından daha etkili olduğunu göstermektedir.

Özet (Çeviri)

Determining age-appropriate books for children is a multifaceted task that requires the balanced consideration of linguistic, cognitive, and thematic factors. This thesis introduces an artificial intelligence–assisted framework designed to estimate the Suitable Age Value (SAV) of Turkish children's books spanning the 2–18 age range. Using a dataset of 300 Turkish children's books, repeated, stratified 5 x 5 cross-validation is conducted, and out-of-fold (OOF) metrics with 95% confidence intervals are reported. As classical baselines, linear/ElasticNet, SVR, Random Forest (RF), and XGBoost models are trained on engineered features, and a rule-based Ateşman readability measure is also evaluated. For textual data, a frozen dbmdz/bert-base-turkish-uncased encoder is incorporated into two hybrid architectures, Concat and Attention-gated, together with fold-specific PCA and metadata selection; augmentation is applied exclusively to training folds. In addition, a few-shot LLM pipeline (GPT-4o-mini) is examined, along with a convex ensemble combining RF and LLM predictions. The few-shot LLM exhibits markedly superior performance compared with the zero-shot configuration, whose results are inconsistent. Among the hybrid models, the Concat architecture yields better performance than the Attention-gated variant, although both remain below the strongest classical baseline. A convex RF–LLM blend, optimized via bootstrap out-of-bag sampling, attains lower RMSE and MAE than its individual components and provides a marginal improvement in QWK. The Ateşman baseline performs substantially worse in comparison. Overall, the findings indicate that feature-based RF continues to serve as a strong baseline; few-shot LLMs contribute valuable semantic information; blending approaches offer consistent performance gains; and under the small-N conditions of this study, simple concatenation proves more effective than a lightweight attention mechanism.

Benzer Tezler

  1. Tez No

    825118

    Lumbar vertebraların bilgisayarlı tomografi görüntülerinden ölçülen yükseklik ve derinlik değerlerinin yapay zeka ile cinsiyet tayininde kullanılabilirliği

    "Usability of height and depth values measured fromcomputerized tomography images of lumbar vertebra ingender determination by artificial intelligence

    AYSUN KARACA YALÇIN

    Doktora

    Türkçe

    Türkçe

    2023

    Radyoloji ve Nükleer TıpOndokuz Mayıs Üniversitesi

    Radyolojik Bilimler Ana Bilim Dalı

    PROF. DR. BÜNYAMİN ŞAHİN

    DOÇ. DR. MUHAMMED KAMİL TURAN

  2. Tez No

    842520

    Artificial intelligence assisted prognostic marker determination from colonoscopy and histopathology images for colon polyps

    Kolon polipleri için kolonoskopi ve histopatoloji görüntülerinden yapay zekâ destekli prognostik belirteç tespiti

    REFİKA SULTAN DOĞAN

    Doktora

    İngilizce

    İngilizce

    2023

    GastroenterolojiAbdullah Gül Üniversitesi

    Biyomühendislik Ana Bilim Dalı

    PROF. DR. BÜLENT YILMAZ

  3. Tez No

    1000008

    Preoperatif verilerle yapay zeka destekli endodontik tedavi prognozunun belirlenmesi

    Artificial intelligence-supported endodontic treatment prognosis determination with preoperative data

    ŞEVVAL AYTÖRE KAPLAN

    Diş Hekimliği Uzmanlık

    Türkçe

    Türkçe

    2025

    Diş HekimliğiNecmettin Erbakan Üniversitesi

    Endodonti Ana Bilim Dalı

    PROF. DR. ARSLAN TERLEMEZ

  4. Tez No

    812942

    Sefalometrik analizlerde kullanılan bilgisayar destekli yarı otomatik yöntemin yapay zekâ tabanlı tam otomatik yöntemle karşılaştırılması

    Comparison of the computer aided semi-automatic method and the ai-based fully automatic method, used in cephalometric analysis

    DENİZ KARA

    Diş Hekimliği Uzmanlık

    Türkçe

    Türkçe

    2023

    Diş HekimliğiSivas Cumhuriyet Üniversitesi

    Ortodonti Ana Bilim Dalı

    PROF. DR. CENK DORUK

  5. Tez No

    913047

    Farmasötik bileşenlerin makine öğrenmesi yöntemleri ile kimliklendirilmesi ve etken madde tespiti

    Identification of pharmaceutical constituents and detection of active substances using machine learning methods

    HİRA BERİL KÜÇÜK

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAtatürk Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. İBRAHİM YÜCEL ÖZBEK

Geri Dön