Bilecik Şeyh Edebali Üniversitesi Kurumsal Akademik Arşivi
DSpace@Bilecik, Bilecik Şeyh Edebali Üniversitesi tarafından doğrudan ve dolaylı olarak yayınlanan; kitap, makale, tez, bildiri, rapor, araştırma verisi gibi tüm akademik kaynakları uluslararası standartlarda dijital ortamda depolar, Üniversitenin akademik performansını izlemeye aracılık eder, kaynakları uzun süreli saklar ve telif haklarına uygun olarak Açık Erişime sunar.
DSpace@Bilecik, üyelik gerektirmeyen herkese açık bir sistemdir. Üyelik ve veri girişi sadece BŞEÜ mensuplarına (Öğrenci, idari ve akademik personel) özeldir.
Güncel Gönderiler
Öğretmenlerin afet tehdidine karşı psikolojik hazırlıklarının bireysel afet direnci üzerine etkisi ve fiziksel deprem hazırbulunuşluk düzeylerinin belirlenmesi: Eskişehir ili örneği
(Bilecik Şeyh Edebali Üniversitesi, Lisansüstü Eğitim Enstitüsü, 2026) Akca, Ayşe Gül; Ergenekon Arslan, Aslı
Bu araştırmada, öğretmenlerde afet tehdidine karşı psikolojik hazırlığın bireysel afet direnci üzerindeki etkisi nicel yöntemlerle incelenmiş ve fiziksel deprem hazırlığı düzeyleri sosyo-demografik, konut ve afet deneyimi değişkenlerine göre karşılaştırılmıştır. Araştırma kesitsel tarama modelinde yürütülmüştür. Örneklemi farklı branşlarda görev yapan 376 öğretmen oluşturmaktadır. Veri toplama sürecinde Afet Tehdidi İçin Psikolojik Hazırlık Ölçeği (ATPHÖ), Bireysel Afet Direnç Değerlendirmesi Ölçeği (BADDÖ) ve Fiziksel Deprem Hazırlığı Ölçeği (FDHÖ) kullanılmıştır.
Ölçeklerin güvenirlik analizlerinde Cronbach’s alfa katsayılarının 0,79–0,95 arasında değiştiği; açımlayıcı faktör analizi sonucunda BADDÖ’nün dört, ATPHÖ’nün ise iki faktörlü yapıya sahip olduğu ve bu yapıların toplam varyansın sırasıyla %62,55 ve %64,01’ini açıkladığı belirlenmiştir. Doğrulayıcı faktör analizi ile birleşim ve ayrışım geçerliliği bulguları, ölçüm modellerinin kabul edilebilir düzeyde olduğunu ortaya koymuştur. Yapısal eşitlik modeli sonuçları, afet tehdidi için psikolojik hazırlığın bireysel afet direnci üzerinde güçlü ve anlamlı bir etkiye sahip olduğunu göstermektedir (β = 0,78, p <0,05). Psikolojik hazırlık, bireysel afet direncindeki varyansın %61,2’sini açıklamaktadır (R² = 0,612). En güçlü göstergesi Dış Durumsal Çevre Bilgisi ve Yönetimi (β = 0,87), en güçlü bileşen ise Bilgi alt boyutu olmuştur (β = 0,89; R² = 0,795). Duygusallık alt boyutunun direnç üzerinde negatif ve anlamlı bir etkisi olduğu belirlenmiştir (β = –0,31, p <0,05). Betimleyici bulgular, psikolojik hazırlık düzeylerinin orta (ATPHÖ = 2,99 ± 0,51), bireysel afet direnci düzeylerinin ise ortalamanın üzerinde olduğunu göstermektedir (BADDÖ = 3,28 ± 0,47). Fiziksel deprem hazırlığı bilgi düzeyi yüksek olmasına rağmen bu bilginin yapısal önlemlere yeterince yansımadığı belirlenmiştir. Erkek ve ileri yaş grubundaki öğretmenlerin hazırlık düzeylerinin daha yüksek olduğu, afet deneyimi bulunan bireylerde ise bu düzeyin daha düşük olduğu saptanmıştır. Sonuç olarak bulgular, öğretmenlerde psikolojik hazırlığın artırılmasının bireysel afet direncini anlamlı biçimde güçlendirdiğini ve afetlere yönelik bütüncül hazırlık politikalarında önemli bir bileşen olduğunu göstermektedir.
Antioxidant capacity and α-glucosidase inhibitor activity of Bryonia aspera extracts and its major constituent p-coumaric acid: Phytochemical analysis, biological evaluation and computational approach
(Elsevier, 2026) Tuncay, Salih; Karasakal, Ömer Faruk; Açar, Mikail; Toptancı, İsra; Şenol, Halil; Çırak, Olgun; Işık, Mesut; Beydemir, Şükrü
This study comprehensively investigated the phenolic composition, antioxidant potential, and α-glucosidase inhibitory properties of B. aspera Steven ex Ledeb. extracts using integrated in vitro and in silico approaches. LC-MS/MS analysis identified seven major phenolic compounds, caffeic acid, chlorogenic acid, galangin, gallic acid, naringenin, p-coumaric acid, and rutin, with p-coumaric acid being the most abundant (306.71 mg/kg in aerial and 155.56 mg/kg in root extracts). Both extracts exhibited strong antioxidant and α-glucosidase inhibitory activities, particularly the aerial extract (IC50 = 0.678 and 0.173 for DPPH, ABTS, respectively and 0.022 mg/mL for α-glucosidase inhibition). Molecular docking and MM-GBSA analyses supported these findings, showing that p-coumaric acid had the strongest binding to α-glucosidase (–7.783 kcal/mol, ΔG = –47.76 kcal/mol), stabilized by key interactions with Asp-62, Arg-200, His-332, and Arg-400. A 250 ns molecular dynamics simulation confirmed the stability of the complex, and in silico ADME analysis revealed good oral absorption (67%) and compliance with Lipinski’s rule. Overall, results indicate that p-coumaric acid is the primary bioactive compound contributing to the antioxidant and α-glucosidase inhibitory activity of B. aspera, with promising potential as a natural lead for α-glucosidase inhibition.
Fotovoltaik sistemlerde hata tespiti ve sınıflandırılması için doğrusal ve doğrusal olmayan boyut azaltma tekniklerinin karşılaştırmalı bir değerlendirmesi
(Bilecik Şeyh Edebali Üniversitesi, Lisansüstü Eğitim Enstitüsü, 2026) Karaca, Gökhan; Turhal, Ümit Çiğdem
Fotovoltaik (FV) sistemlerde arızaların doğru ve zamanında tespit edilmesi; operasyonel güvenilirliğin artırılması, enerji üretim kayıplarının azaltılması ve bakım süreçlerinin daha etkin yürütülmesi açısından kritik öneme sahiptir. Modern FV sistemlerden elde edilen akım, gerilim, güç, ışınım ve sıcaklık tabanlı ölçüm verileri yüksek boyutlu, korelasyonlu ve doğrusal olmayan özellikler gösterebilmektedir. Bu nedenle arıza sınıflandırma başarısı yalnızca kullanılan sınıflandırıcı algoritmaya değil, aynı zamanda ölçüm verilerinin nasıl temsil edildiğine ve boyut azaltma sürecinin etkinliğine de bağlıdır.
Bu çalışmada, FV arıza sınıflandırması için doğrusal ve çekirdek tabanlı doğrusal olmayan boyut azaltma tekniklerini karşılaştırmalı olarak değerlendiren bir analiz çerçevesi sunulmuştur. Bu kapsamda doğrusal yöntemler olarak Temel Bileşen Analizi (PCA), Doğrusal Ayırma Analizi (LDA) ve Bağımsız Bileşen Analizi (ICA); çekirdek tabanlı doğrusal olmayan yöntemler olarak ise Çekirdek Temel Bileşen Analizi (KPCA), Çekirdek Doğrusal Ayırma Analizi (KLDA) ve KPCA-ICA yaklaşımı incelenmiştir. KPCA-ICA yaklaşımı, bu çalışmada KPCA ile elde edilen doğrusal olmayan temsil uzayı üzerinde ICA uygulanması şeklinde gerçekleştirilmiştir.
Analizlerde, MATLAB/Simulink ortamında modellenen 250 kW gücündeki şebeke bağlantılı FV sistemden elde edilen simülasyon tabanlı veri seti kullanılmıştır. Veri setinde normal çalışma, string arızası, string-toprak arızası ve string-string arızası olmak üzere dört farklı sistem durumu ele alınmıştır. FV sistemden elde edilen akım, gerilim, güç, ışınım, sıcaklık ve türetilmiş istatistiksel özellikler kullanılarak veri ön işleme, standardizasyon, boyut azaltma ve sınıflandırma adımları uygulanmıştır. Performans değerlendirmesinde doğruluk, AUC, kesinlik, duyarlılık, F1 skoru, özgüllük ve işlem süresi ölçütleri dikkate alınmıştır.
Elde edilen sonuçlar, boyut azaltma yöntemleri arasında KPCA’nın bu veri seti ve değerlendirme protokolü kapsamında AUC ve F1 skoru bakımından en başarılı temsil yaklaşımı olduğunu göstermiştir. KPCA ve PCA aynı doğruluk düzeyine ulaşmış olsa da KPCA’nın daha yüksek AUC ve F1 skoru üretmesi, doğrusal olmayan temsil uzayının arıza sınıfları arasındaki ayırt ediciliği artırdığını ortaya koymuştur. PCA ise doğrusal, sade ve yorumlanabilir yapısı nedeniyle mühendislik uygulamaları açısından güçlü bir alternatif olarak değerlendirilmiştir. LDA, ICA ve KLDA yöntemleri genel sınıflandırma performansı açısından orta düzeyde sonuçlar üretirken, KPCA-ICA yaklaşımı bu veri setinde sınırlı sınıflandırma başarısı göstermiştir.
Ayrıca yöntemlerin saha benzeri koşullar altındaki dayanıklılığını değerlendirmek amacıyla test verisi üzerinde gürültü, rastgele eksik veri, blok eksik veri, sensör sürüklenmesi, tek sensör kaybı ve ışınım bandı temelli senaryolar oluşturulmuştur. Dayanıklılık analizleri, genel performans açısından KPCA’nın öne çıkmasına karşın, çevresel değişkenlik altında özellikle düşük ışınım bandında KLDA tabanlı yapının en güçlü sonucu verdiğini göstermiştir. Bu bulgu, boyut azaltma yöntemlerinin performansının yalnızca genel sınıflandırma başarısı üzerinden değil, farklı işletme ve bozulum koşulları altındaki kararlılıkları bakımından da değerlendirilmesi gerektiğini ortaya koymaktadır.
Sonuç olarak bu çalışma, FV sistemlerde arıza sınıflandırma başarısının yalnızca sınıflandırıcı seçimine değil, veri temsilinin niteliğine ve bozulum koşulları altındaki dayanıklılık performansına da bağlı olduğunu göstermektedir. Elde edilen bulgular, doğrusal ve doğrusal olmayan boyut azaltma tekniklerinin FV arıza teşhisinde farklı avantajlar sunduğunu ve uygun temsil yönteminin seçiminin sınıflandırma performansı üzerinde belirleyici bir etkiye sahip olduğunu ortaya koymaktadır.
Kur'ân-ı Kerim'de teşbîh sanatı ve meallerde yansıtılması
(Bilecik Şeyh Edebali Üniversitesi, Lisansüstü Eğitim Enstitüsü, 2026) İsen Şahin, Merve; Kaya, İrfan
Apaçık bir Arapça ile indirilmiş olan ilâhî kelâmın belâgat ve fesâhat yönüyle insan kelâmından üstünlüğü kabul edilen bir gerçektir. Kur’ân’ın edebî ifade araçlarından biri olan teşbîh sanatının, Türkiye’de okunma bakımından yaygınlık gösteren Türkçe meâllerin çeviri şekillerinde ortaya çıkan lafzi farklılık ve tutarsızlık sonucunda âyetin doğru anlaşılma noktasında ciddi bir problem oluşturmaktadır. Bu çalışma, ülkemizde yaygın olarak yer alan meâllerin çevirileri sırasında oluşan teşbîh sanatındaki tercüme farklılıklarını, anlam kaymalarını, âyetin işaret ettiği anlamı ve bu sanatın meâllerde ne derece korunabildiğini tespit etmeyi amaçlamaktadır. Bu minvalde çalışmada Muhammed Hamdi Yazır (Hak Dini Kur’ân Dili), Ömer Nasuhi Bilmen (Kur’ân-ı Kerîm’in Türkçe Meâli Âlisi ve Tefsiri), Süleyman Ateş (Kur’ân-ı Kerîm’in Yüce Meâli), Yaşar Nuri Öztürk (Kur’ân-ı Kerîm Meâli), Bayraktar Bayraklı (Yeni Bir Anlayışın Işığında Kur’ân Meâli) ve Diyanet İşleri Başkanlığı (Kur’ân Yolu Meâli) tarafından telif edilen altı farklı meâl yer almaktadır. Çalışmanın temel hipotezi, seçilen meâllerin bazı çevirilerinde teşbîh ögesine yer verilmediği, tarafeyn tespitinin doğru yapılmadığı, müellifin kişisel görüşünü çeviriye aktardığı veya birden fazla anlama yer vererek âyette belirsizlik oluşturduğu, müşebbeh bih çevirisine âyetin murad ettiği mânadan uzak bir anlam verildiği, âyetlerin çevirisinde anlam bütünlüğünün esas alınmadığı gözlemlenmiş ve inceleme sonucunda kimi âyetlerde bazı meâllerin çevirileri isabetli görülürken bazı meâller diğerlerine kıyasla eksik kaldığı tespit edilmiştir. Bu durum ilâhî kelâmın doğru anlaşılmasını zorlaştırmakta ve Kur’ân’ı anlama gayretinde olan insanın aklında soru işareti oluşturmaktadır. Bu çalışmanın hedefi ise âyetlerde gözlemlenen çeviri farklılıklarının yol açtığı problemlere çözüm olarak daha bütüncül, tutarlı ve anlam merkezli bir meâl çalışmasının nasıl olması gerektiğini teşbîh sanatı üzerinden değerlendirerek bu alandaki bir açığı kapatmaya çalışmaktır.
Fotovoltaik arıza tespiti için doğrusal ve doğrusal olmayan PCA, LDA ve ICA yöntemlerinin karşılaştırmalı değerlendirmesi
(Bilsel yayıncılık, 2025) Karaca, Gökhan; Turhal, Ümit Çiğdem; Önal, Yasemin
Fotovoltaik (FV) sistemlerdeki arızaların doğru tespiti, operasyonel güvenilirliği artırmak, enerji verimini en üst düzeye çıkarmak ve bakım maliyetlerini en aza indirmek için esastır. Bu çalışma, akıllı FV arıza sınıflandırması için ön işleme yöntemleri olarak hem doğrusal hem de doğrusal olmayan boyut azaltma tekniklerini (Temel Bileşen Analizi (PCA), Doğrusal Ayırımcı Analiz (LDA), Bağımsız Bileşen Analizi (ICA), Çekirdek PCA (KPCA), Çekirdek LDA (KLDA) ve Çekirdek ICA) değerlendiren birleşik bir karşılaştırmalı çerçeve sunmaktadır.
Bu teknikler, FV elektrik sinyallerinin tamamlayıcı istatistiksel özelliklerini yakalar: doğrusal PCA küresel varyansı modeller, LDA denetimli sınıf ayrılabilirliğini optimize eder ve ICA gizli arıza örüntülerine karşılık gelebilecek istatistiksel olarak bağımsız modları çıkarır. Doğrusal olmayan çekirdek karşılıkları, bu yetenekleri gerçek FV çalışma koşullarında karşılaşılan karmaşık, doğrusal olmayan şekilde ayrılabilir özellik yapılarına genişletir.
Ön işlemeden sonra, her yöntemin aynı deneysel ayarlar altında ayırt edici etkinliğini değerlendirmek üzere bir Destek Vektör Makinesi (SVM) sınıflandırıcısı eğitilmiştir. Normal davranış, kısmi gölgelenme, bozulma ve elektriksel arızalar içeren gerçek operasyonel veri kümeleri, tüm yaklaşımların kıyaslanması için kullanılmıştır. Performans; doğruluk, F1 puanı, karışıklık matrisleri ve hesaplama karmaşıklığı ölçütleri kullanılarak karşılaştırılmıştır.
Ön sonuçlar, PCA’nın sürekli olarak en yüksek genel doğruluk ve kararlılığı sağladığını, KLDA’nın ise kıvrımlar arasında düşük varyansla güçlü bir denetimli sınıf ayrımı sunduğunu göstermektedir. KPCA, verilerdeki doğrusal olmayan yapıları yakalayarak rekabetçi bir performans sergilemekte, ancak biraz daha fazla değişkenliğe sahip olmaktadır. Buna karşın, ICA ve Kernel-ICA sınırlı bir ayrım yeteneği ve gürültüye karşı yüksek hassasiyet göstermekte, bu da onları PV arıza sınıflandırması için daha az uygun hâle getirmektedir.
Genel olarak, bulgular her bir ön işleme yönteminin göreceli güçlü yönlerini açıkça ortaya koymakta ve yeni nesil PV izleme ve arıza teşhis sistemlerinde etkili boyut azaltma yöntemlerinin seçilmesi için pratik rehberlik sağlamaktadır.
