Kurumsal ve Akıllı Kurumsal Kaynak Planlama Süreçleri ve Kamu Denetim Süreçleri Açısından Değerlendirilmesi
Bibliographic record
Abstract
Çalışmamızda kamu sektörü ve dijital dönüşüm için önemli bir stratejik araç olan kurumsal kaynak planlama yazılımları değerlendirilmektedir. Kurumsal kaynak planlama yazılımları kamu sektörü için oldukça değerli bir yazılım araçlarıdır. Basit bir yazılımdan farklı, kapsamlı ve stratejik araçlardır. İşletme fonksiyonlarını kapsayan, kritik değerde dijital dönüşüm araçlarıdır. Çalışmada, “kamu yönetimi”, “kurumsal kaynak planlama”, “belediyeler”, “devlet ve kurumsal kaynak planlama yazılımı” arama sözcükleri ile Google Scholar ve Web of Science üzerinde aramalar gerçekleştirilmiştir. Bu sayede ulusal ve uluslararası literatürden faydalanılarak kurumsal kaynak planlama yazılımlarının kamu yönetim açısından tartışılması hedeflenmiştir. Ayrıca, alan uzmanları için kapsamlı bir değerlendirme sunulmuştur. Türkiye’de ve dünyada başarılı ve başarısız kurumsal kaynak planlama projeleri ve çalışmaları bu sayede değerlendirilebilmiş ve başarı ve başarısızlık faktörleri kapsamlı bir şekilde ele alınmıştır. Ayrıca kurumsal kaynak planlama için yapay zeka teknlojisini içine alan en güncel yaklaşım olan akıllı kurumsal kaynak planlama konusunda değerlendirmede bulunulmuştur. Bu yönüyle Türkçe literatürde gerçekleştirilen en derin ve kapsamlı çalışma olarak ifada edilebilir.
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 | 0.013 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.009 | 0.006 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.036 | 0.011 |
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".