Bulgular: Analiz sonucunda cinsiyet değişkenine göre YTT toplam puan ortalamalarının karşılaştırılmasında anlamlı fark olduğu farkın kadınlar lehine olduğu tespit edilmiştir. Beslenme durumu değişkeni ve sınıf değişkenine göre YTT toplam puan ortalamalarının gruplar arası karşılaştırılmasında anlamlı fark olduğu tespit edilmiştir. Sonuç: Sonuç olarak Covid-19 salgını döneminde öğrencilerin düzensiz bir beslenme anlayışına sahip oldukları ve bunun neticesinde yeme tutum puanlarının olumsuz anlamda yüksek olduğu saptanmıştır. Bu durumun oluşmasında online ders süreci, hareketsiz yaşam, covid-19 salgının getirdiği zorluklar, öğrencilerin hayat şartları, aile durumları ile sosyal ve psikolojik durumlarının yeme tutumlarını olumsuz anlamda etkilediği düşünülmektedir.

Çalışmanın amacı Spor Bilimleri Fakültesinde öğrenim gören öğrencilerin obezite farkındalık durumları, beslenme bilgi puanları ve fiziksel aktivite düzeylerinin belirlenmesidir. Çalışmaya Spor Bilimleri Fakültesinde öğrenim gören toplam 430 öğrenci katılmıştır. Öğrencilerin obezite farkındalık durumlarının belirlenmesinde Obezite Farkındalık Ölçeği, Beslenme bilgi puanlarının belirlenmesinde Yetişkinler İçin Beslenme Bilgi Düzeyi Ölçeği, fiziksel aktivite düzeylerinin belirlenmesinde ise Fiziksel Aktivite Ölçeği-2 ölçeği kullanılmıştır. Verilerin analizinde SPSS 26 paket programı kullanılmış olup İkili grubun karşılaştırılmasında Independent T Testi, grupların karşılaştırılmasında ise One Way ANOVA Testi kullanılmıştır. Öğrencilerin Obezite farkındalığı, beslenme bilgi puanı ve fiziksel aktivite puan ortalamalarının cinsiyet, yaş, sınıf ve bölüm değişkenine göre karşılaştırmasında fark saptanmamıştır. Sonuç olarak, öğrencilerin obezite farkındalıklarının yüksek düzeyde olduğu, temel beslenme bilgi puanlarının ortalama düzeyde olduğu ve fiziksel aktivite düzeylerinin ise yeterli aktivite düzeyinde olduğu tespit edilmiştir.

In this study, it is aimed to predict Judo competition results with artificial neural networks. For this purpose, 21 different models were created with hyperparameters of the number of layers, number of neurons and optimization methods (SGD, RMSprop, Adam, Adadelta, Adagrad, Adamax, Nadam) in the artificial neural network. The sample of the study consists of 7758 athletes competing in international judo competitions between 2017:01-2021:03. 14 different attributes of each athlete were calculated from the data obtained from 53775 judo competitions held in this period. By sending the attributes of two contestants to the input layer of the neural network, 28 input data and 1 output data were created. The application is trained with seven different optimization methods in the neural network with 64 neurons in one hidden layer, 32-64 neurons in two hidden layers, and 64-128-64 neurons in three hidden layers, respectively. As a result of the application, it was determined that the most successful model (78.6% accuracy, 44.4% error) used 64 neurons in a single layer, RMSprop optimization method. It was determined that the model with the lowest success rate (74.1% accuracy, 51.8% error) used the Adadelta optimization method with 32-64 neurons in its two hidden layers. It was determined that the optimization methods RMSprop and Adamax were more successful than the other methods, while the Adadelta method was more unsuccessful. As a result, it has been revealed that Judo competition results can be predicted with artificial neural networks by using appropriate dataset and hyperparameters.