The relationship between companies' environmental, social, and governance (ESG) data and their financial performance is of significant interest. The primary aim of this study was to investigate whether the ESG scores of companies in the BIST Sustainability Index impact their financial performance. By analysing the relationship between ESG scores and financial performance indicators of 26 companies, whose ESG scores were calculated by S&P Global for the period 2018-2022, using the panel data analysis method, we found compelling results. ESG factors were found to have a significant and positive effect on return on assets (ROA), return on equity (ROE), net profit margin (NPM), and asset growth (AGR) but a negative effect on the market-to-book ratio (MBR).

Bu çalışmanın amacı COVID 19 pandemisinde sosyal bilimlerde öğrenim gören öğrencilerin uzaktan eğitim sistemine ve muhasebe dersi özelinde uzaktan muhasebe eğitimine ilişkin görüşlerini değerlendirmektir. Araştırmanın kapsamına Kafkas Üniversitesi İktisadi ve İdari Bilimler Fakültesi İşletme bölümünde öğrenimini sürdüren 141 kişi girmektedir. Söz konusu araştırma 1 ila 30 Ekim 2020 tarihleri arasında uygulanmıştır. Uygulanan anketlere eksiksiz bir şekilde dönüş yapan 129 kişi ile hedef kitlenin %91’ine ulaşmak mümkün olmuştur. Hazırlanan anket formu, yalnızca işletme bölümünde okuyan ve en az bir muhasebe dersi almış öğrenciler üzerine yapılmıştır. Araştırmaya katılanların yoğunlukla 21-25 yaş aralığında, 4.sınıfta öğrenim gören, büyükşehirlerde yaşayan ve 2.00’den az not ortalamasına sahip erkek öğrenciler olduğu görülmüştür. Katılımcıların en çok akıllı cep telefonları ile günlük olarak uzaktan eğitim sistemini takip ettikleri gözlemlenmiştir. Özellikle öğrencilerin okula gelmeden dersleri takip etme niyeti “çalışıyorum” ifadesiyle dile getirilmiş ve okula gelmeden muhasebe derslerinin takip edilmesinin en büyük dezavantajını “internete ulaşamama” olarak gösterilmiştir. Ayrıca uzaktan eğitim sisteminde ders kayıt sürelerinin 25 dakika üzerinde olması ve ders kayıt videoları yanında PDF, PPT, Word gibi materyallerle de dersin desteklenmesi gerektiğini belirtmişlerdir. Uzaktan eğitim sürecindeki derslerin işlenme tarzını “ilgi çekici” bulmalarına rağmen pandemi bittikten sonra muhasebe derslerinin yüz yüze yapılmasını istemeleri de sonuçlar içerisinde dikkat çekmektedir.

Forecasting cryptocurrency prices is challenging due to extreme volatility, nonlinear dynamics, and frequent structural shifts in digital asset markets. While recent research increasingly applies deep learning architectures, the predictive advantage of highly complex models in noisy financial environments remains uncertain. This study evaluates the forecasting performance of shallow and deep learning approaches by comparing Support Vector Machines (SVM), Long Short-Term Memory (LSTM), and Gated Recurrent Unit (GRU) models, along with hybrid configurations (GRU + SVM, LSTM + SVM, and GRU + LSTM). Using daily data spanning from 1 October 2020 to 23 September 2025 for five major cryptocurrencies—Bitcoin, Ethereum, Binance Coin, Solana, and Ripple—the models are estimated within a consistent framework and assessed using out-of-sample performance metrics, including MAE, MAPE, MSE, and R². The results indicate that greater algorithmic complexity does not necessarily improve forecasting accuracy. In several cases, the parsimonious SVM model outperforms deep neural network architectures, particularly for highly volatile assets, while hybrid models fail to provide systematic improvements and sometimes amplify prediction errors. SHapley Additive exPlanations analysis further shows that immediate price-based variables dominate predictive power, whereas many lagged technical indicators contribute relatively limited explanatory value. Overall, the findings underscore the importance of algorithmic parsimony, suggesting that simpler machine learning models may deliver more robust forecasts in highly volatile cryptocurrency markets.

Bireyler ve kuruluşlar kendi ihtiyaç ve istekleri uğruna dünyanın yer altı ve yer üstü kaynaklarını tüketerek hem gelecek nesillerin hem de dünyanın devamlılığını ve sürdürülebilirliğini yok edebilmektedirler. Bu nedenle de ister devlet ister şirket olsun bütün ekonomik birimlerin faaliyetlerinin çevresel ve sosyal etkilerinin sınırlandırılması fikri ve uygulamaları giderek önem kazanmaktadır. Borsa İstanbul’daki (BIST) şirketler arasından sürdürülebilirlik performansı yüksek olanlar Sürdürülebilirlik Endeksi’nde yer almakta ve sürdürülebilirliğe ilişkin faaliyetlerini her yıl gönüllü bir şekilde kamuya sürdürülebilirlik raporlarıyla açıklamaktadırlar. Bu çalışmada 2018 – 2019 ve 2020 – 2021 dönemlerinde BIST Sürdürülebilirlik Endeksi’nde yer alan 38 şirketin sürdürülebilirlik raporları aracılığıyla, çevresel sürdürülebilirliğe ilişkin uygulamaları ve açıklamaları incelenmiş, ifadelerin kullanımları şirketler ve sektörler açısından karşılaştırılmıştır. Çalışma kapsamında belirlenen 41 çevresel bildirim ifadesinin kullanımına ilişkin yapılan içerik analizinin sonuçlarına göre; her iki dönemde de çevre ve iklim en fazla kullanılan ifadeler olduğu gözlenmiştir. 2018 – 2019 döneminde toprak kirliliği, görüntü kirliliği, gürültü kirliliği ve 2020 – 2021 döneminde atık kontrolü, toprak kirliliği en az kullanılan ifadeler olurken çevre denetimine ve yeşil finansa hiç yer verilmemiştir. Ayrıca her iki dönemde de sektörel bazda holding ve yatırım şirketleri ile bankalar en fazla, bilişim ve savunma sektörleri en az ifadeye yer vermiştir. Karşılaştırma sonucunda genel olarak ifade kullanımlarının giderek arttığı, ifadelerin sıklığının ve öneminin değiştiği, bazılarının ise sonraki dönemde hiç kullanılmadığı görülmüştür.

Makine öğrenmesi ve derin öğrenme, son yıllarda finansal piyasalarda tahminleme süreçlerinde sıklıkla başvurulan yöntemler arasında yer almaktadır. Bu yöntemler, özellikle yüksek oynaklığa sahip kripto para piyasalarında, yatırım kararlarını destekleyici araçlar olarak öne çıkmaktadır. Denetimli öğrenme algoritmaları, geçmiş verilere dayanarak gelecekteki fiyatları tahmin etmeye yönelik güçlü çözümler sunarken; derin öğrenme yaklaşımları, özellikle sıralı veri yapılarındaki karmaşık ilişkileri yakalamada avantaj sağlamaktadır. Bitcoin gibi dijital varlıkların ekonomik değişkenlerle olan ilişkisini anlamak, hem bireysel yatırımcılar hem de finansal kurumlar açısından stratejik bir gereklilik haline gelmiştir. Bu bağlamda açıklanabilir yapay zeka (XAI) teknikleri, tahmin modellerinin iç mantığını şeffaf biçimde ortaya koyarak karar destek sistemlerine katkı sunmaktadır. Bu çalışmada, Bitcoin’in (BTC) günlük kapanış fiyatları, altın, USDX, VIX ve Brent petrol gibi ekonomik göstergeler dikkate alınarak SVR, LSTM, XGBoost ve ANN algoritmaları ile tahmin edilmiştir. 2014–2024 dönemini kapsayan veri setiyle gerçekleştirilen analizde, MAPE, MAE ve R² gibi performans ölçütleri üzerinden karşılaştırma yapılmıştır. Sonuçlara göre, en yüksek doğruluk oranını SVR modeli göstermiştir. Ayrıca SHAP analizi kullanılarak BTCY (yükseliş), BTCD (düşüş) ve BTCA (açılış) değişkenlerinin tahmin sürecinde pozitif katkı sunduğu belirlenmiştir. Buna karşılık, AK (altın) ve BrPK (petrol) gibi dışsal faktörlerin olumsuz etkiler yarattığı gözlemlenmiştir. Elde edilen bulgular ile hem model doğruluğunu hem de değişkenlerin etkisini şeffaf biçimde ortaya koyarak literatüre önemli katkılar sunulmuştur.

Bilişim teknolojilerinin hızla büyümesi ekonomik, sosyal ve kültürel alanlarda dijital devrimi beraberinde getirmiştir. Sosyal medya platformlarını ziyaret etmek, faydalı etkileri olabilecek popüler bir küresel aktivitedir. Yapılan araştırmada; muhasebe eğitimi alan öğrencilerin, sosyal medya araçlarını hangi amaçla kullandıkları, derste aktif hale gelme durumları, sağladığı faydalar, kullanma sıklıkları gibi birtakım durumların tespit edilmesi hedeflenmiştir. Bu çalışmada muhasebe eğitimi alan ve sosyal medyayı aktif olarak kullanan öğrencilerin bakış açılarının değerlendirilmesi için anket çalışması yapılmış ve analizde SPSS programı kullanılmıştır. Araştırmanın kapsamında Kafkas Üniversitesi İktisadi ve İdari Bilimler Fakültesi muhasebe eğitimi alan ve anketlere eksiksiz dönüş yapan 246 kişi ile bu çalışma yürütülmüştür. Çalışmada en çok kullanılan sosyal medya uygulaması “WhatsApp”, sosyal medyada geçen süre “2 saat”, kullanım amacı olarak “Eğitim” ve sağlamış olduğu fayda açısından ise “Derslerle ilgili değişiklikler ve yenilikler hakkında bilgi sahibi oluyorum” seçenekleri olarak gözlemlenmiştir. Elde edilen bulgulara göre muhasebe dersi alan öğrencilerin sosyal medya araçlarını kullanarak derslerle ilgili değişiklikler ve yenilikler üzerinde fayda sağladıkları görülmüştür.