Psikiyatride Güncel Yaklaşımlar; 2019;11(Ek 1):64-78
Otomatik Düşüncelere Makine Öğrenme Yöntemlerinin Uygulanması ile Aleksitimi Düzeyinin Tahmini
MK Yöntem, K Adem
Nevşehir Hacı Bektaş Veli Üniversitesi, Nevşehir
Bu araştırmada bilişsel davranışçı terapi kavramlarından otomatik düşüncelerin aleksitimi ile ilişkisi
incelenmiştir. Bu amaçla otomatik düşünceler ölçeğini oluşturan en etkili öznitelikleri tespit etmek
için FisherScore analizi uygulanmıştır. Ayrıca veri kümesinin Yapay Sinir Ağı (YSA) ve Destek Vektör
Makinesi (DVM) makine öğrenmesi yöntemlerine giriş olarak verilmesiyle aleksitimi düzeyi tahmin
edilmiş ve bu sayede önceliğin hangi otomatik düşüncelere vermesi gerektiği konusunda bir yol
haritası sunulması amaçlanmıştır. Araştırma Türkiye’nin 10 farklı ilinden 386 (%54) erkek 328 (%46)
kadın olmak üzere 714 katılımcı ile gerçekleştirilmiştir. Katılımcılara kişisel bilgiler formu, Otomatik
Düşünceler Ölçeği ve Toronto Aleksitimi ölçeği uygulanmıştır. Otomatik düşünceler ölçeğinden elde
edilen veri kümesine Fisher Score yöntemi ile öznitelik seçim işlemi uygulanarak 5 adet öznitelik
içeren veri kümesi elde edilmiştir. Bu veri kümesine DVM yönteminin uygulanması sonucunda 4.01
RMSE hatası ile aleksitimi seviyesi tahmin edilmiştir. Sonuçlar otomatik düşünceler ölçeğindeki
özniteliklerin aleksitimi düzeyi ile ilişkili olduğunu göstermektedir.
Prediction of the Level of Alexithymia through Machine Learning Methods Applied to Automatic Thoughts
This study aims to investigate the relationship among alexithymia levels and automatic thoughts from
cognitive behavioral therapy concepts. For this aim, Fisher Score analysis was applied to determine
the most effective attributes of the automatic thoughts scale. In addition, the level of alexithymia was
predicted by the introduction of the data set into the machine learning methods of the Artificial
Neural Network (ANN) and Support Vector Machine (SVM). It is aimed to develop a roadmap of what
automatic thoughts should be given priorities in studies. The research, from 10 different provinces of
Turkey, was performed with a total of 714 participants, of which 386 (54%) male and 328 (46%)
female. Personal information form, Automatic Thoughts Scale and Toronto Alexithymia scale were
applied to the participants. The data set obtained from the scale of automatic thoughts was applied to
the feature selection by using the Fisher Score method and a data set containing 5 attributes was
obtained. As a result of the implementation of the SVM method to this data set, the alexithymia level
was predicted with 4.01 RMSE error. The results show that the features of the automatic thoughts are
related to the alexithymia level.