PREDICCIÓN DE DIVORCIO USANDO CORRELACIÓN BASADA

SELECCIÓN DE FUNCIONES Y NEURAL ARTIFICIAL

REDES •

Araştırma Makalesi / Artículo de investigación

Yöntem, MK, Adem, K., İlhan, T. ve Kılıçarslan, S. (2019). Geliş Tarihi: 04.04.2019
Predicción de divorcios mediante selección de características
Tarihi de Kabul: 13.06.2019
basada en correlación y redes neuronales artificiales.
Nevşehir Hacı Bektaş Veli Üniversitesi SBE Dergisi, E-ISSN: 2149-3871
9 (1), 259-273.

Dr. Öğr. Üyesi Mustafa Kemal YÖNTEM

Nevşehir Hacı Bektaş Veli Üniversitesi, Eğitim Fakültesi, Eğitim Bilimleri Bölümü
muskemtem@hotmail.com
ORCID No: 0000-0001-7620-0971

Dr. Öğr. Üyesi Kemal ADEM

Aksaray Üniversitesi, İktisadi ve İdari Bilimler Fakültesi, Yönetim Bilişim
Sistemleri Bölümü
kemaladem@gmail.com
ORCID No: 0000-0002-3752-7354

Prof. Dr. Tahsin İLHAN

Tokat Gaziosmanpaşa Üniversitesi, Eğitim Fakültesi, Eğitim Bilimleri Bölümü
tahsinilhan73@gmail.com
ORCID No: 0000-0002-5007-5022

Öğr. Gör. Serhat KILIÇARSLAN

Tokat Gaziosmanpaşa Üniversitesi, Rektörlük, Enformatik Bölümü
serhatklc@gmail.com
ORCID No: 0000-0001-9483-4425

•
Bu eserin bir bölümü Congreso Internacional de Estudios Políticos, Económicos y
Sociales 2018'de sözlü bildiri olarak sunulmuştur.

259
 ASTRACTO
En el ámbito de esta investigación, la predicción del divorcio se realizó mediante el uso de la Escala de Predictores de

Divorcio (DPS) sobre la base de la terapia de pareja de Gottman. De los participantes, 84 (49%) estaban divorciados y 86 (51%) eran

parejas casadas. Los participantes completaron el “Formulario de información personal” y la “Escala de predictores de divorcio”. En

este estudio, se investigó el éxito de DPS utilizando la red neuronal de perceptrón multicapa y los algoritmos de árbol de decisión

C4.5. Además, el estudio también tiene como objetivo encontrar las características / elementos más significativos en la Escala de

predictores de divorcio que afectan el divorcio. Las 6 características más efectivas y sus valores de importancia obtenidos mediante

la aplicación del método de selección de características basado en correlación en el conjunto de datos de divorcio. Cuando

observamos estas características, están relacionadas con la creación de un significado común y los intentos fallidos de reparación,

mapa de amor y conductas conflictivas negativas. Cuando se aplicaron los métodos de clasificación directa al conjunto de datos de

divorcio, la tasa de éxito más alta fue del 98,23% obtenida con la red neuronal RBF. Después de seleccionar las 6 características más

efectivas utilizando el método de selección de características basado en correlación en el mismo conjunto de datos, la tasa de

precisión más alta obtenida fue del 98,82% con ANN. Según los resultados, DPS puede predecir el divorcio. Los consejeros familiares

y los terapeutas familiares pueden utilizar esta escala para contribuir a la preparación de la formulación del caso y el plan de

intervención. También se puede decir que los predictores de divorcio en la terapia de pareja de Gottman se confirmaron en el

muestreo turco. 23% obtenido con la red neuronal RBF. Después de seleccionar las 6 características más efectivas utilizando el

método de selección de características basado en correlación en el mismo conjunto de datos, la tasa de precisión más alta obtenida

fue del 98,82% con ANN. Según los resultados, DPS puede predecir el divorcio. Los consejeros familiares y los terapeutas familiares

pueden utilizar esta escala para contribuir a la preparación de la formulación del caso y el plan de intervención. También se puede

decir que los predictores de divorcio en la terapia de pareja de Gottman se confirmaron en el muestreo turco. 23% obtenido con la red neuronal RBF. Después de seleccionar las 6 car

Palabras clave: Minería de datos, Redes neuronales artificiales, Divorcio, Predicción de

divorcios.

YAPAY SİNİR AĞLARI VE KORELASYON TABANLI

ÖZNİTELİK SEÇME YÖNTEMİ İLE BOŞANMA
TAHMİNLEMESİ

ONZ
Bu araştırma kapsamında, Gottman çift terapisini temel alan Boşanma
Göstergeleri Ölçeği kullanılarak boşanma tahminlemesi yapılmıştır. Katılımcıların 84'ü
(% 49) boşanmış, 86'sı da (% 51) halen evli olan bireylerden oluşmaktadır. Katılımcılara
belirtilen ölçek uygulanarak çalışmada kullanılan veri kümesi oluşturulmuştur. Bu
çalışmada ölçeğin başarısı Yapay Sinir Ağı, RBF Sinir Ağı ve Karar Ağacı algoritmaları
kullanılarak incelenmiştir. Çalışma aynı zamanda Boşanma Göstergeleri Ölçeği'nde
boşanmayı etkileyen en önemli özellikleri / maddeleri bulmayı da amaçlamaktadır.
Boşanma veri kümesine korelasyon tabanlı özellik seçme yöntemi uygulanarak en
etkili 6 özellik ve bu özelliklerin önem değerleri elde edilmiştir. Boşanma veri
kümesine doğrudan sınıflandırma yöntemleri uygulandığında en yüksek başarı RBF
sinir ağı ile% 98.23 olarak elde edilmiştir. Aynı veri kümesine korelasyon tabanlı
özellik seçme yöntemi uygulanarak elde edilen 6 özelliğe sınıflandırma yöntemleri
uygulandığında ise en yüksek olam başarı oranı Yapay Sinir2. Sonuçlara göre,
Boşanma Göstergeleri Ölçeği boşanmayı tahmin edebilir. Aile danışmanları ve
terapistleri bu

260
ölçeği vaka formülasyonu ve müdahale planının hazırlanmasına katkıda bulunmak
için kullanabilirler. Ayrıca, Gottman çiftleri terapisindeki boşanma göstergelerinin
Türk örneklemesinde doğrulandığı söylenebilir.
Anahtar Kelimeler: Veri Madenciliği, Yapay Sinir Ağları, Boşanma, Boşanma
Tahminleme.

1. INTRODUCCIÓN
Cuando miramos los datos de divorcios de 33 países miembros de la
Organización para la Cooperación y el Desarrollo Económicos (OCDE), se ve que
Turquía se encuentra entre los 12 países con una tasa de divorcios en aumento.
Esto plantea la necesidad de desarrollar políticas y prácticas científicas sobre las
causas y la prevención del divorcio. En el marco de esta investigación, la
predicción del divorcio se llevó a cabo utilizando la Escala de Predictores de
Divorcio (DPS) desarrollada por Yöntem e İlhan (2017, 2018) sobre la base de la
terapia de pareja de Gottman (Gottman, 2014; Gottman y Gottman, 2012) . La
razón de esto es que la terapia de pareja de Gottman es un modelo que explica
las causas del divorcio basado en investigaciones empíricas. Los criterios
definidos en la teoría de la casa de relaciones sólidas, dentro de este modelo,
son importantes predictores de divorcio. Los predictores de divorcio más
importantes del modelo son los cuatro jinetes del apocalipsis. Gottman los
describe como crítica, desprecio, taconeo y actitud defensiva (Gottman, 2014;
Gottman y Gottman, 2012)
En su estudio longitudinal realizado con parejas de recién casados, Gottman (2014) ha estimado que
las parejas se divorciarán en el futuro con una tasa de éxito del 85% utilizando solo estas cuatro variables. De
manera similar, en sus 14 años de estudio, Further, Gottman y Levenson han descubierto que esta estructura
cuádruple predice los divorcios con una tasa de éxito del 95%. Según Gottman, otro predictor de divorcio es el
fracaso de los intentos de reparación (Gottman, 1999; Gottman y Silver, 2015). Cuando los intentos fallidos de
reparación se combinan con los "cuatro jinetes", el divorcio al cabo de cinco años se estima en una tasa de éxito
del 97,5% (Gottman, 1999). Además, la forma en que se abre el tema a la discusión por primera vez también es
importante en términos de abordar los problemas de conflicto por parte de las parejas. Se ha observado que
los datos requeridos para la predicción del divorcio o la continuación del matrimonio se pueden obtener solo en
unos minutos para el 96% de las parejas (Gottman, 1999). Según esto, los comportamientos y reacciones de las
parejas en tan solo unos minutos después de una discusión dan una idea sobre el divorcio. Por lo tanto, el inicio
severo de una discusión es uno de los predictores más obvios de que un debate o un matrimonio no saldrá bien
(Gottman y Silver, 2014). Además, Gottman y Silver (2015) afirmaron que el factor decisivo en la satisfacción de
las parejas con la sexualidad, el amor y la pasión en sus matrimonios depende de la calidad de la amistad entre
marido y mujer en un 70%. Y esta amistad se expresa como un mapa de amor. los comportamientos y
reacciones de las parejas en tan solo unos minutos después de una discusión dan una idea sobre el divorcio.
Por lo tanto, el inicio severo de una discusión es uno de los predictores más obvios de que un debate o un
matrimonio no saldrá bien (Gottman y Silver, 2014). Además, Gottman y Silver (2015) afirmaron que el factor
decisivo en la satisfacción de las parejas con la sexualidad, el amor y la pasión en sus matrimonios depende de
la calidad de la amistad entre marido y mujer en un 70%. Y esta amistad se expresa como un mapa de amor. los comportamientos y reacciones de las par

261
(Barnacle y Abbott, 2009; Gottman, 1999; Gottman y Silver, 2015).
Como puede verse, la terapia de pareja de Gottman proporciona
importantes hallazgos en la predicción del divorcio. En este estudio, se investigó el
poder predictivo de los predictores de divorcio de Gottman para estimar el divorcio
en una muestra turca. Aunque existen numerosos métodos de estimación y análisis
diferentes en estadística, el método conocido como minería de datos se utiliza para
revelar información previamente desconocida y potencialmente útil. Aunque no
existen estudios sobre la predicción del divorcio por métodos de minería de datos, se
ve que numerosos métodos de minería de datos como clasificación, estimación y
agrupamiento se utilizan en muchos estudios en el campo de la psicología y
psiquiatría (Baba-García, et al. , 2006; Song, 2010; Qinghua, 2016).
Utilizando métodos de minería de datos, Baca-García et al. (2006) han estimado las decisiones de
hospitalización de los psiquiatras en 509 intentos de suicidio evaluados en el servicio de urgencias. Según los
resultados del estudio, los pacientes se han clasificado correctamente con una tasa de éxito del 99% mediante
el método de selección avanzada. En su estudio, que investigó los datos de evaluación psicológica de
estudiantes universitarios, Song (2010) ha utilizado métodos de minería de datos kNN, Bayes y SVM. El mejor
resultado obtenido para el modelo de clasificación binaria se logró mediante el uso de SVM con una tasa de
éxito del 79,1%. Nguyen X y col. (2010) han utilizado métodos de extracción de datos para evaluar los resultados
de los síntomas del insomnio en el tratamiento del síndrome de apnea del sueño a largo plazo. En su estudio,
han demostrado utilizando árboles de decisión que las respuestas negativas al tratamiento no se han asociado
con estudios de ajuste a largo plazo. Qinghua (2016) ha aplicado tecnología de minería de datos basada en la
red neuronal artificial propagada hacia atrás para mejorar la eficiencia operativa de los estudiantes en el
sistema de gestión de datos psicológicos. El estudio tiene como objetivo prevenir las crisis psicológicas en
particular. En su estudio, Erikson, Werge, Jensen y Brunak (2014) han utilizado técnicas de extracción de datos
temporales para determinar las reacciones adversas a los medicamentos. El método desarrollado puede
complementar los métodos de control de la seguridad de los medicamentos existentes en el futuro y hacer
posible detectar reacciones adversas a los medicamentos al reducir el riesgo de notificación manual. Rosenthal,
Dalton y Gervey (2007) han utilizado métodos de extracción de datos para investigar los factores que afectan
los resultados ocupacionales en el proceso de rehabilitación ocupacional de personas con discapacidades
psiquiátricas que recibieron servicios de rehabilitación ocupacional. Con la ayuda del algoritmo CHAID utilizado,
se ha demostrado que existe un efecto positivo en los resultados ocupacionales para las personas que reciben
servicios de colocación laboral. Bae, Lee, Park, Hyun y Yoon (2010) han utilizado algoritmos de árbol de
decisión, entre los métodos de minería de datos, para investigar las variables que tienen un efecto significativo
en los pacientes con esquizofrenia en términos de buena funcionalidad social. Como resultado, han
demostrado que tres variables de la mejor funcionalidad social, que son las Bae, Lee, Park, Hyun y Yoon (2010)
han utilizado algoritmos de árbol de decisión, entre los métodos de minería de datos, para investigar las
variables que tienen un efecto significativo en los pacientes con esquizofrenia en términos de buena
funcionalidad social. Como resultado, han demostrado que tres variables de la mejor funcionalidad social, que
son las Bae, Lee, Park, Hyun y Yoon (2010) han utilizado algoritmos de árbol de decisión, entre los métodos de
minería de datos, para investigar las variables que tienen un efecto significativo en los pacientes con
esquizofrenia en términos de buena funcionalidad social. Como resultado, han demostrado que tres variables
de la mejor funcionalidad social, que son las

262
La buena atención continua, la buena teoría de la mente y la sensación de disgusto tienen
menor sensibilidad. Como se puede observar, aunque la minería de datos se utiliza en los
campos de la psicología y la psiquiatría, se puede decir que no se utiliza suficientemente
en la estimación de un fenómeno con efectos negativos a largo plazo, como es el divorcio.
Sin embargo, si los predictores de divorcio de las parejas casadas se pueden estimar
temprano, se pueden prevenir muchos divorcios. En este estudio, se investigó el éxito de
Divorce Predictors Scale utilizando la red neuronal de perceptrón multicapa y los
algoritmos de árbol de decisión C4.5. Además, el estudio también tiene como objetivo
encontrar las características / elementos más significativos en la Escala de predictores de
divorcio que afectan el divorcio.

2. MÉTODO
2.1 Comisión de estudio

De los participantes, 84 (49%) estaban divorciados y 86 (51%)

eran parejas casadas. Había 84 hombres (49%) y 86 mujeres (51%) en
el grupo de estudio. Las edades de los participantes variaron de 20 a
63 (X̄ = 36.04, SD = 9.34). Aunque los datos del estudio se recopilaron
de siete regiones diferentes de Turquía, los datos fueron
predominantemente de la región del Mar Negro (n = 79). De los
participantes, 74 (43,5%) estaban casados por amor y 96 (56,5%)
estaban casados en un matrimonio concertado. Mientras que 127
(74,7%) de los participantes tenían hijos, 43 (25,3%) no tenían hijos.
Además, 18 (10.58%) de los participantes eran graduados de la
escuela primaria, 15 (8.8%) eran graduados de la escuela secundaria,
33 (19.41%) eran graduados de la escuela secundaria, 88 (51.76%)
eran graduados universitarios y 15 (8.8%) ) tenía una maestría. Los
ingresos mensuales de los participantes fueron los siguientes:

2.2 Instrumentos de recopilación de datos

2.2.1 Formulario de información personal

El formulario de información personal, desarrollado por los investigadores,

incluye preguntas sobre género, estado civil, edad, ingresos mensuales, estructura
familiar, tipo de matrimonio, felicidad en el matrimonio y pensamiento de divorcio.

2.2.2 Escala de predictores de divorcio

La escala, desarrollada por Yöntem e İlhan (2018), consta de 5

subescalas. Con el fin de revelar la validez de constructo de la escala, se realizó
un Análisis Factorial Exploratorio basado en el Análisis de Componentes
Principales, y se encontró que 54 ítems tenían un valor de carga factorial de .40 y

263
sobre. La varianza explicada por la estructura de cinco factores fue del 60,43%. Después
del análisis factorial exploratorio, se realizó un análisis factorial confirmatorio con la otra
mitad del conjunto de datos. Los valores de bondad de ajuste para el modelo probado
fueron aceptables. Mientras que el coeficiente de consistencia interna α de Cronbach para
toda la escala ha sido de .95, los coeficientes de consistencia interna α de Cronbach de las
subescalas variaron de .78 a .96. En este estudio, sin embargo, se encontró que el
coeficiente de consistencia interna α de Cronbach para toda la escala era de .98, mientras
que los coeficientes de consistencia interna α de Cronbach para las subescalas estaban
entre .92 y .96.

2.3 Recolección de datos

Los datos de la investigación se recopilaron mediante la técnica de entrevista

cara a cara y a través de Google Drive. Los participantes divorciados respondieron los
ítems de la escala considerando sus matrimonios. Y, de los participantes casados, solo
aquellos con matrimonios felices, sin ningún pensamiento de divorcio, fueron incluidos en
el estudio.

2.4. Análisis de los datos

Entre los métodos de minería de datos, en el análisis de datos se utilizaron la
selección de características basada en correlación y las técnicas de redes neuronales
artificiales. Los métodos de nuestro estudio se evaluaron con el software WEKA
(Waikato Environment for Knowledge Analysis), que se utiliza ampliamente en la
minería de datos. El sistema utilizado en el estudio para la aplicación cuenta con
procesador Intel Core i5 7200U 2.5 GHZ, 4GB DDR3 RAM. En este punto, sería útil
mencionar brevemente la minería de datos.

2.4.1 Minería de datos

Se utilizan varios métodos de extracción de datos, como la selección y

clasificación de características, para revelar información previamente desconocida y
potencialmente útil (Fayyad, Piatetsky-Shapiro, Smyth y Uthurusamy, 1996; Han, Kamber y
Pei, 2006). En esta sección se proporciona una descripción general de los algoritmos de
clasificación y selección de características utilizados en el estudio. La clasificación es un
fenómeno de estimación que revela características comunes o diferencias dentro del
conjunto de datos. Y, el proceso de selección de características se utiliza para descubrir los
atributos más significativos eliminando atributos innecesarios y ruidosos, que afectan
negativamente el desempeño de la clasificación durante el entrenamiento de los métodos
de clasificación (Kaynar, Aydın y Görmez, 2017).

2.4.2. Selección de características basada en correlación

La selección de características basada en la correlación, propuesta por Hall en 1999,

264
utiliza un algoritmo de búsqueda, así como una función que mide los valores de
información de subconjuntos de características (Hall, 1999). El enfoque que utiliza este
método para medir los valores de subconjuntos de características tiene en cuenta los
valores de correlación interna además de su éxito en la estimación de la etiqueta de clase
de cada característica (Hall y Smith (1998). Este enfoque se basa en la hipótesis de que una
buena Los subconjuntos de características consisten en características altamente
correlacionadas con la clase correspondiente, aunque tienen una correlación más baja
entre sí (Hall, 1999) Este método se utiliza para encontrar los atributos más significativos
en el conjunto de datos.
2.4.3 Redes neuronales artificiales
Las redes neuronales artificiales (ANN) se han desarrollado para aprender de los datos,
obtener nueva información a través del aprendizaje y trabajar con un número ilimitado de
variables (Çelik, Atalay y Bayer; 2014; Ertunc, Ocak y Aliustaoğlu, 2013; Kaynar, Taştan y
Demirkoparan, 2011; Schalkoff,
1997). El modelo ANN surgió con la idea de imitar cerebro en computadoras,
enfocado en el modelado matemático de neuronas biológicas, y simula el
funcionamiento del cerebro humano de forma sencilla (Karahan, 2015). Este sistema
consta de neuronas artificiales interconectadas. Las neuronas artificiales se
componen de cuatro partes. Si miramos sus contrapartes de estas partes en el
cerebro humano, las dendritas transmiten las entradas de los órganos sensoriales al
núcleo. El valor total obtenido al multiplicar estos valores de entrada por diferentes
pesos se transmite a los axones. Los axones pasan este valor desde el núcleo a través
de las funciones de activación y lo envían a las sinapsis en el otro extremo de la
neurona (Karaatlı, Helvacıoğlu, Ömürbek y Tokgöz, 2012). De acuerdo con el sistema
diseñado en modelo ANN, sigmoide, umbral, Se utilizan funciones de activación
tangente hiperbólica y lineal. Según la distribución del conjunto de datos, se
selecciona una de estas funciones de activación, y los valores de peso se actualizan
automáticamente hasta alcanzar los valores de salida objetivo basados en las reglas
de aprendizaje. Con la finalización del proceso de entrenamiento, la red puede
clasificar el conjunto de datos proporcionado para la prueba junto con el valor de
peso final.

3. RESULTADOS
Los métodos de clasificación ANN, random forest y RBF se aplicaron directamente al
conjunto de datos de divorcio utilizado en el estudio. Además, para encontrar las características
más significativas, se aplicó el método de selección de características basado en la correlación
junto con los métodos de clasificación. Las características efectivas y sus valores de significancia
obtenidos mediante la aplicación del método de selección de características basado en la
correlación se presentan en la Tabla 1.

Tablo 1. Uso del método de selección de características basado en correlación

265
 Característica Valores de importancia

x2 0,9

x6 0,89

x11 0,87

x18 0,84

x26 0,84

x40 0,83

Las 6 características más efectivas y sus valores de significancia obtenidos aplicando el método de
selección de características basado en la correlación sobre el conjunto de datos de divorcio se presentan en la
Tabla 1. De acuerdo con esto, se ve que la característica (ítem) más significativa x2 que afecta la el divorcio es
"Sé que podemos ignorar nuestras diferencias incluso si las cosas se ponen difíciles a veces". Otros atributos
incluyen: x6 "No tenemos un tiempo común que pasamos juntos en casa"; x11 "Cuando miro hacia atrás en el
futuro, creo que diré que mi cónyuge y yo teníamos nuestros caminos entrelazados armoniosamente"; x18
"Tenemos ideas similares con mi cónyuge sobre cómo debe ser un matrimonio"; x26 "Conozco las
preocupaciones básicas de mi cónyuge"; x40 "Empezamos a pelear antes de que sepa lo que está pasando".
respectivamente. Cuando miramos estos elementos, vemos que x2, x6, x11 y x18 están relacionados con la
creación de un significado común e intentos fallidos de reparación, mientras que el elemento x26 está
relacionado con el mapa de amor y el elemento x40 está relacionado con conductas conflictivas negativas. Los
métodos de clasificación se aplicaron al conjunto de datos que consta de características tanto determinadas
como seleccionadas directamente después de aplicar los métodos de selección de características al conjunto de
datos de divorcio. Los resultados de los estudios experimentales se presentan en la Tabla 2. Los métodos de
clasificación se aplicaron al conjunto de datos que consta de características tanto determinadas como
seleccionadas directamente después de aplicar los métodos de selección de características al conjunto de datos
de divorcio. Los resultados de los estudios experimentales se presentan en la Tabla 2. Los métodos de clasificación se aplicaron al conjunto de datos que c

Tabla 2. Métodos utilizados en el estudio y sus tasas de éxito

Número de Precisión Kappa

Selección de características Clasificación
Característica (%) Valor

ANA 97,64 0,9529

Ninguno RBF 54 98,23 0.9647

Bosque aleatorio 97,64 0,9529

ANA 98,82 0,9765

Correlación
característica basada RBF 6 97,64 0,9529
selección
Bosque aleatorio 97,64 0,9529

266
 Como se ve en la Tabla 2, cuando se aplicaron los métodos de clasificación directa al
conjunto de datos de divorcio, la tasa de éxito más alta fue del 98,23% obtenida con la red
neuronal RBF. Después de seleccionar las 6 características más efectivas utilizando el método de
selección de características basado en correlación en el mismo conjunto de datos, la tasa de
precisión más alta obtenida fue del 98,82% con ANN. Como resultado de los estudios
experimentales que aplican métodos de minería de datos en el conjunto de datos de divorcio, se
observó que el resultado más exitoso se obtiene con el modelo ANN aplicado junto con la
selección de características basada en correlación.

4. DISCUSIÓN
Cuando se examinan los resultados generales del estudio, se ve que la
Escala de predictores de divorcio desarrollada dentro del alcance de la terapia de
pareja de Gottman puede predecir las tasas de divorcio con una precisión del 98,23%.
Según este hallazgo, se puede afirmar que las predicciones de la terapia de pareja de
Gottman se confirmaron dentro del alcance del muestreo turco. Y el fracaso de los
intentos de reparación, que es una característica importante en los hallazgos de la
investigación, se expresa como una respuesta negativa a los intentos de corregir los
errores de la parte perjudicada (Babcock, Gottman, Ryan y Gottman, 2013; Barnacle y
Abbott, 2009 ; Gottman, 1999; Gottman y Silver, 2015). Según Gottman (1999), cuando
los intentos fallidos de reparación se combinan con "cuatro jinetes", el divorcio al
cabo de cinco años se estima en una tasa de éxito del 97,5%.

Otra característica importante de la investigación está

relacionada con los mapas de amor (Barnacle y Abbott, 2009;
Gottman, 1999; Gottman y Silver, 2015) y la creación de significados
compartidos (Babcock, Gottman, Ryan y Gottman, 2013; Holman y
Jarvis, 2003; Shapiro, Nahm, Gottman y Content, 2011). Gottman y
Silver (2015) afirman que tener un mapa del amor puede estimar el
ajuste matrimonial en un 70%. Gottman y Silver (2015) afirmaron que
el factor decisivo en la satisfacción de las parejas con la sexualidad, el
amor y la pasión en sus matrimonios depende de la calidad de la
amistad entre marido y mujer en un 70%. Además, factores como los
sistemas de valores de las parejas, sus puntos de vista sobre el amor,
las percepciones y actitudes sobre la confianza son importantes para
crear un significado compartido (Gottman, 2014).

En los hallazgos de la investigación, aunque los comienzos surgieron como una característica
importante. La forma en que se abre el tema a la discusión por primera vez es importante en términos de

267
abordar los problemas del conflicto por parte de las parejas. Se ha observado que los
datos requeridos para la predicción del divorcio o la continuación del matrimonio se
pueden obtener solo en unos minutos para el 96% de las parejas (Gottman, 1999). Según
esto, los comportamientos y reacciones de las parejas en tan solo unos minutos después
de una discusión dan una idea sobre el divorcio. Así, una puesta en marcha dura es uno de
los predictores más obvios de que un debate o matrimonio no saldrá bien (Gottman y
Silver, 2014) En su investigación, Gottman afirmó que los cuatro jinetes del apocalipsis
fueron capaces de predecir el divorcio en un 85%. -95% solo Gottman,
1999). En su estudio, Hollman y Jarvis (2003) afirmaron que los conflictos entre
parejas pueden ser explicados por los cuatro jinetes.
Finalmente, según los resultados de este estudio, DPS puede predecir el
divorcio. Esto puede ser beneficioso para los ministerios que tienen contacto directo
con las familias, como el Ministerio de Familia y Políticas Sociales, el Ministerio de
Educación Nacional y el Ministerio de Salud, a fin de utilizar el DPS en sus actividades
de detección. El personal de servicios de consejería que trabaja en consejería familiar
y terapias familiares puede utilizar esta escala como un medio para conocer al
individuo. Las puntuaciones obtenidas de la escala pueden contribuir a la
preparación de la formulación del caso y el plan de intervención. Además, se puede
decir que los predictores de divorcio en la terapia de pareja de Gottman se
confirmaron en el muestreo turco. En estudios futuros, sería útil probar la
funcionalidad de las técnicas de intervención en el modelo de terapia de pareja de
Gottman en la muestra turca. Esto se puede lograr con estudios experimentales. Por
lo tanto, es necesario realizar estudios experimentales mediante el diseño de
programas de psicoeducación basados en la terapia de pareja de Gottman en los
estudios que se realizarán en parejas.

REFERENCIAS
Babcock, JC, Gottman, J., Ryan, K. y Gottman, J. (2013). Un análisis de componentes de
un breve taller psicoeducativo para parejas: resultados de seguimiento de un año. Revista
de terapia familiar, 35 (3), 252-280.
Baca-García, E., et al. (2006). Uso de la minería de datos para explorar decisiones clínicas
complejas: un estudio de la hospitalización después de un intento de suicidio. Revista de
psiquiatría clínica, 67 (7), 1124-1132.

Bae, SM, Lee, SH, Park, YM, Hyun, MH y Yoon, H. (2010). Factores predictivos del
funcionamiento social en pacientes con esquizofrenia: exploración de la mejor
combinación de variables mediante minería de datos. Investigación psiquiátrica, 7 (2),
93-101.

Barnacle, R. ES y Abbott, DA (2009). El desarrollo y la evaluación de un programa de

educación prematrimonial basado en Gottman: un estudio piloto. Revista de terapia
de pareja y relación, 8 (1), 64-82.
Çelik, E., Atalay, M. y Bayer, H. (2014). Yapay Sinir Ağları ve Destek Vektör

268
Makineleri ile Deprem Tahmininde Sismik Darbelerin Kullanılması. 22a Conferencia de
Aplicaciones de Procesamiento de Señales y Comunicaciones (SIU), 730-733.

Eriksson, R., Werge, T., Jensen, LJ y Brunak, S. (2014). Identificación de reacciones adversas farmacológicas específicas de
la dosis en registros electrónicos de pacientes: extracción de datos temporales en una población psiquiátrica de
pacientes hospitalizados. Seguridad de los medicamentos, 37 (4), 237-247.

Ertunc, HM, Ocak, H. y Aliustaoglu, C. (2013). Algoritmo de decisión multietapa

basado en ANN y ANFIS para la detección y el diagnóstico de fallas en los
rodamientos. Neural Computación y Aplicaciones, 22 (1): 435-446.

Fayyad, UM, Piatetsky-Shapiro, G., Smyth, P. y Uthurusamy, R. (1996).

Avances en el descubrimiento del conocimiento y la minería de datos. Asociación Americana de
Inteligencia Artificial Menlo Park, CA, EE. UU.

Gottman, JM (1999). La clínica matrimonial: una terapia matrimonial con base

científica. Nueva York: WW Norton and Company.
Gottman, JM (2014). ¿Qué predice el divorcio? La relación entre los procesos matrimoniales
y los resultados matrimoniales. Nueva York: Psychology Press.

Gottman, JM y Gottman, JS (2012). Çiftler Arasında Köprüyü İnşa Etmek: Gottman Çift
Terapisi Eğitimi 1. Düzey Kitabı, [ Entrenamiento Clínico Nivel 1. Terapia de pareja del
método Gottman. Llevando al abismo de pareja.] Estambul: Psikoloji İstanbul.

Gottman, J. ve Silver, N. (2014). Aşk Nasıl Sürdürülür. Aşk Laboratuarından Sırlar.

(trad. Gül, SS) [Lo que hace que el amor dure. Cómo generar confianza y evitar la traición.
2012]. Estambul: Varlık Yayınları.

Gottman, J. y Silver, N. (2015). Evliliği Sürdürmenin Yedi İlkesi. ( trans. Gül, SS). [Los siete
principios para hacer que el matrimonio funcione. 1999] Estambul: Varlık Yayınları.

Hall, M. (1999). Selección de funciones basada en correlación para el aprendizaje automático. Tesis de
doctorado, Departamento de Ciencias de la Computación, Universidad de Waikato, Nueva Zelanda, 26-
28.
Hall, MA y Smith, LA (1998). Selección de subconjuntos de funciones prácticas para el aprendizaje
automático. En Computer Science'98 Proceedings of the 21st Australasian Computer Science
Conference ACSC, 98: 181-191.

Han, J., Kamber, M. y Pei, J. (2006). Minería de datos: conceptos y técnicas. La serie
Morgan Kaufmann en sistemas de gestión de datos. Editores de Morgan Kaufmann, 230-240.

Holman, TB y Jarvis, MO (2003). Tipos de conflicto de pareja hostiles, volátiles, evitando y validando: una
investigación de los tipos de conflicto de pareja de Gottman.
Relaciones personales, 10 (2): 267-282.
Karaatlı, M., Helvacıoğlu, Ö. C., Ömürbek, N. y Tokgöz, G. (2012). Yapay Sinir Ağları
Yöntemi İle Otomobil Satış Tahmini. Uluslararası Yönetim İktisat ve İşletme Dergisi, 8
(17): 87-100.

Karahan, M. (2015). Turizm Talebinin Yapay Sinir Ağları Yöntemiyle Tahmin Edilmesi. Süleyman
Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi

269
Dergisi, 20 (2), 195-209.

Kaynar, O., Aydın, Z. y Görmez, Y. (2017). Sentiment Analizinde Öznitelik Düşürme

Yöntemlerinin Oto Kodlayıcılı Derin Öğrenme Makinaları ile Karşılaştırılması. Bilişim
Teknolojileri Dergisi, 10 (3): 319-326.
Kaynar, O., Taştan, S. y Demirkoparan, F. (2011). Yapay Doğalgaz Sinir Ağları ile
Tüketim Tahmini. Atatürk Üniversitesi İktisadi ve İdari Bilimler Dergisi,
25.
Nguyên, X., Chaskalovis, J., Rakotonanahary, D. y Fleury, B. (2010). Síntomas de insomnio y
cumplimiento de CPAP en pacientes con SAOS: un estudio descriptivo utilizando métodos de
minería de datos. Medicina del sueño, 11 (8): 777-784.

Qinghua, J. (2016). Diseño y aplicación de sistemas de gestión y minería de datos para la

salud mental de estudiantes universitarios. Transporte inteligente, Big Data y Smart City
(ICITBS), Conferencia internacional sobre IEEE: 410-413.

Rosenthal, DA, Dalton, JA y Gervey, R. (2007). Análisis de los resultados vocacionales

de personas con discapacidades psiquiátricas que recibieron servicios estatales de
rehabilitación vocacional: un enfoque de minería de datos. Revista Internacional de
Psiquiatría Social, 53 (4): 357-368.
Schalkoff, RJ (1997). Redes neuronales artificiales ( Vol. 1). Nueva York: McGrawHill.

Canción, Q. (2010). Comparación y análisis de métodos de clasificación de datos de

evaluación psicológica. Ciencias e Ingeniería de la Información (ICISE), 2ª Conferencia
Internacional sobre. (IEEE). 4133-4135.
Shapiro, A. y Gottman, J. (2005). Efectos sobre el matrimonio de una intervención
psicocomunicativa-educativa con parejas en transición a la paternidad, evaluación al
año posterior a la intervención. Diario de comunicación familiar, 5 (1), 1-24.

Shapiro, AF, Nahm, EY, Gottman, JM y Content, K. (2011). Llevar al bebé a casa juntos:
examinar el impacto de una intervención centrada en la pareja en la dinámica del
juego familiar. Revista Estadounidense de Ortopsiquiatría, 81 (3), 337.

Uğur, A. y Kınacı, AC (2006). Yapay Zeka Teknikleri ve Yapay Sinir Ağları Kullanılarak
Web Sayfalarının Sınıflandırılması. XI. Türkiye'de İnternet Konferansı (inet-tr'06).

Yöntem, MK e İlhan, T. (2018). Boşanma Göstergeleri Ölçeği: Güvenirlik ve Geçerlik

Çalışması. X. Uluslararası Eğitim Araştırmaları Kongresi. Nevsehir, Turquía.

Yöntem, MK e İlhan, T. (2018). Boşanma Göstergeleri Ölçeğinin Geliştirilmesi.

[Desarrollo de la escala de predictores de divorcio]. Sosyal Polika Çalışmaları Dergisi.
41, 339-358.

Yöntem, MK, Adem, K., İlhan, T. y Kılıçarslan, S. (2018). Çok Katmanlı Algılayıcı Sinir Ağı
ve C4. 5 Karar Ağacı Algoritmaları ile Boşanma Tahmini.

270
Congreso Internacional de Estudios Políticos, Económicos y Sociales (ICPESS).

GENİŞLETİLMİŞ ÖZET

Amaç
İktisadi İşbirliği ve Gelişme Teşkilatı'na (OCDE) üye 33 ülkenin
boşanma verileri incelendiğinde Türkiye'nin boşanma oranı artan 12 ülke
arasında yer aldığı görülecektir. Bu durum boşanma nedenleri ve önleyici
çalışmalar konusunda bilimsel temelli politika ve uygulamaların geliştirilmesi
gerekliliğini ortaya koymaktadır. Bu araştırma kapsamında boşanma tahmini
Gottman çift terapisi kapsamında Yöntem ve İlhan (2017,
2018) tarafından geliştirilen Boşanma Göstergeleri Ölçeği kullanılarak
gerçekleştirilmiştir. Bunun nedeni Gottman çift terapisinin boşanma
nedenlerini görgül araştırmalara dayanarak açıklayan bir modelo
olmasıdır. Bu modelde yer alan güçlü ilişki evi teorisinde tanımlanan
kriterler önemli birer boşanma göstergesidir. (Gottman, 2014;
Gottman ve Gottman, 2012). Bu araştırmada Türk örnekleminde
Gottman boşanma göstergelerinin boşanmayı tahmin edebilme
düzeyi incelenmiştir. İstatistikte çok farklı tahmin yöntem ve analizleri
bulunmakla birlikte son zamanlarda veri madenciliği olarak bilinen
yöntem, daha önce bilinmeyen ve potansiyel olarak faydalı olan
bilgileri ortkaya çinkırma.

Bu çalışma ile Yöntem ve İlhan (2017)

tarafından geliştirilen boşanma göstergeleri ölçeğinin boşanmayı tahmin
etme başarısı Çok Katmanlı Algılayıcı Sinir Ağı ve C4. 5 Karar ağacı
algoritmaları kullanılarak araştırılmıştır. Ayrıca boşanma göstergesi
ölçeğindeki boşanmayı etkileyen en anlamlı özniteliklerin / maddelerin
bulunması amaçlanmıştır.

Yöntem
Katılımcılıların 84'ü (% 49) boşanmış 86'sı (% 51) evli çiftlerden
oluşmaktadır. Araştırma grubunda 84 erkek (% 49) ve 86 kadın (% 51)
bulunmaktadır. Katılımcıların yaşları 20 ile 63 arasında değişmektedir (=

271
36,04, Ss = 9,34). Araştırma verileri Türkiye'nin yedi farklı bölgesinden
toplanmakla birlikte veriler ağırlıklı olarak Karadeniz bölgesinden
elde edilmiştir (n = 79). Katılımcıların 74'ü (% 43,5) anlaşmalı / sevek
evlenmişken 96'sı (% 56,5) görücü usulü ile evlenmiştir. Katılımcıların
127'sinin (% 74,7) çocuğu varken 43'ünün (% 25,3) çocuğu yoktur.
Ayrıca katılımcıların 18'ü (% 10.58) ilkokul, 15 'ü (% 8.8) ortaokul, 33'ü
(19.41) lise ve 88'i (% 51.76) üniversite ve 15'i (% 8.8) lisansüstü
mezunudur. Katılımcıların aylık gelirleri ise 2000 TL altı 34 (% 20) kişi,
2001-3000 TL arasında 54 (% 31,76) kişi, 3001-4000 TL arası 28 (%
16,47) kişi 4000 TL üzeri 54 (% 31,76) kişiri şeklinded. Araştırmada veri
toplama aracı olarak kişisel bilgi formu ve Boşanma Göstergeleri
Ölçeği (Yöntem ve İlhan, 2018) kullanılmıştır.

Çalışmamızdaki yöntemlerin değerlendirilmesi veri

madenciliğinde yaygın olarak kullanılan WEKA (entorno de Waikato para el
análisis del conocimiento) yazılımı ile gerçekleştirilmiştir. Çalışmada kullanılan
sistemde Intel Core i5 7200U 2.5 GHZ işlemciye sahip, 4GB DDR3 rami bulunan
system üzerinde uygulama gerçekleştirilmiştir.
Bulgular
Boşanma veri kümesine korelasyon tabanlı öznitelik seçme
yönteminin uygulanması sonucu en etkili 6 öznitelik ve bu özniteliklerin
önem değerleri verilmiştir. Buna göre boşanmayı etkileyen en anlamlı
özniteliğin (madde) x2 “İşler bazen zorlaşsa bile, farklılıklarımızı göz ardı
edebileceğimizi biliyorum”. olduğu görülmektedir. Diğer öznitelikler ise
sırasıyla x6 “evde Ortak olarak geçirdiğimiz zamanlar Yok.”, X11 “Gelecekte
bir gün geriye dönüp baktığımda, eşimle yollarımızın uyumlu şekilde, iç ICE
geçtiğini göreceğimi düşünüyorum.”, X18 “Evliliğin nasıl olması gerektiğine
dair eşimle benzer düşüncelere sahibiz”, x26 "Eşimin temel endişelerini
biliyorum.", x40 "Daha ben olanı biteni anlamadan kavgaya başlamış
oluyoruz." 'dır. Bu maddeler incelendiğinde x2, x6, x11 ve x18. maddeler
ortak anlam yaratma ve başarısız onarma girişimleri ile ilgili iken; x26. sevgi
haritası ve x40. madde negatif çatışma davranışları ile ilişkilidir. Boşanma
veri kümesine hem doğrudan hem de öznitelik seçme yöntemi
uygulandıktan sonra tespit edilen özniteliklerden oluşan veri kümesi
üzerinde sınıflandırma yöntemleri uygulanmıştır.
Boşanma veri kümesine doğrudan sınıflandırma yöntemleri
uygulandığında en yüksek başarının RBF sinir ağı ile% 98.23 doğruluk
değerine ulaştığı görülmüştür. Aynı veri kümesine korelasyon tabanlı
öznitelik seçme yöntemi kullanılarak en etkili 6 öznitelik seçilmiş ve en
yüksek başarının YSA ile% 98.82 doğruluk değerine ulaştığı görülm.
Deneysel çalışmaların sonucunda boşanma veri kümesi üzerinde veri
madenciliği yöntemleri uygulandığında en başarılı sonucun korelasyon

272
tabanlı öznitelik seçme ile birlikte YSA modeli ile sağlandığı görülmüştür
Tartışma ve Sonuç
Araştırma bulguları genel olarak incelendiğinde Gottman çift terapisi
kapsamında geliştirilen boşanma göstergeleri ölçeğinin tamamı
boşanmaları% 98,23 oranında tahmin edebilmektedir. Bu bulgu
doğrultusunda Gottman çift terapisinin öngörülerinin Türk
örnekleminde doğrulandığı ifade edilebilir.
Bu araştırma bulgularına göre BGÖ boşanmayı tahmin
edebilmektedir. Aile ve Sosyal Politikalar Bakanlığı, Milli Eğitim
Bakanlığı, Sağlık Bakanlığı gibi aileler ile doğrudan temasa sahip
bakanlıkların BGÖ'ni tarama faaliyetlerinde kullanması yararlı olabilir.
Aile danışmanlığı ve aile terapileri üzerine çalışan psikolojik yardım
hizmetleri çalışanları bu ölçeği bireyi tanıma aracı olarak
kullanabilirler. Ölçekten elde edilen puanlar vaka formülasyonu ve
müdahale planı hazırlanmasına katkı sağlayabilir. Ayrıca Gottman çift
terapisinde yer alan boşanma göstergelerinin Türk örnekleminde
doğrulandığı yorumu yapılabilir. Bundan sonra yapılacak
araştırmalarda Gottman çift terapisi modelinde yer alan müdahaleye
yönelik tekniklerin işlevselliğinin de Türk örnekleminde sınanması
faydalı olacaktır. Bu durum deneysel araştırmalar ile sağlanılabilir.

273