Hamza Doğan
Current Organizations / Institutes
The organizations/institutes from the scholar's latest article
Research Subjects
Hamza Doğan has a total of 12 co-authors. Here are the top co-authors by number of shared publications:
- Hasan Emin Gürler
Department of International Trade and Logistics, Faculty of Economics and Administrative Sciences Kilis 7 Aralık University Kilis Turkey
9 shared publications - Mehmet Çağlar
YILDIZ TEKNİK ÜNİVERSİTESİ, İKTİSADİ VE İDARİ BİLİMLER FAKÜLTESİ, İŞLETME BÖLÜMÜ
9 shared publications - Mehmet Özçalıcı
Kilis 7 Aralık University
9 shared publications - Müzeyyen Özhavzalı
Kırıkkale Universitesi
9 shared publications - Sema Akın Baş
Yıldız Teknik Üniversitesi
9 shared publications - Özge Dinç Cavlak
Ankara Haci Bayram Veli Universitesi
9 shared publications
Latest Publications
- Open Access
- 26 June 2025
- Published by Özgür Yayınları
- p. 101-114
Finansal Zaman Serisi Tahminlerinde Makine Öğrenmesi Uygulamaları
Mevcut çalışma, finansal zaman serisi tahminlerinde kullanılan çeşitli makine öğrenmesi algoritmalarını inceleyerek, genel bir çerçeve çizmeyi amaçlamaktadır. Çalışmada, finansal zaman serisi tahminlerinde yaygın olarak kullanılan ağaç tabanlı Rastgele Ormanlar (Random Forests, RF), Aşırı Gradyan Artırma (Extreme Gradient Boosting, XGBoost), CatBoost (Categorical Boosting), Hafif Gradyan Artırma Makinesi (Light Gradient Boosting Machine, LightGBM) ve Doğal Gradyan Artırma (Natural Gradient Boosting, NGBoost) modelleri hakkında bilgi verilmektedir. Ardından, girdi değişkenlerin katkısını ölçerek, makine öğrenmesi modellerinin yorumlanabilirliğini arttıran SHAP yaklaşımı açıklanmaktadır. Son olarak, makine öğrenmesi algoritmaları kullanılarak gerçekleştirilen finansal zaman serisi tahminleri, hisse senedi, tahvil ve emtia piyasaları üzerinden tartışılarak, bu modellerin tahmin performansı ve etkililiği gösterilmektedir. Makine öğrenmesi modellerinin hisse senedi ve tahvil piyasalarının yanı sıra, ham petrol, doğal gaz, altın, tarımsal ürünler gibi emtia fiyatlarını tahminde üstün performans gösterdikleri belirtilmektedir. Ayrıca, bu modellerin yeşil enerji hisse senedi ve yeşil tahvil fiyatlarını tahmin etmede etkili oldukları öne sürülerek; yatırım kararları, politika oluşturma ve sürdürülebilir enerji dönüşümü için önemi vurgulanmaktadır. Sonuç olarak yenilikçi makine öğrenmesi modelleri, finansal zaman serisi tahminlerinde oldukça üstün performans göstermekte; tahmin doğruluğu, yorumlanabilirlik ve doğrusal olmayan örüntüleri yansıtabilme gibi avantajlar sunması bakımından önem arz etmektedir.
- 26 June 2025
- Published by Özgür Yayınları
- p. 101-114
Open AccessFinansal Zaman Serisi Tahminlerinde Makine Öğrenmesi Uygulamaları
Mevcut çalışma, finansal zaman serisi tahminlerinde kullanılan çeşitli makine öğrenmesi algoritmalarını inceleyerek, genel bir çerçeve çizmeyi amaçlamaktadır. Çalışmada, finansal zaman serisi tahminlerinde yaygın olarak kullanılan ağaç tabanlı Rastgele Ormanlar (Random Forests, RF), Aşırı Gradyan Artırma (Extreme Gradient Boosting, XGBoost), CatBoost (Categorical Boosting), Hafif Gradyan Artırma Makinesi (Light Gradient Boosting Machine, LightGBM) ve Doğal Gradyan Artırma (Natural Gradient Boosting, NGBoost) modelleri hakkında bilgi verilmektedir. Ardından, girdi değişkenlerin katkısını ölçerek, makine öğrenmesi modellerinin yorumlanabilirliğini arttıran SHAP yaklaşımı açıklanmaktadır. Son olarak, makine öğrenmesi algoritmaları kullanılarak gerçekleştirilen finansal zaman serisi tahminleri, hisse senedi, tahvil ve emtia piyasaları üzerinden tartışılarak, bu modellerin tahmin performansı ve etkililiği gösterilmektedir. Makine öğrenmesi modellerinin hisse senedi ve tahvil piyasalarının yanı sıra, ham petrol, doğal gaz, altın, tarımsal ürünler gibi emtia fiyatlarını tahminde üstün performans gösterdikleri belirtilmektedir. Ayrıca, bu modellerin yeşil enerji hisse senedi ve yeşil tahvil fiyatlarını tahmin etmede etkili oldukları öne sürülerek; yatırım kararları, politika oluşturma ve sürdürülebilir enerji dönüşümü için önemi vurgulanmaktadır. Sonuç olarak yenilikçi makine öğrenmesi modelleri, finansal zaman serisi tahminlerinde oldukça üstün performans göstermekte; tahmin doğruluğu, yorumlanabilirlik ve doğrusal olmayan örüntüleri yansıtabilme gibi avantajlar sunması bakımından önem arz etmektedir.
- Open Access
- 26 June 2025
- Published by Özgür Yayınları
- p. 1-28
Beyond Equal Weights: A WENSLO-CoCoSo Assessment of OECD Countries’ SDG Performance
The Sustainable Development Goals (SDGs) represent a universal agenda for addressing pressing global challenges, yet assessing national progress remains complex due to methodological limitations in existing frameworks. This study evaluates the performance of OECD countries in achieving 15 SDGs using an integrated WENSLO (Weights by Envelope and Slope) and CoCoSo (Combined Compromise Solution) approach, addressing critiques of subjective weighting methods like the UN’s equal-weighted index. WENSLO objectively assigns criterion weights based on statistical analysis, while CoCoSo ranks countries through a multi-criteria decision-making process. Results reveal Italy as the top performer, attributed to balanced advancements in economic, social, and environmental dimensions, followed by Austria, Spain, and Portugal. Conversely, Iceland, Luxembourg, and Greece, reflecting disparities in policy integration and socio-economic constraints. The study highlights synergies and trade-offs between SDGs, emphasizing the need for targeted resource allocation, technology transfer, and data standardization. By offering a transparent, adaptable framework, this research advances methodological rigor in sustainability assessments and provides actionable insights for policymakers to prioritize SDG implementation in heterogeneous high-income contexts.
- 26 June 2025
- Published by Özgür Yayınları
- p. 1-28
Open AccessBeyond Equal Weights: A WENSLO-CoCoSo Assessment of OECD Countries’ SDG Performance
The Sustainable Development Goals (SDGs) represent a universal agenda for addressing pressing global challenges, yet assessing national progress remains complex due to methodological limitations in existing frameworks. This study evaluates the performance of OECD countries in achieving 15 SDGs using an integrated WENSLO (Weights by Envelope and Slope) and CoCoSo (Combined Compromise Solution) approach, addressing critiques of subjective weighting methods like the UN’s equal-weighted index. WENSLO objectively assigns criterion weights based on statistical analysis, while CoCoSo ranks countries through a multi-criteria decision-making process. Results reveal Italy as the top performer, attributed to balanced advancements in economic, social, and environmental dimensions, followed by Austria, Spain, and Portugal. Conversely, Iceland, Luxembourg, and Greece, reflecting disparities in policy integration and socio-economic constraints. The study highlights synergies and trade-offs between SDGs, emphasizing the need for targeted resource allocation, technology transfer, and data standardization. By offering a transparent, adaptable framework, this research advances methodological rigor in sustainability assessments and provides actionable insights for policymakers to prioritize SDG implementation in heterogeneous high-income contexts.
- Open Access
- 26 June 2025
- Published by Özgür Yayınları
- p. 135-152
Predicting and Interpreting Employee Attrition with Machine Learning Models: An Application on the HR Analytics Dataset
Employee retention is a critical challenge in modern organizations, as high rates of turnover can negatively impact organizational productivity and increase operational costs. The rise of data-driven decision-making in human resources management has enabled organizations to leverage advanced analytics and machine learning techniques to better understand the factors influencing employee attrition and to predict which employees are at risk of leaving. This chapter presents an application of various machine learning algorithms—including logistic regression, decision trees, random forests, and gradient boosting—on the open-source IBM HR Analytics Employee Attrition & Performance dataset. The analysis aims not only to achieve accurate predictions of employee turnover but also to provide actionable insights into the underlying determinants of attrition using model interpretability techniques such as SHAP (Shapley Additive Explanations). Key variables including job satisfaction, monthly income, years at company, and work-life balance are explored in detail to identify their relative importance in predicting employee departure. The findings are intended to assist human resource managers in developing proactive strategies to enhance employee engagement and retention. This chapter demonstrates the practical value of machine learning models in human resources analytics, offering both predictive power and interpretability to support evidence-based management decisions.
- 26 June 2025
- Published by Özgür Yayınları
- p. 135-152
Open AccessPredicting and Interpreting Employee Attrition with Machine Learning Models: An Application on the HR Analytics Dataset
Employee retention is a critical challenge in modern organizations, as high rates of turnover can negatively impact organizational productivity and increase operational costs. The rise of data-driven decision-making in human resources management has enabled organizations to leverage advanced analytics and machine learning techniques to better understand the factors influencing employee attrition and to predict which employees are at risk of leaving. This chapter presents an application of various machine learning algorithms—including logistic regression, decision trees, random forests, and gradient boosting—on the open-source IBM HR Analytics Employee Attrition & Performance dataset. The analysis aims not only to achieve accurate predictions of employee turnover but also to provide actionable insights into the underlying determinants of attrition using model interpretability techniques such as SHAP (Shapley Additive Explanations). Key variables including job satisfaction, monthly income, years at company, and work-life balance are explored in detail to identify their relative importance in predicting employee departure. The findings are intended to assist human resource managers in developing proactive strategies to enhance employee engagement and retention. This chapter demonstrates the practical value of machine learning models in human resources analytics, offering both predictive power and interpretability to support evidence-based management decisions.
- Open Access
- 26 June 2025
- Published by Özgür Yayınları
- p. 45-66
Comparison of Healthcare System Performance in EU Candidate Countries Using an Entropy and TOPSIS-Based Multi-Criteria Decision-Making Approach: Türkiye’s Position
This study employs a multi-criteria decision-making (MCDM) approach based on the Entropy and TOPSIS methods to objectively evaluate the relative performance of the healthcare systems of nine European Union candidate and potential candidate countries. The analysis includes Türkiye, Albania, Montenegro, Serbia, North Macedonia, Bosnia and Herzegovina, Moldova, Georgia, and Ukraine. The performance comparison is based on six key criteria: life expectancy at birth, infant mortality rate, number of physicians per capita, number of hospital beds per capita, health expenditure as a percentage of Gross Domestic Product (GDP), and Diphtheria-Tetanus-Pertussis (DTP3) vaccination coverage rate. The objective weighting of the criteria was determined using the Entropy method, which measures uncertainty. Subsequently, the performance ranking of the countries was established using the TOPSIS technique, which assesses alternatives based on their relative closeness to the ideal solution. According to the findings, Montenegro, North Macedonia, and Serbia stand out as the countries with the highest-performing healthcare systems. In contrast, Türkiye ranks as the second-lowest performing country, just above Moldova. These results highlight significant improvement needs in Türkiye’s healthcare system, particularly in service quality and human resources. The study provides a valuable contribution to the development of evidence-based recommendations for restructuring health policies in these countries.
- 26 June 2025
- Published by Özgür Yayınları
- p. 45-66
Open AccessComparison of Healthcare System Performance in EU Candidate Countries Using an Entropy and TOPSIS-Based Multi-Criteria Decision-Making Approach: Türkiye’s Position
This study employs a multi-criteria decision-making (MCDM) approach based on the Entropy and TOPSIS methods to objectively evaluate the relative performance of the healthcare systems of nine European Union candidate and potential candidate countries. The analysis includes Türkiye, Albania, Montenegro, Serbia, North Macedonia, Bosnia and Herzegovina, Moldova, Georgia, and Ukraine. The performance comparison is based on six key criteria: life expectancy at birth, infant mortality rate, number of physicians per capita, number of hospital beds per capita, health expenditure as a percentage of Gross Domestic Product (GDP), and Diphtheria-Tetanus-Pertussis (DTP3) vaccination coverage rate. The objective weighting of the criteria was determined using the Entropy method, which measures uncertainty. Subsequently, the performance ranking of the countries was established using the TOPSIS technique, which assesses alternatives based on their relative closeness to the ideal solution. According to the findings, Montenegro, North Macedonia, and Serbia stand out as the countries with the highest-performing healthcare systems. In contrast, Türkiye ranks as the second-lowest performing country, just above Moldova. These results highlight significant improvement needs in Türkiye’s healthcare system, particularly in service quality and human resources. The study provides a valuable contribution to the development of evidence-based recommendations for restructuring health policies in these countries.
- Open Access
- 26 June 2025
- Published by Özgür Yayınları
- p. 115-134
FUCOM Tabanlı WEDBA Çok Kriterli Karar Verme Yöntemi ile Optimal Hazır Beton Tedarikçi Firma Seçimi
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.
- 26 June 2025
- Published by Özgür Yayınları
- p. 115-134
Open AccessFUCOM Tabanlı WEDBA Çok Kriterli Karar Verme Yöntemi ile Optimal Hazır Beton Tedarikçi Firma Seçimi
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.
- Open Access
- 26 June 2025
- Published by Özgür Yayınları
Nicel Karar Verme: Çok Kriterli Yaklaşımlar ve Makine Öğrenmesi Uygulamaları
“Bilgi çağının en önemli gereksinimlerinden biri, karmaşık problemlere sistematik ve veriye dayalı çözümler üretebilme yetkinliğidir. Karar verme süreçleri bireylerden topluma ve hatta devletlere kadar her ölçekte stratejik öneme sahiptir. Günümüz dünyasında kararların; doğru olmasının yanı sıra zamanlı, çok boyutlu, dinamik olması gibi özellikleri ile sürekli değişen koşullar altında alınması gerekmektedir. Bu doğrultuda nicel karar verme yaklaşımları özellikle Çok Kriterli Karar Verme (ÇKKV) ve Makine Öğrenmesi yöntemleri karar vericilere güçlü bir yol haritası sunmaktadır. Bu kitap söz konusu iki güçlü metodolojinin teorik temelleri ve güncel uygulamalarını bir araya getirerek alana katkı sunmayı amaçlamaktadır. Farklı disiplinlerden gelen değerli araştırmacıların katkılarıyla şekillenen bur derleme eser, karar verme sürecini anlamak ve iyileştirmek isteyen araştırmacılara disiplinler arası özgün bir perspektif sunmaktadır. Toplam 8 bölümden oluşan bu kitabın içeriği, okuyucuyu kuramdan uygulamaya doğru uzanan kapsamlı bir yolculuğa çıkarmaktadır. İlk bölüm, ÇKKV yöntemlerinden WENSLO kriter ağırlıklandırma ve CoCoSo sıralama yöntemlerini bir uygulama ile tanıtır. İkinci bölüm, portföy çalışmalarında makine öğrenmesi kullanımını anlamaya yönelik öncü çalışmaların sunulduğu bibliyometrik analizi sunar. Üçüncü bölüm, ENTROPY ve TOPSIS ÇKVV yöntemlerinin birlikte ele alınmasını AB’ne aday ülkeler ile Türkiye’nin sağlık performansını karşılaştırma uygulaması ile gösterir. Dördüncü bölüm, müşteri memnuniyetine yönelik makine öğrenmesi çalışmalarını bibliyometrik bir yaklaşımla analiz eder. Beşinci bölüm, ÇKKV ve makine öğrenmesi entegrasyonunu teorik çerçeve ve uygulama ile açıklar. Altıncı bölüm finansal zaman serisi tahminlemede makine öğrenmesi algoritmalarını inceleyen genel bir çerçeve çizer. Yedinci bölüm FUCOM tabanlı WEDBA güncel ÇKKV yöntemlerinin optimal tedarikçi seçiminde uygulanmasını gösterir. Sekizinci bölüm çeşitli makine öğrenmesi algoritmaları ile çalışanların işten ayrılma olasılığının nasıl tahmin edileceğine yönelik bir uygulama sunar. Bu kitabın çok kriterli karar verme ve makine öğrenmesi yaklaşımlarıyla nicel karar verme süreçlerini sistematik, veriye dayalı yönetme yetkinliği kazandırmasının yanı sıra, okuyuculara yol gösterici olmasını temenni ediyorum. Kitabın hazırlanmasında katkı sunan tüm yazarlarımıza ve sürece emek veren herkese teşekkür eder; bu çalışmanın okuyuculara ilham vermesini ve gelecekteki araştırmalar için bir başlangıç noktası oluşturmasını dileriz. Bilimin çok sesli ve disiplinler arası yapısının, daha adil, etkili ve sürdürülebilir kararlar alınmasında yolumuzu aydınlatmaya devam etmesi dileğiyle… Editör Dr. Öğr. Üyesi Şule BAYAZİT BEDİRHANOĞLU Mayıs 2025
- 26 June 2025
- Published by Özgür Yayınları
Open AccessNicel Karar Verme: Çok Kriterli Yaklaşımlar ve Makine Öğrenmesi Uygulamaları
“Bilgi çağının en önemli gereksinimlerinden biri, karmaşık problemlere sistematik ve veriye dayalı çözümler üretebilme yetkinliğidir. Karar verme süreçleri bireylerden topluma ve hatta devletlere kadar her ölçekte stratejik öneme sahiptir. Günümüz dünyasında kararların; doğru olmasının yanı sıra zamanlı, çok boyutlu, dinamik olması gibi özellikleri ile sürekli değişen koşullar altında alınması gerekmektedir. Bu doğrultuda nicel karar verme yaklaşımları özellikle Çok Kriterli Karar Verme (ÇKKV) ve Makine Öğrenmesi yöntemleri karar vericilere güçlü bir yol haritası sunmaktadır. Bu kitap söz konusu iki güçlü metodolojinin teorik temelleri ve güncel uygulamalarını bir araya getirerek alana katkı sunmayı amaçlamaktadır. Farklı disiplinlerden gelen değerli araştırmacıların katkılarıyla şekillenen bur derleme eser, karar verme sürecini anlamak ve iyileştirmek isteyen araştırmacılara disiplinler arası özgün bir perspektif sunmaktadır. Toplam 8 bölümden oluşan bu kitabın içeriği, okuyucuyu kuramdan uygulamaya doğru uzanan kapsamlı bir yolculuğa çıkarmaktadır. İlk bölüm, ÇKKV yöntemlerinden WENSLO kriter ağırlıklandırma ve CoCoSo sıralama yöntemlerini bir uygulama ile tanıtır. İkinci bölüm, portföy çalışmalarında makine öğrenmesi kullanımını anlamaya yönelik öncü çalışmaların sunulduğu bibliyometrik analizi sunar. Üçüncü bölüm, ENTROPY ve TOPSIS ÇKVV yöntemlerinin birlikte ele alınmasını AB’ne aday ülkeler ile Türkiye’nin sağlık performansını karşılaştırma uygulaması ile gösterir. Dördüncü bölüm, müşteri memnuniyetine yönelik makine öğrenmesi çalışmalarını bibliyometrik bir yaklaşımla analiz eder. Beşinci bölüm, ÇKKV ve makine öğrenmesi entegrasyonunu teorik çerçeve ve uygulama ile açıklar. Altıncı bölüm finansal zaman serisi tahminlemede makine öğrenmesi algoritmalarını inceleyen genel bir çerçeve çizer. Yedinci bölüm FUCOM tabanlı WEDBA güncel ÇKKV yöntemlerinin optimal tedarikçi seçiminde uygulanmasını gösterir. Sekizinci bölüm çeşitli makine öğrenmesi algoritmaları ile çalışanların işten ayrılma olasılığının nasıl tahmin edileceğine yönelik bir uygulama sunar. Bu kitabın çok kriterli karar verme ve makine öğrenmesi yaklaşımlarıyla nicel karar verme süreçlerini sistematik, veriye dayalı yönetme yetkinliği kazandırmasının yanı sıra, okuyuculara yol gösterici olmasını temenni ediyorum. Kitabın hazırlanmasında katkı sunan tüm yazarlarımıza ve sürece emek veren herkese teşekkür eder; bu çalışmanın okuyuculara ilham vermesini ve gelecekteki araştırmalar için bir başlangıç noktası oluşturmasını dileriz. Bilimin çok sesli ve disiplinler arası yapısının, daha adil, etkili ve sürdürülebilir kararlar alınmasında yolumuzu aydınlatmaya devam etmesi dileğiyle… Editör Dr. Öğr. Üyesi Şule BAYAZİT BEDİRHANOĞLU Mayıs 2025
- Open Access
- 26 June 2025
- Published by Özgür Yayınları
- p. 67-80
Müşteri Memnuniyetinin Makine Öğrenmesi Teknikleriyle Değerlendirilmesi: Bibliyometrik Analiz
Bu çalışma müşteri memnuniyeti ve makine öğrenmesi alanlarında yürütülen akademik çalışmaları sistematik bir şekilde bibliyometrik analiz yöntemiyle incelemeyi amaçlamaktadır. Web of Science (WOS) veri tabanından elde edilen bilimsel yayınlar ‘müşteri memnuniyeti’ ve ‘makine öğrenmesi’ anahtar kelimeleri kullanılarak taranmıştır. İnceleme kapsamında 2025 yılına kadar olan tüm bilimsel çalışmalar dikkate alınmıştır. Elde edilen bilimsel çalışmaların yıllara göre niceliksel dağılımı, çalışmaları yürüten kurumlar ve ülkeler, en fazla atıf alan makaleler ve sık kullanılan anahtar kelimeler detaylı bir analiz ile değerlendirilmiştir. Elde edilen bulgular neticesinde, müşteri memnuniyeti değerlendirmesi alanında makine öğrenmesi tekniklerinin kullanımının özellikle son yıllarda artış gösterdiği söylenebilmektedir. Sınıflandırma, optimizasyon, doğal dil işleme, metin madenciliği gibi problemlerde sentiment analizi, derin öğrenme, rasgele orman, yapay sinir ağları gibi algoritmaların sıklıkla tercih edildiği tespit edilmiştir. Bu teknikler en çok müşteri şikayetlerinin sınıflandırılması, yorumların sentiment analizi ve tüketici davranışı tahmini gibi alanlarda kullanıldığı söylenebilir. Bu çalışmada gerçekleştirilen bibliyometrik analiz ile ilgili alanın mevcut durumu kapsamlı bir şekilde ortaya konmaya çalışılmıştır. Ayrıca, gelecekte yapılacak olan araştırmalar için potansiyel yönelimleri de işaret etmektedir. Bu yönü ile çalışma hem araştırmacılar hem de uygulayıcıların veri temelli kararlar alması noktasında referans niteliği taşımaktadır.
- 26 June 2025
- Published by Özgür Yayınları
- p. 67-80
Open AccessMüşteri Memnuniyetinin Makine Öğrenmesi Teknikleriyle Değerlendirilmesi: Bibliyometrik Analiz
Bu çalışma müşteri memnuniyeti ve makine öğrenmesi alanlarında yürütülen akademik çalışmaları sistematik bir şekilde bibliyometrik analiz yöntemiyle incelemeyi amaçlamaktadır. Web of Science (WOS) veri tabanından elde edilen bilimsel yayınlar ‘müşteri memnuniyeti’ ve ‘makine öğrenmesi’ anahtar kelimeleri kullanılarak taranmıştır. İnceleme kapsamında 2025 yılına kadar olan tüm bilimsel çalışmalar dikkate alınmıştır. Elde edilen bilimsel çalışmaların yıllara göre niceliksel dağılımı, çalışmaları yürüten kurumlar ve ülkeler, en fazla atıf alan makaleler ve sık kullanılan anahtar kelimeler detaylı bir analiz ile değerlendirilmiştir. Elde edilen bulgular neticesinde, müşteri memnuniyeti değerlendirmesi alanında makine öğrenmesi tekniklerinin kullanımının özellikle son yıllarda artış gösterdiği söylenebilmektedir. Sınıflandırma, optimizasyon, doğal dil işleme, metin madenciliği gibi problemlerde sentiment analizi, derin öğrenme, rasgele orman, yapay sinir ağları gibi algoritmaların sıklıkla tercih edildiği tespit edilmiştir. Bu teknikler en çok müşteri şikayetlerinin sınıflandırılması, yorumların sentiment analizi ve tüketici davranışı tahmini gibi alanlarda kullanıldığı söylenebilir. Bu çalışmada gerçekleştirilen bibliyometrik analiz ile ilgili alanın mevcut durumu kapsamlı bir şekilde ortaya konmaya çalışılmıştır. Ayrıca, gelecekte yapılacak olan araştırmalar için potansiyel yönelimleri de işaret etmektedir. Bu yönü ile çalışma hem araştırmacılar hem de uygulayıcıların veri temelli kararlar alması noktasında referans niteliği taşımaktadır.
- Open Access
- 26 June 2025
- Published by Özgür Yayınları
- p. 81-100
Çok Kriterli Karar Verme ve Makine Öğrenmesi: Entegrasyon ve Uygulamalar
Günümüzde karar verme süreçleri, çok sayıda alternatif ve çelişkili kriterlerin varlığı nedeniyle karmaşıklaşmıştır. Çok Kriterli Karar Verme (ÇKKV) yöntemleri, bu tür problemleri sistematik ve matematiksel yaklaşımlarla çözmeyi sağlar. Ancak, artan veri hacmi ve karmaşık yapı, klasik ÇKKV yöntemlerinin sınırlarını zorlamaktadır. Makine Öğrenmesi (MÖ) ise veriden öğrenme yeteneğiyle, karar destek sistemlerinde önemli avantajlar sunmaktadır. Makina öğrenme dilleri arasında yer alan denetimli, denetimsiz ve pekiştirmeli öğrenme yöntemlerikriter ağırlıklandırma, alternatif sınıflandırma ve dinamik karar modellerinde kullanılarak ÇKKV yöntemleriyle hibrit yaklaşımlar geliştirilmiştir. Bu birleşim hem karar sürecinin açıklanabilirliğini artırmakta hem de veri tabanlı adaptif karar mekanizmaları sağlamaktadır. Ayrıca, model açıklanabilirliği ve etik karar verme konusu, günümüzdeki araştırmaların önemli odak noktalarındandır. Bu çalışma, ÇKKV yöntemleriyle MÖ yöntemlerinin entegrasyonunu kuramsal ve uygulamalı bir çerçevede ele alarak, karmaşık karar problemlerine yönelik daha esnek, veri odaklı ve açıklanabilir çözümler sunmayı amaçlamaktadır. Geleneksel ÇKKV yöntemleri, yapılandırılmış karar süreçleri oluşturmada güçlü araçlar sunarken; dinamik, büyük ve belirsiz veri ortamlarında yetersiz kalmaktadır. MÖ algoritmaları, geçmiş verilere dayanarak karar fonksiyonlarını öğrenebilir, kriter ağırlıklarını otomatik olarak çıkarabilir ve alternatifleri sınıflandırabilir. Bu bağlamda, denetimli, denetimsiz ve pekiştirmeli öğrenme türleri karar süreçlerine farklı katkılar sağlamaktadır. Uygulamalı örnek olarak, tedarikçi seçiminde Random Forest sınıflandırıcısı ve SMOTE kullanılarak, azınlık sınıfların başarıyla tahmin edilebildiği ve model doğruluğunun %15 oranında arttığı gösterilmiştir. Ayrıca açıklanabilir yapay zekâ (XAI) tekniklerinin, şeffaf ve etik karar sistemlerinin geliştirilmesinde rolü vurgulanmaktadır. Sonuç olarak, ÇKKV ve MÖ’nün birleşimi, karar destek sistemlerini daha güvenilir, çevik ve kullanıcı dostu hale getirme potansiyeli taşımakta; açıklanabilirlik, etik ve yasal uyumluluk gibi alanlarda ise ileri araştırmaların gerekliliğini ortaya koymaktadır.
- 26 June 2025
- Published by Özgür Yayınları
- p. 81-100
Open AccessÇok Kriterli Karar Verme ve Makine Öğrenmesi: Entegrasyon ve Uygulamalar
Günümüzde karar verme süreçleri, çok sayıda alternatif ve çelişkili kriterlerin varlığı nedeniyle karmaşıklaşmıştır. Çok Kriterli Karar Verme (ÇKKV) yöntemleri, bu tür problemleri sistematik ve matematiksel yaklaşımlarla çözmeyi sağlar. Ancak, artan veri hacmi ve karmaşık yapı, klasik ÇKKV yöntemlerinin sınırlarını zorlamaktadır. Makine Öğrenmesi (MÖ) ise veriden öğrenme yeteneğiyle, karar destek sistemlerinde önemli avantajlar sunmaktadır. Makina öğrenme dilleri arasında yer alan denetimli, denetimsiz ve pekiştirmeli öğrenme yöntemlerikriter ağırlıklandırma, alternatif sınıflandırma ve dinamik karar modellerinde kullanılarak ÇKKV yöntemleriyle hibrit yaklaşımlar geliştirilmiştir. Bu birleşim hem karar sürecinin açıklanabilirliğini artırmakta hem de veri tabanlı adaptif karar mekanizmaları sağlamaktadır. Ayrıca, model açıklanabilirliği ve etik karar verme konusu, günümüzdeki araştırmaların önemli odak noktalarındandır. Bu çalışma, ÇKKV yöntemleriyle MÖ yöntemlerinin entegrasyonunu kuramsal ve uygulamalı bir çerçevede ele alarak, karmaşık karar problemlerine yönelik daha esnek, veri odaklı ve açıklanabilir çözümler sunmayı amaçlamaktadır. Geleneksel ÇKKV yöntemleri, yapılandırılmış karar süreçleri oluşturmada güçlü araçlar sunarken; dinamik, büyük ve belirsiz veri ortamlarında yetersiz kalmaktadır. MÖ algoritmaları, geçmiş verilere dayanarak karar fonksiyonlarını öğrenebilir, kriter ağırlıklarını otomatik olarak çıkarabilir ve alternatifleri sınıflandırabilir. Bu bağlamda, denetimli, denetimsiz ve pekiştirmeli öğrenme türleri karar süreçlerine farklı katkılar sağlamaktadır. Uygulamalı örnek olarak, tedarikçi seçiminde Random Forest sınıflandırıcısı ve SMOTE kullanılarak, azınlık sınıfların başarıyla tahmin edilebildiği ve model doğruluğunun %15 oranında arttığı gösterilmiştir. Ayrıca açıklanabilir yapay zekâ (XAI) tekniklerinin, şeffaf ve etik karar sistemlerinin geliştirilmesinde rolü vurgulanmaktadır. Sonuç olarak, ÇKKV ve MÖ’nün birleşimi, karar destek sistemlerini daha güvenilir, çevik ve kullanıcı dostu hale getirme potansiyeli taşımakta; açıklanabilirlik, etik ve yasal uyumluluk gibi alanlarda ise ileri araştırmaların gerekliliğini ortaya koymaktadır.
- Open Access
- 26 June 2025
- Published by Özgür Yayınları
- p. 29-44
Portföy Çalışmalarında Makine Öğrenmesi Kullanımı Üzerine Bibliyometrik Bir Değerlendirme
Bu çalışma portföy ve makine öğrenmesi alanlarında yapılan akademik yayınları sistematik bir şekilde inceleyerek ortaya çıkan literatürü bibliyometrik yöntemle analiz etmeyi amaçlamaktadır. Web of Science (WoS) veri tabanından elde edilen yayınlar ilgili anahtar kelimeler ile taranmış ve elde edilen yayınların yıllara göre eğilimleri, kurumlar, ülkeler, atıf alan çalışmalar, sık kullanılan anahtar kelimeler detaylı olarak değerlendirilmiştir. Elde edilen bulgular, portföy yönetimi alanında makine öğrenmesi tekniklerinin kullanımının özellikle son yıllarda hızla arttığını göstermektedir. Tahminleme, sınıflandırma ve optimizasyon problemlerinde yapay sinir ağları, rastgele ormanlar, destek vektör makineleri gibi algoritmaların sıklıkla tercih edildiği tespit edilmiştir. Bibliyometrik analiz ile çalışılan alanın mevcut durumu kapsamlı bir şekilde ortaya konmuştur. Tematik boşluklar ve gelecekteki çalışmalar için potansiyel yönelimleri de işaret etmektedir. Bu yönü ile çalışma hem araştırmacılar hem de uygulayıcılar için referans niteliği taşımaktadır.
- 26 June 2025
- Published by Özgür Yayınları
- p. 29-44
Open AccessPortföy Çalışmalarında Makine Öğrenmesi Kullanımı Üzerine Bibliyometrik Bir Değerlendirme
Bu çalışma portföy ve makine öğrenmesi alanlarında yapılan akademik yayınları sistematik bir şekilde inceleyerek ortaya çıkan literatürü bibliyometrik yöntemle analiz etmeyi amaçlamaktadır. Web of Science (WoS) veri tabanından elde edilen yayınlar ilgili anahtar kelimeler ile taranmış ve elde edilen yayınların yıllara göre eğilimleri, kurumlar, ülkeler, atıf alan çalışmalar, sık kullanılan anahtar kelimeler detaylı olarak değerlendirilmiştir. Elde edilen bulgular, portföy yönetimi alanında makine öğrenmesi tekniklerinin kullanımının özellikle son yıllarda hızla arttığını göstermektedir. Tahminleme, sınıflandırma ve optimizasyon problemlerinde yapay sinir ağları, rastgele ormanlar, destek vektör makineleri gibi algoritmaların sıklıkla tercih edildiği tespit edilmiştir. Bibliyometrik analiz ile çalışılan alanın mevcut durumu kapsamlı bir şekilde ortaya konmuştur. Tematik boşluklar ve gelecekteki çalışmalar için potansiyel yönelimleri de işaret etmektedir. Bu yönü ile çalışma hem araştırmacılar hem de uygulayıcılar için referans niteliği taşımaktadır.
- Open Access
- 1 December 2024
- Published by Eskisehir Osmangazi University Journal of Economics and Administrative Sciences in Eskişehir Osmangazi Üniversitesi İktisadi ve İdari Bilimler Dergisi
- Vol. 19 (3) , 983-1001
Evaluation of Efficiency in Turkish Tax Audit System after Structural Reform via Window Analysis
This study evaluates the efficiency of the tax audit system in Türkiye after the structural reform using window analysis. The efficiency level of the system from 2011 to 2022 is calculated with input variables (number of audit staff and active taxpayers) and output variables (number of taxpayers audited and collection/accrual ratio). The results show that the system was efficient in 2011-2015 but declined in 2016-2022. Despite more audit personnel, the collection/accrual ratio did not improve. The study suggests ways to increase the system’s efficiency and provides insights for future research.
- 1 December 2024
- Published by Eskisehir Osmangazi University Journal of Economics and Administrative Sciences in Eskişehir Osmangazi Üniversitesi İktisadi ve İdari Bilimler Dergisi
- Vol. 19 (3) , 983-1001
Open AccessEvaluation of Efficiency in Turkish Tax Audit System after Structural Reform via Window Analysis
This study evaluates the efficiency of the tax audit system in Türkiye after the structural reform using window analysis. The efficiency level of the system from 2011 to 2022 is calculated with input variables (number of audit staff and active taxpayers) and output variables (number of taxpayers audited and collection/accrual ratio). The results show that the system was efficient in 2011-2015 but declined in 2016-2022. Despite more audit personnel, the collection/accrual ratio did not improve. The study suggests ways to increase the system’s efficiency and provides insights for future research.