Makine öğrenmesi yöntemleriyle kitle fonlaması projeleri için iş zekası ortamı tasarlanması ve etkilerinin araştırılması
Designing and researching effects business intelligence environment for crowdfunding projects with machine learning methods
- Tez No: 739563
- Danışmanlar: DOÇ. DR. CAN AYDIN
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, İşletme, Computer Engineering and Computer Science and Control, Business Administration
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Yönetim Bilişim Sistemleri Ana Bilim Dalı
- Bilim Dalı: Yönetim Bilişim Sistemleri Bilim Dalı
- Sayfa Sayısı: 229
Özet
Yeni nesil girişimcilik olarak bilinen kitle fonlaması (KF), iş fikirlerinin gerçekleştirilebilmesi açısından büyük bir fayda sağlama potansiyeli olan bir fonlama modelidir. Yaklaşık olarak son 10 yıldır sıklıkla kullanılan KF, dünya çapında geliştirilen platformlar sayesinde birçok kullanıcının toplamda milyarlarca dolar fon toplamasını sağlamıştır. Bu yönüyle, KF ekosistemindeki kullanıcı ilgisi zaman içerisinde giderek artmıştır. Türkiye'de de faaliyet gösteren platformların artmasıyla birlikte kullanıcı ilgisi doğru orantılı olacak şekilde artış göstermiştir. Bu platformlardan elde edilecek fonların kullanımı büyük oranda projelerin başarılı olmasıyla mümkün olmaktadır. Fakat ortaya koyulan araştırmaların da gösterdiği gibi KF ekosisteminde kullanıcı sayısı arttıkça başarı oranları gözle görülür bir biçimde düşmüş ve projelerdeki kalite sinyali algısı olumsuz etkilenmiştir. Bu problemin çözümü için ortaya koyulan araştırma kapsamında, ilk olarak Türkiye'de faaliyet gösteren kitle fonlaması platformlarındaki proje verileri, veri kazıma teknikleriyle toplanarak analizler ve uygulama geliştirme için hazır hale getirilmiştir. İkinci olarak, öznitelik seçimiyle birlikte KF başarısına en çok etki eden öznitelikler bulunarak makine öğrenmesi yöntemleriyle başarı tahmin modelleri kurulmuştur. Son olarak, elde edilen tahmin modelleri; veri görselleştirme, raporlama ve veri analizi sağlayan iş zekası yönetim panelinde birleştirilerek KF projelerinin daha kaliteli bir şekilde oluşturulması açısından karar destek ve öneri mekanizmasıyla güçlendirilmiştir.“CFTest”adında web tabanlı bir uygulama olarak son kullanıcıya sunulan süreç, daha sonrasında sağladığı etkilerin test edilebilmesi için girişimci-proje oluşturucusu ve destekçi-yatırımcı eksenindeki kullanıcılarla nicel yöntemlerle görüşülerek, anket aracılığıyla analiz edilmiş ve sonuçları tartışılmıştır.
Özet (Çeviri)
Crowdfunding (CF), known as new generation entrepreneurship, is a funding model that has the potential to provide great benefits in terms of realizing business ideas. CF, which has been used frequently for the last 10 years, has enabled many users to collect billions of dollars in total thanks to the platforms developed around the world. In this respect, user interest in the CF ecosystem has increased over time. With the increase in platforms operating in Turkey, user interest has increased in direct proportion. The use of funds to be obtained from these platforms is largely possible with the success of the projects. However, as the researches show, as the number of users in the CF ecosystem increased, the success rates decreased visibly and the perception of quality signal in the projects was negatively affected. Within the scope of the research to solve this problem, first of all, project data from crowdfunding platforms operating in Turkey were collected by data scraping techniques and made ready for analysis and application development. Secondly, with the feature selection, the features that affect the CF success the most were found, and success prediction models were established with machine learning methods. Finally, the obtained prediction models; It was combined in the business intelligence management panel, which provides data visualization, reporting, and data analysis, and was strengthened with decision support and suggestion mechanism to create CF projects with higher quality. The process, which was presented to the end user as a web-based application called“CFTest”, was analyzed using a survey, interviewed with the users on the axis of entrepreneur-project creator and supporter-investor by quantitative methods, to test the effects it provides later on, and the results were discussed.
Benzer Tezler
- An integrated credit scoring and crowdfunding framework for smes: Blockchain-based approach with hybridized machine learning and metaheuristics
KOBİler için entegre kredi puanlama ve kitle fonlaması çerçevesi: Blok zinciri temelli yaklaşım ile hibritleştirilmiş makine öğrenimi ve metasezgiseller
DORUK ŞEN
Doktora
İngilizce
2020
Endüstri ve Endüstri MühendisliğiMarmara ÜniversitesiMühendislik Yönetimi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ CEM ÇAĞRI DÖNMEZ
- Görüntü işleme ve makine öğrenmesi yöntemleriyle karaciğer tomografi görüntülerinde benign ve malign kitlenin tespiti
Detection of benign and malignant mass in liver tomography images with image processing and machine learning methods
CANER KOCAMAZ
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇanakkale Onsekiz Mart ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SAİT CAN YÜCEBAŞ
- Proksimal junctional kifoz gelişim nedenlerinin makine öğrenmesi yöntemiyle tespiti
Determining reasons of proximal junctional kyphosis by using machine learning algorithms
SALİH KAYA
Tıpta Uzmanlık
Türkçe
2020
Ortopedi ve TravmatolojiAtatürk ÜniversitesiOrtopedi ve Travmatoloji Ana Bilim Dalı
DOÇ. DR. SİNAN YILAR
DR. KEMAL ZENCİRLİ
- Makine öğrenmesi modelleri kullanılarak oral glukoz tolerans testi (OGTT) uygulanmadan glukoz intoleransının tahminlenmesi
Prediction of glucose intolerance without oral glucose tolerance test (OGTT) using machine learning models
BANU İŞBİLEN BAŞOK
Yüksek Lisans
Türkçe
2024
EkonometriDokuz Eylül ÜniversitesiEkonometri Ana Bilim Dalı
PROF. DR. İPEK DEVECİ KOCAKOÇ
- Zamanında performansı artırmak için makine öğrenme yaklaşımı ile blok süre tahmini
Enhancing on-time performance through machine learning approach for predicting block time
SEDA SOYKAN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SEFER BADAY