Veri madenciliği ve bilgi keşfi (Kitap özeti)

International Journal of Social Sciences and Education Research

Bu çalışmada son yıllarda önemi giderek artan büyük veri, veri tabanları ve veri ambarlarında veri işleme için kullanılan yöntemler, gözle görünmeyen veri ilişkileri ve bunların veri tabanından keşfi için kullanılan yöntemler anlatılmıştır. Büyük miktarda veriyi incelemek için yapılandırılmış olan veri madenciliği, veri tabanları ile yakın bir ilişkiye sahiptir. Veri madenciliği bir çözüme ulaşmak için izlenecek olan yolu gösteren bir araçtır. Birçok disiplin tarafından farklı amaçlar için veri madenciliği kullanılmaktadır. Ülkemizde farklı seviyelerde, farklı bilim dallarında araştırma ve analiz amaçlı yapılan veri madenciliği çalışmaları özetlenmeye ve farklı uygulamalara değinilmeye çalışılmıştır. Yapılan çalışmalarda kullanılan yazılımlar ve birbirinden farklılıklarına değinilmiştir. Ayrıca veri madenciliğinde sıklıkla kullanılan sınıflama ve kümeleme algoritmalarının hangi tür veriler üzerinde kullanılabileceği, sonuçların yorumlanması ve anlamlandırılmasının önemi üzerinde durulmuştur.

Müşteri gizliliği algısı ve düzenleyici korumasının ilkeleri, teknoloji sektörünün nasıl çalıştığını belirler ve bunlar arasında yeni bir denge kurar. Bununla birlikte, en son teknolojilerde lider olan tüm ülkeler, esnek ve iş yanlısı olmaktan güçlü bir şekilde yana değildir. Bu, teknoloji alanında açıkça görülebilir. Kilit bir stratejik yaklaşım olarak özdüzenleme, çözümlerin daha geniş kapsamlı uygulanmasının temel bir faktörü olarak görülebilir. Bu bildirinin amacı, mahremiyet anlayışı, artan müşteri mahremiyeti endişeleri ve resmi idari stratejilerle bir araya gelen veri gizliliğine ilişkin düzenlemelerden kaynaklanan farklılıkları belirtirken yaklaşımları ortaya koymaktır. Uygulamaların müşteriler ve şirketler arasındaki ilişkilere etkisi üzerinde durulmuştur ve mevzuatlar ve müşteri mahremiyet algısı bağlamında analiz edilmiştir.

Son yıllarda Yapay Zeka ve Makine Öğrenmesi çalışmalarına artan ilgi, eğitim alanında yapılan çalışmalarda da veri madenciliği ve öğrenme analitiklerinin ilerlemesini teşvik etti. Veri madenciliği terimi araştırmacılar tarafından farklı biçimlerde tanımlanmıştır. Baker (2004) veri madenciliğini makine öğreniminin, istatistiksel çalışmaların, farklı sınıflandırma algoritmaları kullanılarak büyük veri setlerinden yeni yönelimler ve kalıplar çıkarma işlemi olarak tanımlamaktadır. Veri madenciliği ayrıca büyük miktardaki veri setinden farklı ve potansiyel olarak faydalı bilgilerin keşfedilmesi olarak bilinen KDD’nin de (knowledge discovery in database) bir alanıdır (Fayyad ve ark., 1996). Eğitim alanında yapılan veri madenciliği ise alanyazında Eğitsel Veri Madenciliği (EVM) olarak isimlendirilmektedir. EVM, veri olarak eğitime dair bilgileri sıklıkla çevrim içi kayıtlardan ve inceleme sonuçlarından elde edilen bilgileri kullanır. Bu bilgiler eğitsel kayıtlar, sınav sonuçları, bir uzaktan öğretim sisteminin kullanım bilgileri gibi bilgiler olabilirler. EVM bu bilgileri kullanarak varılacak kararların formülize edilmesi amacı güder. EVM teoriye yöneliktir ve pedagojik teoriyle bağlantıya odaklanır (Berland ve ark., 2014). Sosyal bilimlerde, halen, bilimsel topluluk tarafından geniş çapta kabul görebilecek bir teorik çerçeveyi desteklemeye yönelik çok az ampirik kanıt bulunmaktadır (Papamitsiou ve Economides, 2014). Gerçek dünyada, farklı öğrenme bağlamlarının büyüklüğü ve çeşitliği aslında EVM çalışmalarının da yönünü belirlemiştir. Öğrencilere, öğretmenlere ve okullara ait bilgiler çeşitlendikçe ve büyüdükçe EVM çalışmalarının da eğitim uygulamalarında kullanımı artmakta ve çalışmalar yoğunlaşmaktadır.

2012

Gunumuz teknolojisi hizla ilerlemekte ve her gecen gun gucu de artmaktadir. Bilgisayarlarin bilgi saklama kapasitelerinin artmasiyla birlikte bilgi kaydi yapilan alanlarin sayisi da artmaktadir. Bundan dolayi eldeki verilerin analizi ve sonucu bu verilerden kestirme yontemlerinin onemi karar vericiler icin gittikce artmaktadir. Bilgisayar sistemleri ile uretilen veriler tek baslarina degersizdir, cunku ciplak gozle bakildiginda bir anlam ifade etmezler. Bu veriler belli bir amac dogrultusunda islendigi zaman bir anlam ifade etmeye baslar. Bu yuzden buyuk miktardaki verileri isleyebilen teknikleri kullanabilmek buyuk onem kazanmaktadir. Bu ham veriyi bilgiye veya anlamli hale donusturme islemleri veri madenciligi ile yapilabilmektedir. Bu calismada veri madenciliginin gunumuz disiplinleri arasinda geldigi noktaya deginilmis ve Turkiye’de veri madenciligi uzerine yapilan calismalar ve gerceklestirilen uygulamalar incelenmistir

Son birkaç yıldır özellikle Batı Amerika' da iki kavram sıkça kullanılır oldu: "Büyük veri" ve "veri bilimi". 21. yüzyıl biliminin giderek veri ağırlıklı hale gelmesi nedeniyle, büyük ve karmaşık veri kümelerinden bilgi ortaya çıkarabilmek için yeni yeni analiz araçlarına ihtiyaç duyulmaya başlandı. 1997 yılında NASA araştırmacıları Michael Cox ve David Ellsworth tarafından ilk defa kullanılan "büyük veri" ifadesi, gittikçe kapasitesi artan verilerin kontrolünün ve yorumlanmasının oluşturacağı problemlere dikkat çekmek için kullanılmıştı. Büyük veriyi büyük yapan önemli üç faktör vardır: İşlenen verinin hacmi, verinin karmaşıklığı ve çeşitliliği ve bilgi giriş çıkış hızı. Büyük veri, bilinen ve çok kullanılan veri tabanı sistemlerinin işleyemeyeceği kadar geniş ve karmaşık veri kümelerinden oluştuğu için bu veriler istenilen düzeyde ne saklanabilir, ne de analiz edilebilir. Bu veri ancak doğru veri analiz araçları ve yetkin bir veri bilimciyle buluştuğunda hızlı ve doğru analiz edilerek, bir şirketin ya da bir projenin geleceği için ihtiyaç duyduğu çıkarımların elde edilmesini sağlamaya yardımcı olur.

2014

Kurumsal kaynak yonetimi urunlerinin gelismesi ve yayginlasmasisonucu, isletmelerin issureclerinden temin ettikleri verilerin karar verme asamasinda anlamlibilgilere donusturulmesinde bircok modelleme aracitasarlanmistir. Kurumsal sistemlerce toplanan veriler ile bu verilerin saklanmasive gerekli durumlarda kullanilmasiile karar destek sistemlerine bilgi beslemesi yapan isletme hafizasiolusmusve bu hafiza “kurumsal zeka” veya “iszekasi” (Buseiness Intelligence) olarak adlandirilmistir. Kurumsal zekâ; alinacak kararlara destek olmak uzere isdinamikleri uzerinde kesin ve belirgin bir anlayis gelistirmek uzere kullanilan yontem ve surecler butunudur. Kurumsal zeka dagitik veriler kullanilarak stratejik karar alma durumunda olan kisilere bilgi uretmektedir. Isletmenin kurumsal zekâ uygulamalarinda, veri madenciligi tekniklerinin kullanildiginive kurumsal kaynak planlama verilerine uyarlanmasi seklinde bilgi uretimi saglandigigorulmektedir. Genel olarak, kurumsal zeka, veri madenciligi ...

Eğitim Teknolojisi Kuram ve Uygulama, 2018

Data mining is a technique adopted in analyzing data, linking relationships and identifying significant information from current data. Hidden information, which are hard to grasp and which consume time, are revealed easily through data mining. For this reason, the number of studies on data mining has increased today. Data mining is adopted in many fields, including the field of education. With the increase in studies on educational systems, a research society on Educational Data Mining has been established. In the field of education; studies like students' learning behaviors, teaching, counselling, management, students' success situations, reasons for dropping out of school, elective course choices have been found in the literature. In this study, published studies related to educational data mining between 2006-2016 are examined. The articles in seven different databases considered to contain publications related to the field of educational data mining were examined under the specified criteria. The studies were analyzed based on criteria such as the year of being published, research topic, data type, study group, data collection instruments. According to the study findings, study topics are mainly about literature review and academic achievement. Study findings also indicate that the study group consists mainly of university and high school.

Bilgi teknolojilerinin gelişimi ve gündelik hayatın her aşamasında kullanılabilir hale gelmesiyle beraber, her alanda oldukça büyük miktarda veri birikmeye başlamıştır. Geleneksel sorgu ve raporlama araçlarının veri yığınları karşısında yetersiz kalması, işletme yöneticilerini ve karar alıcıları yeni arayışlara yöneltmiştir. Son yıllarda kullanım alanı yaygınlaşan ve önemi artan veri madenciliği, büyük hacimli veri yığınları içerisinde bulunan gizli ve değerli bilginin keşfedilmesini sağlayan bir dizi yöntemler bütünüdür. Günümüzde veri madenciliği ile ilgili akademik çalışmaların yapıldığı alanlardan birisi de turizmdir. Bu çalışmada, turizm alanında veri madenciliği üzerine dünyada ve Türkiye’de yapılan akademik çalışmalar incelenmiş; Türkiye’deki literatürdeki araştırma boşlukları tespit edilerek ileriye yönelik yapılacak çalışmalar için araştırmacılara tavsiyeler sunulmuştur.

Balıkesir Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 2016

Büyük veri verinin miktarının çokluğu ve çeşitliliği çağrışımını yapsa da özünde verinin değerinin yeniden keşfi sonrasında geleneksel veri analizi perspektifi yerine yeni araç ve yaklaşımlarla aslında verinin yeniden keşfedilmesini ifade eden trendin adıdır. Büyük veri işletmeler için çok ciddi bir kaynak teşkil edebilir hatta işletmelerin bizzat işi haline dönüşebilir. Bu çalışmada Büyük veri trendine kadar gerçekleşen son gelişmeler ve işletmeler ile ilişkisi ele alınacaktır.

2012