Çalışmada 27 ülkeden 705 öğrencinin verilerinden oluşan açık erişimli bir veri seti kullanılmış, korelasyon analizi, çoklu doğrusal analiz ve Bayesyen Ridge, Random Forest ve XGBoost gibi makine öğrenmesi modelleriyle veriler analiz edilmiştir. Davranışsal profilleme için Temel Bileşenler Analizi ve K-ortalamalar kümeleme yöntemi kullanılmış; kritik kullanım sınırlarını belirlemek için eşik analizi yapılmıştır.

Günlük SMK ile ruh sağlığı puanları arasında (r = -0.80, p < 0.001) ve uyku süresi arasında (r = -0.81, p < 0.001) anlamlı ve güçlü negatif korelasyonlar bulunmuştur. Regresyon analizi, sosyal medya kullanımındaki her bir saatlik artışın Pozitif ruh sağlığı puanını 0.57 puan azalttığını (β = -0.5666, p < 0.001), her bir saatlik ek uykunun ise puanı 0.19 puan artırdığını (β = 0.1939, p < 0.001) göstermiştir. Model, ruh sağlığı sonuçlarındaki varyansın %65.6’sını açıklamaktadır. Günde 4.67 saatlik sosyal medya kullanımının, uyku üzerindeki olumsuz etkileri artırdığı ve kritik bir eşik değer olduğu belirlenmiştir. Kümeleme analizi, SMK açısından üç kullanıcı profili saptamıştır: düşük riskli (%32, 3.81 saat/gün), orta riskli (%41, 4.98 saat/gün) ve yüksek riskli (%27, 6.43 saat/gün). YZ modelleri arasında XGBoost en yüksek tahmin doğruluğunu (R2 = 0.954) gösterirken, Bayesyen Ridge modeli en iyi genelleme performansını (CV R2 = 0.784) sergilemiştir.

Çalışmada günde 4.67 saati aşan sosyal medya kullanımının, hem uyku hem de ruh sağlığı açısından kritik bir sınır olarak değerlendirebileceği saptanmıştır. YZ modelleri ile yapılan analizlerin, sağlıkla ilgili risklerin erken saptanması ve hedefe yönelik müdahalelerde yararlı bir araç olabileceği düşünülmüştür.

Volkan GÖREKE