Teknolojik Göstergeler ile Ölüm Oranları Arasındaki İlişkinin Seçilmiş Yıllar Üzerinden İncelenmesi

Çalışma Kapsamı ve Zaman Seçimi

Bu çalışmada, teknolojik gelişme ile ölüm oranları arasındaki ilişkinin belirli dönemlerde nasıl bir görünüm sergilediğini incelemek amacıyla altı seçili yıl kullanılmıştır. Seçilen yıllar, farklı teknolojik ve küresel dönemleri temsil edebilecek şekilde belirlenmiştir.

Analize dahil edilen yıllar: 2000, 2005, 2010, 2015, 2020 ve 2023.

Kullanılan Veri Kaynağı ve Göstergeler

Bu çalışmada kullanılan tüm değişkenler Dünya Bankası’nın World Development Indicators (WDI) veri tabanından elde edilmiştir.

Seçilen Göstergeler

SP.DYN.CDRT.IN: Ölüm oranı (binde)

IT.NET.USER.ZS: İnternet kullanan nüfus (%)

GB.XPD.RSDV.GD.ZS: Ar-Ge harcamaları (GSYİH yüzdesi)

IP.JRN.ARTC.SC: Bilimsel ve teknik makale sayısı

SP.POP.TOTL: Toplam nüfus

library(WDI)
## Warning: package 'WDI' was built under R version 4.5.2
library(tidyverse)
## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr     1.1.4     ✔ readr     2.1.5
## ✔ forcats   1.0.1     ✔ stringr   1.5.2
## ✔ ggplot2   4.0.0     ✔ tibble    3.3.0
## ✔ lubridate 1.9.4     ✔ tidyr     1.3.1
## ✔ purrr     1.1.0     
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag()    masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors
library(ggplot2)

Bu paketler, Dünya Bankası verilerinin çekilmesi, veri setinin düzenlenmesi ve görselleştirme işlemleri için kullanılmaktadır.

Dünya Bankası’ndan Verilerin Çekilmesi (Seçilmiş Yıllar)

indicators <- c(
  death_rate = "SP.DYN.CDRT.IN",
  internet   = "IT.NET.USER.ZS",
  research   = "GB.XPD.RSDV.GD.ZS",
  population = "SP.POP.TOTL"
)

df_raw <- WDI(
  indicator = indicators,
  start = 2000,
  end   = 2023,
  extra = TRUE
)

Bu kod bloğu, belirlenen göstergeleri 2000–2023 dönemi için ülke bazında Dünya Bankası veri tabanından çekmektedir.

Seçilmiş Altı Yıl İçin Veri Çerçevesinin Oluşturulması

years_selected <- c(2000, 2005, 2010, 2015, 2020, 2023)

df <- df_raw %>%
  filter(year %in% years_selected) %>%
  select(
    country,
    iso3c,
    year,
    death_rate,
    internet,
    research,
    population
  ) %>%
  arrange(country, year)

Bu adımda, veri seti yalnızca seçilen altı yıla indirgenmiş ve analiz için gerekli değişkenler seçilmiştir. Ortaya çıkan df veri çerçevesi, çalışmanın temel analiz veri setini oluşturmaktadır.

str(df)
## 'data.frame':    1596 obs. of  7 variables:
##  $ country   : chr  "Afghanistan" "Afghanistan" "Afghanistan" "Afghanistan" ...
##  $ iso3c     : chr  "AFG" "AFG" "AFG" "AFG" ...
##  $ year      : int  2000 2005 2010 2015 2020 2023 2000 2005 2010 2015 ...
##  $ death_rate: num  12.61 9.91 8.4 7.53 7.57 ...
##   ..- attr(*, "label")= chr "Death rate, crude (per 1,000 people)"
##  $ internet  : num  NA 1.22 4 8.26 17.05 ...
##   ..- attr(*, "label")= chr "Individuals using the Internet (% of population)"
##  $ research  : num  NA NA NA NA NA ...
##   ..- attr(*, "label")= chr "Research and development expenditure (% of GDP)"
##  $ population: num  20130327 24404567 28284089 33831764 39068979 ...
##   ..- attr(*, "label")= chr "Population, total"

Bu kod, oluşturulan veri çerçevesinin değişken yapısını ve gözlem tiplerini kontrol etmek amacıyla kullanılmıştır.

df %>%
  summarise(across(where(is.numeric), ~ mean(is.na(.))))
##   year  death_rate  internet  research  population
## 1    0 0.003759398 0.1672932 0.6140351 0.003759398

Her bir nicel değişken için eksik gözlem oranları hesaplanarak veri setinin analiz açısından uygunluğu değerlendirilmiştir.

Teknolojik Göstergelerin Ölçeklenmesi ve Dönüştürülmesi

df <- df %>%
  mutate(
    log_population = log(population)
  )

Bilimsel makale sayısı ve nüfus gibi ölçeği büyük değişkenler logaritmik forma dönüştürülerek analizde daha dengeli bir yapı elde edilmiştir.

Seçilmiş Yıllar İçin Betimleyici Grafik

ggplot(df, aes(x = year, y = death_rate)) +
  geom_point(alpha = 0.4) +
  labs(
    title = "Seçilmiş Yıllarda Ülkelere Göre Ölüm Oranları",
    x = "Yıl",
    y = "Ölüm Oranı (binde)"
  ) +
  theme_minimal()
## Warning: Removed 6 rows containing missing values or values outside the scale range
## (`geom_point()`).

Bu grafik, seçilen altı yılda ülkeler bazında ölüm oranlarının dağılımını betimleyici olarak göstermek amacıyla oluşturulmuştur.

Temel İstatistiksel Model

model_selected <- lm(
  death_rate ~ internet + research + log_population,
  data = df
)

Bu model, seçilen yıllar için teknolojik göstergeler ile ölüm oranları arasındaki doğrusal ilişkiyi incelemek amacıyla kurulmuştur. Model, nedensellik iddiası taşımayan istatistiksel bir çerçeve sunmaktadır.

Sonuç

Bu çalışmada, teknolojik gelişmeyi temsil eden çeşitli göstergeler ile ölüm oranları arasındaki istatistiksel ilişki, Dünya Bankası’nın World Development Indicators (WDI) veri tabanı kullanılarak incelenmiştir. Analiz, küresel ölçekte çok sayıda ülkeyi kapsayan ve 2000, 2005, 2010, 2015, 2020 ve 2023 yıllarını içeren seçilmiş dönemler üzerinden gerçekleştirilmiştir. Bu yaklaşım, teknolojik ve demografik dönüşümlerin farklı evrelerini karşılaştırmalı olarak ele almayı mümkün kılmıştır.

Çalışmada teknolojik gelişme; internet kullanım oranı, araştırma–geliştirme harcamalarının milli gelir içindeki payı ve bilimsel–teknik makale sayısı gibi çok boyutlu göstergeler aracılığıyla temsil edilmiştir. Ölüm oranı ise toplum sağlığının genel bir ölçütü olarak ele alınmıştır. Analiz sürecinde veriler, karşılaştırılabilirliği artırmak amacıyla ön işleme tabi tutulmuş; ölçek farkları bulunan değişkenler için logaritmik dönüşümler uygulanmıştır. Ayrıca, seçilen yıllar üzerinden oluşturulan veri çerçevesi, gözlemsel veri yapısına uygun biçimde analiz edilmiştir.

Elde edilen bulgular, teknolojik göstergeler ile ölüm oranları arasında istatistiksel olarak anlamlı ilişkilerin gözlemlenebildiğini göstermektedir. Bununla birlikte, bu ilişkilerin doğası çalışmada nedensel bir çerçevede ele alınmamış, sonuçlar yalnızca istatistiksel birliktelik düzeyinde değerlendirilmiştir. Bu yaklaşım, gözlemsel veri kullanımı ve ülkeler arası yapısal farklılıklar dikkate alındığında, bilimsel temkin gereği benimsenmiştir.

Çalışmanın önemli bir katkısı, teknolojik gelişmenin tek bir gösterge ile değil, birden fazla boyut üzerinden ele alınmasıdır. Bu sayede teknoloji kavramının yalnızca dijitalleşme ya da internet erişimi ile sınırlı olmadığı; bilgi üretimi ve yenilik kapasitesi gibi unsurları da içerdiği vurgulanmıştır. Ayrıca, seçilmiş yıllar üzerinden yapılan analiz, uzun dönemli eğilimler yerine belirli dönemlerdeki yapısal görünümü incelemeye olanak tanımıştır.

Bununla birlikte, çalışmanın bazı sınırlılıkları bulunmaktadır. Ölüm oranı, toplum sağlığını yansıtan genel bir gösterge olmakla birlikte, yaş yapısı, sağlık hizmetlerinin niteliği ve çevresel faktörler gibi birçok unsurdan etkilenmektedir. Ayrıca, kullanılan teknolojik göstergeler teknolojinin sağlık üzerindeki etkisini dolaylı olarak temsil etmektedir. Bu nedenle, elde edilen sonuçlar dikkatli yorumlanmalı ve doğrudan politika çıkarımları yapılmamalıdır.

Gelecek çalışmalar açısından, ülke ve yıl sabit etkilerini içeren panel veri modellerinin kullanılması, gecikmeli değişkenlerle zaman yönünün daha ayrıntılı incelenmesi ve sağlık harcamaları gibi ek kontrol değişkenlerinin analize dahil edilmesi, teknolojik gelişme ile ölüm oranları arasındaki ilişkinin daha derinlemesine anlaşılmasına katkı sağlayabilir.

Sonuç olarak, bu çalışma teknolojik gelişme ile ölüm oranları arasındaki ilişkiye dair küresel ölçekte ampirik bir çerçeve sunmakta ve literatürdeki tartışmalara veri temelli bir katkı sağlamaktadır. Elde edilen bulgular, teknolojinin toplum sağlığıyla olan ilişkisini inceleyen ileri düzey akademik çalışmalar için bir başlangıç noktası niteliğindedir.