Geri Dön

Makine öğrenmesi ile üniversite yayınlarının yök araştırma konu başlıklarıyla eşleşme oranlarının belirlenmesi

Determination of matching rates of university publications with yok research topics using machine learning

PDF İndir

  1. Tez No: 995626
  2. Yazar: MURAT RESULOĞULLARI
  3. Danışmanlar: PROF. DR. DOĞAN AYDIN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2026
  8. Dil: Türkçe
  9. Üniversite: İzmir Katip Çelebi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Bu tez çalışması, Türkiye'deki üniversiteler tarafından üretilen bilimsel makalelerin Yükseköğretim Kurulu araştırma konu başlıklarıyla otomatik olarak eşleştirilmesi için makine öğrenmesi modellerini belirleme ve kurumsal ölçekte uygulanabilir bir sistem geliştirmeyi amaçlamaktadır. Çalışma kapsamında, klasik makine öğrenmesi (TF-IDF), kelime gömme (FastText, Doc2Vec) ve transformer tabanlı (SBERT, BERT) olmak üzere beş farklı model ailesi sistematik biçimde karşılaştırılmıştır. Büyük Dil Modeli tabanlı etiketleme yöntemiyle 1.682 adet Türkçe akademik makaleden oluşan özgün bir veri seti oluşturulmuştur. Tezin çıktıları arasında otomatik sınıflandırma sistemi ve raporlama planı bulunmaktadır. Geliştirilen sistem, yalnızca akademik bir prototip olmanın ötesinde, üniversitelerin araştırma performanslarını YÖK konu başlıklarına göre otomatik olarak raporlayabilecek, kaynak tahsisi ve stratejik planlama süreçlerinde karar destek mekanizması olarak kullanılabilecek pratik bir çözüm sunmaktadır. Bu çalışma, Türkçe akademik metinlerin sınıflandırılması alanında metodolojik netlik sağlamayı, karşılaştırılabilir bir referans seti oluşturmayı ve ulusal düzeyde akademik araştırma yönetimine doğrudan katkı sunmayı amaçlamaktadır.

Özet (Çeviri)

This thesis study aims to determine machine learning models for the automatic matching of scientific articles produced by universities in Turkey with the Council of Higher Education (YÖK) research topics and to develop an institutionally applicable system. Within the scope of the study, five different model families, including classical machine learning (TF-IDF), word embedding (FastText, Doc2Vec), and transformer-based (SBERT, BERT), were systematically compared. An original dataset consisting of 1,682 Turkish academic articles was created using the Large Language Model-based labeling method. The outputs of the thesis include an automatic classification system and a reporting plan. The developed system, beyond being just an academic prototype, offers a practical solution that can automatically report universities' research performance according to YOK topics and can be used as a decision support mechanism in resource allocation and strategic planning processes. This study aims to provide methodological clarity in the field of classification of Turkish academic texts, create a comparable reference set, and contribute directly to academic research management at the national level.

Benzer Tezler

  1. Tez No

    83054

    Özürlüye uygun açık alan tasarımı ve kullanımlarının değerlendirilmesi ve İstanbul örneği

    The Evaluation of design and usage of outdoor areas for the disabled and case study of İstanbul

    RAZİYE ERKESİM

    Yüksek Lisans

    Türkçe

    Türkçe

    1999

    Şehircilik ve Bölge Planlamaİstanbul Teknik Üniversitesi

    Şehir ve Bölge Planlama Ana Bilim Dalı

    PROF. DR. NURAN ZEREN GÜLERSOY

  2. Tez No

    845112

    Sentencing Mentally Disordered Offenders: Comparing provisions in Türkiye, England and Wales, and the Netherlands to the ECHR framework

    Akıl Hastası Suçluların Cezalandırılması: Türkiye, İngiltere ve Galler ve Hollanda'daki düzenlemelerin AİHS hükümleri çerçevesinde karşılaştırılması

    CANDAN YILMAZ

    Doktora

    İngilizce

    İngilizce

    2025

    HukukUnıversıty Of Gronıngen (rıjksunıversıteıt Gronıngen)

    Ceza ve Ceza Muhakemesi Ana Bilim Dalı

    PROF. DR. SANNE STRUIJK

  3. Tez No

    881188

    A robust and hybrid machine learning model for university satisfaction estimation on Turkish Twitter feeds

    Türkçe Twitter yayınlarında üniversite memnuniyeti tahmini için sağlam ve hibrit bir makine öğrenme modeli

    ABDULFATTAH ESMAIL HASAN ABDULLAH BA ALAWI

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAtatürk Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. FERHAT BOZKURT

  4. Tez No

    778095

    Yenidoğan yoğun bakım ünitesinde santral kateter uygulamalarının retrospektif incelenmesi

    Retrospective evaluation of central catheter applications in the neonatal intensive care unit

    ELİF GÖKÇE ÜNAL

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2023

    Çocuk Sağlığı ve HastalıklarıGazi Üniversitesi

    Çocuk Sağlığı ve Hastalıkları Ana Bilim Dalı

    PROF. DR. İBRAHİM MURAT HIRFANOĞLU

  5. Tez No

    866275

    Machine learning-adapted rapid visual screening method for prioritizing seismic risk states of masonry structures

    Yığma yapıların sismik risk durumlarının önceliklendirilmesine yönelik makine öğrenmesine adapte edilmiş hızlı görsel tarama yöntemi

    ONUR COŞKUN

    Doktora

    İngilizce

    İngilizce

    2023

    İnşaat MühendisliğiHacettepe Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ALPER ALDEMİR

Geri Dön