Amaç: Bu çalışma, diş hekimliği fakültesi öğrencileri ile diş hekimlerinin kişilik özelliklerinin enneagram tipolojisine göre belirlenmesi, branş seçimlerine ilişkin tutumlarının değerlendirilmesi ve bireylerin kişilik tipi ile branşlaşma tercihleri arasındaki ilişkinin araştırılması amacıyla gerçekleştirilmiştir. Gereç veYöntemler: Çalışmaya diş hekimliği fakültesinde lisans eğitimine devam eden öğrenciler ile lisans, doktora veya uzmanlık mezunu diş hekimleri katılmıştır. Katılımcılara bilgilendirilmiş gönüllü onam formu, demografik bilgi formu ve Türklerde enneagram prensiplerine göre kişilik tiplerini belirlemek amacıyla oluşturulan “Taştan Kişilik Tipleri Ölçeği’ni (TPI)” içeren form, çevrimiçi anket portalı “docs.google” aracılığıyla gönderilmiştir. Kişilik tipini belirlemeye yönelik olarak Nesne Yönelimli Yaklaşımla Visual c# dilinde, .Net Framework 4.5 kullanılarak bir yazılım geliştirilmiştir. Bulgular: Katılımcılar arasında en yüksek sayıda birey “ağız, diş ve çene cerrahisi” alanına ilgi duyarken, bunu “ortodonti” ve ardından “periodontoloji” alanı izlemektedir. Branşlaşma isteğine dair en az tercih edilen alan ise 42 kişi ile “endodonti” olmuştur. Erkek bireylerin daha fazla oranda “ağız, diş ve çene cerrahisini” tercih ettikleri, kadın bireylerin ise “pedodonti” branşını tercih ettikleri tespit edilmiştir. Enneagram tipolojisine göre bireylerin en yüksek oranda “mükemmeliyetçi kişilik tipine” sahip olduğu, bunu “yardımsever kişilik tipinin” izlediği ve en düşük oranda “sorgulayıcı” mizaç özelliklerine sahip olduğu görülmektedir. Araştırma verileri incelendiğinde diş hekimlerinin sahip oldukları kişilik ve mizaç özellikleri ile tercih ettikleri branşlar arasında ilişki olmadığını görülmektedir. Sonuç: Çalışma neticesinde bireylerin kişilik tiplerinin, branşlama tercihlerini belirleyici bir etkisinin olmadığı görülmüştür. Anahtar Sözcükler: Diş hekimliği; enneagram; mizaç

Today, with the increase in text data, the application of automatic techniques such as automatic text summarization, which is one of the most critical natural language processing (NLP) tasks, has attracted even more attention and led to more research in this area. Nowadays, with the developments in deep learning, pre-trained sequence-to-sequence (text-to-text transfer converter (T5) and bidirectional encoder representations from transformers (BERT) algorithm) encoder-decoder models are used to obtain the most advanced results. However, most of the studies were done in the English language. With the help of the recently emerging monolingual BERT model and multilingual pre-trained sequence-to-sequence models, it has led to the use of state-of-the-art models in languages with fewer resources and studies, such as Turkish. This article used two datasets for Turkish text summarization. First, Google multilingual text-to-text transfer transformer (mT5)-small model was applied on multilingual summarization (MLSUM), which is a large-scale Turkish news dataset, and success was examined. Then, success was evaluated by first applying BERT extractive summarization and then abstractive summarization on 1010 articles collected on the Dergipark site. Rouge measures were used for performance evaluation. This study is one of the first examples in the Turkish language and it is considered to provide a basis for future studies with good results.