Analysis of Turkey’s position in perspective of science and technology via alternative classification techniques

Year 2021, Volume: 8 Issue: 1, 35 - 45, 11.01.2021

Ayşegül Kaplan Karol Selay Giray Yakut , Ceren Camkıran

https://doi.org/10.15637/jlecon.8.1.04

Abstract

In this study, the position of Turkey within 60 countries was examined with six variables associated with the perspective of the science and technology in the 2014 period of the World Values Survey (WVS). For this purpose, different Clustering Analysis techniques and Multidimensional Scaling analysis were used. Since outliers were detected in the data set, it was obtained more homogeneous clusters compared to the K-Means method by applying Robust Clustering Analysis. With Multidimensional Scaling, graphical dimensions of the locations of the countries were obtained and Clustering Analysis results were supported.. As a result, when the clusters obtained with different approaches are compared, it is observed that similar country profiles are in the same cluster. When Ward, K-means and trimmed k-means clusters examined, it has been observed that Turkey has similarities with particularly Islamic countries, Egypt, Pakistan, and Kuwait. Besides the Islamic countries, Turkey has similarities with former Soviet countries, Armenia, Russia and Ukraine. According to the cluster structures obtained from each method, Turkey has similar perspective most with former Soviet countries.

Keywords

Trimmed k-means, Robust Clustering, Science and Technology, Multidimensional Scaling

Bilim ve teknolojiye bakış açısına göre Türkiye’nin konumunun alternatif sınıflandırma teknikleri ile analizi

Abstract

Bu çalışmada, Dünya Değerler Araştırması’nın (WVS) 2014 döneminde bilim ve teknolojiye bakış açısı ile ilişkilendirilen altı değişken alınarak 60 ülke arasında Türkiye’nin konumu incelenmiştir. Bu amaçla, farklı Kümeleme Analizi teknikleri ve Çok Boyutlu Ölçekleme kullanılmıştır. Veri setinde aykırı gözlem tespit edildiğinden Robust Kümeleme Analizi uygulanarak, K-Ortalamalar yöntemine göre daha homojen kümeler elde edilmiştir. Çok Boyutlu Ölçekleme ile ülkelerin konumlarının grafiksel boyutları elde edilerek, Kümeleme Analizi sonuçları desteklenmiştir. Sonuç olarak, farklı yaklaşımlar ile elde edilen kümeler karşılaştırıldığında benzer ülke profillerinin aynı kümede olduğu gözlemlenmiştir. Ward, K-Ortalamalar ve K-Kırpılmış Ortalamalar yöntemleri ile elde edilen kümeler incelendiğinde Türkiye’nin, özellikle İslam ülkelerinden Mısır, Pakistan, Kuveyt ile benzerlik gösterdiği gözlemlenmiştir. Türkiye’nin belirtilen İslam ülkelerinin dışında benzerlik gösterdiği diğer ülkeler ise Eski Sovyet ülkelerinden olan Ermenistan, Rusya ve Ukrayna’dır. Her bir yöntemden elde edilen küme yapıları incelendiğinde, Türkiye’nin en çok Eski Sovyet Ülkeleri ile benzer bakış açısına sahip olduğu bulgusuna ulaşılmıştır.

Keywords

K-Kırpılmış Ortalamalar, Robust (Dayanıklı) Kümeleme, Bilim ve Teknoloji,, Çok Boyutlu Ölçekleme

References

• ALEGRE, J., & CHIVA, R. (2008). Assessing The Impact Of Organizational Learning Capability On Product Innovation Performance: An Empirical Test, Technovation, 28(6), 315-326.
• ALTAŞ, D. & GİRAY, S. (2008). Avrupa Birliği ve OECD’ye Üyelikte Etkili Olan Ekonomik ve Demografik Değişkenlerin İncelenmesi. Marmara Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, Cilt 24.
• AYKIN, S. M., & KORKMAZ, A. (2014). Türkiye ve Üye Ülkelerin AB-2020 Stratejisi Göstergeleri Açısından Kümelenmesi. Eskişehir Osmangazi Üniversitesi İktisadi ve İdari Bilimler Dergisi, 9(1), 7-20.
• BERBEROĞLU, B. (2010). Yaşam Boyu Öğrenme İle Bilgi Ve İletişim Teknolojilerin Açısından Türkiye’nin Avrupa Birliği’ndeki Konumu. Bilgi Ekonomisi ve Yönetimi Dergisi, 5(2).
• CAPELLO, R., & LENZI, C. (2014). Spatial Heterogeneity In Knowledge, Innovation, And Economic Growth Nexus: Conceptual Reflections And Empirical Evidence. Journal of Regional Science, 54(2), 186-214.
• ERSÖZ F. (2009). Avrupa İnovasyon Göstergeleri (EIS) Işığında Türkiye’nin Konumu. İTÜ Dergisi/b, Cilt 6.
• HAIR, J. F., ANDERSON, R. E., TATHAM, R. L. & BLACK, W. (2014). Multivariate Data Analysis. 7. Baskı. USA: Prentice Hall International INC.
• JOHNSON, R. A., & WICHERN, D. (2014). Multivariate analysis. Wiley StatsRef: Statistics Reference Online, 1-20.
• KALAYCI, Ş. (2014). Spss Uygulamalı Çok Değişkenli İstatistik Teknikleri. 6. Baskı. Ankara: Asil Yayın.
• KARAHAN, Ö., & GÖK, M. (2018). Türkiye’deki İnovasyon Politikası Tasarım Sürecinin Analizi. Anemon Muş Alparslan Üniversitesi Sosyal Bilimler Dergisi, 6(ICEESS’18), 247-254.
• KAUFMAN, L. R., & ROUSSEEUW, P. J. (1990). Finding Groups In Data: An Introduction To Cluster Analysis. Hoboken NJ John Wiley & Sons Inc, 725.
• KIRAL, G. & ESEN, U. B. (2013). Avrupa Birliği’ne Üye Ülkeler ile Türkiye’nin Ekonomik Özelliklerinin İstatistiksel Yöntemlerle İncelenmesi. Çukurova Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 22(1), 173-188.
• KRUSKAL, J. B. & WISH, M. (1978). Multidimensional Scaling, Sage Publication. Beverley Hills, California.
• KOLDERE AKIN, Y. (2008). Veri Madenciliğinde Kümeleme Algoritmaları ve Kümeleme Analizi. İstanbul: Marmara Üniversitesi SBE.
• ORHUNBİLGE, N. (2010). Çok Değişkenli İstatistik Yöntemler. İstanbul: İstanbul Üniversitesi Yayınları.
• ÖZBEK, H. & ATİK H. (2013). İnovasyon Göstergeleri Bakımından Türkiye ve Avrupa Birliği Ülkeleri Arasındaki Yeri; İstatistiksel Bir Analiz. Erciyes Üniversitesi İİBF Fakültesi Dergisi, 193-210.
• ÖZDAMAR, K. (2004). Paket Programlar ile İstatistiksel Veri Analizi-2 (Çok Değişkenli Analizler), Yenilenmiş 5. Baskı. Eskişehir: Kaan Kitapevi.
• ÖZKAYA, A. (2014). Türkiye’de Rekabet, Ar-Ge, İnovasyon ve Ekonomik Büyüme: Nasıl Bir İlişki Söz Konusudur? Maliye Dergisi, 166.
• SALUR, S. (2012). Bilgi Toplumu Parametreleri ve Ekonomik Büyüme Arasındaki İlişki (Panel Analiz). Adnan Menderes Üniversitesi Sosyal Bilimler Enstitüsü Yayınlanmamış Doktora Tezi.
• YORULMAZ, Ö. (2016). Dayanıklı İstatistiksel Yöntemler ve R Uygulamaları. 1. Basım. İstanbul: Beta Yayınevi.