Mimar Sinan Fine Arts University Institutional Repository
DSpace@MSGSÜ digitally stores academic resources such as books, articles, dissertations, bulletins, reports, research data published directly or indirectly by Mimar Sinan Fine Arts University in international standarts, helps track the academic performance of the university, provides long term preservation for resources and makes publications available to Open Access in accordance with their copyright to increase the effect of publications.Search MSGSÜ
İstatistiksel öğrenme yöntemleriyle bağışçı davranışlarının incelenmesi
Abstract
Sivil toplum kurumları, ihtiyacı olan bireylere yardım sağlamak ve sosyal sorunlara çözüm bulmak amacıyla faaliyet gösteren, kar amacı gütmeyen kuruluşlardır. Sivil toplum kurumları, faaliyetlerini sürdürebilmek için bağış toplamak zorundadırlar. Bağışçıların desteğini alabilmek için ise çeşitli yaklaşımlar kullanmaktadırlar. Bu yaklaşımlardan bir tanesi de istatistiksel öğrenme yöntemlerini kullanmaktır. İstatistiksel öğrenme, sivil toplum kurumlarının bağışçılarla etkileşimini artırmak, bağış miktarlarını optimize etmek ve bağışçıların bağışlarına devam etmelerine yönelik stratejiler oluşturmasında kullanılır. İstatistiksel öğrenme yöntemleri, bağışçı profillerini analiz ederek demografik veriler, bağış geçmişi, eğitim düzeyi gibi faktörleri kullanarak bağışçı davranışlarının tahmin edilmesini sağlamaktadır. Özellikle, düzenli bağış talimatı oluşturan bağışçıların talimatlarına devam edip etmeyecekleri konusunda yapılan tahmin çalışmaları, sivil toplum kuruluşları için kritik öneme sahiptir. Bu çalışma kapsamında, 2010-2024 yılları arasında yapılan bağışları kapsayan düzenli bağış talimatı veren toplam 38.913 bağışçıya ilişkin veri kullanılmıştır. Yapılan tez çalışmasında, farklı istatistiksel öğrenme yöntemleri kullanılarak düzenli bağış talimatı oluşturan bağışçıların talimatlarını iptal edip etmeyeceği üzerine bir tahmin çalışması gerçekleştirilmiştir. Rastgele orman, lojistik regresyon, destek vektör makineleri, naive bayes, XGBoost ve LightGBM modelleri kullanılarak gerçekleştirilen çalışmada, en başarılı modelin belirlenmesi için modellerin tahmin performansları karşılaştırılmıştır. Elde edilen sonuçlara göre XGBoost, LightGBM ve rastgele orman modellerinin özellikle iptal edilen talimatları tahmin etme konusunda diğer modellere göre daha etkili olduğu belirlenmiştir. Yapılan çalışma ile, sivil toplum kurumlarının bağışçılarıyla etkileşimini artırmak, kaynaklarını daha etkin kullanmak ve sosyal amaçlarına daha etkili bir şekilde hizmet etmek için veri odaklı kaynak geliştirme faaliyetlerinin yürütülmesine katkıda bulunulması hedeflenmektedir.
Collections
- Fen Bilimleri Enstitüsü [1728]
