A HYBRIT PREDICTION MODEL DEVELOPED WITH CNN AND XGBOOST ALGORITMS FOR PREDICTING EMPLOYEE TURNOVER RATE
Abstract
High employee turnover in businesses not only increases costs but also negatively impacts performance. Elevated turnover disrupts business continuity, makes it difficult for employees to maintain focus, and leads to the loss of experienced personnel. The process of recruiting and onboarding new staff is both time-consuming and costly, while the adaptation period required for aligning with the organizational culture reduces overall efficiency. This situation adversely affects trust and stability within the organization, potentially resulting in a loss of confidence among customers and business partners. In this study, HR data were analyzed using CNN and XGBoost algorithms to understand the reasons behind employee attrition. The aim of the research is to develop a model that predicts employee turnover rate. In the methodology, a hybrid model was created by applying CNN and XGBoost algorithms to a synthetic HR dataset obtained from the Kaggle platform. The model's performance was evaluated using metrics such as accuracy, precision, and F1score. The findings demonstrated that the hybrid model exhibited high performance in predicting employee turnover, achieving an accuracy rate of 97%. Consequently, the developed model is suggested to be an effective tool for workforce planning and enhancing employee satisfaction. However, the use of such models should be carefully considered from both ethical and managerial perspectives. It is crucial for businesses to utilize these predictive models not only for workforce planning but also to develop strategies aimed at improving employee satisfaction.
References
- Aalst, W., Damiani, E. (2015). Processes meet big data: connecting data science with process science. IEEE Transactions on Services Computing, 8(6), 810-819. http://dx.doi.org/10.1109/TSC.2015.2493732
- Adeusi, K. B., Amajuoyi, P., Benjami, L. B. (2024). Utilizing machine learning to predict employee turnover in high-stress sectors. International Journal of Management & Entrepreneurship Research, 6(5), 1702-1732.
- Altun, M. G., Altun, A. H. (2025). Yüksek performanslı betonun basınç dayanımının farklı makine öğrenimi algoritmaları ile tahmin edilmesi. Journal of Innovative Engineering and Natural Science, 5(1), 347-361. https://doi.org/10.61112/jiens.1555284
- Aksu, S. G., Sürgevil, O. (2019). Dijital çağın yetkinlikleri: Çalışanlar, insan kaynakları uzmanları ve yöneticiler çerçevesinden bakış. Journal of Business in the Digital Age, 2(2), 54-68.
- Bahadır, M. B., Bayrak, A. T., Yücetürk, G., Ergun, P. (2021, June). A comparative study for employee churn prediction. In 2021 29th Signal Processing and Communications Applications Conference (SIU) (pp. 1-4). IEEE.
- Ben Jabeur, S., Stef N., Carmona P., (2023). Bankruptcy prediction using the XGboost algorithm and variable importance feature engineering. Computational Economics, 61(2), 715-741. http://dx.doi.org/10.1007/s10614-021-10227-1
- Bilenler, B., Gül, S., Uçar, T. (2024). Makine öğrenmesi teknikleri ile işten ayrılacak personelin tahminlenmesi ve tekniklerin performanslarının karşılaştırılması. Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi, 15(4), 807-816.
- Büyükkör, Y., Doğan, S. (2024). Borsa endeks yönünün ağaç tabanlı topluluk makine öğrenmesi yöntemleri ile tahmini: bist-100 örneği. Bingöl Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, (27), 324-335. https://doi.org/10.29029/busbed.1391790
- Chen T., Guestrin C. (2016). XGBoost: A scalable tree boosting system. KDD '16: Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 785-794. http://dx.doi.org/10.1145/2939672.2939785
- Coşkun, C., Baykal, A. (2011). Veri madenciliğinde sınıflandırma algoritmalarının bir örnek üzerinde karşılaştırılması. Akademik Bilişim, 11, 51-58.
- Çiftçioğlu, B. A., Mutlu, M., & Katırcıoğlu, S. (2019). Endüstri 4.0 ve insan kaynakları yönetiminin ilişkisi. Bandırma Onyedi Eylül Üniversitesi Sosyal Bilimler Araştırmaları Dergisi, 2(1), 31-53.
- Del Prado, FLE., Roselloni MAD. (2017). Developing technological capability through human resource management: case study from the Philippines. Asian Journal of Technology Innovation. http://dx.doi.org/10.1080/19761597.2017.1385973
- Dolatabadi S. H., Keynia F. (2017). Designing of customer and employee churn prediction model based on data mining method and neural predictor. The 2nd International Conference on Computer and Communication Systems. http://dx.doi.org/10.1109/CCOMS.2017.8075270
- Dündar, K., Ağaçayak, A. (2023). Yapay zekâ ve makine öğrenmesi ile insan ilişkileri analizi. S. Neşeli, H. Terzioğlu (Ed.) Mühendislikte Yenilikçi Yaklaşımlar-2 içinde (ss.123-144), İstanbul: Eğitim Yayınevi.
- Ersöz, F., Çınar, Y. (2021). Veri madenciliği ve makine öğrenimi yaklaşımlarının karşılaştırılması: Tekstil sektöründe bir uygulama. Avrupa Bilim ve Teknoloji Dergisi, (29), 397-414.
- Fırat, H., Hanbay, D. (2022). Comparison of 3D CNN based deep learning architectures using hyperspectral images. Journal of the Faculty of Engineering and Architecture of Gazi University, 38(1).
- Fonseca, F. (2021). Data objects for knowing. AI & Society. http://dx.doi.org/10.1007/s00146-021-01150-y
- Gökalp, Ö. M. (2020). Makine öğrenmesi. Erişim adresi: https://www.researchgate.net/publication/357974983_Makine_Ogrenmesi_- _Machine_Learning.
- Gümüş, H. T., Eyüpoğlu, C. (2023). Grafik sinir ağlarına genel bir bakış. EMO Bilimsel Dergi, 13(2), 39-56.
- Holtom, B. C., Mitchell, T. R., Lee, T. W., Eberly, M. B. (2008). Turnover and retention research: A glance at the past, a closer review of the present, and a venture into the future. The Academy of Management Annals, 2(1), 231 274. https://doi.org/10.1080/19416520802211552
- Kambur, E. (2022). Yapay zeka çağında insan kaynakları yönetimi konusunda yazılmış Türkçe makaleler üzerine bir araştırma. Pamukkale Üniversitesi Sosyal Bilimler Enstitüsü Dergisi (48), 139-152. https://doi.org/10.30794/pausbed.872606
- Kaptanoglu, R. Ö. (2020). İşten ayrılma niyeti ve toksik liderliğin etkisi. IBAD Sosyal Bilimler Dergisi, (6), 161-173. https://doi.org/10.21733/ibad.621500
- Mahlasela, S., Chinyamurindi, WT (2020). Teknolojiyle ilgili faktörler ve işten ayrılma niyetleri üzerindeki etkileri: Güney Afrika'daki devlet çalışanları örneği. Gelişmekte Olan Ülkelerde Bilgi Sistemleri Elektronik Dergisi, 86(3), e12126.
- Meade, J. G. (2003). The human resources software handbook: Evaluating technology solutions for your organization. San Francisco: JosseyBass/Pfeiffer.
- Misican, D.Ö. (2020). İnsan kaynakları profesyonellerinin perspektifinden dijitalleşen çalışma hayatında yapay zekâ. Journal of Academic Value Studies, 6(2) 152-175. http://dx.doi.org/10.29228/javs.42120.
- Nacar, E. N., Erdebilli (b.d.rouyendegh), B. (2021). Makine öğrenmesi algoritmaları ile satış tahmini. Endüstri Mühendisliği, 32(2), 307-320. https://doi.org/10.46465/endustrimuhendisligi.811183
- Oğuzlar, A. (2003). Veri ön işleme. Erciyes Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, (21).
- Özmen EP., Özcan T., (2021). A novel deep learning model based on convolutional neural networks for employee churn prediction. Journal of Forecasting 41(3), 539-550. http://dx.doi.org/10.1002/for.2827
- Park J., Feng YT., Jeong SP., (2024). Developing an advanced prediction model for new employee turnover intention utilizing machine learning techniques. http://dx.doi.org/10.1038/s41598-023-50593-4
- Pelenk, S.E. (2020). İnovatif (yenilikçi) insan kaynakları uygulamalarının yenilik kültürüne etkisi. İstanbul Ticaret Üniversitesi Sosyal Bilimler Dergisi, (Özel Ek), 19 Temmuz 2020 237-261.
- Saradhi, V.V. ve Palshikar, G.K. (2011). Employee churn prediction. Expert Systems with Applications, 38, 19-30. http://dx.doi.org/10.1016/j.eswa.2010.07.134
- Sathya, R., Abraham, A. (2013). Comparison of supervised and unsupervised learning algorithms for pattern classification. International Journal of Advanced Research in Artificial Intelligence, 2(2), 34–38, http://dx.doi.org/10.14569/IJARAI.2013.020206
- Şahin, D., Yılmaz, S. (2021). Endüstri 4.0 uygulamalarının sağlık kurumlarında insan kaynakları yönetimine etkilerinin değerlendirilmesi. Uluslararası Sağlık Yönetimi ve Stratejileri Araştırma Dergisi, 7(1), 142-155.
- Şeker, Ş. E. (2018). CRISP-DM: Endüstriler arası standart işleme–veri madenciliği için (cross ındustry standard processing–data mining). YBS Ansiklopedi, 5(2).
- Tharani, S. M., Raj, S. V. (2020, October). Predicting employee turnover intention in IT&ITeS industry using machine learning algorithms. In 2020 Fourth International Conference on I-SMAC (IoT in Social, Mobile, Analytics and Cloud)(I-SMAC) (pp. 508-513). IEEE.
- Tokmak, M. (2023). XGBoost algoritması ile ikili parçacık sürü optimizasyonu öznitelik seçme tabanlı jar kötü amaçlı yazılımlarının tespiti. Bilecik Şeyh Edebali Üniversitesi Fen Bilimleri Dergisi, 10(1), 140-152.
- Tonbil, D. D., Aksakal, N. Y. (2024). İşe alım, temin-seçim süreçlerinde yapay zekâ ve teknolojilerinin kullanımı: nitel bir araştırma. İstanbul Ticaret Üniversitesi Girişimcilik Dergisi, 7(15), 38-56. https://doi.org/10.55830/tje.1514895
- Tunçer, P. (2012). Değişen insan kaynakları yönetimi anlayışında kariyer yönetimi. Ondokuz Mayis University Journal of Education Faculty, 31(1). https://doi.org/10.7822/egt91
- Turan, G. (2017). Muhasebe meslek mensuplarında iş yaşamı kalitesi ve işten ayrılma niyeti ilişkisi. Yüksek Lisans Tezi, Gaziantep Üniversitesi.
- Türkel, S., Bozagaç, F. (2018). Endüstri 4.0’ in insan kaynakları yönetimine etkileri. Toros Üniversitesi İİSBF Sosyal Bilimler Dergisi, 5(9), 419-441.
- Walker, A. J. (2001). Web-based human resources. New York: McGraw-Hill.
- Wang SY., Huang Y., Cao GQ., (2023). Review on functional data classification. Wiley Interdisciplinary Reviews – Computainal Statics 16(1). http://dx.doi.org/10.1002/wics.1638
- Xu, XX., Ji, Y. (2013). Study on technology innovation and human resources reallocation. Twldth Wuhan International Conference on E-Business. 677-682.
- Yıldız, K. (2023). İstatistiksel yöntemler ile çalışanın işten ayrılmasının tahminlenmesi̇ ve ücret belirlenmesi̇ ile işten ayrılmanın optimizasyonu. Doktora Tezi, Marmara Üniversitesi.
- Yılmaz, B., Halıcı, A. (2010). İşgücü devir hızını etkileyen etmenler: Sekreterlik mesleğinde bir araştırma. Uluslararası İktisadi ve İdari İncelemeler Dergisi, (4).
- Zhong, HP., Fang, RS., Li, XY., Sun, XQ. (2008). Human resource slack and technological innovation: Evidence from Henan province in China. 2008 4th International Conference on Wireless Communications, Networking and Mobile Computing, Vols 1-31, 7065-7068.
ÇALIŞAN DEVİR HIZINI TAHMİN ETMEDE CNN VE XGBOOST ALGORİTMALARI İLE GELİŞTİRİLEN HİBRİT MODEL ÖNERİSİ
Abstract
İşletmelerde yüksek çalışan devir hızı hem maliyetleri artırmakta hem de performansı olumsuz etkilemektedir. Yüksek devir hızı, işletmenin sürekliliğini bozmakta, çalışanların odaklanmasını zorlaştırmakta ve deneyimli personelin kaybına yol açmaktadır. Yeni personel bulma ve adaptasyon süreci zaman alıcı ve maliyetlidir, bu süreçte işletme kültürüne uyum sağlanması verimliliği düşürür. Bu durum, işletme içindeki güven ve istikrarı olumsuz etkileyerek müşteri ve iş ortakları arasında güven kaybına yol açar. Bu çalışmada, çalışanların işlen ayrılma nedenlerini anlamak için CNN ve XGBoost algoritmaları kullanılarak İK verileri analiz edilmiştir. Araştırmanın amacı, çalışan devir hızını tahmin eden bir modeli geliştirmektir. Araştırmanın yönteminde, Kaggle platformundan elde edilen sentetik bir İK veri seti üzerinde CNN ve XGBoost algoritmaları kullanılarak hibrit bir model oluşturulmuş, modelin performansı doğruluk, hassasiyet ve F1 skorları gibi metriklerle değerlendirilmiştir. Bulgular, hibrit modelin %99 doğruluk oranı ile çalışan devir hızı tahmininde yüksek performans sergilediğini göstermiştir. Sonuç olarak, geliştirilen modelin işgücü planlamasında ve çalışan memnuniyetini artırmada etkili bir aracı olabileceği belirtilmiştir. Ancak, bu tür modellerin kullanımı, etik ve yönetim açısından dikkatli değerlendirilmelidir. İşletmelerin, bu tahmin modellerini yalnızca iş gücü planlamasında değil, aynı zamanda çalışan memnuniyetini artırmaya yönelik stratejiler geliştirmede kullanmaları önemlidir.
Keywords
Thanks
Hocama ve Üniversiteme saygı ve sonsuz teşekkürlerimle.
References
- Aalst, W., Damiani, E. (2015). Processes meet big data: connecting data science with process science. IEEE Transactions on Services Computing, 8(6), 810-819. http://dx.doi.org/10.1109/TSC.2015.2493732
- Adeusi, K. B., Amajuoyi, P., Benjami, L. B. (2024). Utilizing machine learning to predict employee turnover in high-stress sectors. International Journal of Management & Entrepreneurship Research, 6(5), 1702-1732.
- Altun, M. G., Altun, A. H. (2025). Yüksek performanslı betonun basınç dayanımının farklı makine öğrenimi algoritmaları ile tahmin edilmesi. Journal of Innovative Engineering and Natural Science, 5(1), 347-361. https://doi.org/10.61112/jiens.1555284
- Aksu, S. G., Sürgevil, O. (2019). Dijital çağın yetkinlikleri: Çalışanlar, insan kaynakları uzmanları ve yöneticiler çerçevesinden bakış. Journal of Business in the Digital Age, 2(2), 54-68.
- Bahadır, M. B., Bayrak, A. T., Yücetürk, G., Ergun, P. (2021, June). A comparative study for employee churn prediction. In 2021 29th Signal Processing and Communications Applications Conference (SIU) (pp. 1-4). IEEE.
- Ben Jabeur, S., Stef N., Carmona P., (2023). Bankruptcy prediction using the XGboost algorithm and variable importance feature engineering. Computational Economics, 61(2), 715-741. http://dx.doi.org/10.1007/s10614-021-10227-1
- Bilenler, B., Gül, S., Uçar, T. (2024). Makine öğrenmesi teknikleri ile işten ayrılacak personelin tahminlenmesi ve tekniklerin performanslarının karşılaştırılması. Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi, 15(4), 807-816.
- Büyükkör, Y., Doğan, S. (2024). Borsa endeks yönünün ağaç tabanlı topluluk makine öğrenmesi yöntemleri ile tahmini: bist-100 örneği. Bingöl Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, (27), 324-335. https://doi.org/10.29029/busbed.1391790
- Chen T., Guestrin C. (2016). XGBoost: A scalable tree boosting system. KDD '16: Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 785-794. http://dx.doi.org/10.1145/2939672.2939785
- Coşkun, C., Baykal, A. (2011). Veri madenciliğinde sınıflandırma algoritmalarının bir örnek üzerinde karşılaştırılması. Akademik Bilişim, 11, 51-58.
- Çiftçioğlu, B. A., Mutlu, M., & Katırcıoğlu, S. (2019). Endüstri 4.0 ve insan kaynakları yönetiminin ilişkisi. Bandırma Onyedi Eylül Üniversitesi Sosyal Bilimler Araştırmaları Dergisi, 2(1), 31-53.
- Del Prado, FLE., Roselloni MAD. (2017). Developing technological capability through human resource management: case study from the Philippines. Asian Journal of Technology Innovation. http://dx.doi.org/10.1080/19761597.2017.1385973
- Dolatabadi S. H., Keynia F. (2017). Designing of customer and employee churn prediction model based on data mining method and neural predictor. The 2nd International Conference on Computer and Communication Systems. http://dx.doi.org/10.1109/CCOMS.2017.8075270
- Dündar, K., Ağaçayak, A. (2023). Yapay zekâ ve makine öğrenmesi ile insan ilişkileri analizi. S. Neşeli, H. Terzioğlu (Ed.) Mühendislikte Yenilikçi Yaklaşımlar-2 içinde (ss.123-144), İstanbul: Eğitim Yayınevi.
- Ersöz, F., Çınar, Y. (2021). Veri madenciliği ve makine öğrenimi yaklaşımlarının karşılaştırılması: Tekstil sektöründe bir uygulama. Avrupa Bilim ve Teknoloji Dergisi, (29), 397-414.
- Fırat, H., Hanbay, D. (2022). Comparison of 3D CNN based deep learning architectures using hyperspectral images. Journal of the Faculty of Engineering and Architecture of Gazi University, 38(1).
- Fonseca, F. (2021). Data objects for knowing. AI & Society. http://dx.doi.org/10.1007/s00146-021-01150-y
- Gökalp, Ö. M. (2020). Makine öğrenmesi. Erişim adresi: https://www.researchgate.net/publication/357974983_Makine_Ogrenmesi_- _Machine_Learning.
- Gümüş, H. T., Eyüpoğlu, C. (2023). Grafik sinir ağlarına genel bir bakış. EMO Bilimsel Dergi, 13(2), 39-56.
- Holtom, B. C., Mitchell, T. R., Lee, T. W., Eberly, M. B. (2008). Turnover and retention research: A glance at the past, a closer review of the present, and a venture into the future. The Academy of Management Annals, 2(1), 231 274. https://doi.org/10.1080/19416520802211552
- Kambur, E. (2022). Yapay zeka çağında insan kaynakları yönetimi konusunda yazılmış Türkçe makaleler üzerine bir araştırma. Pamukkale Üniversitesi Sosyal Bilimler Enstitüsü Dergisi (48), 139-152. https://doi.org/10.30794/pausbed.872606
- Kaptanoglu, R. Ö. (2020). İşten ayrılma niyeti ve toksik liderliğin etkisi. IBAD Sosyal Bilimler Dergisi, (6), 161-173. https://doi.org/10.21733/ibad.621500
- Mahlasela, S., Chinyamurindi, WT (2020). Teknolojiyle ilgili faktörler ve işten ayrılma niyetleri üzerindeki etkileri: Güney Afrika'daki devlet çalışanları örneği. Gelişmekte Olan Ülkelerde Bilgi Sistemleri Elektronik Dergisi, 86(3), e12126.
- Meade, J. G. (2003). The human resources software handbook: Evaluating technology solutions for your organization. San Francisco: JosseyBass/Pfeiffer.
- Misican, D.Ö. (2020). İnsan kaynakları profesyonellerinin perspektifinden dijitalleşen çalışma hayatında yapay zekâ. Journal of Academic Value Studies, 6(2) 152-175. http://dx.doi.org/10.29228/javs.42120.
- Nacar, E. N., Erdebilli (b.d.rouyendegh), B. (2021). Makine öğrenmesi algoritmaları ile satış tahmini. Endüstri Mühendisliği, 32(2), 307-320. https://doi.org/10.46465/endustrimuhendisligi.811183
- Oğuzlar, A. (2003). Veri ön işleme. Erciyes Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, (21).
- Özmen EP., Özcan T., (2021). A novel deep learning model based on convolutional neural networks for employee churn prediction. Journal of Forecasting 41(3), 539-550. http://dx.doi.org/10.1002/for.2827
- Park J., Feng YT., Jeong SP., (2024). Developing an advanced prediction model for new employee turnover intention utilizing machine learning techniques. http://dx.doi.org/10.1038/s41598-023-50593-4
- Pelenk, S.E. (2020). İnovatif (yenilikçi) insan kaynakları uygulamalarının yenilik kültürüne etkisi. İstanbul Ticaret Üniversitesi Sosyal Bilimler Dergisi, (Özel Ek), 19 Temmuz 2020 237-261.
- Saradhi, V.V. ve Palshikar, G.K. (2011). Employee churn prediction. Expert Systems with Applications, 38, 19-30. http://dx.doi.org/10.1016/j.eswa.2010.07.134
- Sathya, R., Abraham, A. (2013). Comparison of supervised and unsupervised learning algorithms for pattern classification. International Journal of Advanced Research in Artificial Intelligence, 2(2), 34–38, http://dx.doi.org/10.14569/IJARAI.2013.020206
- Şahin, D., Yılmaz, S. (2021). Endüstri 4.0 uygulamalarının sağlık kurumlarında insan kaynakları yönetimine etkilerinin değerlendirilmesi. Uluslararası Sağlık Yönetimi ve Stratejileri Araştırma Dergisi, 7(1), 142-155.
- Şeker, Ş. E. (2018). CRISP-DM: Endüstriler arası standart işleme–veri madenciliği için (cross ındustry standard processing–data mining). YBS Ansiklopedi, 5(2).
- Tharani, S. M., Raj, S. V. (2020, October). Predicting employee turnover intention in IT&ITeS industry using machine learning algorithms. In 2020 Fourth International Conference on I-SMAC (IoT in Social, Mobile, Analytics and Cloud)(I-SMAC) (pp. 508-513). IEEE.
- Tokmak, M. (2023). XGBoost algoritması ile ikili parçacık sürü optimizasyonu öznitelik seçme tabanlı jar kötü amaçlı yazılımlarının tespiti. Bilecik Şeyh Edebali Üniversitesi Fen Bilimleri Dergisi, 10(1), 140-152.
- Tonbil, D. D., Aksakal, N. Y. (2024). İşe alım, temin-seçim süreçlerinde yapay zekâ ve teknolojilerinin kullanımı: nitel bir araştırma. İstanbul Ticaret Üniversitesi Girişimcilik Dergisi, 7(15), 38-56. https://doi.org/10.55830/tje.1514895
- Tunçer, P. (2012). Değişen insan kaynakları yönetimi anlayışında kariyer yönetimi. Ondokuz Mayis University Journal of Education Faculty, 31(1). https://doi.org/10.7822/egt91
- Turan, G. (2017). Muhasebe meslek mensuplarında iş yaşamı kalitesi ve işten ayrılma niyeti ilişkisi. Yüksek Lisans Tezi, Gaziantep Üniversitesi.
- Türkel, S., Bozagaç, F. (2018). Endüstri 4.0’ in insan kaynakları yönetimine etkileri. Toros Üniversitesi İİSBF Sosyal Bilimler Dergisi, 5(9), 419-441.
- Walker, A. J. (2001). Web-based human resources. New York: McGraw-Hill.
- Wang SY., Huang Y., Cao GQ., (2023). Review on functional data classification. Wiley Interdisciplinary Reviews – Computainal Statics 16(1). http://dx.doi.org/10.1002/wics.1638
- Xu, XX., Ji, Y. (2013). Study on technology innovation and human resources reallocation. Twldth Wuhan International Conference on E-Business. 677-682.
- Yıldız, K. (2023). İstatistiksel yöntemler ile çalışanın işten ayrılmasının tahminlenmesi̇ ve ücret belirlenmesi̇ ile işten ayrılmanın optimizasyonu. Doktora Tezi, Marmara Üniversitesi.
- Yılmaz, B., Halıcı, A. (2010). İşgücü devir hızını etkileyen etmenler: Sekreterlik mesleğinde bir araştırma. Uluslararası İktisadi ve İdari İncelemeler Dergisi, (4).
- Zhong, HP., Fang, RS., Li, XY., Sun, XQ. (2008). Human resource slack and technological innovation: Evidence from Henan province in China. 2008 4th International Conference on Wireless Communications, Networking and Mobile Computing, Vols 1-31, 7065-7068.
Details
| Primary Language | Turkish |
|---|---|
| Subjects | Business Systems in Context (Other) |
| Journal Section | Research Article |
| Authors | |
| Submission Date | September 10, 2024 |
| Acceptance Date | April 10, 2025 |
| Publication Date | January 29, 2026 |
| DOI | https://doi.org/10.31671/doujournal.1547333 |
| IZ | https://izlik.org/JA43XD22HD |
| Published in Issue | Year 2026 Volume: 27 Issue: 1 |
Aim & Scope
Doğuş Üniversitesi Dergisi, iktisat, işletme ve finans konularında Türkçe ve İngilizce özgün bilimsel makalelerin yayımlanmasını amaçlamaktadır. Dergi mevcut literatüre ve/veya uygulamalara katkı sunan özgün makaleleri yayınlamayı hedeflemekte olup, alana katkı sağlayan disiplinler-arası yayınlara da açıktır.
Derginin hedef kitlesini akademisyenler, araştırmacılar, profesyoneller, öğrenciler ve ilgili mesleki, akademik kurum ve kuruluşlar oluşturmaktadır.
Author Guidelines
DOĞUŞ ÜNİVERSİTESİ DERGİSİ YAZIM KURALLARI
Doğuş Üniversitesi Dergisi’nde yayımlanması için değerlendirilmek üzere gönderilecek makaleler aşağıda belirtilen kurallar doğrultusunda hazırlanmalıdır. Turnitin ve iThenticate gibi alıntı programlarında yapılan taramalar sonucunda benzerlik oranları %15’i aştığı tespit edilen makaleler veya aşağıda belirtilen kurallara uygun olmayan başvurular değerlendirmeye alınmazlar.
1. Yazarlar makalelerini makale şablon dosyasını kullanarak hazırlamalıdırlar. Makale şablon dosyasını buradan indirebilirsiniz.
2. Kaynakça yazım biçimi (APA formatı) için "Kaynakça Yazım Örnekleri"ne bakılmalıdır. Karar verilemeyen durumlarda derginin son sayısında yayımlanmış makaleler incelenebilir. Kaynakçaları "Kaynakça Yazım Örnekleri"nde belirtilen formata uygun olarak hazırlanmayan makaleler yayımlanmaz. "Kaynakça Yazım Örnekleri" dosyasını pdf olarak buradan indirebilirsiniz.
3. Yazarlar makalelerini sisteme iki ayrı word dosyası olarak yüklemelidir. İlk makale dosyası yazarların ad, soyad, kurum (üniversite, fakülte, bölüm, program vb.), e-posta ve ORCID bilgilerini içermelidir. Hakemlere gönderilecek ikinci makale dosyasında ise yazar bilgileri yer almamalıdır.
4. Yazarların sisteme yükleyecekleri ilk makale dosyasında yazar bilgileri gerekli kısımlara girilmeli; hakemlere gönderilecek ikinci dosyada ise bu kısımlar boş bırakılmalıdır. İlk sayfada yer alan alt bilgi kısmındaki yazar bilgileri üniversite, fakülte/yüksek okul, bölüm, mail ve ORCID numarasını içerecek şekilde eksiksiz doldurulmalı ve aynı bilgiler Dergipark'taki "Makale Üst Veri" kısmında ve Telif Hakkı Formu'nda da eksiksiz verilmelidir. Yazarlar kullandıkları makale şablonundaki şeklî formatı, düzenlemeyi zorlaştıracak veya engelleyecek şekilde değiştirmemelidir (örnek: sayfa sonu eklemek). Makale şablon dosyasını buradan indirebilirsiniz.
5. Telif Hakkı Formu tüm yazarların bilgilerini içerecek şekilde, başvuruyu yapan sorumlu yazar tarafından imzalanarak taratılıp (jpg veya pdf formatında) makale dosyalarıyla birlikte sisteme yüklenmelidir. Telif Hakkı Formu'nu buradan indirebilirsiniz.
6. Doğuş Üniversitesi Dergisi’ne gönderilecek yazılar Türkçe veya İngilizce olabilir. Yazının uzunluğu 20 sayfayı geçmemelidir. Yazının elektronik kopyası Microsoft Word programında Times New Roman yazı karakteri ile hazırlanmalıdır. Marj ayarları; üstten 5cm, alttan 4cm, sağ ve soldan 4.5cm olmalıdır.
7. Başlık, makale hangi dilde ise önce o dilde TÜM HARFLER BÜYÜK olacak şekilde 12 punto, koyu ve sayfaya ortalı olarak verilmelidir. Makalenin diğer dildeki karşılığı ise, bir satır boşluk bırakılarak yine TÜM HARFLER BÜYÜK olacak şekilde, 10 punto, koyu ve sayfaya ortalanmış, ancak italik olarak verilmelidir. Tez veya sözlü bildiriden türetilmiş makalelerde başlığa * işareti eklenerek, dipnotuna çalışmanın hangi tez veya bildiriden türetildiği belirtilmelidir.
8. Makale hangi dilde ise önce o dilde yaklaşık 150-200 kelimelik bir “Öz” ve altında diğer dilde çevirisi olacak şekilde ikinci bir “Öz” verilmelidir. İkinci "Öz" italik yazı karakterinde olmalıdır. Türkçe ve İngilizce özetlerin her ikisinin de altında, anahtar kelimeler (en az 3, en çok 5 kelime/kelime grubu) olmalıdır. İkinci "Öz"de anahtar kelimeler italik olmalıdır. Anahtar kelimelerde ilk kelimelerin ilk harfleri büyük olmalıdır (ör: Ekonomik Kalkınma, Para Politikası). İkinci "Öz"ün altındaki anahtar kelimeler italik olmalıdır.
9. Yazarlar makalelerine Journal of Economic Literature (JEL) sınıflama numarası eklemelidir. Journal of Economic Literature (JEL) sınıflama numarası sadece İngilizce özetin altında verilmelidir. Türkçe özetin altında Journal of Economic Literature (JEL) sınıflama numarası verilmemelidir.
Örnek:
11. Metin 10 punto ve tek satır aralıkla iki yana yaslı olarak yazılmalıdır. Her paragraftan sonra bir satır boşluk bırakılmalı ya da paragraflar arasında önce ve sonra 6 nk boşluk aralığı seçilmelidir ve paragraflar sola yaslı/girintisiz olarak başlamalıdır.
12. Dipnotlar Times New Roman yazı karakterinde, 9 punto ve iki yana yaslı olarak verilmelidir.
14. Tablo ve şekillere başlık ve sıra numarası verilmeli, başlıklar tabloların üzerinde (Tablo 1. Tablo Adı), şekillerin ise altında (Şekil 1. Şekil Adı) yer almalıdır. Tablo ve şekil başlıkları ve açıklamaları 10 punto olarak bold karakterle yazılmalı ve tablo ve şekle göre ortalanmalıdır. Tablo ve şekiller dikey olarak (tam sayfa olan tablo ve şekiller yatay olarak yerleştirilebilir), denklemler sayfaya ortalı olarak verilmeli ve denklemlerin sıra numaraları parantez içinde olup sayfanın sağ tarafına yaslanmalıdır. Tablo ve şekillerin paragraf hizasını aşmamasına ve sayfalar arasında bölünmemesine özen gösterilmelidir. Tablo ve şekil uzunluğu bir sayfayı geçmiyorsa tek sayfa içerisinde verilmelidir. Tablo ve şekilleri sayfaya ve paragraf hizasına sığdırmak için tablo ve şekillerin içerisindeki metinlerin puntosu da okunurluğu zorlaştırmayacak düzeyde küçültülebilir. Tablo ve şekillerin altında yer alan tablo ve şekil referansları/kaynakları APA formatına uygun metin içi referans yöntemine göre, tablo veya şekle bitişik ve 9 punto olarak verilmelidir (örnek: Kaynak: Yazar/kurum adı, yayım yılı: sayfa numarası). Şekillerde (varsa) kaynak şekil açıklamasının üzerinde olmalıdır. "Kaynak" yazısı bold, referans düz yazı karakterinde olmalıdır (Örnek: Kaynak: TÜİK, 2022).
15. Kaynaklara göndermeler, metin içi parantez yöntemi ile yapılmalıdır. Parantez içindeki sıra; yazar/yazarların soyadı (yazarı olmayan kaynaklarda eser adının ilk üç kelimesi ve izleyen üç nokta), kaynağın yılı, iki nokta üst üste, sayfa numarası/numaraları şeklinde olmalıdır (örnek: Soyad, tarih: sayfa numarası).
16. Metin içinde, yukarıdaki gibi gönderme yapılan bütün kaynaklar, “Referanslar” listesinde APA formatına uygun olarak belirtilmeli, gönderme yapılmayan kaynaklar bu listede yer almamalıdır. Kaynakçada "Referanslar" başılığı kullanılmalı ve başlık numaralandırılmamalıdır. Referanslar arasında boşluk olmamalı, referanslar 1,25 cm asılı/hanging girintiyle verilmelidir (örnek için makale şablon dosyası incelenebilir). Kaynakçada referanslar alfabetik sırayla ve "Kaynakça Yazım Örnekleri"nde belirtildiği gibi APA formatında yazılmalı; referanslarda referans türüne göre cilt ve sayfa numarası, yayım yeri, yayınevi, sayfa aralıkları gibi bilgiler eksiksiz verilmelidir. Makale, kitap ve tez adları, özel isimler dışında sadece ilk kelimelerinin ilk harfi büyük, diğer harfleri küçük olacak şekilde yazılmalıdır. Dergi adlarında ise her kelimenin ilk harfi büyük olmalıdır. Dergi, kitap ve tez adları ile dergilerin cilt numaraları italik yazılmalıdır.
17. Makaleler yazım ve imla kurallarına uygun formatta hazırlanmalıdır. Noktalama işaretlerinden sonra bir boşluk bırakılmalıdır. APA formatına uygun referans gösteriminde de bu husus dikkate alınmalıdır [(Gürsoy, 2009:175) değil, (Gürsoy, 2009: 175) şeklinde olmalıdır]. Nokta parantezden önce değil, parantezden sonra konulmalıdır. Örnek:
Tablo ve şekillerin altında yer alan tablo ve şekil referansları/kaynakları APA formatına uygun metin içi referans yöntemine göre, tablo veya şekle bitişik ve 9 punto olarak verilmelidir (örnek: Kaynak: Yazar/kurum adı, yayım yılı: sayfa numarası). Şekillerde (varsa) kaynak şekil açıklamasının üzerinde olmalıdır. "Kaynak" yazısı bold, referans düz yazı karakterinde olmalıdır (Örnek: Kaynak: TÜİK, 2022).
18. Makalelerin basıma girecek son şeklini yazım kurallarına uygun olarak sunmak yazarların sorumluluğundadır; makaleler yazım kurallarına uygun şekilde sunulana kadar yayımlanmaz.
Ethical Principles and Publication Policy
Yayın Etiği
Doğuş Üniversitesi Dergisin'de uygulanan yayın süreçleri, bilginin tarafsız ve saygın bir şekilde gelişimine ve dağıtımına temel teşkil etmektedir. Bu doğrultuda uygulanan süreçler, yazarların ve yazarları destekleyen kurumların çalışmalarının kalitesine doğrudan yansımaktadır. Hakemli çalışmalar bilimsel yöntemi somutlaştıran ve destekleyen çalışmalardır. Bu noktada sürecin bütün paydaşlarının (yazarlar, okuyucular ve araştırmacılar, yayıncı, hakemler ve editörler) etik ilkelere yönelik standartlara uyması önem taşımaktadır. Doğuş Üniversitesi Dergisi yayın etiği kapsamında tüm paydaşların aşağıdaki etik sorumlulukları taşımasını beklenmektedir.
Aşağıda yer alan etik görev ve sorumluluklar, açık erişim olarak Committee on Publication Ethics (COPE) tarafından yayınlanan rehberler ve politikalar dikkate alınarak hazırlanmıştır.
Yazarların Etik Sorumlulukları
Doğuş Üniversitesi Dergisi'ne çalışma gönderen yazar(lar)ın aşağıdaki etik sorumluluklara uyması beklenmektedir:
Yazar(lar)ın gönderdikleri çalışmaların özgün olması beklenmektedir. Yazar(lar)ın başka çalışmalardan yararlanmaları veya başka çalışmaları kullanmaları durumunda eksiksiz ve doğru bir biçimde atıfta bulunmaları ve/veya alıntı yapmaları gerekmektedir.
Çalışmanın oluşturulmasında içeriğe entelektüel açıdan katkı sağlamayan kişiler, yazar olarak belirtilmemelidir.
Yayınlanmak üzere gönderilen tüm çalışmaların varsa çıkar çatışması teşkil edebilecek durumları ve ilişkileri açıklanmalıdır.
Yazar(lar)dan değerlendirme süreçleri çerçevesinde makalelerine ilişkin ham veri talep edilebilir; böyle bir durumda yazar(lar) beklenen veri ve bilgileri yayın kuruluna sunmaya hazır olmalıdır.
Yazar(lar) kullanılan verilerin kullanım haklarına, araştırma/analizlerle ilgili gerekli izinlere sahip olduklarını veya deney yapılan deneklerin rızasının alındığını gösteren belgeye sahip olmalıdır.
Yazar(lar)ın yayınlanmış, erken görünüm veya değerlendirme aşamasındaki çalışmasıyla ilgili bir yanlış ya da hatayı fark etmesi durumunda, dergi editörünü veya yayıncıyı bilgilendirme, düzeltme veya geri çekme işlemlerinde editörle işbirliği yapma yükümlülüğü bulunmaktadır.
Yazarlar çalışmalarını aynı anda birden fazla derginin başvuru sürecinde bulunduramaz. Her bir başvuru önceki başvurunun tamamlanmasını takiben başlatılabilir. Başka bir dergide yayınlanmış çalışma Doğuş Üniversitesi Dergisi'ne gönderilemez.
Değerlendirme süreci başlamış bir çalışmanın yazar sorumluluklarının değiştirilmesi (yazar ekleme, yazar sırası değiştirme, yazar çıkartma gibi) teklif edilemez.
Editörlerin Etik Görev ve Sorumlulukları
Doğuş Üniversitesi Dergisi editörleri, açık erişim olarak Committee on Publication Ethics (COPE) tarafından yayınlanan "COPE Code of Conduct and Best Practice Guidelines for Journal Editors" ve "COPE Best Practice Guidelines for Journal Editors" rehberleri temelinde aşağıdaki etik görev ve sorumluluklara sahip olmalıdır:
Genel görev ve sorumluluklar
Editörler, Doğuş Üniversitesi Dergisi'nde yayınlanan her yayından sorumludur. Bu sorumluluk bağlamında editörler, aşağıdaki rol ve yükümlülükleri taşımaktadır:
Okuyucuların ve yazarların bilgi ihtiyaçlarını karşılamaya yönelik çaba sarfetme,
Sürekli olarak derginin gelişimini sağlama,
Dergide yayınlanan çalışmaların kalitesini geliştirmeye yönelik süreçleri yürütme,
Düşünce özgürlüğünü destekleme,
Akademik açıdan bütünlüğü sağlanma,
Fikri mülkiyet hakları ve etik standartlardan taviz vermeden iş süreçlerini devam ettirme,
Düzeltme, açıklama gerektiren konularda yayın açısından açıklık ve şeffaflık gösterme.
Okuyucu ile ilişkiler
Editörler tüm okuyucu, araştırmacı ve uygulayıcıların ihtiyaç duydukları bilgi, beceri ve deneyim beklentilerini dikkate alarak karar vermelidir. Yayınlanan çalışmaların okuyucu, araştırmacı, uygulayıcı ve bilimsel literatüre katkı sağlamasına ve özgün nitelikte olmasına dikkat etmelidir. Ayrıca editörler okuyucu, araştırmacı ve uygulayıcılardan gelen geri bildirimleri dikkate almak, açıklayıcı ve bilgilendirici geri bildirim vermekle yükümlüdür.
Yazarlar ile ilişkiler
Editörlerin yazarlara karşı görev ve sorumlulukları aşağıdaki şekildedir:
Editörler, çalışmaların önemi, özgün değeri, geçerliliği, anlatımın açıklığı ve derginin amaç ve hedeflerine dayanarak olumlu ya da olumsuz karar vermelidir.
Editörler, yayın kapsamına uygun olan çalışmaları ciddi problemi olmadığı sürece ön değerlendirme aşamasına almalıdır.
Editörler, çalışma ile ilgili ciddi bir sorun olmadıkça, olumlu yöndeki hakem önerilerini göz ardı etmemelidir.
Yeni editörler, çalışmalara yönelik olarak önceki editör(ler) tarafından verilen kararları ciddi bir sorun olmadıkça değiştirmemelidir.
"Kör Hakemlik ve Değerlendirme Süreci" mutlaka yayınlanmalı ve editörler tanımlanan süreçlerde yaşanabilecek sapmaların önüne geçmelidir.
Editörler, yazarlar tarafından kendilerinden beklenecek her konuyu ayrıntılı olarak içeren bir "Yazar Rehberi" yayınlamalıdır. Bu rehberler belirli zaman aralıklarında güncellenmelidir.
Yazarlara açıklayıcı ve bilgilendirici şekilde bildirim ve dönüş sağlanmalıdır.
Hakemler ile ilişkiler
Editörlerin hakemlere karşı görev ve sorumlulukları aşağıdaki şekildedir:
Hakemleri çalışmanın konusuna uygun olarak belirlemelidir.
Hakemlerin değerlendirme aşamasında ihtiyaç duyacakları bilgi ve rehberleri sağlamakla yükümlüdür.
Yazarlar ve hakemler arasından çıkar çatışması olup olmadığını gözetmek durumundadır.
Körleme hakemlik bağlamında hakemlerin kimlik bilgilerini gizli tutmalıdır.
Hakemleri tarafsız, bilimsel ve nesnel bir dille çalışmayı değerlendirmeleri için teşvik etmelidir.
Hakemleri zamanında dönüş ve performans gibi ölçütlerle değerlendirmelidir.
Hakemlerin performansını artırıcı uygulama ve politikalar belirlemelidir.
Hakem havuzunun dinamik şekilde güncellenmesi konusunda gerekli adımları atmalıdır.
Nezaketsiz ve bilimsel olmayan değerlendirmeleri engellemelidir.
Hakem havuzunun geniş bir yelpazeden oluşması için adımlar atmalıdır.
Yayın kurulu ile ilişkiler
Editörler, tüm yayın kurulu üyelerinin süreçleri yayın politikaları ve yönergelere uygun ilerletmesini sağlamalıdır. Yayın kurulu üyelerini yayın politikaları hakkında bilgilendirmeli ve gelişmelerden haberdar etmelidir. Yeni yayın kurulu üyelerini yayın politikaları konusunda eğitmeli, ihtiyaç duydukları bilgileri sağlamalıdır.
Ayrıca editörler;
Yayın kurulu üyelerinin çalışmaları tarafsız ve bağımsız olarak değerlendirmelerini sağlamalıdır.
Yeni yayın kurulu üyelerini, katkı sağlayabilir ve uygun nitelikte belirlemelidir.
Yayın kurulu üyelerinin uzmanlık alanına uygun çalışmaları değerlendirme için göndermelidir.
Yayın kurulu ile düzenli olarak etkileşim içerisinde olmalıdır.
Yayın kurulu ile belirli aralıklarla yayın politikalarının ve derginin gelişimi için toplantılar düzenlemelidir.
Dergi sahibi ve yayıncı ile ilişkiler
Editörler ve yayıncı arasındaki ilişki editöryal bağımsızlık ilkesine dayanmaktadır.
Editöryal ve kör hakemlik süreçleri
Editörler; dergi yayın politikalarında yer alan "Kör Hakemlik ve Değerlendirme Süreci" politikalarını uygulamakla yükümlüdür. Bu bağlamda editörler her çalışmanın adil, tarafsız ve zamanında değerlendirme sürecinin tamamlanmasını sağlar.
Kalite güvencesi
Editörler; dergide yayınlanan her makalenin dergi yayın politikaları ve uluslararası standartlara uygun olarak yayınlanmasından sorumludur.
Kişisel verilerin korunması
Editörler; değerlendirilen çalışmalarda yer alan deneklere veya görsellere ilişkin kişisel verilerin korunmasını sağlamakla yükümlüdür. Çalışmalarda kullanılan bireylerin açık rızası belgeli olmadığı sürece çalışmayı reddetmekle görevlidir. Ayrıca editörler; yazar, hakem ve okuyucuların bireysel verilerini korumaktan sorumludur.
Etik kurul, insan ve hayvan hakları
Editörler; değerlendirilen çalışmalarda insan ve hayvan haklarının korunmasını sağlamakla yükümlüdür. Çalışmalarda kullanılan deneklere ilişkin etik kurul onayı, deneysel araştırmalara ilişkin izinlerin olmadığı durumlarda çalışmayı reddetmekle sorumludur.
Etik kurul izni gerektiren araştırmalar aşağıdaki gibidir:
• Anket, mülakat, odak grup çalışması, gözlem, deney, görüşme teknikleri kullanılarak katılımcılardan veri toplanmasını gerektiren nitel ya da nicel yaklaşımlarla yürütülen her türlü araştırmalar,
• İnsan ve hayvanların (materyal/veriler dahil) deneysel ya da diğer bilimsel amaçlarla kullanılması,
• İnsanlar üzerinde yapılan klinik araştırmalar,
• Hayvanlar üzerinde yapılan araştırmalar,
• Kişisel verilerin korunması kanunu gereğince retrospektif çalışmalar
Ayrıca;
• Olgu sunumlarında “Aydınlatılmış onam formu”nun alındığının belirtilmesi,
• Başkalarına ait ölçek, anket, fotoğrafların kullanımı için sahiplerinden izin alınması ve belirtilmesi,
• Kullanılan fikir ve sanat eserleri için telif hakları düzenlemelerine uyulduğunun belirtilmesi
Olası suistimal ve görevi kötüye kullanmaya karşı önlem
Editörler; olası suistimal ve görevi kötüye kullanma işlemlerine karşı önlem almakla yükümlüdür. Bu duruma yönelik şikayetlerin belirlenmesi ve değerlendirilmesi konusunda titiz ve nesnel bir soruşturma yapmanın yanı sıra, konuyla ilgili bulguların paylaşılması editörün sorumlulukları arasında yer almaktadır.
Akademik yayın bütünlüğünü sağlamak
Editörler çalışmalarda yer alan hata, tutarsızlık ya da yanlış yönlendirme içeren yargıların hızlı bir şekilde düzeltilmesini sağlamalıdır.
Fikri mülkiyet haklarının korunması
Editörler; yayınlanan tüm makalelerin fikri mülkiyet hakkını korumakla, olası ihlallerde derginin ve yazar(lar)ın haklarını savunmakla yükümlüdür. Ayrıca editörler yayınlanan tüm makalelerdeki içeriklerin başka yayınların fikri mülkiyet haklarını ihlal etmemesi adına gerekli önlemleri almakla yükümlüdür.
Yapıcılık ve tartışmaya açıklık
Editörler;
Dergide yayınlanan eserlere ilişkin ikna edici eleştirileri dikkate almalı ve bu eleştirilere yönelik yapıcı bir tutum sergilemelidir.
Eleştirilen çalışmaların yazar(lar)ına cevap hakkı tanımalıdır.
Olumsuz sonuçlar içeren çalışmaları göz ardı etmemeli ya da dışlamamalıdır.
Şikayetler
Editörler; yazar, hakem veya okuyuculardan gelen şikayetleri dikkatlice inceleyerek aydınlatıcı ve açıklayıcı bir şekilde yanıt vermekle yükümlüdür.
Politik ve Ticari kaygılar
Dergi sahibi, yayıncı ve diğer hiçbir politik ve ticari unsur, editörlerin bağımsız karar almalarını etkilemez.
Çıkar çatışmaları
Editörler; yazar(lar), hakemler ve diğer editörler arasındaki çıkar çatışmalarını göz önünde bulundurarak, çalışmaların yayın sürecinin bağımsız ve tarafsız bir şekilde tamamlamasını garanti eder.
Hakemlerin Etik Sorumlulukları
Tüm çalışmaların "Körleme Hakemlik" ile değerlendirilmesi yayın kalitesini doğrudan etkilemektedir. Bu süreç yayının nesnel ve bağımsız değerlendirilmesi ile güven sağlar. Doğuş Üniversitesi Dergisi değerlendirme süreci çift taraflı kör hakemlik ilkesiyle yürütülür. Hakemler yazarlar ile doğrudan iletişime geçemez, değerlendirme ve yorumlar dergi yönetim sistemi aracılığıyla iletilir. Bu süreçte değerlendirme formları ve tam metinler üzerindeki hakem yorumları editör aracılığıyla yazar(lar)a iletilir. Bu bağlamda Doğuş Üniversitesi Dergisi için çalışma değerlendiren hakemlerin aşağıdaki etik sorumluluklara sahip olması beklenmektedir:
Sadece uzmanlık alanı ile ilgili çalışmaları değerlendirmeyi kabul etmelidir.
Tarafsızlık ve gizlilik içerisinde değerlendirme yapmalıdır.
Değerlendirme sürecinde çıkar çatışması ile karşı karşıya olduğunu düşünürse, çalışmayı incelemeyi reddederek, dergi editörünü bilgilendirmelidir.
Gizlilik ilkesi gereği inceledikleri çalışmaları değerlendirme sürecinden sonra imha etmelidir. İnceledikleri çalışmaların sadece nihai versiyonlarını ancak yayınlandıktan sonra kullanabilir.
Değerlendirmeyi nesnel bir şekilde sadece çalışmanın içeriği ile ilgili olarak yapmalıdır. Milliyet, cinsiyet, dini inançlar, siyasal inançlar ve ticari kaygıların değerlendirmeye etki etmesine izin vermemelidir.
Değerlendirmeyi yapıcı ve nazik bir dille yapmalıdır. Düşmanlık, iftira ve hakaret içeren aşağılayıcı kişisel yorumlar yapmamalıdır.
Değerlendirmeyi kabul ettikleri çalışmayı zamanında ve yukarıdaki etik sorumluluklarda gerçekleştirmelidir.
Yayıncının Etik Sorumlukları
Doğuş Üniversitesi Dergisi yayıncısı olan Doğuş Üniversitesi, kâr amacı gütmeyen bir vakıf üniversitesidir. Bu bağlamda Doğuş Üniversitesi, Doğuş Üniversitesi Dergisi ile ilgili aşağıdaki etik sorumlulukların bilinciyle hareket etmektedir:
Editörler, Doğuş Üniversitesi Dergisi'ne gönderilen çalışmaların tüm süreçlerinden sorumludur. Bu çerçevede ekonomik ya da politik kazançlar göz önüne alınmaksızın karar verici kişiler editörlerdir.
Bağımsız editör kararı oluşturulmasını taahhüt eder.
Editörlere ilişkin her türlü bilimsel suistimal, atıf çeteciliği ve intihalle ilgili önlemleri alma sorumluluğuna sahiptir.
Etik Olmayan Bir Durumla Karşılaşırsanız
Doğuş Üniversitesi Dergisi'nde yukarıda bahsedilen etik sorumluluklar ve dışında etik olmayan bir davranış veya içerikle karşılaşırsanız lütfen journal@dogus.edu.tr adresine e-posta yoluyla bildiriniz.
Price Policy
Doğuş Üniversitesi Dergisi; yazarlardan makale gönderim, değerlendirme, yayımlanma süreçlerinde herhangi bir ücret talebinde bulunmaz.
Indexes
Journal Boards
Editör Kurulu
Lisans eğitimini 2015 yılında Dokuz Eylül Üniversitesi İşletme Fakültesi İşletme (İngilizce) Bölümünde tamamlayan Sunay Çıralı, 2020 yılında Pamukkale Üniveristesi Sosyal Bilimler Enstitüsü İşletme Yönetimi Ana Bilim Dalından Muhasebe ve Finansman yüksek lisans derecesi almaya hak kazanmıştır. Halen Yıldız Teknik Üniversitesi Sosyal Bilimler Enstitüsü İşletme Yönetimi Ana Bilim Dalında Muhasebe ve Finans Doktora öğrenimine devam eden Çıralı, Doğuş Üniversitesi İktisadi ve İdari Bilimler Fakültesi İşletme Bölümünde araştırma görevlisi olarak akademik hayatını sürdürmektedir. Sunay Çıralı'nın Uluslararası Sermaye Piyasaları, Piyasa Etkinliği, Kurumsal Yönetim, Kurumsal Sosyal Sorumluluk, Sürdürülebilir Kalkınma konularındaki çalışmaları bulunmaktadır ve Sürdürülebilir Finans alanın bilimsel araştırma projelerinde yer almaktadır.
Semih Evciman, lisans öğrenimine 2009 yılında İstanbul Üniversitesi, İşletme Fakültesi, İşletme Bölümü’nde başladı. İşletme Fakültesi’nden 2011’de ayrılarak ise İstanbul Üniversitesi, Siyasal Bilgiler Fakültesi, Siyaset Bilimi ve Uluslararası İlişkiler Bölümü’ne başladı. 2016 yılında bölümden ikincilikle mezun oldu. 2018 yılında, "Platon'da Siyasal Bir Kavram Olarak 'Mutlak Hakikat'in Gelişimi ve Dönüşümü" başlıklı teziyle, İstanbul Üniversitesi, Sosyal Bilimler Enstitüsü, Siyaset Bilimi ve Uluslararası İlişkiler (Siyasal) Programı’ndan yüksek lisans derecesini aldı ve aynı yıl, aynı programda doktoraya başladı. Programdan "Fransız Devrimi'nden I. Meşrutiyet'e Osmanlı Bürokrasisinin Hürriyet Anlayışı" başlıklı teziyle 2024 yılında mezun olarak doktora derecesini aldı. Akademik ilgi alanları Antik Yunan siyasal düşüncesi, Osmanlı siyasal düşüncesi, sanal cemaatler, hafıza mekânları, toplumsal cinsiyet ve feminizmdir. Bu alanlarda yayımlanmış makale ve kitap bölümleri bulunmaktadır. 2017 yılında Sabancı Üniversitesi Toplumsal Cinsiyet ve Kadın Çalışmaları Mükemmeliyet Merkezi'nin düzenlediği Dicle Koğacıoglu Makale Ödülü yarışmasında, "Türkiye’de Zorunlu Askerlik Bağlamında Vatandaşlık, Milliyetçi-Militarist (Hegemonik) Erkeklik, ‘Sakatlık’- Gazilik ve Yazı Tura Örneği" başlıklı çalışmasıyla teşekkür plaketi almıştır. 2020 yılı Ocak ayından beri Doğuş Üniversitesi, İktisadi ve İdari Bilimler Fakültesi, Siyaset Bilimi ve Kamu Yönetimi Bölümü’ne Araştırma Görevlisi olarak çalışmaktadır. 2023 ve 2024 yıllarında Erasmus+ Personel Hareketliliği Eğitim Alma (Training) programı kapsamında kısa süreli olarak Köln Üniversitesi Karşılaştırmalı Politika Merkezi'nde (Cologne Center for Comparative Politics) çalışmıştır. 2024 yılından beri Doğuş Üniversitesi Kadın Çalışmaları Uygulama ve Araştırma Merkezi (DOUKAM) danışma kurulundadır.
Danışma Kurulu
Çağ Üniversitesi İİBF-İşletme Lisans Çağ Üniversitesi-2003
Çağ Üniversitesi SOBE, İşletme Yönetimi Yüksek lisans -2006
Çukurova Üniversitesi, SOBE - İşletme Pazarlama Doktora- 2012
ÜAK- Pazarlama Doçent-2017
Çağ Üniversitesi 2003- Devam ediyor.
Erkut Altındağ is a professor of economic and administrative sciences at Doğuş University. His papers have been published in several prestigious SSCI-indexed journals, demonstrating his significant contributions to the academic community and underscoring the high quality and impact of his research. His research interests include family firms, strategic management, technology management, modern management theories and strategic human resources management.
Anadolu Üniversitesi Sosyal Bilimler Enstitüsü İşletme Doktora Programından mezun olduktan sonra, 1992 yılında doçent, 1997 yılında profesör unvanlarını aldım. 1989-1990 yılları arasında Kaliforniya (Berkeley) Üniversitesi'nde misafir akademisyen olarak bulundum. Afyon Kocatepe Üniversitesinden emekli olarak önce Uluslararası Kıbrıs sonra Doğuş Üniversitelerinde çalıştım. Halen Doğuş Üniversitesi İİBF Dekanı ve işletme bölüm başkanı olarak görev yapmaktayım.
Doğuş Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dekanı ve Maltepe Üniversitesi İşletme ve Yönetim Bilimleri Fakültesi Dekanı olarak görev yapmıştır. Satış, Dijital Pazarlama, Stratejik Pazarlama ve Bütünleşik Pazarlama, E-ticaret, Sosyal Medya, Müşteri İlişkileri Yönetimi ve Dijital Dönüşüm gibi konularda çalışmalarını sürdürmektedir. Prof. Dr. TELLİ’nin yukarıda geçen alanlarda ulusal ve uluslararası pek çok kitabı ve makalesi bulunmaktadır. Son yıllarda özellikle mobil pazarlama, e-öğrenme ve dijitalleşme üzerinde araştırmalarını yoğunlaştıran Prof. Dr. TELLİ'nin 2009 yılında yazmış olduğu “Mobilized Marketing and The Consumer Technological Developments and Challenges” başlıklı kitabı ABD’de İşletme Referans Kitapları arasında yer almıştır. 30’dan fazla kitap, kitap bölümü ve kitap editörlükleri ve 100’den fazla makalesi yayınlanmıştır. Türkiye’de hem akademik hem de uygulayıcılık yönüyle “Uzaktan Öğrenme” ve “E-öğrenme” çalışmaları gerçekleştiren nadir araştırmacılardandır. 2018 yılında “Kamuda Dijital Dönüşüm” adlı kitabın, 2019 yılında da “Yapay Zeka ve Gelecek” adlı kitabın editörlüğünü yürütmüştür. 2020’de Dijital Dönüşüm ve Bilgi Çağında Müşteri İlişkileri Yönetimi başlıklı kitapların editörlüğünü gerçekleştirmiştir. 2021 yılında Pazarlamada Dönüşüm kitabının editörlüğünü gerçekleştirmiştir. Ayrıca gerçekleştirdiği Mobil Yaşam ve Uygulamaları Konferansları, Lise ve Üniversitelerarası Sosyal Sorumluluk Reklam Tasarımları Yarışması (2010) ve Maltepe Üniversitesinde düzenlediği Dekanla Çay Saati (2018’den itibaren) ve Maltepe Üniversitesi Plogging Yarışları (2019) gibi çizgi dışı çok yönlü çalışmaları bulunmaktadır. Türk Proje Yönetim Meslek Enstitüsü tarafından 2020’de yılın en iyi proje yöneticisi seçilmiştir.
