Search

Spotify is the world's largest online music streaming platform that offers a tremendous variety of playlists based on listeners' listening patterns. This paper proposes that music preference is highly associated with emotional state, and music is an emotion regulator tool during the pandemic in the Philippines. Well-known machine learning methods (i.e., classification and regression trees, boosted trees, random forests, Support Vector Machines, and Artificial Neural Networks) in combination with 5-fold cross-validation are used to classify periods in proportion to the severity of the pandemic and people's musical preferences. Daily official covid-19 statistics and Spotify data are used as main variables during the algorithms' learning processes. SVM outperformed the other alternatives in average accuracy rate by achieving a 98.01% accuracy rate. Additionally, ANN outperformed the other alternatives in terms of accuracy achieved specifically in a single model, achieving an accuracy rate of 99.30%. Moreover, the variables with the largest (absolute) change (in descending order) are ST_Intrumentalness (26,45%), ST_Acousticness (19,03%), ST_Liveness (16,11%), and ST_Valence (14,1%). Given pandemics-related stress and cancelation of concerts, it would be an intuitive expectation that the variables ST_Valence (musical positivity) and ST_Liveness would change at such a rate. The results confirm that musical preference is a significant indicator of emotional state., Spotify, dinleyicilerin dinleme kalıplarına göre çok çeşitli çalma listeleri sunan dünyanın en büyük çevrimiçi müzik paylaşım platformudur. Bu makale, Filipinler verisi üzerine yapılan incelere göre, müzik tercihinin duygusal durumla yüksek oranda ilişkili olduğunu ve müziğin pandemi sırasında bir duygu düzenleyici araç olduğunu ortaya koymaktadır. Popüler makine öğrenimi yöntemleri (sınıflandırma ve regresyon ağaçları, güçlendirilmiş ağaçlar, rastgele ormanlar, Destek Vektör Makineleri ve Yapay Sinir Ağları), pandeminin şiddetiyle orantılı olarak farklı zaman periyotlarında insanların müzik tercihlerini sınıflandırmak için, 5 katlı çapraz doğrulama ile birlikte kullanılmıştır. Algoritmaların öğrenme süreçlerinde günlük resmi covid-19 istatistikleri ve Spotify verileri ana değişkenler olarak kullanılmaktadır. SVM, %98,01 doğruluk oranı elde ederek ortalama doğruluk oranında diğer alternatif modeller içinde en iyi performansı göstermiştir. Ek olarak, ANN, özellikle tek bir modelde elde edilen doğruluk açısından diğer alternatiflerden daha iyi performans göstererek %99,30 doğruluk oranına ulaşmıştır. Ayrıca (azalan sırada) en büyük (mutlak) değişime sahip değişkenler ST_Intrumentalness (%26,45), ST_Acousticness (%19,03), ST_Liveness (%16,11) ve ST_Valence (%14,1)'dir. Pandemi kaynaklı stres ve konserlerin iptali göz önüne alındığında, ST_Valence (müzikal pozitiflik) ve ST_Liveness değişkenlerinin böyle bir oranda değişeceği sezgisel bir beklenti olmuştur. Sonuçlar, müzik tercihinin duygusal durumun önemli bir göstergesi olduğunu doğrulamaktadır.

Son yıllarda refah değerlendirmesineolan ilginin artması, bölgesel ve ulusal düzeyde refahın ölçülmesinde çokçeşitli istatistiksel ve optimizasyon tekniklerinin kullanılmasını sağlamıştır.Bu çalışmada, gri ilişkisel analizini (GRA) entropy formülü ile birleştiren metodolojikbir yaklaşım kullanılarak, 34 OECD ülkesinin refah düzeyi skorlarınınhesaplanması amaçlanmıştır. Refah ölçümü OECD'nin iki boyutlu çerçevesi gözönüne alınarak incelenmiştir. Bu boyutlardan ilki olan yaşam kalitesi boyutusağlık durumu, iş - yaşam dengesi, eğitim - beceriler, sosyal bağlantılar,sivil katılım - yönetişim, çevresel kalite, kişisel güvenlik, öznel refah gibigöstergeleri ile incelenmektedir. Diğer boyut olan fiziki durum ise gelir - servet,iş - kazanç ve barınma göstergelerini kapsamaktadır. OECD Bölgesel Refah Veritabanından toplanan, yaşam kalitesi ve fiziki duruma ilişkin göstergeler 15yıllık dönem (2000-2014) içerisindeki en güncel verilerden oluşmaktadır. Sonuçolarak, İzlanda, Avustralya, Norveç ve İsviçre'nin en yüksek refah seviyesineulaştığı tespit edilmiştir. Sıralamanın diğer ucunda yer alan Macaristan,Yunanistan, Türkiye ve Meksika’nın ise nispeten daha düşük refah seviyesinesahip oldukları gözlenmiştir., There has been growing interest in the assessment of well-being inrecent years and a wide range of statistical and optimization techniques havebeen used to measure well-being at regional and national level. This paper aimsat computing the well-being scores of 34 OECD countries, using a methodologicalapproach that combines grey relational analysis (GRA) with entropy formula. Themeasurement of well-being process was examined by considering thetwo-dimensional framework of the OECD. The dimension of quality of life isexamined by the indicators such as health status, work – life balance,education – skills, social connections, civic engagement – governance,environmental quality, personal security, subjective well-being. And thedimension of material living and conditions covers income – wealth, jobs –earnings and housing indicators. The data were collected from the OECD RegionalWell-Being Database. The data used in this study refer to last availableyear in 15-year period (2000–2014), belonging to various quality of life andmaterial conditions. Consequently, it was revealed that Iceland,Australia, Norway and Switzerland have achieved the highest level ofwell–being. At the other end of ranking, Hungary, Greece, Turkey, and Mexico havebeen observed to have relatively lowest well–being level.