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
Social Media Content Analysis within the Framework of the Sustainable Development Goals: The Case of Bilecik Municipality
(Bilecik Şeyh Edebali Üniversitesi, 2026) Taflan, Anıl; Jarada, Maher; Koca, Gözde
Bu çalışma, yerel yönetimlerin sürdürülebilir kalkınma anlayışını dijital iletişim pratikleri üzerinden nasıl görünür kıldığını incelemeyi amaçlamaktadır. Bu doğrultuda, Bilecik Belediyesi tarafından 2 Nisan 2024 – 1 Aralık 2025 tarihleri arasında Instagram platformunda paylaşılan toplam 955 gönderi, sürdürülebilirlik perspektifinden içerik analizi yöntemiyle değerlendirilmiştir. Paylaşımlar; sosyal, ekonomik ve çevresel sürdürülebilirlik boyutları ile Birleşmiş Milletler Sürdürülebilir Kalkınma Hedefleri (SKH) çerçevesinde sınıflandırılmış ve tematik analiz yoluyla çözümlenmiştir. Elde edilen bulgular, belediyenin sosyal medya iletişiminin belirgin biçimde sosyal sürdürülebilirlik boyutunda yoğunlaştığını göstermektedir. Paylaşımların %92,8’i sosyal sürdürülebilirlik kapsamında kodlanırken, ekonomik (%26,7) ve çevresel (%18,5) sürdürülebilirlik boyutlarının görece daha sınırlı temsil edildiği tespit edilmiştir. Sosyal içeriklerde; kırılgan gruplara yönelik hizmetler, sağlık temelli dayanışma uygulamaları ve çocuk odaklı kültürel etkinlikler ön plana çıkmaktadır. Sürdürülebilir Kalkınma Hedefleri dağılımı incelendiğinde ise paylaşımların ağırlıklı olarak SKH 11 (Sürdürülebilir Şehirler ve Topluluklar), SKH 4 (Nitelikli Eğitim), SKH 16 (Barış, Adalet ve Güçlü Kurumlar) ve SKH 3 (Sağlık ve İyi Oluş) hedefleri etrafında yoğunlaştığı görülmektedir. Tematik analiz sonuçları, belediyenin sürdürülebilirlik söyleminin sosyal dayanışma ve refah, kent yaşamı, ekonomik erişilebilirlik ve çevresel duyarlılık temaları etrafında yapılandığını ortaya koymaktadır. Çalışma, yerel yönetimlerin sürdürülebilirlik performansının yalnızca politika belgeleri üzerinden değil, sosyal medya içerikleri aracılığıyla da sistematik biçimde analiz edilebileceğini göstermesi bakımından literatüre katkı sunmaktadır.
Meteorolojik veri füzyonu destekli fotovoltaik güç üretim tahmini için hibrit derin öğrenme modellerinin geliştirilmesi
(Bilecik Şeyh Edebali Üniversitesi, Lisansüstü Eğitim Enstitüsü, 2026) Çoma, İbrahim; Dandıl, Emre
Fotovoltaik (FV) sistemlerde güç üretiminin doğası gereği meteorolojik koşullara yüksek oranda bağımlı olması, şebeke entegrasyonu ve enerji arz güvenliği açısından isabetli tahmin modellerinin geliştirilmesini zorunlu kılmaktadır. Bu tez çalışmasında, Sakarya’nın Karaman bölgesinde faaliyet gösteren 5 MW kurulu güce sahip FV GES’in saatlik üretim verileri ile NASA POWER veri tabanından alınan meteorolojik veriler (radyasyon, sıcaklık ve yağış) entegre edilerek, güç üretimini yüksek doğrulukla tahmin edebilen hibrit bir derin öğrenme mimarisi Autoencoder-Long Short Term Memory (AE-LSTM) geliştirilmiştir. Geliştirilen mimarinin performansı, literatürdeki güncel modellerle olan Recurrent Neural Network (RNN), Long Short-Term Memory (LSTM), Bi-directional Long Short-Term Memory (Bi-LSTM), Autoencoder (AE) ve Transformer ile karşılaştırmalı olarak analiz edilmiştir. Makine öğrenmesi metodolojisine uygun olarak, veri sızıntısını önlemek ve modellerin genelleme kapasitesini objektif biçimde ölçmek amacıyla zaman serisi şeklindeki veri seti, kronolojik olarak 18 ay eğitim, 3 ay doğrulama ve 3 ay test periyotlarına bölünmüştür. Modellerin hiperparametre duyarlılıkları, eksik öğrenme ve aşırı öğrenme eşikleri 30, 60 ve 120 epok’ luk (adım) üç farklı eğitim sürecinde incelenmiştir. Yapılan analizler sonucunda, mimarilerin fiziksel sınırları en iyi kavrayabildiği optimum öğrenme eşiğinin ise 120 epok olduğu deneysel olarak kanıtlanmıştır. Modellerin tahmin performansları, farklı iklim ve radyasyon koşullarını yansıtan alışılmışın dışında senaryolar üzerinden değerlendirilmiştir. Test sonuçlarına göre, 120 epokluk optimum eğitim düzeyinde AE-LSTM modeli, sıcak, kurak, yüksek radyasyonlu ve açık günlerde 0.9705 R² skoruna ve %6.62 MAE oranına ulaşarak başarılı bir tahmin doğruluğu göstermiştir. Karmaşık meteorolojik geçişlerin yaşandığı bütüncül aylık analizlerde AE-LSTM modeli ortalama 0.95 R² civarında kararlılığını korurken; geleneksel RNN ve LSTM ağları bu gürültülü verilerde %20'nin üzerinde RMSE değerleri üreterek ana eğilimden sapmıştır. Özellikle kış aylarının düşük radyasyonlu ve kapalı günlerinde, standart Transformer mimarisi 0.65 R² seviyelerine kadar düşüp ciddi performans kayıpları yaşarken; hibrit AE-LSTM modeli, giriş matrisindeki meteorolojik gürültüleri AE katmanının boyut indirgeme yeteneği ile filtreleyip aynı koşullarda 0.90 R² üzerinde kalmayı başarmıştır. Elde edilen bulgular, meteorolojik veri füzyonu destekli AE-LSTM mimarisinin, standart zaman serisi ağlarına göre hata oranlarını asgari düzeye indirdiğini göstermektedir. Önerilen modelin, çok değişkenli fotovoltaik güç tahmini problemlerinde kararlı olduğu bilimsel olarak ortaya konulmuştur.
Acil yardım ve afet yönetimi bağlamında hemşirelik öğrencilerinin Crush Sendromu bilgi düzeylerinin değerlendirilmesi
(Bilecik Şeyh Edebali Üniversitesi, Lisansüstü Eğitim Enstitüsü, 2026) Tel, Rukiye; Yarbay, Rahmiye Zerrin; Ergün, Osman Furkan
Bu araştırma, hemşirelik öğrencilerinin crush sendromuna ilişkin bilgi düzeylerini belirlemek amacıyla gerçekleştirilmiştir. Tanımlayıcı ve kesitsel tipte planlanan çalışma, bir devlet üniversitesinin hemşirelik bölümünde öğrenim gören 487 öğrenci ile yürütülmüştür. Veriler, demografik bilgi formu ve Ekşi ve Panuş (2023) tarafından geliştirilen "Hastane Öncesi Crush Sendromu Bilgi Düzeyi Ölçeği" aracılığıyla toplanmıştır. Ölçeğin güvenirliği Cronbach alfa katsayısı ile değerlendirilmiş; veri dağılımının normal olmadığı Shapiro–Wilk testi ile belirlenmiştir. Gruplar arası karşılaştırmalarda Kruskal–Wallis ve Mann–Whitney U testleri, madde düzeyindeki analizlerde ise Pearson Ki-kare testi kullanılmıştır.
Öğrencilerin toplam bilgi puanı ortalaması 18,42 ± 9,42 (medyan=22,00; Q1–Q3=8,00–27,00) olarak saptanmış olup bu değer Ekşi ve Panuş (2023) tarafından belirlenen bireysel sınıflandırmaya göre "iyi düzeyde yeterli" aralığına karşılık gelmektedir. Alt boyutlar incelendiğinde Genel Bilgi (%63,3) ve Transport (%63,0) alt boyutlarında doğru yanıt oranlarının görece yüksek; İleri Düzey Bilgi (%55,6) ve Tedavi (%47,4) alt boyutlarında ise görece düşük seyrettiği belirlenmiştir. Sınıf düzeyine göre yapılan analizlerde üst sınıf öğrencilerinin toplam bilgi puanlarının anlamlı düzeyde daha yüksek olduğu bulunmuştur (H=56,083; p<0,001). Crush sendromuyla daha önce karşılaşmış olan öğrencilerin bilgi puanlarının da anlamlı biçimde daha yüksek olduğu saptanmıştır (U=17.380,500; Z=−7,244; p<0,001). Ayrıca afet ve acil sağlık alanına yönelik ilgi düzeyine göre toplam bilgi puanları arasında istatistiksel olarak anlamlı fark bulunmuştur (H=48,848; p<0,001).
Sonuç olarak hemşirelik öğrencilerinin crush sendromuna ilişkin bilgi düzeylerinin iyi düzeyde yeterli aralığında yer aldığı; bununla birlikte özellikle tedavi yönetimi ve ileri düzey klinik karar gerektiren alanlarda bilginin pekiştirilmesine yönelik fırsatlar bulunduğu belirlenmiştir. Bu bulgular, hemşirelik eğitiminde afet ve acil durumlara yönelik içeriklerin uygulamalı ve senaryo temelli yaklaşımlarla desteklenmesinin önemine dikkat çekmektedir.
Yerel yönetimlerin dijital sürdürülebilirlik iletişimi: BEBKA bölgesi örneği
(Bilecik Şeyh Edebali Üniversitesi, Lisansüstü Eğitim Enstitüsü, 2026) Jarada, Maher; Koca, Gözde
Bu araştırma, BEBKA bölgesinde faaliyet gösteren Bilecik Belediyesi, Eskişehir Büyükşehir Belediyesi ve Bursa Büyükşehir Belediyesi'nin 01.04.2024–01.04.2026 tarihleri arasındaki Instagram paylaşımları üzerinden yürüttükleri dijital sürdürülebilirlik iletişimi pratiklerini sistematik biçimde incelemeyi amaçlamaktadır. Dijital iletişim araçlarının kamu yönetimindeki artan rolüyle birlikte sosyal medya platformları, belediyelerin sürdürülebilirlik faaliyetlerini kamuoyuna aktarmaları ve vatandaşlarla etkileşim kurmaları açısından kritik bir iletişim kanalına dönüşmüştür. Bununla birlikte yerel yönetimlerin sürdürülebilirlik iletişiminin Birleşmiş Milletler Sürdürülebilir Kalkınma Amaçları (SKA) ile ne ölçüde uyumlu olduğuna dair araştırmaların sınırlı kaldığı görülmektedir. Araştırmada nicel ve nitel yöntemleri bir arada kullanan karma yöntem yaklaşımı benimsenmiş; toplam 4.875 Instagram gönderisi MAXQDA yazılımı aracılığıyla içerik analizi ve tematik analiz yöntemleriyle incelenmiştir. Paylaşımlar Triple Bottom Line (TBL) çerçevesinde çevresel, sosyal ve ekonomik sürdürülebilirlik boyutlarına ve Birleşmiş Milletler'in 17 SKA'sına göre sistematik biçimde kodlanmıştır. Araştırma bulguları, sosyal sürdürülebilirlik içeriklerinin (%91) baskın konumda olduğunu; çevresel (%24) ve ekonomik (%39) boyutların ise görece geri planda kaldığını ortaya koymaktadır. SKA analizi sonuçları, SKA 11: Sürdürülebilir Şehirler ve Topluluklar'ın %68 oranıyla baskın hedef olduğunu; buna karşın enerji ve su ekosistemi gibi kritik alanlarda iletişim boşlukları bulunduğunu göstermektedir. Tematik analiz bulguları ise her üç belediyenin kurumsal kimlik, coğrafi aidiyet ve toplumsal etkinlikler ekseninde iletişim kurduğunu; bütüncül ve stratejik bir sürdürülebilirlik iletişimi modelinin henüz kurumsal bir pratik olarak yerleşmediğini ortaya koymaktadır. Bu araştırma, BEBKA bölgesinde yerel yönetimlerin dijital sürdürülebilirlik iletişimini TBL, SKA ve tematik analiz çerçevelerini bir arada kullanarak ele alan ilk çalışmalardan biri olma niteliğiyle literatüre özgün bir katkı sunmaktadır.
Multi-Scale Forecasting of Photovoltaic Power Generation Using LSTM Networks
(Liberty Academic Publishers, 2026) Çoma, İbrahim; Dandıl, Emre
Accurate forecasting of photovoltaic (PV) power generation is essential for maintaining power grid stability and improving the operational efficiency of solar power plants. However, most existing forecasting approaches rely heavily on external meteorological data such as solar irradiance, temperature, and wind speed, which may not always be available due to sensor limitations, high installation costs, or data transmission failures. This dependency significantly restricts the practical applicability of such models in real-world scenarios. In this study, Long Short-Term Memory (LSTM) deep learning-based forecasting framework is proposed to predict PV power generation using historical production data. Hourly power generation data collected from a grid-connected photovoltaic power plant located in Sakarya, Türkiye, covering a period of 26 months, are utilized. LSTM networks are employed due to their ability to model long-term temporal dependencies in time series data. The proposed approach incorporates cyclical time features representing hour-of-day and month-of-year into the model using transformations. This enables the network to learn daily and seasonal periodic patterns. The proposed approach is evaluated across daily, weekly, monthly, seasonal and yearly forecasting horizons. Model performance is rigorously assessed using an out-of-time validation strategy where the model is trained using historical data and tested using completely unseen data. The experimental results show high forecasting accuracy at all time scales. The model achieved an R2 score of 0.997 for short-term daily forecasts. Seasonal and yearly analyses further confirm the model's robust performance, particularly during the summer months. These findings indicate that the proposed method is a cost-effective and scalable solution for reliable PV power forecasting in real-world photovoltaic energy management applications.
