Büyükşehir Belediyelerince Sunulan Yerel Hizmetlerin Kamu Denetçiliği Kurumu Kararlarına Göre Değerlendirilmesi
Bibliographic record
Abstract
Bu bölüm, Kamu Denetçiliği Kurumu (KDK) kararları aracılığıyla büyükşehir belediyelerinin sunduğu yerel hizmetlerin niteliğini ve bu hizmetler bağlamında ortaya çıkan idari uyuşmazlık alanlarını incelemeyi amaçlamaktadır. Araştırma, KDK’nin çevrimiçi ortamda kamuya açık olan Kararlar Bilgi Bankası verilerinin nitel analizi üzerine temellendirilmiştir. Çalışma kapsamında 2013–2025 yılları arasında yayımlanan toplam 13.484 karar içerisinden, “Mahalli İdarelerce Yürütülen Hizmetler” başlığı altında yer alan 185 karar inceleme kapsamına alınmıştır. Veriler doküman analizi yöntemiyle çözümlenmiş; elde edilen bulgular içerik analizi ve tematik analiz teknikleriyle sınıflandırılmıştır. Analiz sonuçları büyükşehir belediyeleri hakkında yapılan şikâyetlerin en çok ulaşım, su ve kanalizasyon, imar ve mülkiyet, çevre yönetimi, ticari ruhsatlandırma ve sosyal hizmetler alanlarında yoğunlaştığını ortaya koymuştur. Bulgular, belediyelerin hizmet sunum süreçlerinde mevzuat uygulamaları ile vatandaş beklentileri arasında belirgin bir uyumsuzluk bulunduğunu göstermektedir. Ayrıca, ombudsmanlık kararlarının bağlayıcı bir niteliğe sahip olmamasına karşın bu kararların idarenin şeffaflık, hesap verebilirlik, katılımcılık ve insan hakları temelli kamu hizmeti anlayışının güçlendirilmesine önemli katkılar sunduğu sonucuna ulaşılmıştır.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| 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) | 0.031 | 0.006 |
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".