Abdulkadir Keskin

Bu çalışma, Kahramanmaraş Depremlerinin ardından uygulanan sosyal politikaların etkinliğini ölçmeyi amaçlamaktadır. Araştırmada, çok kriterli karar verme yöntemlerinden Sezgisel Bulanık SIWEC tekniği kullanılmıştır. Alanında önemli deneyime sahip sekiz uzman tarafından yedi ana kriter ve kırk dört alt kriter değerlendirilmiştir. Bulgular, özellikle “gıda ve temel ihtiyaçlar” kategorisinde yer alan temiz içme suyu, hijyen ürünleri, gıda tedarik zinciri ve gıda güvenliği ile özel beslenme ihtiyaçlarının karşılanmasında ayrıca genel olarak “sağlık ve eğitim hizmetleri” kategorisindeki kriterlere yönelik sosyal politika uygulamalarında başarılı olunduğunu göstermektedir. Buna karşılık “istihdam ve sosyal güvence” kapsamında kayıt dışılıkla mücadele, mesleki eğitim, vergi muafiyetleri ve KOBİ destekleri alanlarında zayıf kalındığı görülmektedir. Benzer şekilde, “temel altyapı ve kamu hizmetleri” kapsamında kentsel planlama ve yapılaşma, kamusal sosyal politikaların şeffaflığı ve adilliği ile telekomünikasyon ve internet altyapısının onarımında da önemli eksiklikler bulunmaktadır. Ek olarak kırılgan gruplara yönelik politikaların ve psikososyal destek hizmetlerinin görece geri planda kaldığı tespit edilmiştir.

Tedarik zinciri verilerinden mevcut kalıpları keşfetmek her işletmede bir dönüm noktası olabilir. Yönetici müdahalesi veya analize rehberlik edecek taksonomiler olmadan Makine Öğrenimi (ML) algoritmaları ile tedarik zinciri verilerindeki yeni modeller günlük olarak bulunabilir. Algoritmalar kısıt tabanlı modelleme kullanarak verileri yinelemeli olarak sorgular ve en yüksek tahmin doğruluğuna sahip çözümü önerir. Özünde, Yapay Zeka (AI) ve makine öğrenimi algoritmaları, işletmelere envanter, tedarikçi kalitesi, potansiyel talep, tedarikten ödemeye, siparişten nakde, üretim planlaması, lojistik yönetimi ve daha fazlasını etkileyen Tedarik Zinciri Yönetimi (TZY) faktörlerini yönetme konusunda içgörüler sağlamaktadır. Üretilen yeni bilgi ve içgörüler, TZY’de verimli karar alma süreçleri ve işletmeler için karlı yatırım önerileri sunar. Tüm bu faydalar işletmeleri hızla geliştirerek isabetli kararlar alınmasını, öngörülebilirliği ve yüksek yatırım ve kârlılık getirisini beraberinde getirebilir. Ticaretin doğası, yatırımın kârlılıkla geri dönüşüne bağlıdır. Bu açıdan bakıldığında bu bölüm, TZY’deki güncel ML uygulamaları hakkında bilgi sahibi olmak ve mevcut literatürü takip etmek isteyen okuyucular için bir çözüm sunmaktadır.

Günümüz dünyasında araştırmacılar ve sektör çalışanları benzeri görülmemiş bir veri bolluğu ve karmaşıklıkla karşı karşıyadır. Bireylerden kurumlara, endüstriden sosyal bilimlere kadar her alanda karar vericiler, çok sayıda alternatif ve birbiriyle çelişen kriterler arasından en doğru seçimi yapma zorluğuyla yüzleşmektedir. Bu dinamik ortamda, sezgisel yaklaşımların yerini alan kanıta dayalı, analitik ve nicel yöntemler, yalnızca bir rekabet avantajı değil, aynı zamanda bir zorunluluk haline gelmiştir. Elinizdeki "Nicel Karar Verme: Çok Kriterli Yaklaşımlar ve Makine Öğrenmesi Uygulamaları" isimli eser bu ihtiyaca yanıt vermek üzere, alanında uzman akademisyenlerin ve araştırmacıların değerli katkılarıyla hazırlanmıştır. Kitap, karar verme biliminin iki güçlü ve modern sacayağını bir araya getirerek okuyucularına hem teorik bir temel hem de zengin bir uygulama yelpazesi sunmayı amaçlamaktadır. Kitap, iki temel eksen etrafında şekillenmektedir. İlk eksende, en uygun alternatifi belirleme problemine odaklanan Çok Kriterli Karar Verme (ÇKKV) yöntemleri yer almaktadır. Bu bölümde, tedarikçi seçiminden elektrikli araçların sıralanmasına kadar uzanan güncel ve pratik problemler yenilikçi ve etkinliği kanıtlanmış ÇKKV metotlarıyla çözülmektedir. Bu çalışmalar, okuyuculara karmaşık karar problemlerini nasıl sistematik bir çerçeveye oturtabileceklerini göstermektedir. İkinci eksen ise, son yılların en dönüştürücü teknolojilerinden biri olan Makine Öğrenmesi (ML) uygulamalarını kapsamakta ve verinin içindeki gizli örüntüleri ortaya çıkararak geleceğe yönelik isabetli tahminler yapmayı hedefleyen algoritmaları ele almaktadır. Tedarik zinciri yönetiminde talep tahmininden, tüketici davranışlarının analizine; trafik kazalarında hayatta kalma olasılıklarının belirlenmesinden, üniversite öğrencilerindeki depresyon riskinin öngörülmesine kadar birbirinden farklı ve güncel konular güçlü makine öğrenmesi modelleriyle incelenmektedir. Bu eser, akademisyenler, lisansüstü öğrenciler, veri bilimciler, analistler ve mühendisler için hem bir başvuru kaynağı hem de yeni araştırmalar için bir ilham kaynağı olmayı hedeflemektedir. Sunulan her bir bölüm, teorik altyapıyı somut ve gerçek dünya verileriyle birleştirerek, okuyucunun yöntemleri daha derinlemesine anlamasına ve kendi problemlerine uyarlamasına olanak tanımaktadır. Sonuç olarak, "Nicel Karar Verme: Çok Kriterli Yaklaşımlar ve Makine Öğrenmesi Uygulamaları", okuyucuları modern dünyanın karmaşık karar problemlerini çözmek için gerekli olan analitik araçlarla donatmayı amaçlayan kapsamlı bir çalışmadır. Bu kitabın hazırlanmasında titiz çalışmaları ile emek veren tüm yazarlara ve bu çalışmanın yayınlanmasında emeği geçenlere teşekkürlerimi sunarım. Editör Dr. Öğr. Üyesi Hasan Aykut KARABOĞA

Bu çalışma, yapay zekâ tabanlı sohbet robotlarının (ChatGPT, Gemini, Copilot) çok kriterli karar verme (ÇKKV) süreçlerinde nasıl kullanılabileceğini incelemektedir. Günümüzde karar verme süreçleri giderek daha karmaşık hale gelirken, yapay zekâ destekli sistemler bu süreçleri hızlandırmak ve objektif bir bakış açısı sunmak açısından önemli bir potansiyele sahiptir. Bu bağlamda, çalışmada Türkiye otomotiv pazarında 2024 yılının ilk on ayında en çok satılan elektrikli SUV modelleri olan TOGG-T10X, Tesla Model Y, KG Mobility Torres, BMW X1, Mercedes EQB, Mini Countryman ve MG ele alınmıştır. Söz konusu modeller, menzil, batarya kapasitesi, motor gücü, şarj süresi, hızlanma süresi, enerji tüketimi ve fiyat gibi çeşitli performans ve maliyet kriterleri çerçevesinde değerlendirilmiştir. Çalışmanın temel amacı, belirlenen kriterlerin ağırlıklarının tespitinde hem CRITIC gibi objektif bir yöntem hem de LBWA gibi sübjektif bir yöntemin yanı sıra, yapay zekâ sohbet robotları tarafından önerilen ağırlıkların karşılaştırmalı analizini yapmaktır. Alternatiflerin sıralanmasında TOPSIS yöntemi kullanılarak, geleneksel yöntemlerle yapay zekâ destekli kriter ağırlıklandırma yaklaşımlarının sonuçları karşılaştırılmıştır. Bu sayede, yapay zekâ sohbet robotlarının ÇKKV süreçlerine katkısının ne ölçüde güvenilir ve tutarlı olduğu değerlendirilecektir. Elde edilen bulgular, yapay zekâ tabanlı sistemlerin ÇKKV süreçlerine entegrasyonu konusunda önemli çıkarımlar sunarak, bu tür sistemlerin karar destek mekanizmalarındaki rolü hakkında yeni bir perspektif sağlamaktadır. Ayrıca, geleneksel yöntemler ile yapay zekâ tabanlı yöntemlerin sunduğu avantajlar, dezavantajlar ve farklılıklar ortaya konmuştur.

Değişen dünya düzeni işletmelerin rekabet yarışını gittikçe zorlaştırmaktadır. İşletmeler; küreselleşme, dijital dönüşüm ve belirsizlik gibi faktörlerin etkisinde esnek, verimli ve yenilikçi politikalar sergilemek zorundadır. Bu zorlu rekabet ortamında, işletmelerin sürdürülebilir bir avantaj elde edebilmeleri için tedarik zinciri yönetimi, operasyonel verimin sağlanmasından müşteri memnuniyetine kadar uzanan kritik bir süreç haline gelmiştir. Tedarik zincir yönetiminin stratejik aşamalarından biri olan tedarikçi seçimi, işletmelerin maliyet, kalite, teslimat süresi gibi faaliyetlerini optimize etmesinin yanı sıra uzun vadede amaçları da doğrudan etkilemektedir. Tedarikçi seçimi, birden fazla kriter ve alternatif arasından kapsamlı olarak çözülmesi gereken problemlerdir. Çok kriterli karar verme yöntemleri aynı anda değerlendirilmesi gereken kriter ve alternatiflerin olduğu böylesi karmaşık yapılı problemlerin çözümünde kullanılan yöntemlerdir. Bu çalışmada, bir inşaat firması için hazır beton tedarikçi seçim problemi FUCOM tabanlı WEDBA çok kriterli karar verme yöntemleri ile gerçekleştirilmiştir. Tedarikçi seçimi; maliyet, kalite, teslimat süresi, teknik yeterlilik, firma itibarı, konum, kalite belgesi ve referans kriterleri çerçevesinde 5 firma arasından bir firmanın belirlenmesi ile tamamlanmıştır. Firmada karar vericiler 1 proje müdürü, 1 proje müdür yardımcısı, 1 inşaat mühendisi ve 1 mali işler uzmanı olmak üzere 4 kişiden oluşmaktadır. FUCOM yöntemi ile elde edilen sonuçlara göre kalite kriteri en yüksek öneme sahip kriter olarak belirlenmiştir. Alternatif beş firma arasından A5 alternatifi en iyi alternatif olarak ilk sırada yer almıştır.

Depresyon, üniversite öğrencileri arasında yaygın olarak görülen ve akademik başarıyı, sosyal ilişkileri ve genel yaşam kalitesini olumsuz etkileyen bir ruh sağlığı sorunudur. Bu çalışmada, farklı makine öğrenmesi algoritmalarını kullanarak üniversite öğrencilerinin depresyon durumunu tahmin etmek amaçlanmıştır. Araştırmada bağımlı değişken olarak depresyon durumu (var/yok) ele alınmış ve bağımsız değişkenler olarak yaş, cinsiyet, not ortalaması, uyku süresi, meslek, iş baskısı, akademik baskı, çalışma memnuniyeti, iş memnuniyeti, beslenme alışkanlıkları gibi değişkenler kullanılmıştır. Çalışmada, Destek Vektör Makineleri (SVM), Yapay Sinir Ağları (Neural Networks), Lojistik Regresyon, k-En Yakın Komşu (kNN) ve Gradient Boosting algoritmaları kullanılarak depresyon tahmini gerçekleştirilmiştir. Sonuçlar, Lojistik Regresyon ve SVM modellerinin en iyi genelleme yeteneğine sahip olduğunu göstermektedir. Öte yandan, Yapay Sinir Ağları ve Gradient Boosting algoritmalarının eğitim verisinde yüksek performans sergilediği ancak test verisinde aşırı öğrenme (overfitting) nedeniyle başarının düştüğü belirlenmiştir. Bu çalışma, makine öğrenmesi yöntemleriyle üniversite öğrencilerinde depresyon tahminine yönelik yeni bir bakış açısı sunmakta ve öğrenci ruh sağlığını iyileştirmeye yönelik veri odaklı yaklaşımlar geliştirilmesine katkıda bulunmaktadır.

Providing electricity needs from renewable energy sources is an important issue in the energy policies of countries. Especially changes in energy usage rates make it necessary to use renewable energy resources to be sustainable. The electricity usage rate must be estimated accurately to make reliable decisions in strategic planning and future investments in renewable energy. This study aims to accurately estimate the renewable energy production rate to meet Türkiye’s electricity needs from renewable energy sources. For this purpose, well-known Machine Learning (ML) algorithms such as Random Forest (RF), Adaptive Boosting (AB), and Gradient Boosting (GB) were utilized. In obtaining forecast data, 15 variables were considered under the oil resources, environmental parameters, and economic factors which are the main parameters affecting renewable energy usage rates. The RF algorithm performed best with the lowest mean absolute percentage error (MAPE, 0.084%), mean absolute error (MAE, 0.035), root mean square error (RMSE, 0.063), and mean squared error (MSE, 0.004) values in the test dataset. The R² value of this model is 0.996% and the MAPE value is calculated lower than 10%. The AB model, on the other hand, has the highest error values in the test data set, but still provides an acceptable prediction accuracy. The R² value was 0.792% and the MAPE value (0.371%) of this model was calculated to be in the range of 20% < MAPE≤50%. This study, with its proposed forecasting models, makes significant contributions to energy policies to develop appropriate policies only for planning the amount of electricity usage needed in the future. In this context, this study emphasizes that renewable energy-based electricity generation transformation should be considered as an important strategic goal in terms of both environmental sustainability and energy security.

Enerji piyasalarının karmaşık yapısı ve bu piyasalarda oluşan fiyatların öngörülebilirliği hem ekonomik istikrar hem de sürdürülebilir kalkınma hedefleri açısından büyük önem taşımaktadır. Özellikle Türkiye gibi enerji talebinin hızla arttığı ülkelerde, piyasa takas fiyatının (PTF) doğru bir şekilde tahmin edilmesi, piyasa katılımcılarının etkin kararlar almasına olanak tanımakta ve enerji piyasasının şeffaflığını artırmaktadır. Bu çalışma, Türkiye enerji piyasasında PTF’nin tahmini için altı farklı makine öğrenimi algoritmasının (Doğrusal Regresyon, Karar Ağacı, Destek Vektör Makineleri, Gaussian Süreç Regresyonu, Çekirdek Tabanlı Regresyon ve Sinir Ağları) etkinliğini karşılaştırmalı olarak analiz etmektedir. Türkiye'nin Ocak 2012-Ocak 2023 dönemine ait enerji piyasası verilerinden yararlanılarak, sıcaklık, brüt elektrik tüketimi, toplam kurulu güç, döviz kuru ve Brent petrol fiyatları gibi faktörlerin PTF üzerindeki etkileri incelenmiştir. Sonuçlar, Gaussian Süreç Regresyonu (GPR) ve Karar Ağacı (DT) modellerinin PTF tahmininde diğer yöntemlere göre daha yüksek doğruluk sağladığını göstermektedir. GPR modeli, eğitim ve test aşamalarında tutarlı bir performans sergileyerek en düşük RMSE ve en yüksek R² değerlerine ulaşmıştır. Ayrıca, DT modeli test aşamasında istikrarlı sonuçlar sunarak ikinci en iyi performansı göstermiştir.

Tobacco use is a major public health issue globally due to its harmful and life-threatening consequences. This study examined smoking behavior using a comprehensive dataset of socioeconomic, psychological, cultural, and health information from individuals and households across Turkey. The study utilized data from the 2016 Turkey Health Survey conducted by the Turkish Statistical Institute (TUIK). This nationwide survey includes 17,242 individuals aged 15 and over, with detailed socio-demographic, economic, cultural, health, and psychological information. The Zero Inflated Negative Binomial (ZINB) model was employed to assess the impact of various factors on daily tobacco use in Turkey. The analysis identified age, education level, exposure to smoking, chronic health issues, loneliness, employment status, having young children, household income, gender, depression index, and household size as significant factors influencing cigarette consumption. Both the initiation and amount of smoking are shaped by a complex interplay of these factors. The findings underscore the importance of income, gender, family structure, social relationships, age, education, and health in determining smoking behavior.

Corporate social responsibility (CSR) serves as a self-regulation mechanism for businesses and a framework for consumers to evaluate companies. Carroll's (1991) CSR pyramid categorises these responsibilities, which can differ depending on cultural and economic contexts. This study examines Corporate Social Responsibility (CSR) in the context of Carroll's pyramid from the perspective of Turkish consumers, based on expert interviews analysed using the “Pythagorean Fuzzy Entropy” method. The results reveal that Turkish consumers prioritise businesses' “economic” responsibilities the most, followed by “philanthropic” responsibilities. “Ethical” responsibilities are ranked slightly lower, with “legal” responsibilities considered the least important in this context.