Ceyda Ünal

Televizyon dizileri, sosyal medya platformlarıyla birlikte yalnızca görsel-işitsel bir tüketim nesnesi değil, aynı zamanda izleyiciler tarafından farklı formlarda yeniden üretilebilen kültürel metinler hâline gelmiştir. Sosyal medyada etkileşimin ve kullanıcı yaratımlı içeriklerin ön plana çıktığı yeni medya çağında izleyiciler; farklı sosyal medya kanallarını kullanarak izledikleri diziler özelinde duygusal tepki, eleştiri, karşılaştırma ve talepler vb. çeşitli boyutlarda yorumlarını paylaşabilmektedir. Bu çalışma, izleyicileri aktif bir içerik üreticisi olarak konumlandıran katılımcı kültür bağlamında izleyici etkileşimlerini inceleyerek, “Uzak Şehir” dizisine yönelik yorumları yapay zekâ (YZ) temelli duygu analizi yaklaşımıyla değerlendirmeyi amaçlamaktadır. Bu amaçla, dizinin ilk sezonunu oluşturan toplam yirmi sekiz bölümün fragmanları hakkında yapılan yorumlar YouTube platformu üzerinden elde edilmiş, Türkçe önceden eğitilmiş BERT tabanlı bir model kullanılarak duygu kategorilerine ayrılmış ve tematik analizler gerçekleştirilmiştir. Ayrıca, reyting verileri ve izleyicilerin duygu polaritesi arasındaki ilişki incelenmiştir. Bulgular, özellikle “eleştiri” teması ile negatif duygu oranlarının belirli bölümlerde yoğunlaştığını; ancak genel olarak reytinglerle güçlü bir korelasyon bulunmadığını göstermektedir. Bu durum, izleyici yorumlarının yalnızca reyting performansını yansıtmaktan öte, katılımcı kültürün dijital ortamda iz bırakan çok boyutlu yapısını ortaya koymaktadır.Çalışma, medya araştırmalarında YZ temelli duygu analizinin; dizilere yönelik içerik geliştirme süreçlerinde görev alan içerik üreticileri başta olmak üzere, dijital pazarlama uzmanları, yayıncı platformlar ve medya araştırmacılarına, stratejik karar desteği sağlamada kayda değer potansiyele sahip olduğunu göstermektedir.

Dijital dönüşümün kamuda hizmet sunumunu önemli ölçüde etkilediği günümüzde, üretken yapay zekâ (ÜYZ) teknolojilerinin ortaya koyduğu yenilikler dikkate alınmaya değerdir. Özellikle ChatGPT vb. büyük dil modelleri, kamu kurumlarında vatandaşlarla etkileşimden, belgelerin yeniden üretimine ve hatta belirli içeriklerin özetlenmesine kadar birçok alanda kullanılabilmektedir. Bu yenilikçi teknolojiler, kamuda sadece hizmet süreçlerinin dönüşümüne katkı sağlamakla kalmayıp aynı zamanda sürdürülebilir dijital kamu hizmetleri için fırsatları ve riskleri de beraberinde getirmektedir. ÜYZ tabanlı sistemlerin en önemli avantajı; kamu kurumlarının operasyonel verimliliğini artırmasıdır. Bu sistemler, rutin işleri büyük ölçüde devralarak insan kaynağını daha stratejik alanlara yönlendirebilmek noktasında kamu kurumlarına faydalı olabilmektedir. Örneğin, rutin olarak hazırlanan bir belgenin üretimi ÜYZ araçlarına devredilip, insan beyninin eşsiz yapısı strateji üretme gibi daha yaratıcı çözümler için konumlandırılabilir. Tüm bu avantajların yanı sıra, bu teknolojilerin kamu sektörüne entegrasyonunda bazı etik ve yönetişim riskleri de gündeme gelmektedir. Üretilen içeriklerin doğruluğu, algoritmik önyargı riski, şeffaflık/açıklanabilirlik ve hesap verilebilirlik gibi ilkeler, kamu hizmetlerinde ÜYZ’nin sorumlu biçimde kullanılması gerekliliğini ortaya koymaktadır. Çalışmanın amacı; ÜYZ teknolojilerinin kullanım alanlarını Estonya, Singapur, Kanada, ABD vb. farklı ülkeler bağlamında analiz etmek ve bu çözümlerin sürdürülebilir dijital hizmetlere katkısını, olası faydalar ve riskler üzerinden bütüncül bir yaklaşımla incelemektir. Çalışmada sürdürülebilirlik kavramı yalnızca çevresel değil, aynı zamanda kamu hizmetlerinin uzun vadeli işlevselliği, kamusal güvenin devamlılığı ve kamu kaynaklarının akılcı yönetimi bağlamında ele alınmaktadır. Bu amaçla, öncelikle ÜYZ kavramı kamu ve özel sektör ayrımları da göz önünde bulundurularak detaylandırılacak, sonrasında ÜYZ ve kamu hizmetlerine odaklanılacaktır. Ayrıca; kamu hizmetlerinde ÜYZ’nin potansiyel faydaları, etik ve mali riskler tartışılacak; uluslararası uygulamalardan örnekler verilip politika önerileri vurgulanacaktır.

Introduction: Alzheimer’s Disease is defined as a progressive brain disease that affects memory, thinking, and behavior. It accounts for 50-80% of all dementia cases. Diagnosis can be challenging, particularly in the early stages and notably in mild cognitive impairment. The growing number and diversity of health-related data have led to the widespread use of machine learning algorithms in the early detection of Alzheimer’s Disease. This study focuses on developing an Artificial Intelligence-based clinical decision support system that classifies individuals as individuals with Alzheimer’s Disease, Mild Cognitive Impairment, or healthy individuals. Materials and Method: The dataset used in the study was obtained from the Brain Aging and Dementia Unit of the Geriatrics Department. All patients aged between 45 and 96 years and followed up in the clinic were examined. Classification was performed using the Logistic Regression, Naive Bayes, K-Nearest Neighbor, Artificial Neural Networks, Support Vector Machines, Decision Trees, and ensemble methods. Results: The CatBoost algorithm outperformed the other models in terms of accuracy. Ensemble learning methods outperformed traditional methods for 176 samples in the Alzheimer class. Random Forest method exhibited the highest precision for Mild Cognitive Impairment classification. Conclusion: Machine learning techniques according to the purpose of the study can serve experts as a low-cost and non-invasive diagnostic tool. The clinical decision support system developed in this study has been designed as a tool to assist the clinicians. Keywords: Machine Learning; Alzheimer Disease; Clinical Decision Support Systems.

1990’lı yıllarda ortaya çıkan ERP yaklaşımı, günümüzde yerini kendi verisini üreten ve bu verileri yapay zekâ yaklaşımını kullanarak analiz edebilen bir yapıya bırakmıştır. Bu durum da ERP sistemlerinin akıllılık boyutunda incelenmesi gerekliliğini ortaya çıkarmıştır. Bir başka ifadeyle, akıllı ERP; içerdiği veriyi yönetirken kendi verisini de üretmeye başlayan ve bunları yapay zekâ teknikleriyle birleştiren bir karar mekanizmasını oluşturmuştur. Akıllı ERP’nin ortaya koyduğu kayıtların/verilerin yönetilmesi, karara döndürülebilmesi ve rasyonel anlamda modernize edilmesi boyutunda istatistiksel analiz, iş zekâsı ve yapay zekâ bu aşamadaki temel bakış açılarıdır. Bu çalışmanın amacı, mevcut literatür kapsamında, ERP yolculuğunu ele alıp, yapay zekânın ERP sistemlerine entegrasyonu sonucu doğan akıllı ERP kavramını incelemektir. Yeni nesil ERP olarak da adlandırılan bu yaklaşım; makine öğrenmesi algoritmaları ve analitik araçlar tarafından yönlendirildiğinden dolayı, otomasyon sürecini kolay ve hızlı hale getirerek işletmelerin performans ve rekabet gücünü artırma potansiyeli taşımaktadır.

Purpose: Vitamin D level is emphasized as an important biomarker in determining risk factors for different diseases. Vitamin D is an important vitamin for human health and its deficiency is associated with serious health problems. Therefore, it is of great importance to detect vitamin D deficiency, which can be easily prevented and treated. The possible relationship between vitamin D deficiency and musculoskeletal pain, osteoporosis, diabetes mellitus, hypertension is frequently discussed in researches. In this research, it is aimed to analyze the factors in determining the vitamin D level and the decision rules related to it. Methods: A descriptive framework based on one of the machine learning techniques, that is decision tree is followed. The data used to create the decision rules were obtained from volunteers between the ages of 18-85 who applied to Izmir Katip Çelebi University Atatürk Training and Research Hospital Infectious Diseases and Family Medicine Polyclinics and agreed to participate in the study between 01.03.2017 and 01.09.2017. Results: It was observed that age, gender and laboratory test values are strong predictors for vitamin D level. As a result of two CART (Classification and Regression Trees) models, %90.47 and %95 predictive accuracies were observed respectively. In the first model, uric acid, age and creatine; in the second model TSH, ALP and smoking(yes) were the most important three biomarkers affecting vitamin D level. Discussion: The collected features give a comprehensive list of variables that have an effect on vitamin D in the dataset under consideration. Important findings of the study include not only the identification of these variables, but also the effective categorization determination procedures. In contrast to previous research, the Age variable is the most influential factor within the scope of this dataset, which includes demographic information on patients and their existing disorders.

Dementia is a clinical illness that becomes more common as people get older. It is defined by a decline in cognitive abilities across several domains and eventually impacts everyday functioning. Consequently, this leads to a decline in autonomy, impairment, dependence on assistance, and ultimately, mortality. Alzheimer's disease (AD) is responsible for 50–80% of all occurrences of dementia, and its occurrence increases by a factor of five every five years beyond the age of 65. Given the availability of health data and the decrease in data processing costs, it is now feasible to detect Alzheimer's disease at an early stage. The objective of this study is to classify individuals as either Alzheimer's sufferers or healthy individuals by employing various machine learning techniques. The OASIS-2 dataset, which consists of longitudinal MRI data from both nondemented and demented older adults, was utilized for this study. Given its potential for early detection of Alzheimer's dementia, the study is anticipated to enhance clinical decision support systems pertaining to modifiable risk factors.

Looking at the history of civilization from past to present, the concepts of project and project management are frequently encountered. Thanks to project management, businesses can work target-oriented, provide high motivation, facilitate internal control and provide a significant increase in quality. The concept of software, born with the development of technology, penetrates our lives more and more day by day. The globalizing world has brought together the concepts of software and project management and integrated them. Software projects require special management techniques because of their content. For this reason, new methods have emerged over time in the management of software projects. In this study, the concept of the project, the development of project management from its birth over the years, project management in software projects, software development life cycles, and the Waterfall Model and Agile Approach, which are two methods used in software projects, are discussed. The perception of the Waterfall Model and Agile Approach was evaluated with the survey study created with the participation of 145 employees from the software industry. Thus, it is aimed to support managers to choose an effective and efficient method at the point of deciding which method to proceed in software project management.

Recently, expert systems have been used in different fields for different purposes in order to respond to the changing user needs with the rapid development of information and communication technologies. The most important of these can be listed as interpretation, prediction, diagnosis, design, planning, imaging, debugging, maintenance, education and control. With the increase in the use of expert systems in the field of healthcare, expert systems are not only used for diagnosis and treatment, but also act as a decision support system. Today, there are many software and approaches for nutrition program planning on the basis of nutrition-oriented practices. In particular, rule-based or case-based expert systems are frequently used in the field of nutrition. The aim of the research is to develop a web-based expert system prototype in the field of nutrition with a rule-based system approach using the Prolog development environment. For this purpose, because of clear and neat syntax, one of the expert system programming languages based on "first order predicate calculus" that is Prolog, PHP for web and in the design phase; Bootstrap framework were preferred. For data visualization, data is retrieved from MySQL database. The application developed within the scope of the research is expected to contribute to the efficient implementation of nutrition planning, especially for institutions with insufficient human experts. In this sense, a system that offers personalized nutrition program recommendations for people of different ages, genders, heights, weights and therefore different body mass indexes has been developed. Thus, considering the benefits of proper nutrition, it is expected that the developed system will help the dietitian in the process of determining the nutrition program/meal planning, and for the patients in the processes of maintaining and monitoring it.

The Covid-19 outbreak, which has been under the influence of Europe since then, continues to spread rapidly especially in the American continent. Looking at the current data, the virus has affected about 250 million people and has killed more than five million people. Especially with the rapid spread of the outbreak in the European continent, this issue started to be discussed in social media. In particular, Twitter is the most frequently used micro-blogging in this workspace. In this study, it is aimed to analyze the tweets shared by many people, organizations and government agencies through Twitter during the global COVID-19 outbreak with sentiment analysis using the VADER Sentiment Analysis method. The hashtags #covid19, #Covid, #pandemic, #social-distancing, #socialdistance, #covid-19, #corona-virius, #coronavirus, #Chinesevirus, #Chinese-virus were used in this study. With these hashtags, a total of 60,243,040 tweets were collected from Twitter between January 1, 2020 and July 1, 2020. In this study, we use the VADER to classify the sentiments expressed in Twitter data related to Covid-19 and the compound scores of the resulting tweets were divided into five categories: Highly Positive, Positive, Neutral, Negative, Highly Negative. In addition, in the study, the Wordcloud was used to visualize the most frequently collected text data monthly, and N-grams were applied to the tweets to better understand the content of the tweets. When the results obtained in the study are examined, the tweets shared about Covid-19 in different periods of the release reflect different sentimental situations.