Makine öğrenmesi algoritmaları ile çalışanların iş tatminini etkileyen faktörlerin analizi
Analysing the factors affecting employees' job satisfaction with machine learning algorithms
- Tez No: 989490
- Danışmanlar: PROF. DR. NURAN BAYRAM ARLI
- Tez Türü: Yüksek Lisans
- Konular: Ekonometri, İstatistik, Econometrics, Statistics
- Anahtar Kelimeler: Yapay zeka ve makine öğrenmesi dersi, Artificial intelligence and machine learning course
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Bursa Uludağ Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Ekonometri Ana Bilim Dalı
- Bilim Dalı: İstatistik Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Günümüz iş yaşamında dijitalleşme, rekabet ve yoğun iş temposu, çalışanların psikolojik iyi oluşunu ve iş doyumunu önemli ölçüde etkilemektedir. Bu araştırmanın amacı, çalışanların iş tatminini etkileyen psikososyal faktörleri makine öğrenmesi algoritmaları aracılığıyla tahmin etmektir. Araştırmanın kuramsal temelini İş Talepleri Kaynakları (JD-R) modeli oluşturmaktadır. Model kapsamında iş talepleri ve iş kaynakları arasındaki dengenin iş tatminine etkisi incelenmiştir. Çalışmanın örneklemini, Türkiye'de farklı sektörlerde görev yapan 309 beyaz yakalı çalışan oluşturmaktadır. Veriler çevrimiçi anket yöntemiyle toplanmıştır. Katılımcılara uygulanan ölçme araçları arasında İş Tatmini Ölçeği, Çalışan Kıskançlığı Ölçeği, Kişilerarası Çatışma Ölçeği, Niceliksel İş Yükü ve İş Yaşamında Yalnızlık Ölçeği yer almaktadır. Elde edilen veriler, Doğrusal Regresyon, Karar Ağaçları (CART), Rassal Orman, Destek Vektör Makineleri (DVM) ve Yapay Sinir Ağları (YSA) algoritmaları kullanılarak analiz edilmiştir. Analiz sonuçlarına göre, Yapay Sinir Ağları modeli en yüksek açıklama gücüne (R² = 0.31) ulaşmıştır. Araştırma, örgütsel davranış alanında makine öğrenmesi yöntemlerini uygulayarak hem kuramsal hem de yöntemsel açıdan özgün bir katkı sunmaktadır. Bulgular, iş tatminini artırmaya yönelik stratejilerin yalnızca maddi faktörlere değil, aynı zamanda sosyal destek, arkadaşlık ilişkileri ve mesleki gelişim fırsatlarına da odaklanması gerektiğini ortaya koymaktadır.
Özet (Çeviri)
In today's work environment, digitalization, competition, and intense work pace significantly affect employees' psychological well-being and job satisfaction. The aim of this study is to predict the psychosocial factors affecting employee job satisfaction through machine learning algorithms. The theoretical basis of the study is the Job Demands–Resources (JD-R) model. Within the scope of the model, the effect of the balance between job demands and job resources on job satisfaction was examined. The sample of the study consists of 309 white-collar employees working in different sectors in Turkey. Data were collected using an online survey method. The measurement tools applied to the participants included the Job Satisfaction Scale, Employee Envy Scale, Interpersonal Conflict Scale, Quantitative Workload, and Loneliness in Work Life Scale. The obtained data were analyzed using Linear Regression, Decision Trees (CART), Random Forest, Support Vector Machines (SVM), and Artificial Neural Networks (ANN) algorithms. According to the analysis results, the Artificial Neural Networks model achieved the highest explanatory power (R² = 0.31). The research makes an original contribution both theoretically and methodologically by applying machine learning methods in the field of organizational behavior. The findings reveal that strategies aimed at increasing job satisfaction should focus not only on material factors but also on social support, friendship relationships, and professional development opportunities.
Benzer Tezler
- Software defect prediction with a personalization focus and challenges during deployment
Kişiselleştirme odaklı yazılım hata tahmini ve entegrasyon zorlukları
BEYZA EKEN
Doktora
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYŞE TOSUN KÜHN
- A support decision system for predicting rating values of preproduction TV content: An explainable machine learning approach
Yayınlanmamış TV içeriğinin reyting değerinin tahmin edilebilmesi için karar destek sistemi: Bir açıklanabilir makine öğrenimi yaklaşımı
BURAK BATIBAY
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
PROF. DR. ATABEY KAYGUN
- Prediction of COVID 19 disease using chest X-ray images based on deep learning
Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini
ISMAEL ABDULLAH MOHAMMED AL-RAWE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- Forecasting the performance of shale gas wells using machine learning
Makine öğrenmesi kullanarak şeyl gaz kuyularının performansının tahmin edilmesi
MOHAMMED SHEDAIVA
Yüksek Lisans
İngilizce
2023
Petrol ve Doğal Gaz Mühendisliğiİstanbul Teknik ÜniversitesiPetrol ve Doğal Gaz Mühendisliği Ana Bilim Dalı
DOÇ. DR. FAZIL EMRE ARTUN
- Randomize olmayan klinik çalışmalarda en uygun eşleştirme analizi için makine öğrenme algoritmaları ile yeni propensity skor tahmin modellerinin geliştirilmesi
Development of new propensity score estimation models with machine learning algorithms for optimal matching analysis in non-randomized clinical trials
EMRE DEMİR
Doktora
Türkçe
2019
BiyoistatistikAnkara ÜniversitesiBiyoistatistik Ana Bilim Dalı
DOÇ. DR. SERDAL KENAN KÖSE