Bu çalışmada, dijital dönüşüm bağlamında yükseköğretim kurumlarında dijital dönüşüm kavramı ele alınmıştır. Bu bağlamda yapılan çalışmalar özelinde bu kavramların gelişiminin ve yapılan çalışmaların haritasını çıkarmak hedeflenmiştir. Çalışmada günümüzde çok önem kazanan dijital dönüşüm kavramı yükseköğretim kurumları özelinde nicel veriler kullanılarak mevcut yazının bibliyometrik analizi yapılmıştır. Kavramla ilgili çalışma eğilimlerinin neler olduğu ve olacağının tespiti yapılmış ve sistemli bir özetle araştırmacıların yararlanması amaçlanmıştır. Analiz birimi olarak Web of Science veri tabanında taranan ve 2021-2025 yılları arasında yayınlanmış farklı türdeki eserlerin bibliyometrik verileri ölçüt olarak belirlenmiştir. Yükseköğretim kurumlarında dijital dönüşüm ile ilgili 2021 ile 2025 yılları arasında yayımlanmış 953 makalenin bibliyometrik incelemesi yoluyla yapılan bu araştırma; zaman içindeki eğilimleri, araştırma alanlarını, önde gelen yazarları, coğrafi katkı dağılımını ve yaygın anahtar kelimeleri belirlemektedir. Bu doğrultuda araştırma, yalnızca güncel literatüre dair nicel bir görünüm sunmakla kalmayıp, aynı zamanda dijital dönüşümün yükseköğretim kapsamındaki çok disiplinli yapısını güçlü bir şekilde vurgulamakta ve alana dair kapsamlı bir tablo çizmektedir. Bu araştırma, yükseköğretim kurumlarında dijital dönüşüm literatürüne dair kapsamlı ve sistematik bir inceleme sunmakta, alanın mevcut durumunu şeffaf bir şekilde ortaya koymakta ve gelecekteki çalışmalar için faydalı bir referans noktası sağlamaktadır. Bu yönüyle çalışma, yalnızca metodolojik açıdan yenilikçi değil, aynı zamanda pratik açıdan da değerli bir kaynaktır.

Bu çalışmada, Türkiye İstatistik Kurumu’nun (TÜİK) 2023 yılında gerçekleştirdiği Hanehalkı Bilişim Teknolojileri Kullanımı Araştırması (HBTKA) verileri kullanılarak, e-ticaret kullanım durumunun makine öğrenmesi yöntemleri ile sınıflandırılma işlemi gerçekleştirilmiştir. Bununla birlikte, cinsiyet, yaş, eğitim durumu gibi demografik faktörler ile teknoloji kullanım durumu ve sosyal medya kullanımı gibi faktörlerin e-ticaret kullanımı ile ilişkileri analiz edilmiştir. Bu veri seti üzerinde, veri madenciliği sınıflandırma tekniklerinden karar ağaçları kullanılarak analiz yapılmıştır. Çalışmada, sınıflandırma işlemi için Rastgele Orman, En Yakın Komşular, Destek Vektör Makinesi, Lojistik Regresyon, Naive Bayes ve Gradient Boosting gibi çeşitli makine öğrenmesi modelleri kullanılmıştır. Analiz sonuçları, özellikle Gradient Boosting modelinin yüksek doğruluk oranıyla dikkat çekerek, e-ticaret kullanımının sınıflandırılmasında güçlü bir araç olduğunu göstermiştir. Çalışmada ayrıca, e-ticaret kullanımının iyileştirilmesine yönelik stratejiler önerilmektedir.

Bu çalışmanın amacı işgörenlerin çalışma yaşam kalitesi algılarının örgütsel bağlılıklarıyla olan ilişkisinin incelenmesidir. İşgörenlerin çalışma yaşam kalitesi algılarının örgüte olan bağlılığıyla herhangi bir ilişkisi var mı sorunsalı araştırmamızda merak uyandırmıştır. Bu amaçla Elazığ ili sağlık çalışanları üzerinde bir araştırma yapılmıştır. Araştırmada veri elde etme yöntemi olarak anket kullanılmıştır. Bulgular sonucu araştırmaya katılan sağlık çalışanlarının, çalışma yaşam kalitesi algıları ile örgütsel bağlılıkları arasında anlamlı bir ilişki tespit edilmiştir.

İşgücü devri, organizasyonlar için önemli maliyet ve verimlilik kayıplarına yol açmaktadır. Bu çalışma, işten ayrılma tahminlerini geliştirmek amacıyla, geleneksel istatistiksel modellerin ötesine geçerek makine öğrenimi ve derin öğrenme tekniklerini entegre eden yenilikçi bir yaklaşım sunmaktadır. Çalışma, veri setindeki değişkenleri 2B karekod görüntülerine dönüştürmek suretiyle, CNN tabanlı derin öğrenme modellerinin bu görüntüler üzerinde sınıflandırma yapabilmesini sağlamıştır. Bu yenilikçi adım, derin öğrenme modellerinin görsel veri işleme yeteneklerini kullanarak daha karmaşık veri yapılarını analiz etme potansiyelini ortaya koymaktadır. Araştırma, çeşitli makine öğrenmesi modellerini değerlendirdikten sonra ResNet-18 modeli kullanılarak derin öğrenme tabanlı özellik çıkarımı gerçekleştirilmiştir. Daha sonra, RelieF algoritması kullanılarak seçilen en etkili 10 özelliğe dayanarak optimize edilmiş Hafif Gradyan Artırma (LighhtGBM) modeli, %100 doğruluk, %100 hassasiyet ve %100 F1-skoru gibi mükemmel performans metrikleri elde etmiştir. Bu sonuçlar, bu modelin işten ayrılma tahminlerinde yüksek etkinlik sergilediğini ve insan kaynakları yönetimi pratiğine önemli katkılarda bulunabileceğini göstermektedir.

The use of information and communication technologies, known as e-health, in healthcare services is increasing rapidly every day. The aim of this study is to develop a measurement tool that can evaluate the readiness of health institutions for e-health applications and to test its validity and reliability. Exploratory sequential mixed method research was preferred as the research method. Within the scope of the research, primarily the qualitative research phase was conducted. At this stage, semi-structured interviews were held with eight experts in the relevant field. The data obtained from the expert interviews were transferred to the MAXQDA 2020 program and analyzed. At this stage, an item pool consisting of six sub-dimensions and 40 items regarding the e-health readiness scale of health institutions was created. As a result, the draft scale consisting of 40 items; After expert opinion and content validity stages, it was reduced to 33 items. The draft scale of e-health readiness of the discovered health institutions was applied on a suitable sample at the quantitative research stage and the reliability and construct validity of the scale was examined. Statistical analyzes were carried out using the R-Project 2021 program and lavaan 2012 package. The confidence level in the study was evaluated as 95%. As a result of these analyses, the e-health readiness scale of health institutions consists of four sub-dimensions and 25 items: acceptance and readiness for use, self-sufficiency, technology and infrastructure readiness and structural readiness.

Bu çalışma, üretim süreçlerindeki kusur oranlarının doğru sınıflandırılması ve kalite kontrol süreçlerinin optimize edilmesi için yenilikçi bir yöntem sunmaktadır. Çalışmada, sayısal veriler iki boyutlu QR kod görüntülerine dönüştürülerek AlexNet modeli ile analiz edilmiştir. Bu yöntem, derin öğrenme modellerinin güçlü desen tanıma yeteneklerinden yararlanarak kusur oranlarını yüksek doğrulukla sınıflandırmayı amaçlamaktadır. Veri seti, düşük ve yüksek kusur oranları olarak etiketlenmiş ve %80 eğitim, %20 test olarak bölünmüştür. Karar Ağacı, Gradient Boosting, K-En Yakın Komşu, Lojistik Regresyon, Saf Bayes, Rastgele Orman ve Destek Vektör Makinesi gibi çeşitli makine öğrenmesi modelleri ile karşılaştırılmıştır. Sonuçlar, AlexNet modelinin kusur oranlarını %100 doğrulukla sınıflandırdığını göstermektedir. Bu bulgular, derin öğrenme algoritmalarının üretim süreçlerindeki kalite kontrol ve kusur tespiti için son derece etkili olabileceğini vurgulamaktadır. Ayrıca, çalışmanın kısıtlılıkları ve gelecekteki araştırmalar için öneriler sunulmuştur. Bu yenilikçi metodoloji, diğer endüstriyel süreçlerde ve farklı veri setlerinde de geniş bir kullanım potansiyeline sahip olup, üretim verimliliğinin artırılmasına katkı sağlayacaktır.