Dinçergök, Burcu

Profile Picture
Profile URL
https://hdl.handle.net/20.500.14411/6937
Name Variants
D., Burcu
Burcu, Dinçergök
Dincergok, Burcu
B., Dincergok
B.,Dinçergök
D.,Burcu
Dincergok,B.
B., Dinçergök
B.,Dincergok
Burcu, Dincergok
Dinçergök,B.
Dinçergök, Burcu
Job Title
Doçent Doktor
Email Address
burcu.dincergok@atilim.edu.tr
Main Affiliation
Business
Status
Website
ORCID ID
Scopus Author ID
57191250534
Turkish CoHE Profile ID
Google Scholar ID
WoS Researcher ID
CNO-1563-2022

Sustainable Development Goals

NO POVERTY1
NO POVERTY
0
Research Products
ZERO HUNGER2
ZERO HUNGER
0
Research Products
GOOD HEALTH AND WELL-BEING3
GOOD HEALTH AND WELL-BEING
2
Research Products
QUALITY EDUCATION4
QUALITY EDUCATION
0
Research Products
GENDER EQUALITY5
GENDER EQUALITY
1
Research Products
CLEAN WATER AND SANITATION6
CLEAN WATER AND SANITATION
0
Research Products
AFFORDABLE AND CLEAN ENERGY7
AFFORDABLE AND CLEAN ENERGY
0
Research Products
DECENT WORK AND ECONOMIC GROWTH8
DECENT WORK AND ECONOMIC GROWTH
1
Research Products
INDUSTRY, INNOVATION AND INFRASTRUCTURE9
INDUSTRY, INNOVATION AND INFRASTRUCTURE
4
Research Products
REDUCED INEQUALITIES10
REDUCED INEQUALITIES
2
Research Products
SUSTAINABLE CITIES AND COMMUNITIES11
SUSTAINABLE CITIES AND COMMUNITIES
0
Research Products
RESPONSIBLE CONSUMPTION AND PRODUCTION12
RESPONSIBLE CONSUMPTION AND PRODUCTION
1
Research Products
CLIMATE ACTION13
CLIMATE ACTION
0
Research Products
LIFE BELOW WATER14
LIFE BELOW WATER
0
Research Products
LIFE ON LAND15
LIFE ON LAND
0
Research Products
PEACE, JUSTICE AND STRONG INSTITUTIONS16
PEACE, JUSTICE AND STRONG INSTITUTIONS
0
Research Products
PARTNERSHIPS FOR THE GOALS17
PARTNERSHIPS FOR THE GOALS
4
Research Products
Documents

6

Citations

203

h-index

4

Go to Scopus profile
Documents

6

Citations

191

Go to WoS profile
Scholarly Output

25

Articles

15

Views / Downloads

94/934

Supervised MSc Theses

6

Supervised PhD Theses

3

WoS Citation Count

190

Scopus Citation Count

203

Patents

0

Projects

0

WoS Citations per Publication

7.60

Scopus Citations per Publication

8.12

Open Access Source

10

Supervised Theses

9

JournalCount
İşletme Araştırmaları Dergisi3
Business and Management Studies: An International Journal2
Üçüncü Sektör Sosyal Ekonomi2
Environmental Science and Pollution Research1
Finance Research Letters1
Current Page: 1 / 3

Scopus Quartile Distribution

Competency Cloud

GCRIS Competency Cloud

Filters

20232
Reset filters

Settings

Author: Kurt, ŞenolStart date: 2011

Scholarly Output Search Results

Now showing 1 - 2 of 2
  • Thumbnail Image
    Doctoral Thesis
    Applications of Machine Learning Procedures on Data Envelopment Analysis
    (2023) Kurt, Şenol; Dinçergök, Burcu
    Veri Zarflama Analizi (VZA) ve Makine Öğrenmesi (MÖ), veriden anlam çıkarmayı amaçlayan ve yaygın olarak kullanılan iki metodolojidir. İki metodolojinin birlikte kullanıldığı çalışmalara ilişkin literatür incelendiğinde, genellikle MÖ algoritmalarının VZA metodolojisinin kısıtlarını aşmak için kullanıldığı görülmektedir. Bu çalışmanın amacı, bir MÖ algoritmasının VZA modeli kullanılarak birim ünite etkinliğinin değerlendirmesini geliştirmek için kullanılabilirliğini araştırmaktır. Bu tez, VZA üzerindeki MÖ prosedürlerinin uygulamalarını inceleyerek mevcut literatüre katkı yapmaktadır. ML algoritmaları ile bir VZA modelinden elde edilen etkinlik skorlarını tahmin etmeye yönelik daha önce yapılmış çalışmalar olmasına rağmen, bu çalışma, bazıları daha önce kullanılmamış olan ML algoritmalarını da kullanarak bu konudaki çalışmayı genişletmektedir. Karar ağacı tabanlı MÖ modelleri, hedef değişkeni tahmin etmede daha büyük etkiye sahip olan özellikleri belirleyebilir. Önceki çalışmalar, Karar Verme Birimi (KVB) verimliliğini etkileyen önemli değişkenleri belirlemek ve açıklamak için özellik önem skorlarını kullanmıştır. Öte yandan, yeni bir yaklaşım olarak, bu çalışma bir VZA modeli için bir ağırlık kısıtlaması olarak özellik önem sıralamasının kullanılmasını önermektedir. Önerilen yaklaşım, VZA modelinin bazı girdilere çok fazla ağırlık veren ve diğer girdilere sıfır ağırlık atayarak göz ardı eden bir sınırlamasının üstesinden gelmek için kullanılabilir. Bu yaklaşım gerçek bir veri seti ile kullanılarak VZA modelinin kalitesinin arttırdığı kanıtlanmıştır.
  • Thumbnail Image
    Article
    Data Driven Approach for Weight Restricted Data Envelopment Analysis Models With Single Output
    (2023) Kurt, Şenol; Yüksel, Mustafa Kerem; Dinçergök, Burcu
    This study aims to explore whether a machine learning algorithm can be used to make improvements in assessing unit efficiencies via a data envelopment analysis (DEA) model. In this study, a DEA model is used to calculate the efficiency scores of Desicion Making Units (DMUs). Then, an ML algorithm is trained that aims to predict the single output using inputs. Ranking of input features based on relative feature importance values obtained from the trained ML model is fed to the DEA model as weight restrictions. As a result, the two DEA models are compared with each other. ML-based insights (feature importance ranking) improve the DEA model in the direction of fewer zero weights. The additional weight restrictions are data depdendent, and hence realistic. As a novel approach, this study proposes the use of machine learning-based feature importance values to overcome a limitation of a DEA model.