Yapay zekâ destekli kişiselleştirilmiş menü öneri sistemleri ve kullanıcı deneyimine yansımaları: Eatmosphere uygulaması örneği
Artificial intelligence–supported personalized menu recommendation systems and their reflections on user experience: The case of the Eatmosphere application
- Tez No: 995631
- Danışmanlar: PROF. DR. OĞUZ TÜRKAY
- Tez Türü: Yüksek Lisans
- Konular: Gastronomi ve Mutfak Sanatları, Gastronomy and Culinary Arts
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Sakarya Uygulamalı Bilimler Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Gastronomi ve Mutfak Sanatları Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu araştırma, duygu durumuna göre kişiselleştirilmiş menü önerileri sunan EATmosphere isimli mobil uygulamanın oluşturulması ve kullanıcı deneyimi, algılanan fayda/değer ve davranışsal niyet üzerindeki etkilerini incelemektedir. Dijital gastronomi ve dijital menü ekosisteminde seçenek yoğunluğunun artması, tüketicilerin karar vermesini zorlaştırırken; doğru, hızlı ve kişiye uyarlanabilir önerilere yönelik beklentiyi artırmaktadır. Bu çalışma, duygu durumunu karar sürecine dâhil eden menü önerilerinin seçim yükünü nasıl etkilediğini, deneyimsel değeri nasıl dönüştürdüğünü ve kullanıcı kabulünü hangi tasarım unsurlarının desteklediğini ortaya koymayı amaçlamaktadır. Araştırma, karma yöntem yaklaşımıyla yürütülmüştür. Nicel boyutta, 16 sorudan oluşan yanıt formu aynı 10 katılımcıya üç farklı yiyecek işletmesi bağlamında uygulanmış ve veriler tanımlayıcı istatistiklerle analiz edilmiştir. Likert tipi maddelerden öneri isabeti, deneyimin keyifli hale gelmesi ve tekrar kullanım/tavsiye niyetini temsil eden ölçümler için ortalama±ss ile medyan ve çeyrekler arası aralık (IQR) değerleri hesaplanmış; değişkenler arası ilişkiler Spearman sıra korelasyonu ile incelenmiştir. Bulgular, öneri isabeti ve deneyim keyfinin davranışsal niyetle birlikte hareket ettiğini; değişkenler arasında pozitif ve anlamlı ilişkiler bulunduğunu göstermektedir. Nitel boyutta, açık uçlu sorulara verilen yanıtlar tematik analiz ile değerlendirilmiştir. Elde edilen temalar; uygulamanın kullanıcıda“anlaşıldığını hissettirme”etkisi, karar vermeyi kolaylaştırma, güven ve şeffaflık beklentisi, kişiselleştirme algısı ve geliştirme gereksinimleri etrafında yoğunlaşmaktadır. Nitel bulgular, öneri gerekçelerinin açık biçimde sunulmasının, kullanıcı güveni ve memnuniyetini artıran kritik bir unsur olduğunu ortaya koymaktadır. Sonuç olarak çalışma, duygu durumu temelli kişiselleştirilmiş menü önerilerinin kullanıcı deneyimini iyileştirme, karar yükünü azaltma ve davranışsal niyeti destekleme potansiyeline sahip olduğunu göstermektedir. Uygulama başarısının sürdürülebilirliği için veri standardizasyonu, sorumlu YZ ilkeleri, açıklanabilirlik ve kullanıcı kontrolünü güçlendiren tasarım bileşenlerinin bütünleşik biçimde ele alınması önerilmektedir. Ayrıca uygulama kısıt ve tercih yönetimi: alerjen, beslenme hedefi, bütçe bandı; besin bilgisi şeffaflığı: kalori, makro, porsiyon önerisi; bağlamsal sinyaller: günün saati, açlık düzeyi, aktivite vb. kişisel bilgilerin alınması ile daha etkin öneriler sunacaktır. Gelecek araştırmaların daha geniş örneklemlerle, uzun dönemli kullanım verileriyle ve farklı işletme türleri arasında karşılaştırmalı tasarımlarla yürütülmesi, bulguların genellenebilirliğini artıracaktır.
Özet (Çeviri)
This study examines the development of EATmosphere, a mobile application that provides mood-based personalized menu recommendations, and investigates its effects on user experience, perceived benefit/value, and behavioral intention. In the context of digital gastronomy and the evolving digital menu ecosystem, the growing density of options increasingly complicates consumer decision-making, while simultaneously amplifying expectations for recommendations that are accurate, rapid, and individually tailored. Accordingly, this research aims to determine how incorporating mood state into the menu decision process influences decision load, reshapes experiential value, and identify which design features facilitate user acceptance. A mixed-methods design was adopted. Quantitatively, a 16-item response form was administered to the same 10 participants across three different food service establishments, and the data were analyzed using descriptive statistics. For the Likert-type measures representing recommendation accuracy, enjoyment of the experience, and reuse and word-of-mouth intention, mean ± SD, as well as median and interquartile range (IQR), were calculated. Associations among variables were examined using Spearman's rank-order correlation. The results indicate that recommendation accuracy and experiential enjoyment covary with behavioral intention, revealing positive and statistically significant relationships among the constructs. Qualitatively, responses to the open- ended items were analyzed via thematic analysis. The emergent themes clustered around the application's capacity to foster a sense of“being understood,”facilitate decision-making, meet expectations of trust and transparency, strengthen perceptions of personalization, and highlight areas for further development. The qualitative findings particularly emphasize that providing clear recommendation rationales is a critical factor that enhances user trust and satisfaction. Overall, the study demonstrates that mood-driven personalized menu recommendations have the potential to improve user experience, reduce decision burden, and support behavioral intention. To ensure sustainable adoption, the integration of data standardization, responsible AI principles, explainability, and design elements that reinforce user control is recommended. In addition, more effective recommendations may be achieved through robust constraint and preference management (e.g., allergens, dietary goals, budget bands), nutritional transparency (e.g., calories, macronutrients, portion guidance), and the incorporation of contextual signals (e.g., time of day, hunger level, activity patterns) as supplemental personalization inputs. Future research employing larger samples, longitudinal usage data, and comparative designs across different establishment types would strengthen the generalizability of these findings.
Benzer Tezler
- Artificial intelligence powered restaurant ordering system
Yapay zeka destekli restoran sipariş sistemi
CARLEWIS CHAMBANG AKANA
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ALPER FİDAN
- MODA TASARIM SÜREÇLERİNDE KİŞİSELLEŞTİRİLMİŞ YAPAY ZEKÂ DESTEKLİ İŞ AKIŞI MODELİ:“GOOGLE GEMINI ÖRNEĞİ”
PERSONALIZED GENERATIVE AI-ASSISTED WORKFLOW MODEL IN FASHION DESIGN PROCESSES:“THE CASE OF GOOGLE GEMINI”
MEHMET RAŞİT NARÇİÇEK
Yüksek Lisans
Türkçe
2026
Güzel SanatlarÇankırı Karatekin ÜniversitesiSanat ve Tasarım Ana Bilim Dalı (disiplinlerarası)
DR. ÖĞR. ÜYESİ EMİNE KETENCİOĞLU
- Examining the relationship between AI-driven personalized recommendations and purchase intention
Yapay zekâ destekli kişiselleştirilmiş öneriler ile satın alma niyeti arasındaki ilişkinin incelenmesi
YOUSSOUF NASRINE
Yüksek Lisans
İngilizce
2026
İşletmeİbn Haldun Üniversitesiİşletme Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MELİKE ZEHİR
- Yapay zekâ destekli dil öğrenme platformlarında kullanıcı yorumlarının içerik analizi: Sosyal Medya'daki İngilizce dil öğrenme uygulaması, Cambly örneği
Content analysis of user comments on artificial intelligence supported language learning platforms: The example of Cambly, an English language learning application on social media
ŞUHAY NAKİPOĞLU
Yüksek Lisans
Türkçe
2025
İletişim Bilimleriİstanbul Arel ÜniversitesiMedya ve Kültürel Çalışmalar Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ORHAN FAİK
- Yapay zeka destekli iletişim stratejilerinin otobüs taşımacılığındaki rolü
The role of artificial ıntelligence supported communication strategies in bus transportation
MEHMET UYSAL
Yüksek Lisans
Türkçe
2024
İşletmeAnkara Yıldırım Beyazıt ÜniversitesiUluslararası Ticaret ve Finans Ana Bilim Dalı
DOÇ. DR. ERTUĞRUL KARAKAYA