Geri Dön

Akıllı saat ve istatistiksel veri madenciliği ile uyku analizi

Sleep analysis with smart watch and statistical data mining

PDF İndir

  1. Tez No: 973775
  2. Yazar: İSMAİL FATİH AKBUĞA
  3. Danışmanlar: DR. ÖĞR. ÜYESİ TALHA ENES GÜMÜŞ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Sakarya Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Elektronik Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Uyku, insan yaşamının devamlılığı ve sağlıklı işleyişi için temel bir biyolojik süreç olup hem fiziksel hem de zihinsel iyilik hâli üzerinde belirleyici bir rol oynamaktadır. Günümüzde hızlı yaşam temposu, stres, dijital bağımlılıklar ve düzensiz çalışma saatleri gibi faktörler, bireylerin uyku kalitesini ve süresini olumsuz yönde etkilemektedir. Bu durum, yalnızca bireysel düzeyde değil, toplumsal ölçekte de üretkenliği, dikkat düzeyini ve genel yaşam kalitesini düşürmektedir. Dolayısıyla uyku düzeninin bilimsel yöntemlerle incelenmesi ve uyku kalitesinin artırılmasına yönelik veriye dayalı çalışmalar yapılması büyük önem taşımaktadır. Son yıllarda gelişen akıllı teknolojiler, özellikle giyilebilir cihazlar aracılığıyla bireylerin günlük yaşam alışkanlıklarının nesnel biçimde takip edilmesini mümkün kılmıştır. Bu kapsamda, Fitbit markalı akıllı saatlerden elde edilen nabız ve uyku verileri, bireylerin uyku yapısını anlamada önemli bir veri kaynağı sunmaktadır. Bu tez çalışmasında, veri madenciliği teknikleri kullanılarak, Fitbit cihazlarından toplanan uyku sırasındaki nabız verileri analiz edilmiştir. Çalışmanın temel amacı, elde edilen bu veriler ışığında bireylerin uyku düzenini, uyku süresini ve uyku kalitesini etkileyen faktörleri istatistiksel olarak ortaya koymak ve yorumlamaktır. Analiz süreci, Python programlama dili kullanılarak Jupyter Notebook ortamında gerçekleştirilmiştir. Çalışmada ilk olarak kış mevsimine ait üç aylık dönem boyunca elde edilen veriler ayrı ayrı incelenmiştir. Her ay için uyku süresi, yatakta geçirilen toplam zaman, günlere göre değişim grafikleri ve uykunun etkinlik düzeyi görselleştirilerek değerlendirilmiştir. Ardından istatistiksel analiz aşamasına geçilmiş ve bu kapsamda T-Testi, üç farklı Regresyon analizi ve iki ANOVA testi uygulanmıştır. Bu yöntemlerle, güz mevsimi süresince bireylerin uyku alışkanlıklarındaki değişimler, haftanın günlerine göre uyku sürelerindeki farklılıklar, uyku eksikliğinin (uyku borcu) sonraki günlerdeki etkileri ve gün içi yapılan kısa süreli şekerlemelerin gece uykusu üzerindeki yansımaları araştırılmıştır. Elde edilen sonuçlar, literatürde yer alan bazı çalışmaların aksine, uyku eksikliğinin yalnızca kısa vadeli bir etki oluşturmadığını, sonraki günlerde de bireyin fizyolojik ve bilişsel performansını anlamlı biçimde etkilediğini ortaya koymuştur. ANOVA testi sonuçları, uyku borcunun birikimli şekilde etkisini sürdürdüğünü ve bireyin dinlenme kapasitesini azalttığını göstermektedir. Ayrıca, regresyon analizleri sonucunda, gün içi şekerlemelerin belirli koşullarda gece uykusunun süresi ve kalitesi üzerinde dengeleyici bir etkiye sahip olabileceği gözlemlenmiştir. Bu çalışmadan elde edilen bulgular, veri madenciliği yöntemlerinin biyolojik verilerin analizinde etkin biçimde kullanılabileceğini göstermektedir. Çalışma, yalnızca bireysel uyku alışkanlıklarını değerlendirmekle kalmayıp, gelecekte geliştirilecek kişisel uyku izleme ve öneri sistemleri için de önemli bir bilimsel alt yapı sunmaktadır. Yapay zekâ ve makine öğrenmesi tabanlı yaklaşımların bu alana entegre edilmesiyle, bireylerin uyku kalitesini gerçek zamanlı olarak optimize eden, kişiye özel öneriler sunan sistemlerin geliştirilmesi mümkün olacaktır. Sonuç olarak bu tez, teknolojik cihazlardan elde edilen verilerin veri madenciliği ve istatistiksel analiz yöntemleriyle birleştirilerek insan yaşam kalitesini artırma potansiyeline sahip olduğunu ortaya koymaktadır. Gelişen teknoloji ile, bu tür analizlerin daha büyük veri setleri üzerinde gerçekleştirilmesi, uyku davranışlarını daha kapsamlı biçimde açıklamaya ve toplum genelinde sağlıklı yaşam bilincini güçlendirmeye katkı sağlayacaktır.

Özet (Çeviri)

Sleep is a primary biological imperative, not only maintaining human life but also guaranteeing the essential balance of physical and psychological health. Adequate and high-quality sleep plays a crucial role in restoring physiological functions, enhancing cognitive performance, and maintaining emotional stability. However, in modern society, sleep quality has been significantly compromised due to factors such as fast-paced lifestyles, increased stress levels, digital dependency, and irregular working hours. These disruptions not only affect individual health but also decrease productivity, concentration, and overall quality of life at the societal level. Therefore, scientific investigation of sleep patterns and the development of data-driven approaches to improve sleep quality have become a major field of interest across multiple disciplines including health sciences, data analytics, and artificial intelligence. With the advancement of wearable technologies, it has become possible to monitor and collect physiological data continuously in daily life. Devices such as smartwatches and fitness trackers provide objective, real-time data on heart rate, sleep duration, movement, and other biological indicators. Among these devices, Fitbit smartwatches are widely used due to their ability to record heart rate variability and sleep phases with a relatively high level of accuracy. In this thesis study, heart rate data collected from Fitbit devices during sleep were analyzed using data mining techniques. The primary aim of the research was to examine sleep quality, duration, and variability through quantitative analysis and to identify significant factors affecting sleep behavior. The entirety of the data analysis and statistical modeling was executed in a Jupyter Notebook utilizing the Python programming language. Various statistical and data mining methods were applied to interpret the collected data effectively. The study initially focused on a three-month winter period, during which daily sleep and heart rate data were gathered and analyzed separately for each month. The analysis included descriptive statistics, data visualizations, and pattern recognition techniques to evaluate parameters such as total time spent in bed, actual sleep duration, and day-to-day variations in sleep efficiency. In the second stage, inferential statistical analyses were carried out to test specific hypotheses regarding sleep behavior. The applied methods included a T-test, three different regression analyses, and two ANOVA (Analysis of Variance) tests. These techniques were employed to investigate several key questions: how sleep habits change throughout the autumn season, how sleep duration varies depending on the day of the week, how sleep deprivation (or sleep debt) affects subsequent days, and how daytime naps influence nighttime sleep quality. Each analysis was structured to provide insight into the behavioral and physiological dimensions of sleep. The findings revealed several noteworthy results. Contrary to some findings reported in previous literature, the ANOVA results demonstrated that sleep deprivation significantly affects physiological performance and subjective well-being in the days following inadequate sleep. The data indicated a cumulative effect of sleep debt, suggesting that recovery requires more than a single night of adequate rest. Regression analyses further revealed that under certain conditions, short daytime naps may have a compensatory and balancing effect on total sleep quality. However, excessive or irregular napping was observed to have a potential negative impact on subsequent nighttime sleep duration and efficiency. In addition to the statistical analyses, data visualizations such as time-series plots, histograms, and regression curves were generated to enhance the interpretability of the results. These visual representations provided a clearer understanding of the relationships between sleep duration, bedtime consistency, heart rate variability, and overall sleep quality. The combined use of exploratory data analysis and inferential statistics allowed for a comprehensive evaluation of both the quantitative and behavioral aspects of sleep. The results underscore the transformative capabilities of utilizing data mining as a core analytical methodology for biological and behavioral research. Through the integration of statistical modeling, data visualization, and computational analysis, it was possible to uncover meaningful patterns that contribute to understanding individual sleep dynamics. Furthermore, the use of open-source tools such as Python and Jupyter Notebook highlights the accessibility and reproducibility of this approach for future researchers. Beyond its immediate findings, this research also carries implications for the future of personalized health technologies. As artificial intelligence (AI) and machine learning methods continue to evolve, the integration of these techniques into wearable devices could enable the development of adaptive systems that monitor sleep in real time and provide personalized recommendations to optimize rest. For instance, algorithms could analyze a user's heart rate variability, daily activity levels, and sleep duration to suggest optimal bedtime schedules or identify early signs of sleep disorders. Such AI-driven feedback systems have the potential to promote healthier sleep habits and, by extension, improve overall well-being. This thesis therefore contributes both methodologically and practically to the growing field of sleep analytics. On a methodological level, it demonstrates how raw physiological data collected from consumer-grade wearable devices can be effectively processed and interpreted using established statistical and data mining methods. On a practical level, it shows how these insights can inform personalized interventions to enhance sleep quality. The study's approach, which combines descriptive, inferential, and predictive analytics, provides a structured framework that can be extended to larger datasets and more diverse populations in future research. In conclusion, the present research illustrates that integrating wearable technology data with data mining and statistical analysis methods can provide valuable insights into human sleep behavior and its determinants. The findings support the view that sleep quality is not only influenced by the amount of time spent asleep but also by behavioral consistency, physiological responses, and external lifestyle factors. As technological capabilities continue their rapid expansion, it is anticipated that future studies will utilize even more sophisticated AI-based models to predict sleep disturbances, recommend individualized interventions, and ultimately improve public health outcomes. This thesis thus represents an important step toward that direction, providing a solid foundation for future interdisciplinary studies combining data science, health informatics, and behavioral research.

Benzer Tezler

  1. Tez No

    104

    Sivas'ta kadınların işgücüne katılım farklılıkları

    Başlık çevirisi yok

    BİNNUR ERCEM

    Yüksek Lisans

    Türkçe

    Türkçe

    1984

    SosyolojiCumhuriyet Üniversitesi

    Kurumlar Sosyolojisi Ana Bilim Dalı

    YRD. DOÇ. DR. FARUK KOCACIK

  2. Tez No

    870

    Banka kredilerinin ekonomide yarattıkları etkiler

    Başlık çevirisi yok

    NİHAL ÜÇSU

    Yüksek Lisans

    Türkçe

    Türkçe

    1987

    Ekonomiİstanbul Üniversitesi

    İktisat Ana Bilim Dalı

    PROF. DR. HAYRİ ERDOĞAN ALKİN

  3. Tez No

    896

    Reklam pazarlama

    Başlık çevirisi yok

    A.SELÇUK TUNA

    Yüksek Lisans

    Türkçe

    Türkçe

    1987

    Reklamcılıkİstanbul Üniversitesi

    Gazetecilik Ana Bilim Dalı

    DOÇ. DR. MEHMET NİYAZİ ÖKTEM

  4. Tez No

    1161

    Dönemsel yayınlarımızda reklamcılık işlevi ve basının kamuoyu oluşturma görevi ile ilişkisi

    Başlık çevirisi yok

    NEYLAN GÖNLÜYÜCE

    Yüksek Lisans

    Türkçe

    Türkçe

    1987

    Gazetecilikİstanbul Üniversitesi

    Gazetecilik Ana Bilim Dalı

    PROF. DR. KAYIHAN İÇEL

  5. Tez No

    1073

    Tedarik süresi ve/veya talebin belirsiz olduğu durumlarda emniyet stokunun belirlenmesi

    Başlık çevirisi yok

    ÖZCAN GÖKÇEN

    Yüksek Lisans

    Türkçe

    Türkçe

    1987

    Endüstri ve Endüstri MühendisliğiGazi Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. FEVZİ KUTAY

Geri Dön