Akademik Veri Yönetim Sistemi
Fırat Üniversitesi Mühendislik Bilimleri Dergisi, cilt.38, sa.1, ss.285-298, 2026 (TRDizin)
Üniversite öğrencileri, akademik baskı ve sosyal zorluklar nedeniyle yüksek stres riski taşımaktadır. Bu çalışma, 2.000 öğrenciden elde edilen öz-bildirim temelli yaşam tarzı verilerini kullanarak stres düzeylerini makine öğrenmesi ile tahmin etmeyi amaçlamaktadır. Veri setindeki sınıf dengesizliği, eğitim aşamasında Koşullu Tablo Üretici Üretken Karşıt Ağ yöntemiyle üretilen sentetik verilerle giderilmiş; modeller tabakalı çapraz doğrulama ile test edilmiştir. Karşılaştırılan beş algoritma arasında Rastgele Orman modeli hem dengeli hem dengesiz veri setlerinde tüm örnekleri doğru sınıflandırarak en yüksek performansa ulaşmıştır (Doğruluk = 1.00; AUC = 1.00; Makro F1 = 1.00). Modelin karar mekanizması Shapley analizi ile incelenmiş; "Günlük Çalışma Süresi" ve "Uyku Süresi" en belirleyici faktörler olarak saptanmıştır. Elde edilen yüksek başarımın veri sızıntısı ya da rastlantısal uyumdan kaynaklanma olasılığı, bağımsız sınama kümesinin süreç boyunca ayrı tutulması ve sağlamlık kontrolleri olarak uygulanan ablasyon (özellik çıkarma) ile etiket permütasyon testi bulguları ile desteklenmiştir. Sonuçlar, sentetik veriyle desteklenen ve açıklanabilir yapay zeka ile doğrulanan modellerin, öğrencilerin stres düzeylerinin erken tespitinde güvenilir bir araç olduğunu göstermektedir.