Sosyal medya, insanların faaliyetlerini, fikirlerini ve duygularını başkalarıyla paylaşmak için çok popüler bir iletişim aracıdır. Twitter, bu sosyal medya platformlarının en popülerlerinden birisidir. Twitter’da alışverişin yoğun olduğu Anneler günü, Sevgililer günü, Kara Cuma haftası gibi özel zamanlarda alışveriş kampanyaları hakkında birçok tweet oluşturulmaktadır. Tüm dünyada olduğu gibi Türkiye'de de firmalar, bu özel alışveriş zamanlarında sosyal medyada oluşturdukları etiketler ile müşterilerin dikkatini çekmeye çalışmaktadırlar.Bu çalışmada, birbirine alternatif Kara Cuma etiketleri ele alınmıştır. 2018 yılında Kara Cuma haftasından öncesi Kara Cuma haftası ve sonraki hafta olmak üzere 3 haftalık dönemde bu alternatif etiketleri içeren tweetler değerlendirilmiştir. Tweetlerin içerdiği duygular, duygu analizi ile belirlenmiştir. Etiketleri sıralamak için toplam tweet sayısı, retweet sayısı, beğeni sayısı ve kullanıcı bilgileri kullanılmıştır. Etiketler sayısal veriler, tweet değerleri, tweetlerin duygu değerleri olmak üzere üç farklı boyutta sıralanmıştır. Bu sıralama ile markaların etiket tercihine bir rehber olunması amaçlanmıştır.

This study aims to compare Random Forest Regression and LightGBM algorithms for the prediction of pH value, which is an important parameter in water quality assessment. The performance of both algorithms is evaluated with metrics such as RMSE, R-squared and AUC (Area Under Curve). The results show that the LightGBM algorithm outperforms Random Forest (0.84) with an AUC value of 0.86 and provides better prediction accuracy, especially on large and complex datasets. These findings demonstrate the applicability of machine learning techniques in environmental monitoring processes and their potential for effective management of water quality. The results highlight the superiority of the LightGBM algorithm in solving environmental problems such as pH prediction, but also provide suggestions for more comprehensive approaches. The application of hybrid modeling techniques, generalizable analyses with datasets from different water sources, and the development of real-time monitoring systems are suggested to extend the findings of the study. This study contributes to the literature by demonstrating the importance of machine learning algorithms in environmental monitoring and water quality management.

Halkın yerel ihtiyaçlarını karşılamak üzere kurulan, kuruluş esasları kanunla belirlenen yerel yönetim türle-rinden biri de belediyelerdir. Belediyelerin amacı, beledi-ye sorumluluk ve görevleri kapsamındaki hizmetlerini belediye nüfusunun tamamına ulaştırmaktır. Belediyele-rin birçok görev ve sorumluluğu bulunmakla birlikte bu çalışmada, Türkiye’deki 81 il belediyesi, çevre hizmetleri açısından değerlendirilmiştir. Bu çalışmada, Türkiye İstatistik Kurumu (TÜİK) tarafından 2001-2016 yılları arasında yayımlanan belediye hizmetleri ile ilgili istatis-tikler kullanılmıştır. Bu çerçevede, altı adet kriter ele alınmıştır. Kriterlerin ağırlıklarını belirlemek için Çok Kriterli Karar Verme Yöntemlerinden AHP kullanılmıştır. Belirlenen ağırlıklar, ilgili yılların değerleri ile çarpılarak ağırlıklandırılmış bir değer elde edilmiştir. İlgili yılın ağırlıklandırılmış değeri, tek boyutlu kümeleme analizi ile kümelendirilmiştir. İllerin yıllar bazında belediye performanslarının değişimi analiz edilmiştir.

Veri ve metin madenciliği, anlamlı ilişkileri ve eğilimleri ayırt etmek için kullanıcıların taleplerine göre yapılandırılmış, yarı yapılandırılmış ve yapılandırılmamış büyük bir veri miktarını analiz etme sürecidir. İşletmeler, veri ve metin madenciliği teknikleri kullanarak hem kendi işletmeleri içerisinde hem de rakipleri ile rekabette yaşadıkları sorunlarına etkili çözümler üretebilmektedirler. Böylece elde ettikleri bilgiyi rekabet avantajına çevirebilmektedirler. Bu araştırmada, veri ve metin madenciliği algoritmaları kullanılarak rekabete dayalı pazarda müşterilerin istek ve ihtiyaçlarına göre hava yolu firmalarının üstün ve zayıf yönlerinin değerlendirilmesi amaçlanmıştır. Bu araştırmada, sosyal medya sitelerinden olan TripAdvisor’daki çevrimiçi seyahat incelemeleri araştırma kapsamına alınmıştır. Star Alliance küresel hava yolu birliğine üye 26 hava yolu firması değerlendirilmiştir. Araştırmada kullanılan kriterler; her bir kullanıcının yorum ve skorları temel alınarak belirlenmiştir. Duygu Analizi ile müşteri yorumlarından polariteleri belirlendikten sonra Destek Vektör Makineleri, Naive Bayes, Derin Öğrenme Algoritmaları ile sınıflandırma ve tahminleme yapılarak elde edilen sonuçlar karşılaştırılmıştır. Bunun yanı sıra sonuçlar, Covid-19 pandemisi öncesi ve sonrası olarak da karşılaştırılmıştır. Yapılan karşılaştırmada Derin Öğrenmenin daha iyi sonuç verdiği saptanmıştır.