Ali Özarslan

Dr. Ali Özarslan

orcid

Research Focus & Metrics

Academic Career Length

11Years (2016-Present)

(Calculated once Scilit publication data is synced: current year − year of first publication + 1)

Representative Publications

View All Publications
18 August 2022 in International Journal of Information Technology & Decision Making
Verified
Journal Article
Closed access
PDF file
AÖAli Özarslan
Ali Özarslan
GKGülşah Karakaya
Gülşah Karakaya

2 September 2021 in Gazi Üniversitesi Mühendislik-Mimarlık Fakültesi Dergisi
Verified
Journal Article
Closed access
PDF file
AÖAli Özarslan
Ali Özarslan
GKGülşah Karakaya
Gülşah Karakaya
Bu çalışmada birden fazla kriterle değerlendirilen alternatiflerin sınıflandırması için karar verici ile etkileşimli bir yaklaşım önerilmektedir. Karar vericinin tercihlerinin literatürde sıklıkla kullanılan toplamsal fayda fonksiyonu ile tutarlı olduğu varsayılmaktadır. Önerilen yaklaşımda, iterasyonlar boyunca karar vericiye alternatifler sunularak bu alternatiflerin kategori bilgisi alınmaktadır. Karar vericiden alınan bilgiler kullanılarak alternatiflerin atanabilecekleri olası en kötü ve en iyi kategorileri belirlemek için matematiksel modeller çözülmektedir. Bu modellerden bilgi toplayarak alternatiflerin kategorilere atanma olasılıkları hesaplanmaktadır. Karar vericiye sunulacak alternatif belirlenirken atanma belirsizliğini ölçmek için bir bilgi kuramı ölçüsü olan göreceli entropiden yararlanılmaktadır. Alternatiflerin atanma belirsizlikleri belirli bir seviyenin altına düşünce atanma olasılıkları belirli bir seviyeden yüksek olan alternatifler karar vericiye sorulmadan olasılıksal olarak kategorilere atanmaktadır. Tüm alternatifler sınıflandırılana kadar karar vericiden aşamalı olarak atama bilgisi alınmaktadır. Yaklaşımımız literatürden başka bir yöntem ile enerji sektöründe bir veri seti üzerinde test edilerek performans kıyaslaması yapılmıştır. Sonuçlar, karar vericinin bilişsel yükünü azaltmada önerilen yaklaşımın başarılı olduğunu göstermektedir.

1 January 2016 in The Journal of International Management Research
Verified
Journal Article
Closed access
AÖAli Özarslan
Ali Özarslan

30 June 2026 in World
Verified
Journal Article
Open access
PDF file
OBOrhan Balcı
Orhan Balcı
AÖAli Özarslan
Ali Özarslan
MDMehmet Ali Demir
Mehmet Ali Demir
In recent sustainability discussions, the link between policy uncertainty and environmental consequences has received significant attention. This study investigates the impact of sustainability uncertainty on the ecological footprint (EF) in G7 countries between 2002 and 2024. The recently developed ESG-Based Sustainability Uncertainty Index (ESGUI) is used as the primary explanatory variable. The control variables are economic growth, trade openness, and renewable energy consumption. Two complementary estimators capable of addressing cross-sectional dependence, slope heterogeneity, and degrees of mixed integration are applied: CS-ARDL and the AMG estimator. The CS-ARDL results demonstrate that the ESGUI and renewable energy have a weakly significant negative long-term effect on the EF, a result that reverses the positive raw correlation observed in the descriptive statistics, which is driven by the confounding effect of GDP. Moreover, economic growth has a strong positive effect on the EF. Nevertheless, the AMG estimator reveals that the ESGUI is negative but not statistically significant. Furthermore, economic growth contributes to environmental degradation by increasing the EF, while renewable energy and trade openness have a mitigating effect on this EF. Taken together, these results demonstrate that sustainability uncertainty plays only a limited role on average, while economic growth remains the dominant driver of EF. Consequently, policy efforts should focus on decoupling economic growth from resource use, strengthening carbon border regulation mechanisms, and prioritizing fossil fuel substitution rather than simply expanding renewable energy supply.

21 October 2026 in Afyon Kocatepe Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi
Verified
Journal Article
Closed access
AÖAli Özarslan
Ali Özarslan
In this study, we evaluate the financial performance of 157 non-financial firms listed on Borsa Istanbul for the period 2022–2024 by a novel nonlinear multi-criteria decision-making framework. The criteria used to assess financial performance are from profitability, liquidity, solvency, operational efficiency, market valuation, audit quality and growth perspectives. In order to overcome the limitations of the linear aggregation, the weights of the objective criteria are obtained through an ensemble of three complementary methods that are LOPCOW, MEREC and SITDE. The results show that the qualified audit opinion, market-to-book ratio and leverage ratio are the main discriminators of financial performance, with remarkable temporal stability over the three years. Three recently developed nonlinear ranking algorithms based on triangular norms, DOBI, ALWAS and SWEM, are used to rank the companies for each year, and the results are combined across years via an extended Borda count to obtain a consensus ranking. The consensus ranking identifies ARSAN, ESCOM, and MGROS as the top-performing firms, reflecting strong profitability, moderate leverage, and clean audit opinions, while MARTI, TEKTU, and LYDHO consistently rank at the bottom due to high leverage, weak profitability, and qualified audit opinions. The findings reveal a high degree of inter-method concordance, strong year‑to‑year consistency, and exceptional robustness to weight perturbations, outlier treatment, and rank reversal tests.

17 September 2026 in Turkish Journal of Agriculture - Food Science and Technology
Verified
Journal Article
Open access
PDF file
AÖAli Özarslan
Ali Özarslan
Bu çalışma, Türkiye’de yaygın olarak yetiştirilen iki ticari Antep fıstığı türü olan Kırmızı ve Siirt’in sınıflandırılmasını ele almaktadır. Amaç, tarımsal ürün ayrımında makine öğrenmesi sınıflandırıcılarının performansını iyileştirmede metasezgisel optimizasyonun etkinliğini değerlendirmektir. 2148 görüntüden 28 morfolojik, renk ve doku özniteliği çıkarılmıştır. Sınıf dengesizliği Sentetik Azınlık Aşırı Örnekleme Tekniği ile giderilmiştir. Lojistik Regresyon, Destek Vektör Makinesi (SVM) ve XGBoost sınıflandırıcıları uygulanmıştır. Bu sınıflandırıcıların hiperparametreleri Parçacık Sürü Optimizasyonu, Yapay Arı Kolonisi, Hızlı Uçuş Optimize Edici, Tardigrat Optimizasyon Algoritması, Bilby Optimizasyon Algoritması (BOA) ve Schrödinger Optimize Edici (SCO) olmak üzere altı metasezgisel algoritma ile optimize edilmiştir. Modeller eğitim setinde 5 katlı çapraz doğrulama ile değerlendirilmiş ve bağımsız test setinde test edilmiştir. Sonuçlar, en yüksek sınıflandırma doğruluğunun BOA ile optimize edilmiş (SVM) modelinde elde edildiğini göstermektedir. En yüksek ayırt edicilik gücü (ROC eğrisi altında kalan alan) ise SCO ile optimize edilmiş XGBoost modelinde gözlenmiştir. Varsayılan parametre yapılandırmalarıyla karşılaştırıldığında, metasezgisel optimizasyonun hem SVM hem de XGBoost sınıflandırıcılarında kayda değer iyileşmeler sağladığı belirlenmiştir. Bulgular, metasezgisel tabanlı hiperparametre optimizasyonunun Antep fıstığı türlerinin otomatik ayrımında etkili ve rekabetçi bir yaklaşım sunduğunu ve tarımsal ayıklama ile kalite kontrol sistemlerinde kullanılma potansiyeli taşıdığını göstermektedir.