Tez No	İndirme	Tez Künye	Durumu
463549		A statistical approach to job matching problem via difference metrics and data mining / Fark metriği ve veri madenciliği kullanılarak iş eşleştirme problemine istatistiksel bir yaklaşım Yazar:AHMET FATİH ORTAKAYA Danışman: DOÇ. DR. ÖZLEM İLK ; DOÇ. DR. CEM İYİGÜN Yer Bilgisi: Orta Doğu Teknik Üniversitesi / Fen Bilimleri Enstitüsü / İstatistik Ana Bilim Dalı Konu:İstatistik = Statistics Dizin:	Onaylandı Doktora İngilizce 2016 159 s.
Son yıllarda işgücü piyasası vizyonu stok perspektifinden akış perspektifine yönelmiştir. Yüksek gelir grubundaki birçok ülkedeki işgücü piyasası brüt iş akışı çokluğu ile ifade edilmektedir. Büyük iş akışlarından ötürü, iş gücü piyasasındaki işçiler ile açık bulunan iş pozisyonlarını eşleştirme sorunu ortaya çıkmakta ve bu durum, yüksek sayıda açık iş pozisyonu ve işe yerleşemeyen kişilerin var olmasına neden olmaktadır. Doğru işi doğru kişi ile eşleştirmek için literatürde farklı uygulamalar mevcuttur. Bilindiği kadarıyla Türkiye İş Kurumu'nun istatistiksel analiz yöntemleri aracılığı ile geliştirmiş olduğu bir iş eşleştirme programı mevcut değildir. Bu tez çalışmasının temel amacı; Artırımlı Değişken Seçimini İçeren Yeni Bir Kategorik Sınıflama Algoritması (ADSKSA) ve Bağımsız Ağırlıklandırılmış Örtüşme Metriğinin (BAÖM) kullanıldığı puanlama ve sıralama algoritmalarının kombinasyonundan oluşan bir eşleştirme algoritması önererek istatistiksel bir yaklaşım ile iş eşleştirme programı geliştirilmesidir. Literatürdeki çalışmalardan farklı olarak bu tez çalışması tüm kategorik veri setlerine uygulanabilir yeni bir değişken seçimi algoritması, Bağımsız Ağırlıklandırılmış Değer Fark Metriği (BADFM) ve Örtüşme Metriğinin (ÖM) modifiye edilmiş bir versiyonunu önermektedir. Bu tez çalışmasında önerilen algoritmalar Türkiye İş Kurumu veri seti ve Kaliforniya Üniversitesi-Irvine Makine Öğrenmesi Deposu veri setlerine uygulanmıştır. Uygulama sonuçları; bu tezde önerilen metriğin literatürdeki metriklere göre daha üstün olduğunu göstermekte ve geliştirilen iş eşleştirme programı, bütün müsait işlerle uygun iş arayanları eşleştirebilmektedir. Anahtar Kelimeler: İş Eşleştirme Programı (İEP), Artırımlı Değişken Seçimini İçeren Kategorik Sınıflama Algoritması (ADSKSA), Bağımsız Ağırlıklandırılmış Değer Fark Metriği (BADFM), Bağımsız Ağırlıklandırılmış Örtüşme Metriği (BAÖM), Eşleştirme
Labor market vision has changed from a stock perspective to a flow perspective in the recent years. Majority of labor markets in many high income countries are specified by these gross flows. Due to these large flows, a major issue arises in matching workers and jobs in labour market which results in coexistence of high number of unfilled vacancies and unemployed people. Different approaches are applicable in the literature to match the right candidate with the right job post. Yet, as far as we know a sophisticated statistical analysis or a procedure for employing a Job Matching Scheme (JMS) for Turkish Employment Agency (TEA) does not exist. The main aim of this thesis study is to develop a statistical approach for designing a JMS by proposing a new Classification Algorithm for Categorical Data with Incremental Feature Selection (CACDIFES) and a Matching Algorithm which consists of a combination of scoring and sorting algorithms by using Independently Weighted Overlap Metric (IWOM). Apart from the studies in the literature, this thesis proposes a new Incremental Feature Selection (IFS) algorithm, an Independently Weighted Value Difference Metric (IWVDM) and a modified version of Overlap Metric (OM) which can be applied to any type of categorical data sets. Algorithms proposed in this thesis are applied to TEA data set and data sets obtained from UCI Machine Learning Repository. Experimental results reveal that our proposed metric is superior to previously introduced ones, and our JMS is able to match all vacant jobs with suitable job seekers. Keywords: Job Matching Scheme (JMS), Classification Algorithm for Categorical Data with Incremental Feature Selection (CACDIFES), Independently Weighted Value Difference Metric (IWVDM), Independently Weighted Overlap Metric (IWOM), Matching