摘要：Somatizasyon ve duygusal öz farkındalık kavramları üzerinden makine öğrenmesi yöntemlerinden biri olan gözetimli öğrenmenin sınıflandırma algoritmaları ile bireylerin şiddet mağduriyetlerinin tahmin edilmesi amacını taşıyan bu çalışma 149 (%27) erkek ve 403 (%73) kadın olmak üzere toplam 552 katılımcıdan oluşmaktadır. Araştırmada veri toplama araçları olarak Kişisel Bilgi Formu, Somatizasyon Ölçeği ve A Duygusal Öz Farkındalık Ölçeği-10 (A-DÖFÖ-10) kullanılmıştır. Makine öğrenmesinde sıkça kullanılan sınıflandırma algoritmalarından K-En Yakın Komşu, destek vektör makinaları, Naive Bayes ve lojistik regresyon kullanılmış; ilgili sınıflayıcıların performans karşılaştırması model başarım ölçütlerine göre yapılmıştır. Doğruluk ve f1-skoru değerleri göz önüne alındığında en iyi sınıflama performansı 0.74 doğruluk ve 0.82 f1-skoru değeri ile Lojistik Regresyondan elde edilmiştir. Bu doğrultuda somatizasyon ve duygusal öz farkındalık kavramları üzerinden makine öğrenmesi yöntemleri ile bireylerin şiddet mağduriyetlerinin belirli bir doğruluk oranında tahmin edilebildiğini söylemek mümkündür.
其他摘要：This study is intended to predict the violent victimization of individuals through the classification algorithms of supervised learning, one of the methods of machine learning through somatization and emotional self-awareness concepts, and 149 (27%) male and It consists of a total of 552 participants, including 403 (73%) women. Personal Information Form, Somatization Scale and An Emotional Self Awareness Scale-10 (A-DÖFÖ-10) were used as data collection tools in the study. K-Nearest Neighbor, support vector machines, Naive Bayes and logistics regression were used, one of the classification algorithms frequently used in machine learning; the performance comparison of the relevant classers was made according to the model performance criteria. Given accuracy and f1-score values, the best classification performance was derived from Logistics Regression with 0.74 accuracy and 0.82 f1-score value. Accordingly, it is possible to say that the methods of machine learning through somatization and emotional self-awareness concepts can be estimated at a certain rate of accuracy of the victimization of violence of individuals.
