Başlık: İyilik Hali Değerlendirmesi için Makine Öğrenimi: Dijital Biyobelirteçlerin Keşfi
Özet: Bu tez, dijital biyobelirteçleri kullanarak insan refahının (iyilik hali) farklı faktörlerini keşfetmek için giyilebilir sensörlerin ve kişisel anketlerin potansiyelini araştırmaktadır. Temel amaç, bu dijital biyobelirteçleri tanımlamak ve doğrulamak, bunları geleneksel psikolojik çalışmalarla karşılaştırmaktır. Makine öğrenimi modelleri; uyku, zihinsel sağlık (stres, kaygı, depresyon, olumlu ve olumsuz duygulanım ve akademik başarı dahil) farklı sağlık faktörlerini analiz etmek için eğitilmiş ve doğrulanmıştır. Bu araştırmalarda iki kapsamlı veri kümesi kullanılmıştır: NetHealth; 4 yıl boyunca 700'den fazla üniversite öğrencisinden ve Tesserae bir yıl boyunca 757 ofis çalışanından toplanmıştır. Zamansal kalıpları yakalamak için gecikmeli verilerin analizini ve çok görevli öğrenmeyi birleştiren gelişmiş teknikler, refah parametreleri arasındaki karmaşık ilişkileri çözmek için kullanılmıştır. Araştırma, sistemli bir şekilde ilerleyerek, başlangıçta tek bir iyilik hali faktörünün keşfinden zaman temelli ve çoklu görev yöntemlerine doğru evrilmektedir. Tez kapsamında, iyilik hali ve onu etkileyen faktörlerin daha kapsamlı bir şekilde anlaşılması için zamansal boyutları ve çok görevli öğrenme stratejilerini birleştirmenin önemi vurgulanmaktadır. Bulgularımız, güvenilir biyobelirteçlerin tanımlanmasına ve üniversite öğrencileri ve ofis çalışanlarından oluşan iki farklı hedef gruptaki çeşitli refah boyutları arasındaki ilişkilere dair bilgiler sunmaktadır. Bu çalışma, tek bir iyilik hali faktörü keşfinin ötesine geçerek sağlıklı yaşam çalışmalarının kapsamlılığını ve uygulanabilirliğini artırmayı hedefleyen yeni bir bakış açısı sunmaktadır.
Danışman: Assoc. Prof. Özlem Durmaz İncel
Eş-danışman: Prof. Arzucan Özgür
