Türkçe Özet -Elektronik ticaret platformlarında birçok farklı ürün türü müşterilerin nerede olduklarından bağımsız olarak satılabilmektedir. Bu platformlarda bulunan öneri sistemi kullanıcılar için ilgi çekici ürünlerin seçilmesi ve görüntülenmesinde kritik rol oynamaktadır. Yapılan bu çalışmada elektronik ticaret platformlarında bulunan müşterilere bir sonraki alacakları ürünlerin en doğru şekilde tavsiye edilmesi için makine öğrenmesi algoritmaları kullanılmış sonuçlar karşılaştırılmıştır. Tekil değer ayrışımı (Singular value decomposition-SVD) yönteminin daha başarılı sonuçlar elde ettiği gösterilmiştir.
Bu araştırma, beden eğitimi öğretmenlerinin metaverse bilgi düzeyleri tespit edilerek çeşitli değişkenler açısından karşılaştırılması amacıyla gerçekleştirilmiştir. Araştırmada ilişkisel tarama modeli uygulanmıştır. Araştırmanın evrenini Erzurum ilindeki okullarda görev yapan beden eğitimi öğretmenleri oluştururken, örneklem grubunu 136’sı erkek 21’i kadın olmak üzere 157 beden eğitimi öğretmeni oluşturmaktadır. Veri toplamak için katılımcıların demografik özelliklerini tespit etmek amacıyla araştırmacılar tarafından oluşturulan “Kişisel Bilgi Formu” ve beden eğitimi öğretmenlerinin metaverse hakkında bilgi düzeylerini belirlemek için ise Süleymanoğulları vd., (2022) tarafından geliştirilen 5’li Likert tip olan ve teknoloji, sosyal, dijitalleşme ve yaşam biçimi olmak üzere 4 alt boyut ve 15 sorudan oluşan “Metaverse Ölçeği” kullanılıştır. Beden eğitimi öğretmenlerinin demografik değişkenlerini tespit etmek amacıyla tanımlayıcı istatistik yapılmıştır. Katılımcıların cinsiyet, medeni durum ve metaverse terimini daha önce duyma durumlarına göre meteverse bilgi düzeylerini karşılaştırmak için T-Testi; yaş ve hizmet süresi değişkenine göre karşılaştırılmasında ise One-Way ANOVA testi uygulanmış olup anlamlılık düzeyi p=0,05 olarak belirlenmiştir. Katılımcıların cinsiyet ve hizmet sürelerine göre metaverse bilgi düzeylerinin karşılaştırılmasında anlamlı farklılıklara rastlanmamış (p>0,05); medeni durum, metaverse terimini duyma ve yaş değişkenine göre anlamlı farklılıklara rastlanmıştır (p
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
334 Leonard St
Brooklyn, NY 11211
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.