Değişkenler İçin Pasta Grafikleri

Cinsiyet

etiket1 <- c("Erkek","Kadın") 

h1<- table(veri$cinsiyet)
yuzdelik1<- paste("%",round(100*h1/sum(h1),1))

par(mar=c(0,12,0,0), xpd=TRUE)
pie3D(h1,labels = yuzdelik1, start=1, radius = 0.9, height = 0.1, theta = 1, explode = 0.09, shade=0.7, mar=c(5,5,5,5), main = "Cinsiyet Dağılımı Pasta Grafiği", col = c("steelblue1","indianred3"), border = "black", labelcol="black",labelcex=1.5)
legend("bottomright", etiket1, inset=c(-0.3,0.02), cex=1, text.font = 3, title = "Cinsiyet", y.intersp = 1.2, fill = c("steelblue1","indianred3"))

✓ Araştırmaya katılan öğrencilerin %45’i erkek, %55’i kadındır.

Fakülte

etiket2 <- c("Eğitim","Fen","İletişim","Mühendislik")
h2<- table(veri$fakulte)
yuzdelik2<- paste("%",round(100*h2/sum(h2),1))

par(mar=c(0,12,0,0), xpd=TRUE)
pie3D(h2,labels = yuzdelik2, start=1, radius = 0.9, height = 0.1, theta = 1, explode = 0.09, shade=0.7, main = "Fakülte Dağılımı Pasta Grafiği", col = hcl.colors(length(h2), "Spectral"), border = "black", labelcol="black",labelcex=1.5)
legend("bottomright", etiket2, inset=c(-0.3,0.02), cex=1, text.font = 3, title = "Fakülteler", y.intersp = 1.2, fill = hcl.colors(length(h2), "Spectral"))

✓ Araştırmaya katılan dört fakülte öğrencilerinin oranı eşit ve %25’tir.

Medya Okuryazarlığı Dersi

etiket3 <- c("Evet aldım","Hayır almadım")
h3<- table(veri$ders)
yuzdelik3<- paste("%",round(100*h3/sum(h3),1))

par(mar=c(0,12,0,0), xpd=TRUE)
pie3D(h3,labels = yuzdelik3, start=3.1, radius = 0.9, height = 0.1, theta = 1, explode = 0.09, shade=0.7, main = "Medya Okuryazarlığı Dersini Alanların Pasta Grafiği", col = c("lightseagreen","lightsteelblue3"), border = "black", labelcol="black",labelcex=1.5)
legend("bottomright", etiket3, inset=c(-0.3,0.02), cex=1, text.font = 3, title = "Medya Okuryazarlığı Dersini", fill = c("lightseagreen","lightsteelblue3"))

✓ Araştırmaya katılan 200 öğrenciden; %21’i medya okuryazarlığı dersini almıştır.

Medya Okuryazarlığı Eğitimi-Semineri

etiket4 <- c("Evet katıldım","Hayır katılmadım")
h4<- table(veri$egitim)
yuzdelik4<- paste("%",round(100*h4/sum(h4),1))

par(mar=c(0,12,0,0), xpd=TRUE)
pie3D(h4,labels = yuzdelik4, start=3.1, radius = 0.9, height = 0.1, theta = 1, explode = 0.2, shade=0.7, main = "Medya Okuryazarlığı Eğitimini/Seminerini Alanların Pasta Grafiği", col = c("lightseagreen","lightsteelblue3"), border = "black", labelcol="black",labelcex=1.5)
legend("bottomright", etiket4, inset=c(-0.37,0.02), cex=1, text.font = 3, title = "Medya O. Eğitimine/Seminerine", fill = c("lightseagreen","lightsteelblue3"))

✓ Araştırmaya katılan 200 öğrenciden; %13’ü medya okuryazarlığı eğitimini-seminerini almıştır.

Haber Kaynakları

etiket5 <- c("Diğer","Haber Uygulamaları","Haber Web Siteleri","Instagram","TV","Twitter")
h5<- table(veri$platform)
yuzdelik5<- paste("%",round(100*h5/sum(h5),1))

par(mar=c(0,12,0,0), xpd=TRUE)
pie3D(h5,labels = yuzdelik5, start=1.5, radius = 0.9, height = 0.1, theta = 1, explode = 0.08, shade=0.7, main = "Öğrencilerin Takip Ettikleri Platformların Pasta Grafiği", col = c("#9C0824","#ED620F","#F6796A","#BBC5CC","#4F98C4","#1C5A99"), border = "black", labelcol="black",labelcex=1.5)
legend("bottomright", etiket5, inset=c(-0.35,-0.07), cex=1, y.intersp = 1.16, text.font = 3, title = "Haber Platformları", fill = c("#9C0824","#ED620F","#F6796A","#BBC5CC","#4F98C4","#1C5A99"))

✓ Araştırmaya katılan 200 öğrencinin; %43’ü Twitter, %22’si Instagram, %14,5’i Haber Web Siteleri, %9.5’i Haber uygulamaları, %7.5’i Diğer ve %3.5’i TV üzerinden gündemi takip etmektedir.

Haberleri Araştırma Düzeyleri

etiket6 <- c("Hiçbir Zaman (1)","Nadiren (2)","Bazen (3)","Genellikle (4)","Her zaman (5)")
h6<- table(veri$arastirma)
yuzdelik6<- paste("%",round(100*h6/sum(h6),1))

par(mar=c(0,12,0,0), xpd=TRUE)
pie3D(h6,labels = yuzdelik6, start=0.9, radius = 0.9, height = 0.1, theta = 1, explode = 0.08, shade=0.7, main = "Öğrencilerin Haberleri Araştırma Dereceleri Pasta Grafiği", col = hcl.colors(length(h6), "pubugn"), border = "black", labelcol="black",labelcex=1.5)
legend("bottomright", etiket6, inset=c(-0.35,0.004), cex=1, y.intersp = 1.16, text.font = 3, title = "Doğruluğunu araştırırım", fill = hcl.colors(length(h6), "pubugn"))

✓ Araştırmadaki öğrencilerin haber araştırma düzeyleri; %42’si “genellikle”, 35.5’i “bazen”, %10’u “nadiren”, %9.5’i “her zaman” ve %3’ü “hiçbir zaman” olarak çıkmıştır.

Ders Açılsın Mı

etiket7 <- c("Evet isterim","Hayır istemem")
h7<- table(veri$ders_acilsin_mi)
yuzdelik7<- paste("%",round(100*h7/sum(h7),1))
par(mar=c(0,12,0,0), xpd=TRUE)

pie3D(h7,labels = yuzdelik7, start=1.4, radius = 0.9, height = 0.1, theta = 1, explode = 0.08, shade=0.7, main = "Ders Talebi Pasta Grafiği", col = c("lightseagreen","lightsteelblue3"), border = "black", labelcol="black",labelcex=1.5)
legend("bottomright", etiket7, inset=c(-0.3,0.08), cex=1, text.font = 3, title = "Dersin Açılmasını", fill = c("lightseagreen","lightsteelblue3"))

✓ Araştırmaya katılan 200 öğrenciden; %68.5’i medya okuryazarlığı dersinin açılmasını istemektedir.

Performans (Nitel)

etiket8 <- c("İyi","Kötü","Orta")
h8<- table(veri$performans_nitel)
yuzdelik8<- paste("%",round(100*h8/sum(h8),1))

par(mar=c(0,12,0,0), xpd=TRUE)
pie3D(h8,labels = yuzdelik8, start=1, radius = 0.9, height = 0.1, theta = 1, explode = 0.09, shade=0.7, main = "Performans Dağılımı Pasta Grafiği", col = c("#56B4E9", "brown","#E69F00"), border = "black", labelcol="black",labelcex=1.5)
legend("bottomright", etiket8, inset=c(-0.3,0.02), cex=1, text.font = 3, title = "Fakülteler", y.intersp = 1.2, fill = c("#56B4E9", "brown","#E69F00"))

✓ Araştırmaya katılan 200 öğrencinin; %61’si “orta”, %24’ü “iyi” ve %14’ü “kötü” performans sergilemiştir.

Değişkenler İçin Bar Grafikleri

Performans

ggplot(veri, aes(performans)) + geom_bar(fill="steelblue")+ scale_y_continuous(limits=c(0,30),breaks = c(0,5,10,15,20,25,30))+ scale_x_continuous(limits=c(7,24),breaks = c(8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24))+ theme_minimal()+ ggtitle("Araştırmadaki Bütün Öğrencilerin Performans Dağılımı")+ labs(x="Performans", y = "Sıklık")+ theme(plot.title = element_text(hjust = 0.5))

✓ Öğrenci Performanslarının normal dağılım gösterdiği söylenebilir.

Cinsiyet - Fakülte

ggplot(veri, aes(fakulte, fill = cinsiyet)) + labs(x="Fakülteler", y = "Sıklık")+ geom_bar(position=position_dodge(),colour="black")+ scale_y_continuous(limits=c(0,36),breaks = c(0,3,6,9,12,15,18,21,24,27,30,33,36))+ guides(fill=guide_legend(title="Cinsiyet"))+ scale_fill_manual(values=c("#56B4E9","#E69F00"))+ ggtitle("Fakültelere Göre Cinsiyetin Dağılımı")+ theme_minimal()+theme(plot.title = element_text(hjust = 0.5))

✓ Araştırmaya katılan Mühendislik fakültesi erkek öğrencilerinin sayısı, diğer üç fakültedeki erkek öğrenci sayısından fazladır.

✓ Araştırmaya katılan Eğitim, Fen ve İletişim fakültesindeki kadın öğrencilerin sayısı erkek öğrenci sayısından fazladır.

Cinsiyet - Performans

ggplot(veri, aes(performans, fill = cinsiyet)) + labs(x="Yirmi Dört Soru İçerisinde Bilinen Doğru Sayısı", y = "Sıklık")+ geom_bar(position=position_dodge(),width=0.8,colour="black")+ scale_x_continuous(limits=c(7,23),breaks = c(8,9,10,11,12,13,14,15,16,17,18,19,20,21,22))+ scale_y_continuous(limits=c(0,20),breaks = c(0,2,4,6,8,10,12,14,16,18,20,22))+ guides(fill=guide_legend(title="Cinsiyet"))+ scale_fill_manual(values=c("#56B4E9","#E69F00"))+ ggtitle("Performanslara Göre Cinsiyetin Dağılımı")+ theme_minimal()+theme(plot.title = element_text(hjust = 0.5))

✓ Erkek ve Kadın öğrenciler için performans dağılımlarının kendi aralarında da normal dağıldığı söylenebilir.

Cinsiyet - Performans (nitel)

ggplot(veri, aes(x= performans_nitel, group=cinsiyet)) + geom_bar(aes(y = ..prop.., fill = factor(..x..)), stat="count") + geom_text(aes( label = scales::percent(..prop..), y= ..prop.. ), stat= "count", vjust = -.5) + labs(x="Performans",y = "Yüzdelik %", fill="Performans") + facet_grid(~cinsiyet)+ scale_fill_manual(values=c("#56B4E9", "brown","#E69F00"),labels=c("İyi", "Kötü", "Orta"))+ scale_y_continuous(labels = scales::percent)+ ggtitle("Cinsiyetlere Göre Performans Oranları")+ theme(plot.title = element_text(hjust = 0.5))

✓ Erkek öğrenciler içerisinde performansı orta olanların oranı %56.7’dir.

✓ Kadın öğrenciler içerisinde performansı iyi olanların oranı %19.1’dir.

ggplot(veri, aes(performans_nitel, fill = cinsiyet)) + geom_bar(position = "fill")+ labs(x="Performans", y = "Yüzdelik %")+ scale_y_continuous(limits=c(0,1),breaks = c(0.10,0.20,0.30,0.40,0.50,0.60,0.70,0.80,0.90,1))+ guides(fill=guide_legend(title="Cinsiyet"))+ scale_fill_manual(values=c("#56B4E9","#E69F00"))+ ggtitle("Performans Seviyelerinde Cinsiyetlerin Oranı")+ theme(plot.title = element_text(hjust = 0.5))

✓ Performansı iyi olan öğrenciler arasında, erkeklerin oranının kadınlardan fazla olduğu söylenebilir.

✓ Performansı kötü olan öğrenciler arasında kadınların oranının erkeklerden fazla olduğu söylenebilir. Bu durum orta düzey için de benzerdir.

Fakülte - Performans (nitel)

ggplot(veri, aes(x= performans_nitel, group=fakulte)) + geom_bar(aes(y = ..prop.., fill = factor(..x..)), stat="count") + geom_text(aes( label = scales::percent(..prop..), y= ..prop.. ), stat= "count", vjust = -.5) + labs(x="Performans",y = "Yüzdelik %", fill="Performans") + facet_grid(~fakulte)+ scale_fill_manual(values=c("#56B4E9", "brown","#E69F00"),labels=c("İyi", "Kötü", "Orta"))+ scale_y_continuous(labels = scales::percent)+ ggtitle("Fakültelere Göre Performans Oranları")+ theme(plot.title = element_text(hjust = 0.5))

✓ Eğitim fakültesinde performansı kötü olan öğrencilerin oranı %22’dir.

✓ Fen, iletişim ve mühendislik fakültelerinde; performansı iyi olan öğrencilerin oranının, performansı kötü olan öğrencilerden fazla olduğu söylenebilir.

ggplot(veri, aes(performans_nitel, fill = fakulte)) + geom_bar(position = "fill")+ labs(x="Performans", y = "Yüzdelik %")+ guides(fill=guide_legend(title="Fakülte"))+ scale_color_npg()+ scale_fill_npg()+ ggtitle("Performans Seviyelerinde Fakültelerin Oranı")+ theme(plot.title = element_text(hjust = 0.5))

✓ Performansı iyi düzeyde olan öğrenciler içerisinde mühendislik fakültesinin oranının diğer fakültelere göre daha fazla olduğu söylenebilir.

✓ Performansı kötü düzeyde olan öğrenciler içerisinde eğitim fakültesinin oranının diğer fakültelere göre daha fazla olduğu söylenebilir.

✓ Performansı kötü düzeyde olan öğrenciler içerisinde eğitim ile fen fakültesinin, iletişim ile mühendislik fakültesinin birbirleriyle benzer oran gösterdiği söylenebilir.

Fakülte - Haber Kaynağı

ggplot(veri, aes(fakulte, fill = platform)) + geom_bar(position=position_dodge(),colour="black")+ labs(x="Fakülte", y = "Sıklık")+ guides(fill=guide_legend(title="Haber Platformları"))+ scale_fill_manual(values=hcl.colors(length(table(veri$platform)), "rdbu"))+ scale_y_continuous(limits=c(0,30),breaks = c(0,2,4,6,8,10,12,14,16,18,20,22,24,26,28,30))+ ggtitle("Fakültelere Göre Haber Kaynağı Dağılımları")+ theme(plot.title = element_text(hjust = 0.5))

✓ Tüm fakültelerde haber kaynağı olarak Twitter en çok tercih edilen platform olmuştur.

✓ Eğitim, mühendislik ve iletişim fakültelerinde en çok tercih edilen ikinci platform Instagram olmuştur.

✓ Haber kaynağı olarak TV en az tercih edilen platformdur.

Fakülte – Araştırma Düzeyi

ggplot(veri, aes(fakulte, fill = arastirma)) + geom_bar(position=position_dodge(),colour="black")+ labs(x="Araştırma Derecesi", y = "Sıklık")+ guides(fill=guide_legend(title="Fakülteler"))+ scale_fill_manual(values=hcl.colors(length(table(veri$arastirma)), "Reds"))+ scale_y_continuous(limits=c(0,26),breaks = c(0,2,4,6,8,10,12,14,16,18,20,22,24,26))+ ggtitle("Fakültere Göre Haber Kaynağı Araştırma Düzeyleri")+ theme_minimal()+theme(plot.title = element_text(hjust = 0.5))

✓ Fen ve mühendislik fakültesi öğrencileri, haber kaynağı araştırma düzeyi olarak en çok “genellikle”; Eğitim ve iletişim fakülteleri ise en çok “Bazen” düzeyini seçmiştir.

✓ Araştırma düzeyi en az olan “Hiçbir zaman” düzeyidir.

ggplot(veri, aes(fakulte, fill = arastirma)) + geom_bar(position = "fill",colour="black")+ labs(x="Fakülteler", y = "Yüzdelik %")+ guides(fill=guide_legend(title="Fakülteler"))+ scale_fill_manual(values=hcl.colors(length(table(veri$arastirma)), "Reds"))+ ggtitle("Fakültere Göre Haber Kaynağı Araştırma Düzeyi Oranları")+ theme_minimal()+theme(plot.title = element_text(hjust = 0.5))

✓ Haber ve kaynaklarını araştırma düzeylerinde en fazla “her zaman” düzeyini seçen fakülte İletişim fakültesi öğrencileridir. İletişim fakültesini sırasıyla; Eğitim, Fen ve Mühendislik fakültesi öğrencileri takip etmiştir.

✓ Bütün fakültelerde oran olarak en çok “bazen” ve “genellikle” düzeyleri seçilmiştir.

Haber Kaynağı - Performans

ggplot(veri, aes(performans_nitel, fill = platform)) + geom_bar(position = "fill", colour="black")+ labs(x="Performans Düzeyleri", y = "Yüzdelik %")+ guides(fill=guide_legend(title="Haber Kaynakları"))+ scale_fill_manual(values=hcl.colors(length(table(veri$platform)), "Rdbu"))+ ggtitle("Haber Kaynaklarına Göre Performans Oranları")+ theme_minimal()+theme(plot.title = element_text(hjust = 0.5))

✓ Orta performansa sahip öğrencilerin yarısından fazlası haber kaynağı olarak Twitter’ı kullanmaktadır.

✓ İyi performansa sahip öğrencilerin yaklaşık yarısı haber kaynağı olarak Twitter ve Instagram kullanmaktadır.

Fakülte - Performans

ggplot(veri, aes(performans, fill = fakulte)) + labs(x="Yirmi Dört Soru İçerisinde Bilinen Doğru Sayısı", y = "Sıklık")+ geom_bar(width=0.8,colour="black")+ scale_x_continuous(limits=c(7,23),breaks = c(8,9,10,11,12,13,14,15,16,17,18,19,20,21,22))+ scale_y_continuous(limits=c(0,33),breaks = c(3,6,9,12,15,18,21,24,27,30,33))+ guides(fill=guide_legend(title="Fakülte"))+ scale_fill_manual(values=pal_jco()(10))+ ggtitle("Fakültelere Göre Doğruluk Performansının Dağılımları")+ theme_minimal()+theme(plot.title = element_text(hjust = 0.5))

✓ Fakülteler için performans dağılımlarının normal dağıldığı söylenebilir.

Haber Kaynağı - Performans (nitel)

ggplot(veri, aes(x= performans_nitel, group=platform)) + geom_bar(aes(y = ..prop.., fill = factor(..x..)), stat="count") + geom_text(aes( label = scales::percent(..prop..), y= ..prop.. ), stat= "count", vjust = -.5) + labs(x="Performans",y = "Yüzdelik %", fill="Performans") + facet_grid(~platform)+ scale_fill_manual(values=c("#56B4E9", "brown","#E69F00"),labels=c("İyi", "Kötü", "Orta"))+ scale_y_continuous(labels = scales::percent)+ ggtitle("Haber Kaynaklarına Göre Performans Oranları")+ theme(plot.title = element_text(hjust = 0.5))

✓ Instagram kullananların %27.27’si iyi performans göstermiştir.

✓ Twitter kullananların %15.12’si iyi performans göstermiştir.

✓ TV kullananların %28.57’si kötü performans göstermiştir.

✓ Haber Web Siteleri kullananların %51.72’si orta performans göstermiştir.

Fakülte - Cinsiyet - Performans

ggplot(data=veri, aes(x=fakulte, y=performans,fill=cinsiyet)) + geom_bar(stat="identity",position=position_dodge(),width = 0.8)+ guides(fill=guide_legend(title="Cinsiyet"))+ labs(x="Fakülte", y = "Performans")+ ggtitle("Fakültelerdeki Kadın ve Erkek Öğrencilerin Performansları")+ scale_fill_manual(values=c("#56B4E9","#E69F00"))+ scale_y_continuous(limits=c(0,24),breaks = c(0,3,6,9,12,15,18,21,24))+ theme_minimal()+theme(plot.title = element_text(hjust = 0.5))

✓ Fen fakültesi erkek ve kadın öğrencilerinin performanslarının aynı olduğu söylenebilir.

✓ Eğitim ve iletişim fakültesi kadın öğrenci performanslarının, erkek öğrenci performanslarından daha iyi olduğu söylenebilir.

Değişkenler İçin Kutu (Box Plot) Grafikleri

Performans - Fakülte

ggplot(veri,fill=veri$fakulte)+ aes(x = fakulte , y = performans )+ geom_boxplot(fill="#E69F00")+ theme_minimal()+labs(y="Performans", x = "Fakülteler")+ ggtitle("Fakültelere Göre Performansın Kutu Grafikleri")+ theme(plot.title = element_text(hjust = 0.5))+stat_summary(fun.y=mean,geom="point", shape=18, size=3, color="black")

✓ Mühendislik fakültesi öğrencilerinin ortalama ve ortanca performanslarının diğer fakülte öğrencilerine göre daha iyi olduğu söylenebilir.

✓ Fen fakültesi öğrenci performanslarının sola çarpık; diğer fakülte öğrencilerinin ise simetrik olduğu söylenebilir.

✓ Eğitim fakültesi öğrenci performansları arasındaki uzaklık (range = max-min) 12’dir.

✓ İletişim fakültesi öğrencileri arasında bir tane aykırı değer vardır.

Performans - Fakülte - Cinsiyet

ggplot(veri, aes(x=fakulte, y=performans, fill=cinsiyet)) + geom_boxplot()+ theme_minimal()+ scale_fill_manual(values=c("#56B4E9","#E69F00"))+ labs(y="Performans", x = "Fakülteler")+ ggtitle("Fakülte ve Cinsiyete Göre Performansın Kutu Grafikleri")+ theme(plot.title = element_text(hjust = 0.5))+ guides(fill=guide_legend(ncol=1,reverse = TRUE,title="Cinsiyet"))+stat_summary(fun.y=mean, geom="point", shape=18, size=3, color="black",position = position_dodge2(width = 0.75,preserve = "single"))

✓ Eğitim fakültesi kadın öğrencilerinin ortalama performansları erkek öğrencilerin ortalama performanslarından fazladır.

✓ İletişim fakültesi kadın öğrencilerinde ve fen fakültesi kadın öğrencilerinde birer adet aykırı değer vardır.

✓ Fen fakültesi kadın öğrencileri performanslarının ortancası 3. çeyrekliğe yaklaşmıştır.

✓ Fen fakültesi kadın ve erkek öğrencilerinin ortalama performanslarının sola çarpık olduğu söylenebilir.

✓ Mühendislik fakültesi erkek öğrencilerinin ortanca performanslarının kadınların ortanca performanslarından fazladır.

Performans - Fakülte - Haber Kaynağı

ggplot(veri, aes(x=fakulte, y=performans, fill=platform)) + geom_boxplot()+ theme_minimal()+ scale_fill_brewer(palette="Dark2")+ ggtitle("Fakülte ve Haber Kaynağına Göre Performansın Kutu Grafikleri")+ theme(plot.title = element_text(hjust = 0.5))+ guides(fill=guide_legend(ncol=1,reverse = TRUE,title="Platform"))+ labs(y="Performans", x = "Fakülteler")+stat_summary(fun.y=mean, geom="point", shape=18, size=3, color="black",position = position_dodge2(width = 0.75,preserve = "single"))

✓ Eğitim fakültesinde ortalama ve ortanca performansı en yüksek olan platform Twitter, en düşük olan platform ise TV’dir.

✓ Fen fakültesinde minimum performans değeri en yüksek olan platform Haber Uygulamalarıdır.

✓ İletişim fakültesinde platform olarak Instagram kullanan öğrencilerin performans değerlerinde aykırı değer vardır.

Performans - Fakülte - Ders & Performans - Fakülte - Eğitim

box1 <- ggplot(veri, aes(x=fakulte, y=performans, fill=ders)) + geom_boxplot()+ facet_wrap(~fakulte, scale="free")+ theme_minimal()+ scale_fill_brewer(palette="Dark2")+ guides(fill=guide_legend(ncol=1,title="Dersi\naldınız mı?"))+ labs(y="Performans", x = "Fakülteler")+ggtitle("Dersi Alıp Almama Durumu ve Fakültelere Göre Performansın Kutu Grafikleri")+ scale_x_discrete(labels = c("",""))+stat_summary(fun.y=mean, geom="point", shape=18, size=3.2, color="black",position = position_dodge2(width = 0.75,preserve = "single"))

box2 <- ggplot(veri, aes(x=fakulte, y=performans, fill=egitim)) + geom_boxplot()+ facet_wrap(~fakulte, scale="free")+ scale_x_discrete(labels = c("",""))+ theme_minimal()+ scale_fill_brewer(palette="Dark2")+ guides(fill=guide_legend(ncol=1,title="Eğitimi\naldınız mı?"))+ggtitle("Eğitimi Alıp Almama Durumu ve Fakültelere Göre Performansın Kutu Grafikleri")+labs(y="Performans", x = "Fakülteler")+stat_summary(fun.y=mean, geom="point", shape=18, size=3.2, color="black",position = position_dodge2(width = 0.75,preserve = "single"))
ggarrange(box1, box2, ncol = 1)

✓ Eğitim fakültesinde dersi alan öğrencilerin performans dağılımı sivri, almayanların ise basıktır.

✓ İletişim fakültesinde dersi almayan öğrencilerin performans değerlerinde aykırı değer vardır.

✓ Mühendislik fakültesinde dersi alan ve almayan öğrencilerin performans değerleri sola çarpıktır.

✓ Fen fakültesinde eğitimi alan öğrencilerin performansları sağa, almayanların ise sola çarpıktır.

Performans - Haber Kaynağı - Cinsiyet

ggplot(veri, aes(x=platform, y=performans, fill=cinsiyet)) + geom_boxplot()+ facet_wrap(~platform, scale="free")+ scale_x_discrete(labels = c("",""))+ theme_minimal()+ scale_fill_manual(values=c("#56B4E9","#E69F00"))+guides(fill=guide_legend(ncol=1,reverse = TRUE,title="Cinsiyet"))+ labs(y="Performans", x = "Haber Kaynakları")+ggtitle("Cinsiyet ve Haber Kaynağına Göre Performansın Kutu Grafikleri")+theme(plot.title = element_text(hjust = 0.5))+stat_summary(fun.y=mean, geom="point", shape=18, size=3.2, color="black",position = position_dodge2(width = 0.75,preserve = "single"))

✓ Haberleri TV’den takip eden kadın öğrencilerde performansın ortancası 3. çeyrekliğe yakındır.

✓ Haberleri Haber Web Sitelerinden takip eden erkek öğrencilerin performansları sağa çarpık, kadın öğrencilerin ise sola çarpıktır.

✓ Haberleri Twitter’dan takip eden kadın öğrencilerin performans değerlerinde aykırı değer vardır.

Araştırma - Performans

ggplot(veri,fill=arastirma) + aes(x = arastirma , y = performans) + geom_boxplot(fill="#5F9EA0")+ facet_wrap(~arastirma, scale="free")+ scale_x_discrete(labels = c("",""))+theme_minimal()+ggtitle("Araştırma Düzeyine Göre Performansın Kutu Grafikleri")+ theme(plot.title = element_text(hjust = 0.5))+ guides(fill=guide_legend(ncol=1,reverse = TRUE,title="Platform"))+ labs(y="Performans", x = "Araştırma Düzeyleri")+stat_summary(fun.y=mean, geom="point", shape=18, size=3.2, color="black",position = position_dodge2(width = 0.75,preserve = "single"))

✓ Araştırma düzeyi olarak “Genellikle” seçen öğrencilerin performans dağılımı simetriktir.

✓ Araştırma düzeyi olarak “Hiçbir Zaman” ve “Bazen” seçen öğrencilerin performans değerlerinde aykırı değerler vardır.

✓ Araştırma düzeyi olarak “Nadiren” seçen öğrencilerin performans dağılımı sağa çarpıktır.

✓ Araştırma düzeyi olarak “Her Zaman” seçen öğrencilerin performans dağılımı sola çarpıktır.

Performans - Araştırma - Ders

ggplot(veri, aes(x=arastirma, y=performans, fill=ders)) + geom_boxplot()+ facet_wrap(~arastirma, scale="free")+ scale_x_discrete(labels = c("",""))+ theme_minimal()+scale_fill_manual(values=c("lightseagreen","lightsteelblue3"))+guides(fill=guide_legend(ncol=1,title="Dersi Aldım"))+ labs(y="Performans", x = "Araştırma Düzeyleri")+ggtitle("Dersi Alıp Almama Durumu ve Araştırma Düzeylerine Göre Performansın Kutu Grafikleri")+stat_summary(fun.y=mean, geom="point", shape=18, size=3.2, color="black",position = position_dodge2(width = 0.75,preserve = "single"))

✓ Araştırma düzeyi olarak “Hiçbir Zaman” seçen öğrencilerde dersi alan kimse yoktur.

✓ Araştırma düzeyi olarak “Genellikle” seçen öğrencilerde dersi alan ve almayan öğrencilerin ortalama ve ortanca performans değerleri benzerdir.

✓ Araştırma düzeyi olarak “Her Zaman” seçen öğrencilerde dersi alan ve almayan öğrencilerin performans dağılımları oldukça farklıdır.

Keman Grafiği (Fakülte - Performans)

ggplot(veri,fill=veri$fakulte) + aes(x = fakulte , y = performans, fill=fakulte) + geom_violin() + geom_violin(trim=FALSE)+ geom_boxplot(width=0.1, fill="lightblue")+ scale_fill_brewer(palette = "Dark2")+ labs(x="Fakülteler", y = "Performans")+ ggtitle("Fakültelere Göre Performansın Keman Grafiği")+ theme_minimal()+ theme(plot.title = element_text(hjust = 0.5))+ guides(fill=guide_legend(title="Fakülteler"))+stat_summary(fun="mean")

✓ Eğitim fakültesindeki öğrencilerin performans dağılımları en çok 2. çeyreklik (medyan) ile 3. çeyreklik arasında yoğunlaşmıştır.

✓ Fen fakültesindeki öğrencilerin performans dağılımları en çok 2. çeyreklik (medyan) etrafında yoğunlaşmıştır, en az ise 3. çeyreklik ve yukarısında yoğunlaşmıştır.

✓ İletişim fakültesindeki öğrencilerin performans dağılımları en az 3. çeyreklik ile maksimum değer arasında yoğunlaşmıştır.

✓ Mühendislik fakültesindeki öğrencilerin performans dağılımları en çok 2. çeyreklik (medyan) ile ortalama arasında yoğunlaşmıştır.

Ridgeline Grafiği (Fakülte - Cinsiyet - Performans)

ggplot(veri, aes(x = performans, y =fakulte, fill = cinsiyet)) + geom_density_ridges_gradient(scale = 1.2, rel_min_height = 0.0005)+ labs(x="Performans", y = "Fakülteler")+ ggtitle("Fakülte ve Cinsiyete Göre Performansın Ridgeline Grafiği")+ theme(plot.title = element_text(hjust = 0.5))+ scale_fill_manual(values=c("#56B4E9","#E69F00"))+ scale_x_continuous(limits=c(5,25),breaks = c(7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24))+ guides(fill=guide_legend(title="Cinsiyet"))

✓ Mühendislik fakültesi kadın ve erkek öğrencilerinin performans dağılımlarının benzer olduğu söylenebilir.

✓ Fen fakültesi erkek öğrencilerinin performans dağılımı kadın öğrencilere göre daha iyi olduğu söylenebilir.

✓ Eğitim fakültesi kadın ve erkek öğrencilerinin performans dağılımları sola çarpık olduğu söylenebilir.

✓ Fakültelerin kendi içerisinde performans dağılımlarının cinsiyet farketmeksizin benzer olduğunu söyleyebiliriz.

Parlamento Grafiği

arastirma_sum <- c(6,20,71,84,19)
a <- data.frame(veri$arastirma,veri$performans)
colnames(a) <- c("arastirma_duzeyi","performans")
perf_arastir <- a %>% group_by(arastirma_duzeyi) %>% summarise_each(funs(sum))
perf_arastir$kisi_sayisi_arastirma <- arastirma_sum
oran1 <- perf_arastir[,2]/perf_arastir[,3]
colnames(oran1) <- "oran"
perf_arastir <- cbind(perf_arastir, oran1)

perf_arastir

##   arastirma_duzeyi performans kisi_sayisi_arastirma     oran
## 1     Hiçbir Zaman         90                     6 15.00000
## 2          Nadiren        286                    20 14.30000
## 3            Bazen       1120                    71 15.77465
## 4       Genellikle       1282                    84 15.26190
## 5        Her zaman        299                    19 15.73684

platform_sum <- c(15,19,29,44,7,86)
b <- data.frame(veri$platform,veri$performans)
colnames(b) <- c("haber_kaynaklari","performans")
perf_platform <- b %>% group_by(haber_kaynaklari) %>% summarise_each(funs(sum))
perf_platform$kisi_sayisi_platform <- platform_sum
oran2 <- perf_platform[,2]/perf_platform[,3]
colnames(oran2) <- "oran"
perf_platform <- cbind(perf_platform, oran2)

perf_platform

##     haber_kaynaklari performans kisi_sayisi_platform     oran
## 1              Diğer        246                   15 16.40000
## 2 Haber Uygulamaları        306                   19 16.10526
## 3 Haber Web Siteleri        440                   29 15.17241
## 4          Instagram        668                   44 15.18182
## 5                 TV        100                    7 14.28571
## 6            Twitter       1317                   86 15.31395

parlamento1 <- data.frame(Araştırma_Düzeyi = factor(c("Hiçbir Zaman","Nadiren","Genellikle","Bazen","Her zaman"), levels = c("Hiçbir Zaman","Nadiren","Genellikle","Bazen","Her zaman")), seats = c(150,143,153,158,157), colors=c("red3","#34854C","dodgerblue1","blue4","orange2"),stringsAsFactors=FALSE)

ggplot(parlamento1) + ggtitle("Araştırma Düzeylerine Göre Performansların Parlamento Grafiği") + geom_parliament(aes(seats = seats, fill = Araştırma_Düzeyi), color = NA) + scale_fill_manual(values = parlamento1$colors, labels = parlamento1$Araştırma_Düzeyi) + coord_fixed() + theme_void()+ theme(plot.title = element_text(hjust = 0.5),legend.position="bottom",legend.direction = "vertical")+ guides(fill=guide_legend(nrow=2,byrow=TRUE,reverse = TRUE,title="Araştırma Düzeyleri"))

✓ Araştırma düzeylerine göre performanslara bakıldığında düzeylere göre performanslar yakın çıksa da araştırma düzeyi olarak “Her Zaman” ve “Bazen” seçen öğrencilerin diğer düzeyleri seçen öğrencilere göre az bir fark ile daha başarılı olduklarını söyleyebiliriz.

parlamento2 <- data.frame(Araştırma_Düzeyi=factor(c("TV","Haber Web Siteleri","Instagram","Twitter","Haber Uygulamaları","Diğer"),levels=c("TV","Haber Web Siteleri","Instagram","Twitter","Haber Uygulamaları","Diğer")),seats=c(143,152,152,153,161,164),colors =c("#0071A6","#EF9708","#815122","#DFCEBA","#1EB2B5","#142D4A"),stringsAsFactors=FALSE)

ggplot(parlamento2) + ggtitle("Haber Kaynaklarına Göre Performansların Parlamento Grafiği") +geom_parliament(aes(seats = seats, fill = Araştırma_Düzeyi), color = NA) + scale_fill_manual(values = parlamento2$colors, labels = parlamento2$Araştırma_Düzeyi) +coord_fixed() +theme_void()+ theme(plot.title = element_text(hjust = 0.5),legend.position="bottom",legend.direction = "vertical")+guides(fill=guide_legend(nrow=2,byrow=TRUE,reverse = TRUE,title="Haber Kaynakları"))

✓ Haber kaynaklarına göre performanslara bakıldığında kaynaklara göre performanslar yakın çıksa da haber kaynağı olarak “Diğer” ve “Haber Uygulamaları” kullanan öğrencilerin diğer kaynakları kullanan öğrencilere göre az bir fark ile daha başarılı olduklarını söyleyebiliriz.

Isı Grafiği I - Haber Kaynağı Araştırma Düzeylerine Göre Fakültelerin Performansları

ggplot(veri, aes(x = arastirma, y = fakulte, fill = performans)) + ggtitle("Fakültelerde Haber Kaynağı Araştırma Düzeylerine Göre Isı Grafiği")+ theme(plot.title = element_text(hjust = 0.5),legend.position="right",legend.direction = "vertical")+ labs(y = "Fakülteler", x = "Araştırma Düzeyleri")+ geom_tile(color = "azure2", lwd = 1.5, linetype = 1) + guides(fill=guide_legend(ncol=1,reverse = TRUE,title="Doğru\nPerformansı"))+ coord_fixed()+ scale_fill_viridis(discrete=FALSE)

✓ Eğitim fakültesi öğrencisi olup araştırma düzeyi olarak “Hiçbir Zaman” seçenlerin performansı ortalama 8’dir.

✓ İletişim fakültesi öğrencisi olup araştırma düzeyi olarak “Hiçbir Zaman” seçen kimse yoktur.

✓ Mühendislik fakültesi öğrencisi olup araştırma düzeyi olarak “Bazen” seçenlerin performansı ortalama 20’dir.

✓ Fen fakültesi öğrencilerinde araştırma düzeyinin performans üzerinde genel olarak etkisinin az olduğu söylenebilir.

Isı Grafiği II - Fakültelere Göre Her Haber İçin Toplam Doğru Sayıları

• Orijinal veri setinden sadece fakülte ve haber değişkenlerinin olduğu sütunlar çekilip heat_veri isimli yeni bir veri seti oluşturulmuştur.

library(dplyr)
library(MASS)

heat_veri <- veri %>% dplyr::select(2,8:31)

colnames(heat_veri) <- c("fakulte","h1","h2","h3","h4","h5","h6","h7","h8","h9","h10","h11","h12",
                    "h13","h14","h15","h16","h17","h18","h19","h20","h21","h22","h23","h24")

haber_dogru_toplam <- heat_veri %>% group_by(fakulte) %>% summarise_each(funs(sum))

haber_dogru_toplam

## # A tibble: 4 × 25
##   fakulte         h1    h2    h3    h4    h5    h6    h7    h8    h9   h10   h11
##   <fct>        <int> <int> <int> <int> <int> <int> <int> <int> <int> <int> <int>
## 1 Eğitim Fakü…    30    40    27    27    22    26    27    39    35    20    39
## 2 Fen Fakülte…    26    41    28    29    24    25    26    39    35    29    42
## 3 İletişim Fa…    25    39    31    36    36    25    33    39    34    32    43
## 4 Mühendislik…    30    42    37    37    28    26    27    36    39    36    41
## # … with 13 more variables: h12 <int>, h13 <int>, h14 <int>, h15 <int>,
## #   h16 <int>, h17 <int>, h18 <int>, h19 <int>, h20 <int>, h21 <int>,
## #   h22 <int>, h23 <int>, h24 <int>

heatmaply(normalize(haber_dogru_toplam), xlab = "Sorular", ylab = "Fakülteler", scale = "column", main = "Fakültelerin Doğru Cevap Verdiği Soru Sayısı İçin Isı Grafiği", Colv = NA, Rowv = NA,row_dend_left = T, plot_method = "plotly")

✓ 8. haber için eğitim, fen ve iletişim fakültesi benzer cevaplar vermiştir.

✓ 1. ve 6. haber ile 17. ve 24. haberler arasında mühendislik fakültesi öğrencileri, eğitim fakültesi öğrencilerinden daha iyi performans göstermiştir.

✓ 15. ve 18. haberler arasında fen fakültesi öğrencileri diğer fakülte öğrencilerine göre daha kötü performans göstermiştir.

Satır Toplamları

margin.table(rxc_tablo,1)

## Fakülte
##      Eğitim Fakültesi         Fen Fakültesi    İletişim Fakültesi 
##                    50                    50                    50 
## Mühendislik Fakültesi 
##                    50

✓ Araştırmaya katılan 200 kişi içerisinde 50 eğitim, 50 fen, 50 iletişim ve 50 mühendislik fakültesi öğrencisi vardır.

Sütun Toplamları

margin.table(rxc_tablo,2)

## Performans
##  iyi kötü orta 
##   48   28  124

✓ Araştırmaya katılan 200 kişi arasından; 48 kişinin performansı “iyi”, 28 kişinin “kötü”, 124 kişinin ise “orta” çıkmıştır.

Satır Oranları

round(margin.table(rxc_tablo,1)/sum(rxc_tablo),3)

## Fakülte
##      Eğitim Fakültesi         Fen Fakültesi    İletişim Fakültesi 
##                  0.25                  0.25                  0.25 
## Mühendislik Fakültesi 
##                  0.25

✓ Araştırmaya katılan 200 kişinin %25’i eğitim, %25’i fen, %25’i iletişim ve %25’i mühendislik fakültesi öğrencisidir.

Sütun Oranları

round(margin.table(rxc_tablo,2)/sum(rxc_tablo),3)

## Performans
##  iyi kötü orta 
## 0.24 0.14 0.62

✓ Araştırmaya katılan 200 kişi arasında %24’ü “iyi”, %14’ü “kötü”, %62’si ise “orta” performans çıkmıştır.

Örneklem Oranları

round(prop.table(rxc_tablo),3)

##                        Performans
## Fakülte                  iyi  kötü  orta
##   Eğitim Fakültesi      0.030 0.055 0.165
##   Fen Fakültesi         0.055 0.045 0.150
##   İletişim Fakültesi    0.060 0.020 0.170
##   Mühendislik Fakültesi 0.095 0.020 0.135

Örneklem oranları tablosunun bazı değerleri yorumlanacak olursa:

✓ Çalışmaya katılan 200 kişi içinde eğitim fakültesi öğrencisi olup performansı “iyi” olanların oranı %3’tür.

✓ Çalışmaya katılan 200 kişi içinde fen fakültesi öğrencisi olup performansı “orta” olanların oranı %15’tir.

✓ Çalışmaya katılan 200 kişi içinde iletişim fakültesi öğrencisi olup performansı “kötü” olanların oranı %2’dir.

✓ Çalışmaya katılan 200 kişi içinde mühendislik fakültesi öğrencisi olup performansı “iyi” olanların oranı %9.5’tir.

Örneklem Satır Oranları

round(prop.table(rxc_tablo,1),3)

##                        Performans
## Fakülte                 iyi kötü orta
##   Eğitim Fakültesi      0.12 0.22 0.66
##   Fen Fakültesi         0.22 0.18 0.60
##   İletişim Fakültesi    0.24 0.08 0.68
##   Mühendislik Fakültesi 0.38 0.08 0.54

✓ Eğitim fakültesindeki 50 öğrencinin %22’si “kötü” performansa sahiptir.

✓ Fen fakültesindeki 50 öğrencinin %22’si “iyi” performansa sahiptir.

✓ İletişim fakültesindeki 50 öğrencinin %24’ü “iyi” performansa sahiptir.

✓ Mühendislik fakültesindeki 50 öğrencinin %54’ü “orta” performansa sahiptir.

Örneklem Sütun Oranları

round(prop.table(rxc_tablo,2),3)

##                        Performans
## Fakülte                  iyi  kötü  orta
##   Eğitim Fakültesi      0.125 0.393 0.266
##   Fen Fakültesi         0.229 0.321 0.242
##   İletişim Fakültesi    0.250 0.143 0.274
##   Mühendislik Fakültesi 0.396 0.143 0.218

✓ Çalışmaya katılan 200 kişi içinde performansı “kötü” olanların %39.3’ü eğitim fakültesi öğrencisidir.

✓ Çalışmaya katılan 200 kişi içinde performansı “orta” olanların %24.2’si fen fakültesi öğrencisidir.

✓ Çalışmaya katılan 200 kişi içinde performansı “iyi” olanların %25’i iletişim fakültesi öğrencisidir.

✓ Çalışmaya katılan 200 kişi içinde performansı “iyi” olanların %39.6’sı mühendislik fakültesi öğrencisidir.

Değişken Seçimi

• Araştırmanın ana konusu fakülteler arasındaki haberleri doğru ayırt etme performansını ölçmektir. RxC analizi için bir önceki şıkta Fakülte ve Performans (nitel) değişkenleri seçilmişti. RxCxK çözümlemesinde ise bu değişkenlere ek olarak cinsiyet değişkeni eklenmiştir.

rxcxk_tablo <- xtabs(~ veri$cinsiyet + veri$fakulte + veri$performans_nitel)
names(dimnames(rxcxk_tablo)) <- c("Cinsiyet", "Fakülte","Performans") 
ftable(rxcxk_tablo)

##                                Performans iyi kötü orta
## Cinsiyet Fakülte                                       
## Erkek    Eğitim Fakültesi                   1    5   12
##          Fen Fakültesi                      7    2    8
##          İletişim Fakültesi                 5    2   14
##          Mühendislik Fakültesi             14    3   17
## Kadın    Eğitim Fakültesi                   5    6   21
##          Fen Fakültesi                      4    7   22
##          İletişim Fakültesi                 7    2   20
##          Mühendislik Fakültesi              5    1   10

• Araştırma sonucunda elde edilen değerler yukarıdaki tabloda verilmiştir.

Satır ve Sütun Toplamları

ftable(addmargins(rxcxk_tablo))

##                                Performans iyi kötü orta Sum
## Cinsiyet Fakülte                                           
## Erkek    Eğitim Fakültesi                   1    5   12  18
##          Fen Fakültesi                      7    2    8  17
##          İletişim Fakültesi                 5    2   14  21
##          Mühendislik Fakültesi             14    3   17  34
##          Sum                               27   12   51  90
## Kadın    Eğitim Fakültesi                   5    6   21  32
##          Fen Fakültesi                      4    7   22  33
##          İletişim Fakültesi                 7    2   20  29
##          Mühendislik Fakültesi              5    1   10  16
##          Sum                               21   16   73 110
## Sum      Eğitim Fakültesi                   6   11   33  50
##          Fen Fakültesi                     11    9   30  50
##          İletişim Fakültesi                12    4   34  50
##          Mühendislik Fakültesi             19    4   27  50
##          Sum                               48   28  124 200

✓ Cinsiyeti erkek olup performansı iyi olan öğrenci sayısı 27’dir.

✓ Cinsiyeti kadın olup performansı orta olan öğrenci sayısı 73’tür.

✓ Performansı iyi olan toplam öğrenci sayısı 48’dir.

✓ Performansı kötü olan toplam öğrenci sayısı 28’dir.

✓ Cinsiyeti erkek olup mühendislik fakültesi öğrencisi olan 34 kişi vardır.

✓ Cinsiyeti kadın olup İletişim Fakültesi öğrencisi olan 29 kişi vardır.

✓ Eğitim Fakültesindeki öğrencilerin 6’sı iyi performansa sahiptir.

✓ İletişim Fakültesindeki öğrencilerin 34’ü orta performansa sahiptir.

Tabaka Toplamları

margin.table(rxcxk_tablo,1)

## Cinsiyet
## Erkek Kadın 
##    90   110

✓ Çalışmaya katılan 200 kişinin 90’ı erkek 110’u kadındır.

Satır Toplamları

margin.table(rxcxk_tablo,2)

## Fakülte
##      Eğitim Fakültesi         Fen Fakültesi    İletişim Fakültesi 
##                    50                    50                    50 
## Mühendislik Fakültesi 
##                    50

✓ Araştırmaya katılan 200 kişi içerisinde 50 Eğitim, 50 Fen, 50 İletişim ve 50 Mühendislik Fakültesi öğrencisi vardır.

Sütun Toplamları

margin.table(rxcxk_tablo,3)

## Performans
##  iyi kötü orta 
##   48   28  124

✓ Araştırmaya katılan 200 kişi arasından; 48 kişinin performansı “iyi”, 28 kişinin “kötü”, 124 kişinin ise “orta” çıkmıştır.

RxC Alt Tablosu (Fakülte x Performans)

margin.table(rxcxk_tablo,c(2,3))

##                        Performans
## Fakülte                iyi kötü orta
##   Eğitim Fakültesi        6   11   33
##   Fen Fakültesi          11    9   30
##   İletişim Fakültesi     12    4   34
##   Mühendislik Fakültesi  19    4   27

RxK Alt Tablosu (Fakülte x Cinsiyet)

margin.table(rxcxk_tablo,c(1,2))

##         Fakülte
## Cinsiyet Eğitim Fakültesi Fen Fakültesi İletişim Fakültesi
##    Erkek               18            17                 21
##    Kadın               32            33                 29
##         Fakülte
## Cinsiyet Mühendislik Fakültesi
##    Erkek                    34
##    Kadın                    16

CxK Alt Tablosu (Performans x Cinsiyet)

margin.table(rxcxk_tablo,c(1,3))

##         Performans
## Cinsiyet iyi kötü orta
##    Erkek  27   12   51
##    Kadın  21   16   73

Örneklem Oranları

ftable(prop.table(rxcxk_tablo))

##                                Performans   iyi  kötü  orta
## Cinsiyet Fakülte                                           
## Erkek    Eğitim Fakültesi                 0.005 0.025 0.060
##          Fen Fakültesi                    0.035 0.010 0.040
##          İletişim Fakültesi               0.025 0.010 0.070
##          Mühendislik Fakültesi            0.070 0.015 0.085
## Kadın    Eğitim Fakültesi                 0.025 0.030 0.105
##          Fen Fakültesi                    0.020 0.035 0.110
##          İletişim Fakültesi               0.035 0.010 0.100
##          Mühendislik Fakültesi            0.025 0.005 0.050

Örneklem oranları tablosunun bazı değerleri yorumlanacak olursa:

✓ Çalışmaya katılan 200 kişi içinde; cinsiyeti erkek, Mühendislik fakültesi öğrencisi ve performansı “iyi” olanların oranı %7’dir.

✓ Çalışmaya katılan 200 kişi içinde; cinsiyeti kadın, Eğitim fakültesi öğrencisi ve performansı “orta” olanların oranı %10.5’tir.

✓ Çalışmaya katılan 200 kişi içinde; cinsiyeti erkek, Fen fakültesi öğrencisi ve performansı “kötü” olanların oranı %1’dir.

✓ Çalışmaya katılan 200 kişi içinde; cinsiyeti kadın, İletişim fakültesi öğrencisi ve performansı “iyi” olanların oranı %3.5’tir.

Cinsiyet Değişkenine Göre Koşullu Oranlar

round(ftable(prop.table(rxcxk_tablo,1)),2)

##                                Performans  iyi kötü orta
## Cinsiyet Fakülte                                        
## Erkek    Eğitim Fakültesi                 0.01 0.06 0.13
##          Fen Fakültesi                    0.08 0.02 0.09
##          İletişim Fakültesi               0.06 0.02 0.16
##          Mühendislik Fakültesi            0.16 0.03 0.19
## Kadın    Eğitim Fakültesi                 0.05 0.05 0.19
##          Fen Fakültesi                    0.04 0.06 0.20
##          İletişim Fakültesi               0.06 0.02 0.18
##          Mühendislik Fakültesi            0.05 0.01 0.09

✓ Çalışmaya katılan tüm erkek öğrenciler içerisinde Eğitim fakültesinde olup performansı iyi olanların oranı %1’dir.

✓ Çalışmaya katılan tüm kadın öğrenciler içerisinde Mühendislik fakültesinde olup performansı iyi olanların oranı %5’tir.

✓ Çalışmaya katılan tüm erkek öğrenciler içerisinde İletişim fakültesinde olup performansı orta olanların oranı %16’dır.

✓ Çalışmaya katılan tüm kadın öğrenciler içerisinde Fen fakültesinde olup performansı orta olanların oranı %20’dir.

Fakülte Değişkenine Göre Koşullu Oranlar

round(ftable(prop.table(rxcxk_tablo,2)),2)

##                                Performans  iyi kötü orta
## Cinsiyet Fakülte                                        
## Erkek    Eğitim Fakültesi                 0.02 0.10 0.24
##          Fen Fakültesi                    0.14 0.04 0.16
##          İletişim Fakültesi               0.10 0.04 0.28
##          Mühendislik Fakültesi            0.28 0.06 0.34
## Kadın    Eğitim Fakültesi                 0.10 0.12 0.42
##          Fen Fakültesi                    0.08 0.14 0.44
##          İletişim Fakültesi               0.14 0.04 0.40
##          Mühendislik Fakültesi            0.10 0.02 0.20

✓ Çalışmaya katılan Eğitim fakültesi öğrencilerinden performansı iyi olan kadınların oranı %10’dur.

✓ Çalışmaya katılan Fen fakültesi öğrencilerinden performansı iyi olan erkeklerin oranı %14’tür.

✓ Çalışmaya katılan İletişim fakültesi öğrencilerinden performansı kötü olan kadınların oranı %4’tür.

✓ Çalışmaya katılan Mühendislik fakültesi öğrencilerinden performansı orta olan erkeklerin oranı %34’tür.

Performans Değişkenine Göre Koşullu Oranlar

round(ftable(prop.table(rxcxk_tablo,3)),2)

##                                Performans  iyi kötü orta
## Cinsiyet Fakülte                                        
## Erkek    Eğitim Fakültesi                 0.02 0.18 0.10
##          Fen Fakültesi                    0.15 0.07 0.06
##          İletişim Fakültesi               0.10 0.07 0.11
##          Mühendislik Fakültesi            0.29 0.11 0.14
## Kadın    Eğitim Fakültesi                 0.10 0.21 0.17
##          Fen Fakültesi                    0.08 0.25 0.18
##          İletişim Fakültesi               0.15 0.07 0.16
##          Mühendislik Fakültesi            0.10 0.04 0.08

✓ Performansı iyi olan öğrenciler içerisinde cinsiyeti erkek olup Eğitim fakültesinden olanlarınoranı %2’dir.

✓ Performansı orta olan öğrenciler içerisinde cinsiyeti kadın olup Fen fakültesinden olanların oranı %18’dir.

✓ Performansı kötü olan öğrenciler içerisinde cinsiyeti erkek olup İletişim fakültesinden olanların oranı %7’dir.

✓ Performansı iyi olan öğrenciler içerisinde cinsiyeti kadın olup Mühendislik fakültesinden olanların oranı %10’dur.

Cinsiyet x Fakülte

round(ftable(prop.table(rxcxk_tablo,c(1,2))),2)

##                                Performans  iyi kötü orta
## Cinsiyet Fakülte                                        
## Erkek    Eğitim Fakültesi                 0.06 0.28 0.67
##          Fen Fakültesi                    0.41 0.12 0.47
##          İletişim Fakültesi               0.24 0.10 0.67
##          Mühendislik Fakültesi            0.41 0.09 0.50
## Kadın    Eğitim Fakültesi                 0.16 0.19 0.66
##          Fen Fakültesi                    0.12 0.21 0.67
##          İletişim Fakültesi               0.24 0.07 0.69
##          Mühendislik Fakültesi            0.31 0.06 0.62

✓ Çalışmaya katılan Eğitim fakültesi erkek öğrencilerinden performansı kötü olanların oranı %28’dir.

✓ Çalışmaya katılan Fen fakültesi erkek öğrencilerinden performansı iyi olanların oranı %41’dir.

✓ Çalışmaya katılan İletişim fakültesi kadın öğrencilerinden performansı kötü olanların oranı %7’dir.

✓ Çalışmaya katılan Mühendislik fakültesi kadın öğrencilerinden performansı iyi olanların oranı %31’dir.

Cinsiyet x Performans

round(ftable(prop.table(rxcxk_tablo,c(1,3))),2)

##                                Performans  iyi kötü orta
## Cinsiyet Fakülte                                        
## Erkek    Eğitim Fakültesi                 0.04 0.42 0.24
##          Fen Fakültesi                    0.26 0.17 0.16
##          İletişim Fakültesi               0.19 0.17 0.27
##          Mühendislik Fakültesi            0.52 0.25 0.33
## Kadın    Eğitim Fakültesi                 0.24 0.38 0.29
##          Fen Fakültesi                    0.19 0.44 0.30
##          İletişim Fakültesi               0.33 0.12 0.27
##          Mühendislik Fakültesi            0.24 0.06 0.14

✓ Cinsiyeti erkek olup performansı iyi olan öğrencilerin %4’ü Eğitim fakültesi öğrencisidir.

✓ Cinsiyeti kadın olup performansı orta olan öğrencilerin %30’u Fen fakültesi öğrencisidir.

✓ Cinsiyeti erkek olup performansı kötü olan öğrencilerin %17’si İletişim fakültesi öğrencisidir.

✓ Cinsiyeti kadın olup performansı iyi olan öğrencilerin %24’ü Mühendislik fakültesi öğrencisidir.

Fakülte x Performans

round(ftable(prop.table(rxcxk_tablo,c(2,3))),2)

##                                Performans  iyi kötü orta
## Cinsiyet Fakülte                                        
## Erkek    Eğitim Fakültesi                 0.17 0.45 0.36
##          Fen Fakültesi                    0.64 0.22 0.27
##          İletişim Fakültesi               0.42 0.50 0.41
##          Mühendislik Fakültesi            0.74 0.75 0.63
## Kadın    Eğitim Fakültesi                 0.83 0.55 0.64
##          Fen Fakültesi                    0.36 0.78 0.73
##          İletişim Fakültesi               0.58 0.50 0.59
##          Mühendislik Fakültesi            0.26 0.25 0.37

✓ Eğitim fakültesi öğrencisi olup performansı iyi olanların içinde cinsiyeti erkek olanların oranı %17’dir.

✓ Fen fakültesi öğrencisi olup performansı orta olanların içinde cinsiyeti kadın olanların oranı %73’tür.

✓ İletişim fakültesi öğrencisi olup performansı kötü olanların içinde cinsiyeti erkek olanların oranı %50’dir.

✓ Mühendislik fakültesi öğrencisi olup performansı iyi olanların içinde cinsiyeti kadın olanların oranı %26’dır.

Modellerin Kurulabilmesi İçin Çapraz Tablonun Veri Setine Dönüştürülmesi

veri_freq <- as.data.frame(rxcxk_tablo) 
names(veri_freq) <- c("cinsiyet","fakulte","performans","freq")

Bağımsızlık Modeli

model0 <- glm(freq~ cinsiyet + fakulte + performans, family = poisson,data = veri_freq)

Kısmi Bağımsızlık Modelleri

model1 <- glm(freq ~ cinsiyet + fakulte + performans + cinsiyet*performans, family = poisson,data = veri_freq) 
model2 <- glm(freq ~ cinsiyet + fakulte + performans + cinsiyet*fakulte, family = poisson,data = veri_freq) 
model3 <- glm(freq ~ cinsiyet + fakulte + performans + fakulte*performans, family = poisson,data = veri_freq)

Koşullu Bağımsızlık Modelleri

model4 <- glm(freq ~ cinsiyet + fakulte + performans + cinsiyet*fakulte + cinsiyet*performans, family = poisson,data = veri_freq) 
model5 <- glm(freq ~ cinsiyet + fakulte + performans + cinsiyet*performans + fakulte*performans, family = poisson,data = veri_freq) 
model6 <- glm(freq ~ cinsiyet + fakulte + performans + cinsiyet*fakulte + fakulte*performans, family = poisson,data = veri_freq)

Karşılıklı Bağımsızlık Modeli

model7 <- glm(freq ~ cinsiyet + fakulte + performans + cinsiyet*fakulte + cinsiyet*performans + fakulte*performans, family = poisson,data = veri_freq)

Çapraz Tablonun Elde Edilmesi

log_tablo <- xtabs(~ veri$cinsiyet + veri$fakulte + veri$performans_nitel)
names(dimnames(log_tablo)) <- c("Cinsiyet", "Fakülte","Performans")

ftable(log_tablo)

##                                Performans iyi kötü orta
## Cinsiyet Fakülte                                       
## Erkek    Eğitim Fakültesi                   1    5   12
##          Fen Fakültesi                      7    2    8
##          İletişim Fakültesi                 5    2   14
##          Mühendislik Fakültesi             14    3   17
## Kadın    Eğitim Fakültesi                   5    6   21
##          Fen Fakültesi                      4    7   22
##          İletişim Fakültesi                 7    2   20
##          Mühendislik Fakültesi              5    1   10

• Araştırma sonucunda elde edilen değerler yukarıdaki tabloda verilmiştir.

Referans Düzeylerin Belirlenmesi

• Cinsiyet değişkeni için referans grubu olarak kadınlar seçilmiştir.

• Fakülte değişkeni için referans grubu olarak İletişim fakültesi seçilmiştir.

• Performans (nitel) değişkeni için referans grubu olarak iyi seçilmiştir.

veri_freq_log <- as.data.frame(log_tablo)

names(veri_freq_log) <- c("cinsiyet","fakulte","performans","freq")

veri_freq_log$cinsiyet <- relevel(as.factor(veri_freq_log$cinsiyet), ref = "Kadın")

veri_freq_log$fakulte <- relevel(as.factor(veri_freq_log$fakulte), ref = "İletişim Fakültesi")

veri_freq_log$performans <- relevel(as.factor(veri_freq_log$performans), ref = "iyi")

Doygun Modelin Oluşturulması ve Geriye Doğru Seçim Yöntemi ile En İyi Modelin Bulunması

doygun_model <- glm(freq ~ cinsiyet + fakulte + performans + cinsiyet*fakulte+ cinsiyet*performans + fakulte*performans+ cinsiyet*fakulte*performans, family = poisson, data = veri_freq_log)

model_doygun_log <- step(doygun_model, direction = "backward")

## Start:  AIC=135.86
## freq ~ cinsiyet + fakulte + performans + cinsiyet * fakulte + 
##     cinsiyet * performans + fakulte * performans + cinsiyet * 
##     fakulte * performans
## 
##                               Df Deviance    AIC
## - cinsiyet:fakulte:performans  6    6.201 130.06
## <none>                              0.000 135.86
## 
## Step:  AIC=130.06
## freq ~ cinsiyet + fakulte + performans + cinsiyet:fakulte + cinsiyet:performans + 
##     fakulte:performans
## 
##                       Df Deviance    AIC
## - cinsiyet:performans  2   7.6755 127.54
## - fakulte:performans   6  18.1534 130.01
## <none>                     6.2010 130.06
## - cinsiyet:fakulte     3  19.5235 137.38
## 
## Step:  AIC=127.54
## freq ~ cinsiyet + fakulte + performans + cinsiyet:fakulte + fakulte:performans
## 
##                      Df Deviance    AIC
## <none>                    7.6755 127.54
## - fakulte:performans  6  21.3994 129.26
## - cinsiyet:fakulte    3  22.7695 136.63

✓ Geriye doğru seçim yöntemi ile elde edilen en iyi model en alttaki modeldir.

✓ En iyi model ana etkilerin yanı sıra ikili etkileşimlerden de fakülte-performans ve cinsiyet-fakülte etkileşimlerinin yer aldığı modeldir.

✓ En iyi modelde cinsiyet ve fakülte ilişkisi ile fakülte ve performans ilişkisi istatistiksel olarak anlamlı çıkmıştır. Cinsiyet ve performans ilişkisi ise anlamsız çıkmıştır. Yani fakülte değişkeninin düzeylerinde cinsiyet ve performans değişkenleri birbirinden bağımsızdır.

En iyi model = sabit + cinsiyet + fakulte + performans + fakülte * performans + cinsiyet * fakulte

Cinsiyet, Fakülte ve Performans Değişkenlerinin Ana Etkilerinin İlk Düzeyleri İçin Önem Kontrolü

\(H_{0}\): \(u_{cinsiyet(Erkek)}\) = 0

✓ p = 0.25996 > α = 0.05 olduğu için \(H_{0}\) reddedilemez. Cinsiyet değişkeninin erkek düzeyinin modele katkısı istatistiksel olarak anlamsızdır.

\(H_{0}\): \(u_{fakulte(Eğitim)}\) = 0

✓ p = 0.25740 > α = 0.05 olduğu için \(H_{0}\) reddedilemez. Fakülte değişkeninin eğitim fakültesi düzeyinin modele katkısı istatistiksel olarak anlamsızdır.

\(H_{0}\): \(u_{performans(Kötü)}\) = 0

✓ p = 0.05706 > α = 0.05 olduğu için \(H_{0}\) reddedilemez. Performans değişkeninin kötü düzeyinin modele katkısı istatistiksel olarak anlamsızdır.

\(H_{0}\): \(u_{performans(Orta)}\) = 0

✓ p = 0.00192 < α = 0.05 olduğu için \(H_{0}\) reddedilir. Performans değişkeninin orta düzeyinin modele katkısı %95 güven düzeyinde anlamlıdır.

Cinsiyet-Fakülte ve Fakülte-Performans İkili Etkileşimlerinin İlk Düzeyleri İçin Önem Kontrolü

\(H_{0}\): \(u_{cinsiyet × fakulte (Erkek x Eğitim)}\) = 0

✓ p = 0.53882 > α = 0.05 olduğu için \(H_{0}\) reddedilemez. Cinsiyet değişkeninin erkek düzeyi ve Fakülte değişkenin eğitim fakültesi düzeyi ikili etkileşiminin modele katkısı istatistiksel olarak anlamsızdır.

\(H_{0}\): \(u_{cinsiyet × fakulte (Erkek x Mühendislik)}\) = 0

✓ p = 0.00986 < α = 0.05 olduğu için \(H_{0}\) reddedilir. Cinsiyet değişkeninin erkek düzeyi ve fakülte değişkenin mühendislik fakültesi düzeyi ikili etkileşiminin modele katkısı %95 güven düzeyinde anlamlıdır.

\(H_{0}\): \(u_{fakulte × performans (Eğitim x Kötü)}\) = 0

✓ p = 0.02658 < α = 0.05 olduğu için \(H_{0}\) reddedilir. Fakülte değişkeninin eğitim fakültesi düzeyi ve performans değişkenin kötü düzeyi ikili etkileşiminin modele katkısı %95 güven düzeyinde anlamlıdır.

Değişken Seçimi

• Araştırmanın ana konusu fakülteler arasındaki haberleri doğru ayırt etme performansını ölçmektir. Lojistik regresyon modeli için veri setindeki tüm nitel değişkenler alınmıştır.

veri_loj <- veri[, c(1,2,4,5,6,32,35)]

Faktör Değişkenlerin Seviyelerinin Tanımlanması

veri_loj$cinsiyet <- as.factor(veri_loj$cinsiyet)

veri_loj$fakulte <- as.factor(veri_loj$fakulte)

veri_loj$performans_nitel <- as.factor(veri_loj$performans_nitel)

veri_loj$ders <- as.factor(veri_loj$ders)

veri_loj$egitim <- as.factor(veri_loj$egitim)

veri_loj$platform <- as.factor(veri_loj$platform)

veri_loj$arastirma <- factor(veri_loj$arastirma, labels = c("Araştırmam","Nadiren","Bazen","Araştırırım","Her zaman"))

Verinin İlk 10 Gözlemi:

knitr::kable(head(veri_loj,n=10), align = "c")

Platform ve Performans (nitel) Değişkenlerinin Referans Düzeylerinin Belirlenmesi

veri_loj$platform <- relevel(as.factor(veri_loj$platform), ref = "Instagram")

veri_loj$performans_nitel <- relevel(as.factor(veri_loj$performans_nitel), ref = "orta")

Değişkenlerin Anlamlılık Testi İçin Wald İstatistikleri

\(H_{0}\): \(U_{i}\) değişkeninin modele katkısı anlamsızdır. (i= cinsiyet, fakulte, ders, egitim, platform, arastirma)

\(H_{1}\): \(U_{i}\) değişkeninin modele katkısı anlamlıdır.

Anova(model_lojistik, type="II", test="Wald")

## Analysis of Deviance Table (Type II tests)
## 
## Response: performans_nitel
##           LR Chisq Df Pr(>Chisq)  
## cinsiyet    0.1821  1    0.66956  
## fakulte     1.2783  3    0.73430  
## ders        0.6904  1    0.40604  
## egitim      0.9705  1    0.32456  
## platform   13.4174  5    0.01977 *
## arastirma   4.7137  4    0.31795  
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

✓ p = 0.66401 > α = 0.05 olduğu için \(H_{0}\) reddedilemez. Cinsiyetin modele katkısı %95 güven düzeyinde anlamsızdır.

✓ p = 0.32563 > α = 0.05 olduğu için \(H_{0}\) reddedilemez. Fakültenin modele katkısı %95 güven düzeyinde anlamsızdır.

✓ p = 0.80333 > α = 0.05 olduğu için \(H_{0}\) reddedilemez. Dersin modele katkısı %95 güven düzeyinde anlamsızdır.

✓ p = 0.48267 > α = 0.05 olduğu için \(H_{0}\) reddedilemez. Eğitimin modele katkısı %95 güven düzeyinde anlamsızdır.

✓ p = 0.02602 < α = 0.05 olduğu için \(H_{0}\) reddedilir. Platformun modele katkısı %95 güven düzeyinde anlamlıdır.

✓ p = 0.76740 > α = 0.05 olduğu için \(H_{0}\) reddedilemez. Araştırmanın modele katkısı %95 güven düzeyinde anlamsızdır.

Doğru Sınıflandırma Tablosu

table(Orijinal = veri_loj$performans_nitel,Tahmin = probabilities)

##         Tahmin
## Orijinal orta iyi kötü
##     orta  124   0    0
##     iyi    48   0    0
##     kötü   28   0    0

✓ Kurulan model orta düzeyde performansa sahip öğrencileri tahmin etmekte oldukça başarılıyken; iyi ve kötü performansa sahip öğrencileri tahmin edememiştir. Bu yüzden modelin iyi ve kötü düzeyde performansa sahip öğrencileri belirleme başarısı oldukça zayıf iken orta düzeyde performansa sahip öğrencileri belirleme başarısı oldukça yüksektir. Dolayısıyla bu model, orta düzey performansa sahip öğrenciler için kullanılabilir bir modeldir.

Doğru Sınıflandırma Oranı

mean(probabilities == veri_loj$performans_nitel)

## [1] 0.62

✓ Modelin öğrenci performanslarını doğru sınıflandırma oranı %62’dir.