Bu çalışmanın amacı, Madde Tepki Kuramı (MTK) kapsamında R programlama diliyle gerçekleştirilen veri üretimine yönelik algoritmaların geliştirilmesinde ChatGPT 3.5’nin etkililiğini araştırmaktır. Bu kapsamda, ChatGPT 3.5 ve araştırmacılar tarafından yazılan algoritmalarla, İki Parametreli Lojistik Modele (2PLM) göre üretilen veri setleri üzerinde geçerlik incelemeleri yapılmıştır. Yapılan incelemelerde, veri setlerinin MTK varsayımlarını ve madde parametrelerinin simülasyon koşullarını karşılama durumları dikkate alınmıştır. Sonuç olarak ChatGPT 3.5 algoritmalarının, MTK varsayımlarına uygun veri üretimi konusunda oldukça başarılı olduğu, ancak madde parametrelerinin simülasyon koşullarını karşılama hususunda, araştırmacılar tarafından geliştirilen algoritmaya kıyasla daha az etkili olduğu belirlenmiştir. Bu kapsamda ChatGPT 3.5, MTK’ya yönelik veri üretimi algoritmalarının geliştirilmesinde, araştırmacılara destek verebilecek faydalı bir araç olarak önerilmektedir.

Sosyal bilimler alanında nicel paradigmaya dayalı araştırmaların yürütülmesinde, insanlara ait doğrudan gözlemlenemeyen örtük özellikleri ölçmek amacıyla kullanılan ölçeklerin rolü yadsınamaz bir gerçektir. Özellikle eğitim, psikoloji, sosyoloji gibi sosyal bilimlerin insan davranışına odaklanan daha özgül alt alanlarında üretilen bilgi, büyük oranda ölçekler aracılığıyla elde edilen verilere dayanmaktadır. Ölçeklerin kullanımı sadece bilimsel çalışmalar ile sınırlı değildir. Okul rehberlik servisleri veya psikoloji kliniklerinde kullanılan ölçekler, bireyler hakkında verilecek kararları büyük oranda etkilemektedir. Bu nedenle doğrudan veya dolaylı olarak insan yaşamı üzerinde etkili olan ölçeklerin geçerli ve güvenilir bir şekilde geliştirilmesi oldukça önemlidir. Ancak alan yazın incelendiğinde sosyal bilimler alanında ölçeklerin kullanımı bir asırdan daha eskiye dayanmasına rağmen ölçek geliştirme çalışmalarında pek çok kuramsal ve teknik hataların olduğu görülmektedir. Bu çalışmanın amacı, ölçek geliştirme süreçlerinde yaygın olarak görülen hataları betimleyerek ölçek geliştirme çalışmalarında uyulması gereken temel prosedürler ile birlikte ölçek geliştirme alanındaki yeni yaklaşımları okuyucuya tanıtmaktır. Bu açıdan, bu çalışmanın yeni ölçek geliştirme uygulamaları için bir kılavuz görevi üstlenerek geçerli ve güvenilir bilginin üretilmesine katkı sunması beklenmektedir.

Teknoloji tabanlı sistemlerin yaygınlaşmasıyla birlikte ilkokul çağından, emeklilik yaşına değin tüm bireylerin teknolojik cihazlar ve sanal ortam üzerindeki davranışları veri şeklinde kayıt altına alınmaktadır. Normal yaşam aktivitelerini yerine getiren herhangi bir bireyden ya da gruptan elde edilen bu dev veri yığını “büyük veri” olarak ifade edilmektedir. Günümüzde büyük verinin analizi ile geleceğe yönelik tahminler yapılabilmekte, mevcut duruma ya da geçmişe ait sorular cevaplandırılabilmektedir. Bankacılık, pazarlama, turizm, ulaşım gibi pek çok sektör, gelecek planlarını büyük veri analizine dayandırarak oluşturmaktadır. Benzer şekilde, bilgisayar teknolojilerinin eğitim sistemi üzerindeki etkisinin artışıyla, eğitim alanında da büyük veri patlaması yaşanmıştır. Bu çalışmada, büyük verinin yapısı, önemi ve etkisine ilişkin bilgi verildikten sonra eğitim alanında kullanılması, avantajları, güçlükleri ve mevcut uygulamalar üzerinde durulmuştur. Aynı zamanda, büyük verinin eğitim sistemine nasıl entegre edilebileceği ile ilgili bir takım öneriler sunulmuştur.

Background: Migration is a global phenomenon that significantly impacts individuals' psychological wellbeing. Migrants often face a range of psychological stressors due to displacement, adjustment challenges, and trauma. Understanding how mental health indicators cluster in this population is essential for developing effective interventions.Aims: This study aimed to identify latent psychological profiles among migrants in Türkiye based on positive (life satisfaction, psychological wellbeing, resilience) and negative (depression, anxiety, stress) mental health indicators and to examine the demographic predictors of these profiles.Sample: The study included 436 adult migrants aged 18 to 64 residing in various provinces of Türkiye. A purposive sampling method was used to ensure diversity in characteristics such as gender, age, socioeconomic status, education level, and geographic location.Method: Participants completed validated self-report measures of life satisfaction, psychological wellbeing, resilience, depression, anxiety, and stress. Confirmatory factor analyses and reliability tests were conducted. Latent Profile Analysis (LPA) was used to identify distinct psychological profiles, and multinomial logistic regression was employed to examine demographic predictors of profile membership.Results: Four distinct psychological profiles were identified: (1) Moderate wellbeing and moderate risk, (2) high wellbeing and low risk, (3) high risk, and (4) low risk but moderate wellbeing. Age, gender, socioeconomic status, and education level were significant predictors of profile membership, while marital status was not. Higher age and lower income increased the likelihood of being in the high-risk group, whereas higher education was associated with better psychological outcomes.Conclusion: The findings highlight heterogeneity in migrants' psychological adjustment and underscore the importance of considering demographic diversity in mental health interventions. Tailored, culturally sensitive approaches may enhance the wellbeing and resilience of migrant populations.