MARKOV ZİNCİRLERİ MODELLEMESİ İLE GENÇLERİN SPOR AYAKKABI MARKA TERCİHLERİNİN BELİRLENMESİ
Notice bibliographique
Résumé
Stokastik süreçlerin bir çeşidi olan Markov zincirleri önceden tahmin edilemeyen süreçlerde uygulanır. Markov zincirleri matematiksel bir modeldir. Ancak sosyal bilimlerde de pek çok alanda kullanılabilmektedir. Bu çalışmada, genç tüketicilerin spor ayakkabı marka tercihleri belirlenmeye çalışılmıştır. Markov zincirleri analizi için Ankara ilinde yaşayan 14-19 yaş arası genç tüketiciler araştırmaya dahil edilmiştir. Katılımcıların, %47’si (N=102) erkek ve %53’ü (N= 115) kadın olmak üzere toplam 217 katılımcı olarak belirlenmiştir. Araştırma sonucunda, Spor ayakkabısı için marka bağlılığı “0,4483” ile en yüksek Nike markasındadır. Aynı markayı tercih olasılıkları Adidas için %36,11, Reebok için %18,18 Skechers için %33,33, Puma için %14,29, New Balance için %11,11 olarak hesaplanmıştır. Uzun dönemde gençlerin spor ayakkabısı tercihlerinin; %33,02’sinin Nike, %30,47’sinin diğer markalar, %23,32’sinin Adidas, %4,42’sinin Puma, %3,72’sinin New Balance, %1,87’sinin Converse, %1,49’unun Skechers, %0,9’unun Reebok ve %0,8’inin Asics marka spor ayakkabısı olması beklenmektedir.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,029 | 0,006 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».