"Stress and its Factors: An Analysis Using Machine Learning | Perceived stress scale replication in Turkish" [1]
[TR] Bu çalışmanın amacı, 150 kişinin algıladığı stres seviyesini belirlemek ve Türkçeye uyarlanmış sorulara verilen yanıtları makine öğrenmesi ile analiz etmektir. Test, 14 sorudan oluşur ve her bir soru 0 ile 4 arasındaki bir ölçekte puanlanır. Bu da toplam puan aralığını 0-56 olarak belirler. Bu sorulardan 7 tanesi negatif bağlamda formüle edilmiş ve bu doğrultuda puanlanırken, kalan 7 tanesi pozitif bağlamda formüle edilmiş ve puanlama ters şekilde yapılmıştır. Test ayrıca algılanan özyeterlik ve stres/rahatsızlık algısı olmak üzere iki alt faktörü belirlemek amacıyla tasarlanmıştır. Bu araştırmanın temel hedefleri, yapay zeka tekniklerini kullanarak test sorularının eşit öneme sahip olmayabileceğini göstermek, hangi soruların yanıtlanırken toplumsal anlamda farklılık gösterdiğini makine öğrenimi ile ortaya koymak ve sonuç olarak psikolojik olarak gözlemlenen belirgin kalıpların varlığını göstermektir. Bu çalışma, testin makine öğrenmesiyle tekrarlanması ile mevcut psikoloji literatüründen farklı bir perspektif sunmaktadır. Ayrıca, algılanan stres testinin sonuçlarını yorumlamada kullanılan ölçeğin doğruluğunu sorgulamakta ve test sorularının önem sıralamasındaki farklılıkların göz ardı edilmemesi gerektiğini vurgulamaktadır. Bu çalışmanın bulguları, stresle başa çıkma stratejileri ve terapötik yaklaşımlar açısından yeni bir bakış açısı sunmaktadır.
Çalışmanın makalesi: https://arxiv.org/pdf/2305.18473.pdf
[EN] The aim of this study is to determine the perceived stress levels of 150 individuals and analyze the responses given to adapted questions in Turkish using machine learning. The test consists of 14 questions, each scored on a scale of 0 to 4, resulting in a total score range of 0-56. Out of these questions, 7 are formulated in a negative context and scored accordingly, while the remaining 7 are formulated in a positive context and scored in reverse. The test is also designed to identify two sub-factors: perceived self-efficacy and stress/discomfort perception. The main objectives of this research are to demonstrate that test questions may not have equal importance using artificial intelligence techniques, reveal which questions exhibit variations in the society using machine learning, and ultimately demonstrate the existence of distinct patterns observed psychologically. This study provides a different perspective from the existing psychology literature by repeating the test through machine learning. Additionally, it questions the accuracy of the scale used to interpret the results of the perceived stress test and emphasizes the importance of considering differences in the prioritization of test questions. The findings of this study offer new insights into coping strategies and therapeutic approaches in dealing with stress.
Sonuçlar popülasyon üzerine her sorunun aynı etkiyi yaratmadığını ve belirli soruların da oldukça ayırt edici olduğunu göstermektedir. Burada yapılabilecek çıkarım, bazı soruların yapısından dolayı varyansa çok açık olmaması ve bu soruların popülasyondaki bireyleri ayırt etme konusunda anlamlı olmayacağıdır. Modeller sorular arasındaki bu ilişkileri minimum bilgiyle keşfetmektedir. Gelecekte, makineye daha fazla bilgi sağlayarak ve daha büyük bir popülasyon kullanarak bu çalışmanın replikasyonunun yapılması, soruların insanların stresini ölçmede ne kadar etkili olduğunu tanımlamada alternatif bir göz olarak yerini alabilir.
