Geri Dön

Web teknolojileri ile sosyal yardım otomasyonu

Web-based social assistance automation: design and implementation of a machine learning-based decision support system

PDF İndir

  1. Tez No: 1018794
  2. Yazar: MUHAMMED AKGÜN
  3. Danışmanlar: DOÇ. DR. FUAT TÜRK, DOÇ. DR. GÖKALP ÇINARER
  4. Tez Türü: Yüksek Lisans
  5. Konular: Mühendislik Bilimleri, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Engineering Sciences, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2026
  8. Dil: Türkçe
  9. Üniversite: Kırıkkale Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Sosyal yardımların adil, hızlı ve etkin bir şekilde dağıtılması, kamu yönetimi açısından kritik bir öneme sahiptir. Geleneksel sosyal yardım değerlendirme süreçleri çoğunlukla manuel incelemelere ve kural tabanlı sistemlere dayandığından, zamanla tutarsızlık, gecikme ve öznel kararlar gibi sorunlar ortaya çıkabilmektedir. Bu durum, özellikle başvuru sayısının yüksek olduğu kamu kurumlarında daha belirgin hale gelmektedir. Bu tez çalışmasında, web teknolojileri ile geliştirilmiş sosyal yardım otomasyon sistemine entegre edilen makine öğrenmesi tabanlı bir karar destek sistemi önerilmiştir. Geliştirilen sistem, ASP.NET Core tabanlı bir uygulama katmanı ile REST API üzerinden çalışan makine öğrenmesi modelinden oluşan modüler bir mimariye sahiptir. Bu mimari sayesinde sistem, gerçek zamanlı değerlendirme yapabilmekte ve farklı platformlara entegre edilebilir bir yapı sunmaktadır. Çalışmada kullanılan veri seti, bir belediyeye ait sosyal yardım otomasyon sisteminden elde edilen 12.026 başvuru kaydından oluşmaktadır. Başlangıçta 12.054 kayıt içeren veri seti, veri temizleme ve ön işleme adımları sonrasında 12.026 kayda indirgenmiştir. Veri seti; sosyo-ekonomik, demografik ve kurumsal değerlendirme kriterlerini içermektedir. Veri seti üzerinde gerçekleştirilen ön işleme adımları kapsamında eksik veriler giderilmiş, kategorik değişkenler sayısal formata dönüştürülmüş ve veri seti normalize edilmiştir. Makine öğrenmesi aşamasında Lojistik Regresyon, Karar Ağacı, Random Forest, Extra Trees, Gradient Boosting, AdaBoost, Destek Vektör Makineleri ve K-En Yakın Komşu algoritmaları karşılaştırılmıştır. Yapılan deneyler sonucunda topluluk öğrenmesi yöntemlerinin daha başarılı olduğu görülmüş ve en iyi performans Gradient Boosting algoritması ile elde edilmiştir. Elde edilen sonuçlar, yalnızca temel değişkenlerin kullanıldığı modellerin sınırlı performans sunduğunu, buna karşılık kurumsal kural tabanlı değişkenlerin modele dahil edilmesiyle performansın önemli ölçüde arttığını göstermektedir. Nihai model, yüksek ROC-AUC ve F1 skoru değerleri ile sosyal yardım başvurularının değerlendirilmesinde etkili bir karar destek aracı olduğunu ortaya koymuştur. Bu çalışma, sosyal yardım sistemlerinin daha hızlı, tutarlı ve veri odaklı bir şekilde yönetilmesine katkı sağlayacak nitelikte olup, kamu kurumlarında yapay zekâ tabanlı karar destek sistemlerinin uygulanabilirliğini göstermektedir.

Özet (Çeviri)

The fair, rapid, and effective distribution of social assistance is of critical importance for public administration. Since traditional social assistance evaluation processes largely rely on manual assessments and rule-based systems, issues such as inconsistency, delays, and subjective decision-making may arise over time. These challenges become particularly evident in public institutions handling a high volume of applications. In this thesis, a machine learning-based decision support system integrated into a web-based social assistance automation platform is proposed. The developed system employs a modular architecture consisting of an ASP.NET Core-based application layer and a machine learning model operating through a REST API. This architecture enables real-time evaluation and provides a flexible structure that can be integrated into different platforms. The dataset used in this study consists of 12,026 social assistance application records obtained from a municipal social assistance automation system. Initially containing 12,054 records, the dataset was reduced to 12,026 records following data cleaning and preprocessing procedures. The dataset includes socio-economic, demographic, and institutional evaluation criteria. As part of the preprocessing stage, missing values were handled, categorical variables were transformed into numerical representations, and the dataset was normalized. During the machine learning phase, Logistic Regression, Decision Tree, Random Forest, Extra Trees, Gradient Boosting, AdaBoost, Support Vector Machines, and K-Nearest Neighbors algorithms were compared. Experimental results indicated that ensemble learning methods achieved superior performance, with the best results obtained using the Gradient Boosting algorithm. The findings demonstrate that models utilizing only basic variables provide limited predictive performance, whereas the inclusion of institution-specific rule-based variables significantly improves model effectiveness. The final model achieved high ROC-AUC and F1-score values, demonstrating its effectiveness as a decision support tool for the evaluation of social assistance applications. This study contributes to the faster, more consistent, and data-driven management of social assistance systems and demonstrates the applicability of artificial intelligence-based decision support systems within public institutions.

Benzer Tezler

  1. Tez No

    276455

    Web tabanlı uzaktan eğitimde ders materyali tasarımı, uygulaması ve materyal tasarım kriterlerinin belirlenmesi

    Designing and implementing course material in web based distance education and determining criteria for material designing

    SEMRA FİŞ ERÜMİT

    Yüksek Lisans

    Türkçe

    Türkçe

    2011

    Eğitim ve ÖğretimKaradeniz Teknik Üniversitesi

    Bilgisayar ve Öğretim Teknolojileri Eğitimi Ana Bilim Dalı

    DOÇ. DR. HASAN KARAL

  2. Tez No

    123235

    Bilgisayar ve internet destekli uzaktan eğitim programlarının tasarım, geliştirme ve değerlendirme aşamaları (SUZEP örneği)

    Design, development and evaluating stages of computer and internet supported distance education program (on the model of SUZEP)

    BİROL GÜLNAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2003

    Radyo-TelevizyonSelçuk Üniversitesi

    Radyo Televizyon Ana Bilim Dalı

    PROF.DR. AHMET HALUK YÜKSEL

  3. Tez No

    719247

    Билимге таянып чечим чыгаруу максатында автоматташтырылган тестирлөөдө суроолорду кокусунан тандап алуу боюнча окуучулардын пикирин изилдөө

    Bilgiye Dayalı Karar Verme Sürecinde, Elektronik Sınavlarda Rastgele Soru Seçimi Yapılmasına Öğrencilerin Algıları ve Tepkilerinin Araştırılması

    KASIM BARIKTABASOV

    Doktora

    Kırgızca

    Kırgızca

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKırgızistan-Türkiye Manas Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ULAN BRİMKULOV

  4. Tez No

    809471

    The expectations and perceptions of Generation Z toward local public services: Case of Ankara Metropolitan Municipality

    Z kuşağının yerel kamu hizmetlerine yönelik beklentileri ve algıları: Ankara Büyükşehir Belediyesi örneği

    BÜNYAMİN DAĞ

    Doktora

    İngilizce

    İngilizce

    2023

    Siyasal Bilimlerİstanbul Medeniyet Üniversitesi

    Siyaset Bilimi ve Kamu Yönetimi Ana Bilim Dalı

    DOÇ. DR. SEZAİ ÖZTOP

  5. Tez No

    228921

    Ortaöğretim 10. sınıf bilgi ve iletişim teknolojileri dersinde web tabanlı portfolyo kullanımı -Adana ilinde bir çalışma-

    Use of web based portfolio in information and communication technologies course of 10th grade of secondary education -An investigation in Adana-

    ALİ DÖŞLÜ

    Yüksek Lisans

    Türkçe

    Türkçe

    2009

    Eğitim ve ÖğretimÇukurova Üniversitesi

    Bilgisayar ve Öğretim Teknolojileri Eğitimi Ana Bilim Dalı

    YRD. DOÇ. DR. MAHMUT OĞUZ KUTLU

Geri Dön