Konut finansman yöntemlerinde riskler: hane halkının konut finansman yöntemlerini değerlendirmesine yönelik bir araştırma
Bibliographic record
Abstract
KONUT FİNANSMAN YÖNTEMLERİNDE RİSKLER: \nHANE HALKININ KONUT FİNANSMAN YÖNTEMLERİNİ DEĞERLENDİRMESİNE YÖNELİK BİR ARAŞTIRMA\n\nÜlkemiz ekonomisinde uzun yıllar boyu devam eden yüksek enflasyon ve faiz oranları nedeniyle etkin bir konut finansmanı sistemi oluşturulamamıştır. Son birkaç yıldır ekonomimizde istikrarın oluşturulmasına yönelik yapılan iyileştirmeler neticesinde enflasyon ve faiz oranları belli seviyelere kadar düşürülmüş ve bu iyileştirmelere paralel olarak ülkemizde etkin ve uzun vadeli bir konut finansman sisteminin oluşturulması için gerekli düzenlemeler yapılmaktadır. Ülkemizde oluşturulmaya çalışılan konut finansman sisteminin başarılı bir şekilde uygulanabilmesi ve tüketicilerin uygun şartlarda konut sahibi olabilmelerinin sağlanması için bireylerin;\n\ttercih edecekleri konut satın alma yöntemlerinin, \n\tkonut ve konut edinim yöntemleri konularındaki bilgi birikiminin,\n\tgelir düzeyleri ve tasarrufta bulunabilme imkanlarının,\n\tkonut talepleri ve konut talebindeki eğilim ve alışkanlıkların \nbilinmesinin önemli olduğu düşünülerek anket çalışması yapılmıştır. Yapılan çalışma ile esas olarak; kişilerin konut finansmanı konusunda sahip oldukları bilgi birikimlerinin tercih edecekleri konut satın alma yöntemleri üzerindeki etkisinin ölçülmesi amaçlanmıştır. \nYapılan çalışma sonucunda kişilerin tercih ettikleri konut satın alma yöntemlerinin; kişilerin sahip oldukları öğrenim düzeyine (ilkokul, ortaokul, lise, üniversite ve yüksek lisans) ve ipotekli konut kredileri kapsamında ülkemizde yapılan yasal düzenlemeler konusundaki bilgi sahipliğine göre farklılık göstermediği ancak, kişilerin üniversiteden mezun oldukları bölüme (“işletme-ekonomi-bankacılık” ve “diğer”) göre farklılık gösterdiği anlaşılmıştır. \nAnahtar Kelimeler: “Konut Finansman Sistemleri”, “Öğrenim Düzeyi”, “Mortgage Krizleri”, “Riskler”, “Hane Halkı”\n RISKS OF HOUSING FINANCE SYSTEMS:\nA RESEARCH FOR HOUSEHOLD’S EVALUATION OF \nHOUSING FINANCE SYSTEMS\nABSTRACT\nDue to high inflation and interest rates persisting in years in our country economy, a strong housing finance system has not been established so far. In recent years, due to economic stability accompanying with decreasing inflation and interest rates, legal arrangements have been done to establish a strong and long term housing finance system.\nIn order to establish a successful housing finance system in our country and for people to get home in relevant conditions, it is thought that it is important to know the people’s views on: \n\tChoices of housing finance system for home buying,\n\tKnowledge level about housing and housing finance systems,\n\tIncome level and capacity to save,\n\tHousing demands, tendencies and habits in housing demands.\nIn order to achieve this purpose a questionnaire was prepared. Which aimed to determine the effect of knowledge level while choosing house financing system.\nThe result of this paper shows that choices on house financing systems don’t differ according to level of education and level of knowledge about legal arrangement in mortgage system, but differ with regards to the department (management, economics, banking and others) which people were graduated from. \nKey Words: “Housing Finance Systems”, “Educational Level”, “Mortgage Crisis”, “Risks”, “Household”
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 | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.029 | 0.005 |
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".