Doktora Tezleri
Permanent URI for this collectionhttps://hdl.handle.net/20.500.14411/11237
Browse
Search Results
Doctoral Thesis E-devlet Olgunluk Modeli için Özgün Bir Yaklaşım(2024) Okan, Aylin Akça; Turhan, Çiğdem; Yazıcı, AliBu tez, e-devlet olgunluğunun yeni geliştirilen bir model olan Bütünsel e-Devlet Olgunluk Modeli (Holistic e-Government Maturity Model - HeGMM) aracılığıyla değerlendirilmesine yönelik bir çerçeve sunmaktadır. Araştırma, mevcut e-devlet olgunluk modellerindeki önemli boşlukları, özellikle bunların esneklik eksikliğini, çok perspektifli ancak yetersiz yaklaşımları ve evrensel olarak uygulanabilir veya kolayca erişilemeyen göstergeleri ele almaktadır. Önerilen HeGMM, e-devlet girişimlerinin değerlendirilmesi için incelikli ve sağlam bir çerçeve sağlayarak teknolojik, sosyal, idari ve mali yönler de dahil olmak üzere birçok boyutu entegre etmektedir. ITU, Birleşmiş Milletler, OECD ve Dünya Bankası gibi uluslararası kurumların verilerinden yararlanan model, ülkelerdeki yerel ve merkezi yönetimlere uyarlanabilen kapsamlı ve objektif bir değerlendirme sağlamaktadır. Temel hedefler arasında, mevcut e-devlet modellerinin güçlü ve zayıf yönlerini belirlemek için sentezleme, güvenilir ve karşılaştırılabilir göstergeler geliştirme ve teknolojik ve yönetişim gelişmelerini içeren bir model formüle etmek yer almaktadır. Model, kapsamlı veri analizi ve endeksleri gibi yerleşik ölçütlerle karşılaştırma yoluyla doğrulanmaktadır. Araştırma, teknolojik yeniliklere ve gelişen yönetişim uygulamalarına ayak uydurmak için dinamik ve uyarlanabilir bir modelin öneminin altını çizmektedir. HeGMM böylelikle dijital çağda daha etkili, verimli ve kapsayıcı kamu hizmeti sunumuna katkıda bulunarak, e-devlet girişimlerini uygulamak veya geliştirmek isteyen hükümetler için bir referans noktası olmayı amaçlamaktadır.Doctoral Thesis Doğal Dil İşleme ile Arapça ve İngilizcede Duygu Analizi(2024) Aljamel, Yousra Alhadı; Turhan, Çiğdem; Topallı, DamlaBu çalışmada, denetimli makine öğrenimi yaklaşımını kullanarak İngilizce ve Arapça duygu analizi sorununu ele alıyoruz ve bu kapsamda şu genel adımları izliyoruz: veri toplama, işleme, özellik çıkarma ve duygu sınıflandırma. Çalışmada SemEval18: görev task 1'in İngilizce ve Arapça iki versiyonu ve ArabicNewsHeadline veri seti olmak üzere üç veri seti kullanıldı. Bu very setlerine toplamda 7 makine öğrenme algoritması uygulandı: NB, SVM, KNN, RFC, LGR, QDA ve SGD.