ÇOK BOYUTLU YOKSULLUK ÖLÇÜMÜNDE MAKİNE ÖĞRENME YÖNTEMLERİNİN KULLANIMI

Creative Commons License

Öztornacı B., Hayran S.

ARCENG 2. INTERNATIONAL MEDITERRANEAN SCIENTIFIC STUDIES CONFERENCE, Adana, Türkiye, 12 - 14 Eylül 2025, ss.45-51, (Tam Metin Bildiri)

  • Yayın Türü: Bildiri / Tam Metin Bildiri
  • Basıldığı Şehir: Adana
  • Basıldığı Ülke: Türkiye
  • Sayfa Sayıları: ss.45-51
  • Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
  • Çukurova Üniversitesi Adresli: Evet

Özet

Bu çalışma, çok boyutlu yoksulluk ölçümünde makine öğrenme yöntemlerinin artan kullanımını incelemektedir. Geleneksel gelir temelli yaklaşımların yetersizliklerine karşı geliştirilen çok boyutlu yoksulluk endeksleri, bireylerin sağlık, eğitim, barınma, enerjiye erişim ve sosyal katılım gibi yaşamın farklı alanlarındaki dezavantajlarını dikkate almaktadır. Ancak, bu ölçümlerin güvenilirliği ve güncelliği büyük ölçüde veri kaynaklarının niteliğine bağlıdır. Geleneksel anketler maliyetli, zaman alıcı ve sınırlı kapsama sahip olduğundan, yeni nesil veri kaynakları ve makine öğrenme algoritmaları giderek daha fazla önem kazanmaktadır. Son yıllarda yapılan araştırmalar, uydu görüntüleri, mobil telefon verileri, sosyal medya içerikleri ve idari kayıtların makine öğrenme algoritmalarıyla işlenerek yoksulluk göstergelerinin yüksek doğrulukla tahmin edilebileceğini göstermektedir. Son yıllarda yapılan çalışmalar, derin öğrenme yöntemleriyle mekânsal düzeyde yoksulluk haritalarının üretilebildiğini ortaya koymuştur. Bununla birlikte, veri temsiliyetindeki eksiklikler, algoritmik önyargılar, yorumlanabilirlik sorunları ve etik kaygılar bu yöntemlerin sınırlılıklarını oluşturmaktadır. Çalışma, çok boyutlu yoksulluk ölçümünde makine öğrenmenin sunduğu fırsatların yanı sıra sınırlılıklarını da ele almakta; gelecekteki araştırmalar için veri entegrasyonu, açıklanabilir yapay zekâ ve politika odaklı uygulamaların geliştirilmesini önermektedir.