Divorce prediction using correlation based feature selection and artificial neural networks
| dc.authorid | 0000-0001-7620-0971 | |
| dc.authorid | 0000-0002-5007-5022 | |
| dc.authorid | 0000-0001-9483-4425 | |
| dc.contributor.author | Yöntem, Mustafa Kemal | |
| dc.contributor.author | Adem, Kemal | |
| dc.contributor.author | İlhan, Tahsin | |
| dc.contributor.author | Kılıçarslan, Serhat | |
| dc.date.accessioned | 2025-08-21T06:49:46Z | |
| dc.date.available | 2025-08-21T06:49:46Z | |
| dc.date.issued | 2019 | |
| dc.department | İktisadi ve İdari Bilimler Fakültesi | |
| dc.description.abstract | Within the scope of this research, the divorce prediction was carried out byusing the Divorce Predictors Scale (DPS) on the basis of Gottman couples therapy.Of the participants, 84 (49%) were divorced and 86 (51%) were married couples.Participants completed the “Personal Information Form” and “Divorce PredictorsScale”. In this study, the success of DPS, was investigated using MultilayerPerceptron Neural Network and C4.5 Decision tree algorithms. In addition, the studyalso aims to find the most significant features/items in the Divorce Predictors Scalethat affect the divorce. The most effective 6 features and their values of significanceobtained by applying the correlation-based feature selection method on the divorcedata set. When we look at these features, they are related to creating a common meaning and failed attempts to repair, love map and negative conflict behaviors.When the direct classification methods were applied to the divorce data set, thehighest success rate was 98.23% obtained with the RBF neural network. Afterselecting the most effective 6 features using the correlation-based feature selection method on the same data set, the highest accuracy rate obtained was 98.82% withANN. According to the results, DPS can predict divorce. Family counselors andfamily therapists can use this scale for contribute to the preparation of caseformulation and intervention plan. Also it can be said that the divorce predictors in the Gottman couples therapy were confirmed in the Turkish sampling. | |
| dc.description.abstract | Bu araştırma kapsamında, Gottman çift terapisini temel alan Boşanma Göstergeleri Ölçeği kullanılarak boşanma tahminlemesi yapılmıştır. Katılımcıların 84’ü (%49) boşanmış, 86’sı da (%51) halen evli olan bireylerden oluşmaktadır. Katılımcılara belirtilen ölçek uygulanarak çalışmada kullanılan veri kümesi oluşturulmuştur. Bu çalışmada ölçeğin başarısı Yapay Sinir Ağı, RBF Sinir Ağı ve Karar Ağacı algoritmaları kullanılarak incelenmiştir. Çalışma aynı zamanda Boşanma Göstergeleri Ölçeği’nde boşanmayı etkileyen en önemli özellikleri /maddeleri bulmayı da amaçlamaktadır. Boşanma veri kümesine korelasyon tabanlı özellik seçme yöntemi uygulanarak en etkili 6 özellik ve bu özelliklerin önem değerleri elde edilmiştir. Boşanma veri kümesine doğrudan sınıflandırma yöntemleri uygulandığında en yüksek başarı RBF sinir ağı ile %98.23 olarak elde edilmiştir. Aynı veri kümesine korelasyon tabanlı özellik seçme yöntemi uygulanarak elde edilen 6 özelliğe sınıflandırma yöntemleri uygulandığında ise en yüksek başarı oranı Yapay Sinir Ağı ile %98.82 olarak hesaplanmıştır. Sonuçlara göre, Boşanma Göstergeleri Ölçeği boşanmayı tahmin edebilir. Aile danışmanları ve terapistleri bu ölçeği vaka formülasyonu ve müdahale planının hazırlanmasına katkıda bulunmak için kullanabilirler. Ayrıca, Gottman çiftleri terapisindeki boşanma göstergelerinin Türk örneklemesinde doğrulandığı söylenebilir. | |
| dc.identifier.endpage | 273 | |
| dc.identifier.issn | 2149-3871 | |
| dc.identifier.issue | 1 | |
| dc.identifier.startpage | 259 | |
| dc.identifier.uri | https://hdl.handle.net/20.500.12451/13816 | |
| dc.identifier.volume | 9 | |
| dc.indekslendigikaynak | TR-Dizin | |
| dc.institutionauthor | Adem, Kemal | |
| dc.institutionauthorid | 0000-0002-3752-7354 | |
| dc.language.iso | en | |
| dc.publisher | Nevşehir Hacı Bektaş Veli Üniversitesi | |
| dc.relation.ispartof | Nevşehir Hacı Bektaş Veli Üniversitesi SBE Dergisi | |
| dc.relation.publicationcategory | Makale - Uluslararası Hakemli Dergi - Kurum Öğretim Elemanı | |
| dc.rights | info:eu-repo/semantics/openAccess | |
| dc.subject | Data Mining | |
| dc.subject | Artificial Neural Networks | |
| dc.subject | Divorce | |
| dc.subject | Divorce Prediction | |
| dc.subject | Veri Madenciliği | |
| dc.subject | Yapay Sinir Ağları | |
| dc.subject | Boşanma | |
| dc.subject | Boşanma Tahminleme | |
| dc.title | Divorce prediction using correlation based feature selection and artificial neural networks | |
| dc.type | Article |
