Nur Selin Özen

Nur Selin Özen

Auto-generated profile, based on publicly available information

Nur Selin Özen

Toros University

Research Focus & Metrics

Academic Career Length

5Years (2022-Present)

(Calculated once Scilit publication data is synced: current year − year of first publication + 1)

Representative Publications

View All Publications
30 December 2022 in Çukurova Üniversitesi Mühendislik Fakültesi Dergisi
Verified
Journal Article
Open access
PDF file
SGSelin Saraç Güleryüz
Selin Saraç Güleryüz
NÖNur Selin Özen
Nur Selin Özen
FEFikri Ege
Fikri Ege
Eğitim kurumları ve diğer pek çok kurum COVID-19 pandemisiyle birlikte dijital çalışma ortamına geçmiştir. Bu durumla birlikte, çalışan kişilerin ekranda kalma sürelerinde artış gözlenmiştir. Bu kapsamda kurumların toplantı, eğitim gibi gereksinimlerini uzaktan yürütülebilecek araçlar ve programlar geliştirilmiştir ya da olan bir yazılıma olan talep artmıştır. Kurumların yanı sıra, okul ve üniversiteler eğitimde aksama olmaması ve öğrencilerin eğitimleri konusunda bir problem yaşamamaları için uzaktan eğitim sistemlerine uyum sağlamak durumunda kalmıştır. Salgın döneminde uzaktan çalışma ve eğitim, bireylerin ekran başında geçen süreleri arttırmış ve bireylerin ergonomik açıdan şikâyetlerini arttırmıştır. Bu çalışmada, ekran başında geçirilen sürenin ve uzaktan eğitim sistemlerin ergonomik açıdan etkilerini incelemek amacıyla 45 akademik personelden anket yöntemiyle veriler toplanmıştır. Elde edilen veriler yardımıyla, kullanılan uzaktan eğitim sistemlerinin bilişsel ergonomi açısından değerlendirilmesi bu çalışmanın temelini oluşturmaktadır.

31 July 2026 in Eskişehir Osmangazi Üniversitesi İktisadi ve İdari Bilimler Dergisi
Verified
Journal Article
Closed access
STSeda Turnacıgil
Seda Turnacıgil
NÖNur Selin Özen
Nur Selin Özen
EAEcem Arık
Ecem Arık
In this study, four different Machine Learning (ML) algorithms were used to predict the BIST100 index based on various economic and financial indicators. The predictions were generated using Python for the Random Forest (RF), Categorical Boosting (CatBoost), Gradient Boosting (GB), and Ridge Regression (RR) algorithms. Performance metrics such as Mean Absolute Percentage Error (MAPE), Root Mean Squared Error (RMSE), Mean Absolute Error (MAE), and the Coefficient of Determination (R2) were used to evaluate and compare the models. In conclusion, the best-performing algorithm based on the MAPE metric was found to be RF, with a value of 3.49%. Additionally, feature importance analyses were conducted for each algorithm, and the variables were ranked from the most to the least influential.