Return on equity (ROE) and return on assets (ROA) are important indicators that reveal the sustainability of a company’s profitability performance for both managers and investors. The correct prediction of these indicators will provide a basis for the strategic decisions made by the company managers. The estimation of these signs is a significant factor in supporting the decisions and up-to-date knowledge of potential investors. In this study, return on equity and return on assets were estimated using artificial neural networks (ANNs), multiple linear regression (MLR), and support vector regression (SVR) on the financial data of thirteen companies operating in the iron and steel sector. The success of predicting ROA in the designed model was 86.4% for ANN, 79.9% for SVR, and 74% for MLR. The success of estimating the ROE of the same model was 85.8% for ANN, 80.9% for SVR, and 63.8% for MLR. It is concluded that ANN and SVR can produce successful prediction results for ROA and ROE both accurately and reasonably.

IT is recognized as the engine of the digital world. The fact that this technology has multiple sub-sectors makes it the driving force of the economy. With these characteristics, the sector is becoming the center of attention of investors. Considering that investors prioritize profitability, it becomes a top priority for managers to make accurate and reliable profitability forecasts. The aim of this study is to estimate the profitability of IT sector firms traded in Borsa Istanbul using machine learning methods. In this study, the financial data of 13 technology firms listed in the Borsa Istanbul Technology index and operating between March 2000 and December 2023 were used. Return on assets (ROA) and return on equity (ROE) were estimated using machine learning methods such as neural networks, multiple linear regression and decision tree regression. The results obtained reveal that the performance of artificial neural networks (ANN) and multiple linear regression (MLR) are particularly effective.

In the last decade, companies producing electricity from renewable energy sources in Turkey have gained momentum both quantitatively and qualitatively with the incentives carried out within the framework of the government’s carbon emission reduction programs. In this study, the financial performances of companies in terms of financial ratios of SWARA and WASPAS, which are multi-criteria decision-making techniques used in the field of numerical methods, were tried to be measured. In terms of scope, the financial performances of four renewable energy companies listed on Borsa Istanbul Stock Market were analysed for three years between the years 2018 and 2020. In the findings obtained by applying the SWARA technique of the study, it was concluded that the most important factor determining the financial performance of companies that participated in the research is the financial leverage ratio. As a result of the data obtained from the WASPAS technique, it has been determined that the companies that produce electricity through a single renewable energy source are financially more successful than the companies that produce electrical energy through more than one renewable energy source.

Küreselleşen iş gücü piyasasının gereklilikleri doğrultusunda mesleki eğitimin önemi her geçen gün artmakta, bu bağlamda meslek yüksekokulları (MYO), nitelikli iş gücü yetiştirme konusunda stratejik bir konumda yer almaktadır. Tematik meslek yüksekokulları, belirli sektörlere odaklanarak öğrencilerin alan bazlı uzmanlaşmalarını sağlamayı hedefleyen bir eğitim yapısını temsil etmektedir. Bu çalışma, meslek yüksekokullarının dönüşüm sürecini ve tematik öğretim modelinin uygulanabilirliğini incelemektedir. Araştırma kapsamında Akdeniz Üniversitesi’nin örneklemi üzerinden MYO’ların iç verimlilik oranları analiz edilerek mevcut durumlarına dair etkinlik değerlendirmesi yapılmıştır. Bulgular, öğrenci ve öğretim elemanı dağılımında kayda değer dengesizlikler bulunduğunu ve bazı meslek yüksekokullarında verimlilik oranlarının düşük seyrettiğini ortaya koymaktadır. Projeksiyon sonuçlarına göre, mevcut MYO’ların tematik bir yapıya dönüştürülmesi durumunda eğitimin daha odaklı, işlevsel ve verimli bir hale gelebileceği öngörülmektedir. Bununla birlikte, bu dönüşüm sürecinin öğrenci kontenjanlarında azalmaya neden olabileceği ve öğretim elemanlarının istihdamıyla ilgili sorunları beraberinde getirebileceği belirtilmiştir. Çalışma, tematik MYO modelinin Türkiye’deki yükseköğretim sistemine entegrasyonuna yönelik çeşitli politika önerileri sunmaktadır. Bu kapsamda, MYO’ların sektörel ihtiyaçlar doğrultusunda yeniden yapılandırılması, sanayi-üniversite iş birliğinin yoğunlaştırılması ve eğitim programlarının güncel endüstriyel gereksinimlerle uyumlu hale getirilmesi önerilmektedir. Tematik MYO modelinin başarıyla uygulanması, Türkiye’nin küresel rekabet gücünü artırmanın yanı sıra Birleşmiş Milletler Sürdürülebilir Kalkınma Amaçlarından biri olan nitelikli eğitim amacına da katkı sağlayacaktır.

Bireye sunulan çerçevenin onun davranışlarında yaratacağı etkiyi ileri süren çerçeveleme kuramı farklı disiplinlerde gerçekleştirilen araştırmalara konu olmuştur. Psikoloji, sosyoloji, iletişim, ekonomi, pazarlama alanlarında kullanılan çerçeveleme kuramı bu araştırmada vergi cezaları açısından ele alınmıştır. Cezanın kendisi negatif bir çerçeve olarak düşünülse de indirim, yapılandırma, af, taksitlendirilerek ödeme yapılması gibi durumlarda vergi mükelleflerine veya sorumlularına pozitif çerçeve sunulmaktadır. Kimi ülkelerde ise vergi ceza affı olmaması, ödenmeme durumunda kredibilitenin düşmesi veya ticari faaliyetlerin askıya alınması şeklinde yapılan uygulamalar ile mükellefler veya sorumlular negatif çerçeveye maruz kalmaktadırlar. Bu çalışmanın amacı vergi cezaları kapsamında farklı iki uygulamaya sahip ülkenin çerçeveleme kuramı kapsamında değerlendirilmesidir. Türkiye’de uygulanan vergi cezaları politikasının pozitif, Rusya’da uygulanan politikaların ise negatif çerçeve olarak belirlendiği bu araştırmada farklı çerçevelerin vergi cezalarına etkisi incelenmiştir. Araştırma sonucunda kamu bütçesi içinde vergi gelirlerinin payı yüksek olan ülkelerde pozitif çerçevenin daha makul olduğu ortaya konulmuştur.

In the global economy, traditional accounting-based ratios alone are often insufficient to fully explain firm performance, increasing the importance of complementary information sources such as sustainability and governance disclosures. In this context, environmental, social, and governance (ESG) indicators, together with corporate governance signals, have increasingly been recognized as important drivers of firm performance. However, the literature does not provide a clear and generalizable view on the impact of ESG indicators on profitability. This study aims to examine whether sustainability and corporate governance signals provide additional information value beyond traditional financial ratios in predicting ROE. To this end, two models were compared using a sample of 428 non-financial publicly traded companies operating in Turkey. The firm-level dataset was constructed using financial statements and independent audit disclosures obtained from the Turkish Public Disclosure Platform (KAP). Tree-based machine learning models were employed to capture potential nonlinear relationships and complex interactions between financial and non-financial indicators. Model performance was evaluated within a Bootstrapped Grouped Cross-Validation framework that considered firm-level dependency; the statistical reliability of performance differences was tested using bootstrap-based confidence intervals and matched tests. Among the evaluated models, Random Forest achieved the strongest overall predictive performance. In conclusion, this study demonstrates that sustainability and corporate governance disclosures provide statistically significant additional information value to ROE prediction. Due to the use of multiple algorithms, it contributes to the literature in a generalizable manner.