AI-supported operationalization of situational leadership II using multilingual NLP (natural language processing)
Çok dilli doğal dil işleme (NLP) kullanılarak durumsal liderlik II'nin yapay zekâ destekli operasyonelleştirilmesi
- Tez No: 1006621
- Danışmanlar: DR. ÖĞR. ÜYESİ İNAL BEGÜM TURNA DEMİREL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: İnsan-yapay zeka etkileşimi, Human-artificial intelligence interaction
- Yıl: 2026
- Dil: İngilizce
- Üniversite: Beykoz Üniversitesi
- Enstitü: Lisansüstü Programlar Enstitüsü
- Ana Bilim Dalı: Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Yapay Zeka Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Birçok farklı sektörde çeşitli liderlik modelleri kullanılmaktadır. Durumsal Liderlik II (SLII) yaygın bir modeldir. Model, liderlerin tarzlarını, yetkinlik ve motivasyon olmak üzere iki boyutu olan çalışanın gelişim düzeyine uyarlamaları gerektiğini varsayar. Bununla birlikte, yetkinlik ve motivasyon değerlendirmeleri öznel yönetimsel yargıya bağlı olabileceğinden, SLII'yi gerçek hayatta uygulamak kolay değildir. Aynı çalışan farklı yöneticiler tarafından farklı şekilde değerlendirilebilir. Bu öznellik, tutarlılığı ve tarafsızlığı azaltır ve SLII'nin büyük organizasyonlarda ölçeklenebilirliğini sınırlar. Bu çalışma, SLII'nin organizasyonlarda bulunan yazılı materyaller (örneğin, yönetici performans değerlendirme yorumları ve çalışan öz değerlendirme ifadeleri) kullanılarak işlevselleştirildiği, yapay zeka destekli çok dilli bir NLP çerçevesi önermektedir. Bu metinler, bir çalışanın gelişim düzeyi hakkında yararlı sinyaller sağlar. Bununla birlikte, bu tür İK belgelerine erişim, gizlilik ve etik kaygılar nedeniyle genellikle zordur. Bu sınırlamayı gidermek için, gerçekçi iş yeri dilini yansıtacak şekilde tasarlanmış ve SLII tanımlarıyla uyumlu sentetik veri kümeleri oluşturulmuştur. Bu çalışmada, motivasyon sınıflandırması için dört çok dilli transformer mimarisi eğitildi ve karşılaştırılmıştır. DistilBERT, mBERT, XLM-R ve mDeBERTa-v3-base. Modeller doğruluk ve F1 puanı kullanılarak değerlendirilmiştir. mDeBERTa en güçlü motivasyon performansını göstermiş ve metindeki ince farklılıklara daha iyi duyarlılık sergilemiştir. Bu sonuçlara dayanarak, biri yönetici değerlendirmesindeki ifadelerden yetkinlik tahmini, diğeri çalışan öz değerlendirmesindeki ifadelerden motivasyon tahmini için olmak üzere iki ayrı sınıflandırıcı geliştirilmiştir. Tahmin edilen yetkinlik ve motivasyon seviyeleri daha sonra şeffaf bir SLII karar katmanında birleştirilmiştir. Bu katman, iki çıktıyı D1'den D4'e kadar gelişim seviyelerine eşlemiş ve S1'den S4'e kadar karşılık gelen bir liderlik stili önermiştir. Bu, çeviriye gerek kalmadan birden fazla dildeki metni işleyebilen etkileşimli çok dilli bir prototiptir. Testler İngilizce ve Türkçe ile yapılmış ve tasarım, seçilen modeller tarafından desteklenen ek diller için de uygundur. Metin tam bağlamı yansıtmadığında, prototip manuel girişe de izin vererek, nihai kararın lider tarafından verilmesini ve yapay zekanın karar destek sistemi olarak konumlandırılmasını sağlamıştır. Sonuçlar, önerilen çerçevenin liderlerin karar alma süreçlerini tutarlı ve açıklanabilir bir şekilde desteklediğini göstermektedir. Yetkinlik sınıflandırıcısı %93 doğruluk oranına, motivasyon sınıflandırıcısı ise %89 doğruluk oranına ulaşmıştır. Genel olarak, çerçeve, SLII mantığını korurken öznelliği azaltmada ve liderlik teorisi ile yapay zeka destekli İK analitiği arasındaki boşluğu kapatmada etkili olmuştur.
Özet (Çeviri)
Many different leadership models are used across industries. Situational Leadership II (SLII) is a prevalent model. The model assumes that leaders should adapt their style to an employee's level of development, which has two dimensions: competence and motivation. Nonetheless, it is not easy to apply SLII in real life because assessments of competence and motivation can depend on subjective managerial judgment. The same employee can be evaluated differently by different managers. This subjectivity diminishes consistency and perceived fairness, and it limits the scalability of SLII in large organizations. This study proposes an AI-supported multilingual NLP framework in which SLII is operationalized using written materials available in organizations, such as manager performance review comments and employee self-assessment statements. These texts provide useful signals about an employee's development level. However, access to such HR documents is often difficult due to privacy and ethical concerns. To address this limitation, synthetic datasets designed to reflect realistic workplace language were created and aligned with SLII definitions. In this study, four multilingual transformer architectures were trained (fine-tuned) and compared for motivation classification: DistilBERT, mBERT, XLM-R, and mDeBERTa-v3-base. Models were evaluated using accuracy and F1 score. mDeBERTa delivered the strongest motivation performance, and it showed better sensitivity to subtle differences in text. Based on these results, two separate classifiers were developed, one for competence prediction from manager text and one for motivation prediction from employee text. The predicted competence and motivation levels were then combined in a transparent SLII decision layer. This layer mapped the two outputs to development levels from D1 to D4 and recommended a corresponding leadership style from S1 to S4. This was an interactive multilingual prototype that could process text in multiple languages without translation. Tests were conducted with English, Turkish, and the design was suitable for additional languages supported by the selected models. When the text did not reflect the full context, the prototype also allowed manual input, ensuring the final decision was made by the leader and AI was positioned as decision support. Results indicate that the proposed framework supports leaders in decision-making in a consistent and explainable way. The competence classifier achieved 93% accuracy, and the motivation classifier achieved 89% accuracy. Overall, the framework was effective in reducing subjectivity while preserving SLII logic and closing the gap between leadership theory and AI-driven HR analytics.
Benzer Tezler
- Soft reliability in new product development: An ontological approach for utilizing field feedback to dynamically sense and adapt to evolving global markets
Başlık çevirisi yok
AYLİN KOCA
Doktora
İngilizce
2010
Endüstri Ürünleri TasarımıTechnısche Unıversıteıt EındhovenPROF. DR. AARNOUT BROMBACHER
PROF. FARROKH MISTREE
- A framework for design evaluation with hermeneutics and measurement science: Design evaluation through quantification
Hermenötik ve ölçme bilimi ile tasarım değerlendirme çerçevesi önerisi: Nicelleştirme yoluyla tasarım değerlendirmesi
DENİZ OSKAY
Yüksek Lisans
İngilizce
2021
Mimarlıkİstanbul Teknik ÜniversitesiBilişim Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ETHEM GÜRER
- The implications of perceived injustice climate on organizational trustworthiness and job outcomes
Algılanan adaletsizlik ikliminin örgütsel güvenilirlik ve iş sonuçları üzerine etkileri
ALEKSANDRA KANER
- Relationship between SDG-Orientation and total funding amount of European digital sustainable startups: A twin transition perspective
Avrupa'daki dijital sürdürülebilir girişimlerde sürdürülebilir kalkınma hedeflerine yönelim ile toplam fonlama miktarı arasındaki ilişki: İkili geçiş perspektifi
ONUR DEMİREL
Doktora
İngilizce
2026
İşletmeİstanbul Teknik Üniversitesiİşletme Ana Bilim Dalı
DOÇ. DR. NİHAN YILDIRIM
- Architecture and circular economy: Developing a building-scale circularity indicator
Mimarlık ve döngüsel ekonomi: Bina ölçeğinde döngüsellik indikatörü geliştirilmesi
BURCU KISMET
Doktora
İngilizce
2025
Mimarlıkİstanbul Teknik ÜniversitesiBilişim Ana Bilim Dalı
PROF. DR. MERYEM BİRGÜL ÇOLAKOĞLU