Veri Madenciliği, Kümeleme ve İstatistiksel Yöntemler Arasındaki İlişkilerin VOSviewer ile Görselleştirilmesi
Author :
Abstract
Bu araştırmanın amacı, veri madenciliği ve istatistiksel yöntemler arasındaki ilişkileri bibliyometrik yöntemle inceleyerek, bu iki alanın bilimsel literatürdeki etkileşim ağlarını ve gelişim yönelimlerini ortaya koymaktır. Çalışmada, 2020–2025 yılları arasında Web of Science veri tabanında yer alan ve “data mining”, “clustering” ve “statistical methods” anahtar kelimelerini içeren 897 yayın incelenmiştir. Analizler, VOSviewer yazılımı kullanılarak gerçekleştirilmiş ve yazar, ülke, kurum, anahtar kelime, atıf ve bibliyografik eşleşme ağları görselleştirilmiştir. Bulgular, özellikle Çin ve ABD merkezli araştırma gruplarının bu alanda öne çıktığını, Hong Kong Polytechnic University ve Central South University gibi kurumların yüksek atıf etkisine sahip olduğunu göstermektedir. Ayrıca, en çok kullanılan anahtar sözcüklerin “data mining”, “clustering” ve “machine learning” olduğu belirlenmiştir. Çalışma, veri madenciliği ile istatistiksel yöntemlerin kesişim noktasında yer alan araştırmaların yoğunlaştığı, disiplinler arası iş birliklerinin ise belirli merkezler etrafında şekillendiği sonucuna ulaşmıştır.
Keywords
Abstract
The aim of this research is to examine the relationships between data mining and statistical methods by bibliometric method and to reveal the interaction networks and development directions of these two fields in scientific literature. The research analyzed 897 publications indexed in the Web of Science database between 2020 and 2025, using the keywords “data mining,” “clustering,” and “statistical methods.” The analyses were conducted through the VOSviewer software to visualize networks of authors, countries, institutions, keywords, citations, and bibliographic couplings. The findings indicate that research groups based primarily in China and the United States play a leading role in this field, while institutions such as the Hong Kong Polytechnic University and Central South University have a high citation impact. Moreover, the most frequently used keywords were identified as “data mining,” “clustering,” and “machine learning.” The study concludes that research focusing on the intersection of data mining and statistical methods is intensifying, and interdisciplinary collaborations tend to cluster around specific research centers.
