Arşiv logosu
  • Türkçe
  • English
  • Giriş
    Yeni kullanıcı mısınız? Kayıt için tıklayın. Şifrenizi mi unuttunuz?
Arşiv logosu
  • Koleksiyonlar
  • DSpace İçeriği
  • Analiz
  • Talep/Soru
  • Türkçe
  • English
  • Giriş
    Yeni kullanıcı mısınız? Kayıt için tıklayın. Şifrenizi mi unuttunuz?
  1. Ana Sayfa
  2. Yazara Göre Listele

Yazar "Örs, Fatma Betül" seçeneğine göre listele

Listeleniyor 1 - 2 / 2
Sayfa Başına Sonuç
Sıralama seçenekleri
  • Küçük Resim Yok
    Öğe
    Üniversite öğrencilerinde serbest zaman fiziksel aktivitelere katılımı kısıtlayan faktörlerin cinsiyete ve düzenli fiziksel aktivite alışkanlığına göre karşılaştırılması
    (2022) Can, Hilal Başak; Örs, Fatma Betül; Keklicek, Hilal
    Amaç: Araştırmanın amacı, üniversite öğrencilerinde serbest zaman fiziksel aktivitelere katılımı kısıtlayan faktörlerin cinsiyete ve düzenli fiziksel aktivite alışkanlığına göre incelenmesi ve karşılaştırılmasıydı. Yöntem: Katılımcıların sosyodemografik ve fiziksel özellikleri, düzenli fiziksel aktivite alışkanlığı ve Serbest Zaman Fiziksel Aktivite Kısıtlayıcıları Ölçeği ile serbest zamanda fiziksel aktiviteye katılımlarını kısıtlayan faktörler Google Form’da hazırlanan form ile sorgulandı. Bulgular: Araştırmaya katılmaya gönüllü olan ve formu eksiksiz dolduran 362 (268 kadın/94 erkek) katılımcının verileri analiz edildi. Cinsiyet değişkenine göre yapılan incelemede, kısıtlayıcı faktörlerin başında kadınlar için sosyal çevrenin, erkekler için ise gelirin geldiği ve kadınların erkeklere kıyasla zaman (p<0,05), yetenek algısı (p<0,05), sosyal çevre (p<0,05) ve irade (p<0,001) faktörlerini daha fazla kısıtlayıcı olarak gördüğü bulundu. Düzenli fiziksel aktivite alışkanlığı değişkenine göre yapılan incelemede, düzenli fiziksel aktivite alışkanlığı olan ve olmayan katılımcılarda kısıtlayıcı faktörlerin başında sosyal çevrenin geldiği ve düzenli fiziksel aktivite alışkanlığı olmayan katılımcıların olanlara kıyasla fiziksel algı (p<0,05), gelir (p<0,05), zaman (p<0,001), yetenek algısı (p<0,001), sosyal çevre (p<0,001), tesis (p<0,001) ve irade (p<0,001) faktörlerini daha fazla kısıtlayıcı olarak gördüğü saptandı. Kadınların erkeklere kıyasla (p<0,05) ve düzenli fiziksel aktivite alışkanlığı olmayanların olanlara kıyasla (p<0,001) kısıtlayıcılarla daha fazla karşılaştığı bulundu. Sonuç: Kadınların erkeklere göre ve düzenli fiziksel aktivite yapmayanların yapanlara göre daha fazla faktörü fiziksel aktivite kısıtlayıcısı olarak kabul ettiği görüldü. Sosyal çevre başta olmak üzere fiziksel aktivite kısıtlayıcılarının motive edici faktörlere dönüştürülmesine yönelik üniversite bünyesinde yürütülecek çalışmalara ihtiyaç olduğu düşünülmektedir.
  • Yükleniyor...
    Küçük Resim
    Öğe
    Veri madenciliğinde veri dönüştürme yöntemlerinin sınıflandırma algoritmalarının performanslarına olan etkisi
    (Trakya Üniversitesi, Sağlık Bilimleri Enstitüsü, 2020) Örs, Fatma Betül; Süt, Necdet
    In this thesis, a simulation study was performed to investigate the effects of normalization and unsupervised discretization methods on naive Bayes (NB), C5.0 and support vector machine (SVM) algorithms. The effects of normalization and discretization methods on the three algorithms were found to be change. Normalization methods were generally ineffective in improving the performance of the C5.0 decision tree algorithm and the NB algorithm. Performance measures of the SVM algorithm were increased with normalization methods. When the most effective normalization method was investigated, it was observed that the response varies depending on the distribution of data, the number of observations and the distribution rates of the classes. Unsupervised discretization methods have generally not improved performance of the C5.0 algorithm, but have helped to achieve better results with NB and SVM. Unsupervised discretization methods increased NB performance only in classification of the datas produced from the F distribution, whereas SVM performance increased for datas produced from all sampling distributions. In the study, the C5.0 algorithm was least affected by data transformations, while SVM was the most affected algorithm. According to the overall performance of the algorithms, NB showed higher performance in classification of datas produced from normal and F distributions, whereas SVM performed better in classification of datas generated from chi-square distribution than the other methods.

| Trakya Üniversitesi | Kütüphane | Açık Erişim Politikası | Rehber | OAI-PMH |

Bu site Creative Commons Alıntı-Gayri Ticari-Türetilemez 4.0 Uluslararası Lisansı ile korunmaktadır.


Edirne, TÜRKİYE
İçerikte herhangi bir hata görürseniz lütfen bize bildirin

DSpace 7.6.1, Powered by İdeal DSpace

DSpace yazılımı telif hakkı © 2002-2025 LYRASIS

  • Çerez Ayarları
  • Gizlilik Politikası
  • Son Kullanıcı Sözleşmesi
  • Geri Bildirim