MerQur Arayüzü: Akademik Veri Analizi için Bütünleşik Bir Masaüstü Platformu
DOI:
https://doi.org/10.53463/merqur.20260444Anahtar Kelimeler:
MerQur- kullanıcı arayüzü- istatistik yazılımı- akademik veri analiziÖzet
Akademik araştırmalarda bir istatistik yazılımının değeri, sunduğu yöntem sayısı kadar bu yöntemlere kullanıcıyı taşıyan arayüzün netliği ile de belirlenir. Bu çalışma, Türkçe akademik camiaya yönelik geliştirilen ücretsiz masaüstü uygulaması MerQur’un kullanıcı arayüzünü ayrıntılı olarak tanıtmaktadır. Python/PyQt6 tabanlı yazılım, veri yönetiminden ileri düzey analizlere ve raporlamaya uzanan tüm araştırma sürecini, sekiz ana sekmeli bir tek pencere altında bütünleştirir: Veri, Kodlama, İstatistik, Makine Öğrenmesi, Harita, Rapor, Anket ve Araçlar. Veri sekmesi on butonlu bir araç çubuğu üzerinden sütun bazlı arama, özet, kodlama, birleştirme, eksik veri yönetimi (KNN dahil on yöntem), dönüştürme (on transform), sütun ekleme/silme ve yirmi adımlı geri-al/ileri-al desteği sunar. Kodlama sekmesi, çoklu Likert maddelerinin satır bazlı kompozit skorlanmasını (ortalama/toplam/Z-skor, ters kodlama, Cronbach α önizlemesi) tek diyalog penceresinde toplar. İstatistik sekmesi, on beş kategori altında akordeon yapısında düzenlenmiş 102 analizi ortak bir form-sonuç ekranıyla sunar; uzun süren analizler için modal busy diyaloğu kullanıcı arayüzünün kilitlenmesini önler. Harita sekmesi nokta verilerini Folium tabanlı etkileşimli HTML haritaya dönüştürür ve mekânsal otokorelasyon analizlerine zemin sağlar. Rapor sekmesi oturum boyunca yapılan tüm analizleri tek tıkla Word raporuna dönüştürür. Yazılım aydınlık ve karanlık tema seçenekleri, EULA yönetimi, ve Türkçe/İngilizce/İspanyolca arayüzü ile akademik kullanıma yönelik tasarlanmıştır. Bu derleme arayüzün her bir bileşenini hem fonksiyonel hem de tasarım perspektifinden değerlendirmektedir.
Referanslar
Faul, F., Erdfelder, E., Lang, A.-G., & Buchner, A. (2007). G*Power 3: A flexible statistical power analysis program for the social, behavioral, and biomedical sciences. Behavior Research Methods, 39(2), 175–191. https://doi.org/10.3758/BF03193146
Harris, C. R., Millman, K. J., van der Walt, S. J., Gommers, R., Virtanen, P., Cournapeau, D., Wieser, E., Taylor, J., Berg, S., Smith, N. J., Kern, R., Picus, M., Hoyer, S., van Kerkwijk, M. H., Brett, M., Haldane, A., del Río, J. F., Wiebe, M., Peterson, P., … Oliphant, T. E. (2020). Array programming with NumPy. Nature, 585(7825), 357–362. https://doi.org/10.1038/s41586-020-2649-2
Hunter, J. D. (2007). Matplotlib: A 2D graphics environment. Computing in Science & Engineering, 9(3), 90–95. https://doi.org/10.1109/MCSE.2007.55
McKinney, W. (2010). Data structures for statistical computing in Python. In S. van der Walt & J. Millman (Eds.), Proceedings of the 9th Python in Science Conference (pp. 56–61). https://doi.org/10.25080/Majora-92bf1922-00a
Love, J., Selker, R., Marsman, M., Jamil, T., Dropmann, D., Verhagen, J., Ly, A., Gronau, Q. F., Šmíra, M., Epskamp, S., Matzke, D., Wild, A., Knight, P., Rouder, J. N., Morey, R. D., & Wagenmakers, E.-J. (2019). JASP: Graphical statistical software for common statistical designs. Journal of Statistical Software, 88(2), 1–17. https://doi.org/10.18637/jss.v088.i02
Nuijten, M. B., Hartgerink, C. H. J., van Assen, M. A. L. M., Epskamp, S., & Wicherts, J. M. (2016). The prevalence of statistical reporting errors in psychology (1985–2013). Behavior Research Methods, 48(4), 1205–1226. https://doi.org/10.3758/s13428-015-0664-2
Pedregosa, F., Varoquaux, G., Gramfort, A., Michel, V., Thirion, B., Grisel, O., Blondel, M., Prettenhofer, P., Weiss, R., Dubourg, V., Vanderplas, J., Passos, A., Cournapeau, D., Brucher, M., Perrot, M., & Duchesnay, É. (2011). Scikit-learn: Machine learning in Python. Journal of Machine Learning Research, 12, 2825–2830.
R Core Team. (2024). R: A language and environment for statistical computing. R Foundation for Statistical Computing. https://www.R-project.org/
Rey, S. J., & Anselin, L. (2010). PySAL: A Python library of spatial analytical methods. The Review of Regional Studies, 37(1), 5–27. https://doi.org/10.52324/001c.8285
Seabold, S., & Perktold, J. (2010). statsmodels: Econometric and statistical modeling with Python. In S. van der Walt & J. Millman (Eds.), Proceedings of the 9th Python in Science Conference (pp. 92–96). https://doi.org/10.25080/Majora-92bf1922-011
The jamovi project. (2024). jamovi. https://www.jamovi.org
Virtanen, P., Gommers, R., Oliphant, T. E., Haberland, M., Reddy, T., Cournapeau, D., Burovski, E., Peterson, P., Weckesser, W., Bright, J., van der Walt, S. J., Brett, M., Wilson, J., Millman, K. J., Mayorov, N., Nelson, A. R. J., Jones, E., Kern, R., Larson, E., … SciPy 1.0 Contributors. (2020). SciPy 1.0: Fundamental algorithms for scientific computing in Python. Nature Methods, 17(3), 261–272. https://doi.org/10.1038/s41592-019-0686-2
Wickham, H. (2014). Tidy data. Journal of Statistical Software, 59(10), 1–23. https://doi.org/10.18637/jss.v059.i10
Wilkinson, L. (2005). The grammar of graphics (2nd ed.). Springer. https://doi.org/10.1007/0-387-28695-0
Wilson, G., Bryan, J., Cranston, K., Kitzes, J., Nederbragt, L., & Teal, T. K. (2017). Good enough practices in scientific computing. PLOS Computational Biology, 13(6), e1005510. https://doi.org/10.1371/journal.pcbi.1005510
İndir
Yayınlandı
Sayı
Bölüm
Lisans
Telif Hakkı (c) 2026 MerQur
Bu çalışma Creative Commons Attribution 4.0 International License ile lisanslanmıştır.
Bu makale, Creative Commons Atıf 4.0 Uluslararası Lisansı (CC-BY 4.0) altında yayımlanmıştır. Bu lisans kapsamında:
- Paylaşma: Eseri herhangi bir ortamda ya da formatta kopyalayabilir ve yeniden dağıtabilirsiniz.
- Uyarlama: Eseri herhangi bir amaç için, ticari kullanım dahil, yeniden düzenleyebilir, dönüştürebilir ve üzerine inşa edebilirsiniz.
- Atıf koşulu: Uygun atıfı vermeli, lisansa bağlantı sağlamalı ve değişiklik yapılıp yapılmadığını belirtmelisiniz.
