YOSHLARNING RAQAMLI FAOLLIGI ASOSIDA QIZIQISHLARINI TASNIFLASHDA RANDOM FOREST VA SVM ALGORITMLARINING QIYOSIY TAHLILI.
Abstract
Ushbu ilmiy ish yoshlarning raqamli faolligi – ijtimoiy tarmoqlar, mobil ilovalar va onlayn xatti-harakatlar asosida ularning kasbiy hamda shaxsiy qiziqishlarini tasniflashda Random Forest va Support Vector Machine (SVM) algoritmlarining qiyosiy tahlilini taqdim etadi. Tadqiqotning asosiy maqsadi raqamli izlar va ijtimoiy-psixologik ma’lumotlar yordamida yoshlarning qiziqishlarini yuqori aniqlikda bashorat qiluvchi intellektual model yaratishdan iborat. O‘zbekistonning “Raqamli O‘zbekiston – 2030” strategiyasi va 2030-yilgacha sun’iy intellekt texnologiyalarini rivojlantirish strategiyasi doirasida yoshlar siyosati bilan mashina o‘qitish (ML) texnologiyalarining integratsiyasi dolzarbligi ta’kidlanadi. An’anaviy so‘rovnomalar va intervyularning subyektivligi, past javob berish darajasi va vaqt talab qilishi kabi kamchiliklari intellektual tahlilning afzalliklari – real vaqt rejimida ma’lumotlar yig‘ish, avtomatik tasniflash va yuqori aniqlik bilan solishtiriladi. Metodologiyada 2500 nafar yoshdan tashkil topgan ma’lumotlar bazasi yig‘ildi, ular raqamli faollik ko‘rsatkichlari (postlar, layklar, vaqt sarfi) va psixologik test natijalari bilan boyitildi. Ma’lumotlarga ishlov berish bosqichida normalizatsiya, feature selection va imbalance muammosi hal qilindi. Random Forest, SVM va Gradient Boosting algoritmlari qiyoslandi. Natijalarda Random Forest 93% aniqlik, 91% precision va 92% recall ko‘rsatkichlariga erishdi, bu SVM (88% aniqlik) va Gradient Boosting (91% aniqlik) dan yuqori natija berdi. Xatoliklar matritsasi kasbiy qiziqishlar sinflarida minimal xatolarni ko‘rsatdi. Yaratilgan dasturiy majmua Python, scikit-learn va Flask asosida ishlab chiqilgan bo‘lib, yoshlar ta’lim yo‘nalishini belgilash va kasbiy yo‘naltirishda amaliy samaradorlikni ta’minlaydi. Tadqiqot yoshlar siyosatini raqamli transformatsiya bilan mustahkamlashga hissa qo‘shadi va kelgusida katta ma’lumotlar hamda chuqur o‘rganish modellari bilan rivojlantirish istiqbollarini ochadi (178 so‘z).
References
1. O‘zbekiston Respublikasi Prezidentining 2024-yil 14-oktabrdagi PQ-358-sonli qarori “Sun’iy intellekt texnologiyalarini 2030-yilgacha rivojlantirish strategiyasini tasdiqlash to‘g‘risida”.
2. “Raqamli O‘zbekiston — 2030” strategiyasi (Prezident Farmoni, 2020).
3. Mahramovna Sh. M. Machine Learning Algorithms for Identifying Youth Interests and Developing a Software Framework // World Bulletin of Education and Learning. – 2025.
4. Rakhmatov D. Balancing Innovation and Regulation: Uzbekistan’s Strategy for AI-Driven Digital Transformation. – 2025.
5. UNDP. Adoption of AI in the Private Sector in Uzbekistan: Drivers, Challenges, Recommendations. – 2026.
6. Chong J. et al. Machine-learning models for activity class prediction: A comparative study of feature selection and classification algorithms // Gait & Posture. – 2021.
7. Tan Y.C. et al. Comparative Study of Random Forest and Support Vector Machine for Land Cover Classification // Land. – 2024.
