Affiliation:
1. ERZİNCAN BİNALİ YILDIRIM ÜNİVERSİTESİ
Abstract
Bu çalışmada Erzincan Binali Yıldırım Üniversitesi öğrencileri üzerinde bir araştırma yapılmıştır. Makine öğrenmesi yöntemleri kullanılarak öğrencilerin Covid-19’a yakalanma risklerini tahmin eden bir model geliştirilmiştir ayrıca Covid-19’un öğrenciler üzerindeki etkisi araştırılmıştır. Bu amaçla 2022 yılı Mart ayında Erzincan Binali Yıldırım Üniversitesi öğrencilerine bir dijital anket uygulanmıştır. Anket verilerine göre öğrencilerin makine öğrenmesi yöntemlerinden Karar Ağaçları, K-En Yakın Komşu, Destek Vektör Makineleri ve Naive Bayes ile Covid-19’a yakalanma riskleri tahmin edilmiştir ve pandeminin öğrenciler üzerindeki etkileri araştırılmıştır. Tüm tahmin modelleri analizleri karşılaştırmalı olarak sunulmuştur. Çalışmada oluşturulan tahmin modellerinin başarısını ölçmek için ise R2, RMSE ve MAE metrikleri kullanılarak modellerin belirlilik katsayısı ve hata değerleri sunulmuştur. Buna göre destek vektör makineleri ile yapılan tahmin sonucunda R2 değeri 0,9323 ile öğrencilerin Covid-19’a yakalanma riskleri en başarılı şekilde tahmin edilmiştir.
Reference29 articles.
1. 1. Duman, N. (2019). “Travma Sonrası Büyüme ve Gelişim”. Uluslararası Afro-Avrasya Araştırmaları Dergisi, 4 (7), 178-184.
2. 2. Can, E. (2020). “Coronavirüs (Covid-19) Pandemisi ve Pedagojik Yansımaları: Türkiye’de Açık ve Uzaktan Eğitim Uygulamaları”. Açıköğretim Uygulamaları ve Araştırmaları Dergisi, 6 (2), 11-53.
3. 3. Lalmuanawma, S, Hussain, J. and Chhakchhuak, L. (2020). “Applications of Machine Learning and Artificial İntelligence for Covid-19 (SARS-CoV-2) Pandemic: A review”. Chaos, Solitons & Fractals, 139, 110059.
4. 4. Samuel, J, Ali, G.G, Rahman, M, Esawi, E. and Samuel Y. (2020). “Covid-19 Public Sentiment Insights and Machine Learning for Tweets Classification”. Information, 11 (6), 314.
5. 5. Luca, G. et al. (2020). “GM-CSF Blockade with Mavrilimumab in Severe COVID-19 Pneumonia and Systemic Hyperinflammation: A Single-Centre, Prospective Cohort Study”. The Lancet Rheumatology, 2 (8), e465-e473.