GELENEKSEL BANKACILIK VE KATILIM BANKACILIĞI UYGULAMALARI: KARŞILAŞTIRMALI PERFORMANS ANALİZİ
Bibliographic record
Abstract
Bu çalışmada bankacılık tarihi, geleneksel bankacılık ve katılım bankacılığı uygulamaları, kâr payı ve faiz ile ilgili detaylı bilgiler literatür doğrultusunda açıklanmaya çalışılmıştır. Finansal sistem içinde bulunan bankaların ortaya çıkışı ve önemi karşılaştırılmıştır. Çalışmanın analiz kısmında geleneksel bankaları ve katılım bankalarının 2017 ve 2020 yılları arasındaki verileri TBB ve TKBB aracılığıyla elde edilerek, karşılaştırmalı finansal analizi yapılmıştır. Çalışmanın sonucunda, geleneksel ve katılım bankalarının arasında katılım bankalarının performansının daha yüksek olduğu tespit edilmiştir. Fakat bankacılık sektöründe katılım bankalarının, geleneksel bankalara oranla sayılarının daha az olduğu gözlenmiştir. Buna rağmen katılım bankaları, bankacılık sektöründe önemli bir gelişme gösterdiği ortaya çıkmıştır. Katılım bankalarının müşterilerine ve sektöre yönelik iyileştirici çalışmalar yapması, marka tanınırlığı üzerinde stratejik hamleleri uygulaması bankacılık sektöründeki payının artıracağını ön göstermektedir.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.027 | 0.004 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".