Metin Analitiği ve Regresyon Analizi Yoluyla İkinci El Pazar Uygulamalarındaki Genel Derecelendirmelerin Yön-Duygu Sürücülerinin Anlaşılması
Abstract
Kullanıcıların ürettiği yorumlar ve yıldız değerlendirmeleri, mobil uygulama pazarlarında müşteri güveni, indirme kararları ve platform itibarı üzerinde güçlü bir etkiye sahiptir. Bu çalışma, Google Play’deki üç Türk ikinci el pazar yeri uygulamasının (Letgo, Dolap, Gardrops) yorumlarını inceleyerek, belirli boyut–duygu örüntülerinin genel değerlendirme puanlarını nasıl etkilediğini ortaya koymaktadır. Çok aşamalı bir doğal dil işleme (NLP) süreci uygulanmıştır. Yorum cümleleri çok dilli SBERT ile vektörleştirilmiştir. KMeans yöntemiyle kümelenmiş ve 13 üst düzey boyut kategorisi elde edilmiştir. Duygu sınıflandırması ise, 1.000 elle etiketlenmiş cümle üzerinde doğrulanan, alan özelinde Türkçe ELECTRA modeli kullanılarak yapılmıştır. Ardından Ridge regresyonu ile boyut–duygu çiftlerinin yıldız puanlarına katkısı nicel olarak ölçülmüştür. Analiz sonuçları, iade, kargo maliyetleri ve sahtekârlıkla ilgili olumsuz deneyimlerin puanları düzenli olarak düşürdüğünü, buna karşılık kullanılabilirlik, işlem memnuniyeti ve müşteri desteğine ilişkin olumlu ifadelerin daha güçlü puan artışları sağladığını göstermiştir. Karşılaştırmalı bulgular, daha yüksek puanlı uygulamaların (Dolap: 4,4; Gardrops: 4,2) daha fazla olumlu deneyim biriktirdiğini, Letgo’nun (2,7) ise tekrar eden güven ve adalet sorunları sergilediğini ortaya koymuştur. Bu sonuçlar, müşteri değerlendirmelerini en güçlü şekilde şekillendiren hizmet boyutlarını vurgulamaktadır. Çalışma, boyut düzeyinde duygu ile puan sonuçlarını ilişkilendirerek, ikinci el pazar yerlerinde müşteri memnuniyetini artırma ve rekabet gücünü geliştirme konusunda platform yöneticilerine uygulanabilir içgörüler sunmaktadır.
Keywords
Özellik Tabanlı Duygu Analizi Ridge Regresyonu Müşteriden Müşteriye Platformlar Metin Analitiği Çevrim İçi Derecelendirmeler
References
- [1] M. Harman, Y. Jia, and Y. Zhang, “App store mining and analysis: MSR for app stores,” in Proc. 9th IEEE Working Conf. Mining Softw. Repositories (MSR’12), 2012, pp. 108–. doi: 10.1145/2804345.2804346.
- [2] H. Sällberg, S. Wang, and E. Numminen, “The combinatory role of online ratings and reviews in mobile app downloads: An empirical investigation of gaming and productivity apps from their initial app store launch,” J. Marketing Analytics, vol. 11, no. 3, pp. 426–442, 2022. doi: 10.1057/s41270-022-00171-w.
- [3] S. Ba, S. He, and S. Lee, “Mobile app adoption and its differential impact on consumer shopping behavior,” Prod. Oper. Manag., vol. 31, no. 2, pp. 764–780, 2022. doi: 10.2139/ssrn.3727035.
- [4] Y. Amirkhalili and H. Y. Wong, “Banking on feedback: Text analysis of mobile banking iOS and Google app reviews,” arXiv Preprint, arXiv:2503.11861, 2025. doi: 10.48550/arXiv.2503.11861.
- [5] L. Zhang, S. Wang, and B. Liu, “Deep learning for sentiment analysis: A survey,” Wiley Interdiscip. Rev. Data Mining Knowl. Discov., vol. 10, no. 3, e1331, 2020. doi: 10.1002/widm.1253.
- [6] S. Vanaja and M. Belwal, “Aspect-level sentiment analysis on e-commerce data,” in 2018 Int. Conf. Inventive Res. Comput. Appl. (ICIRCA), 2018, pp. 1275–1279. doi: 10.1109/ICIRCA.2018.8597286.
- [7] Y. Wang, Y. Huang, and M. Wang, “Aspect-based rating prediction on reviews using sentiment strength analysis,” in Int. Conf. Ind., Eng. Other Appl. Appl. Intell. Syst., Springer, 2017, pp. 439–447. doi: 10.1007/978-3-319-60045-1_45.
- [8] Z. Drus and H. Khalid, “Sentiment analysis in social media and its application: Systematic literature review,” Procedia Comput. Sci., vol. 161, pp. 707–714, 2019. doi: 10.1016/j.procs.2019.11.174.
- [9] K. Aziz, D. Ji, P. Chakrabarti, T. Chakrabarti, M. S. Iqbal, and R. Abbasi, “Unifying aspect-based sentiment analysis BERT and multi-layered graph convolutional networks for comprehensive sentiment dissection,” Sci. Rep., vol. 14, no. 1, 14646, 2024. doi: 10.1038/s41598-024-61886-7.
- [10] R. J. Dhanal and V. R. Ghorpade, “Aspect-based sentiment analysis using topic modelling and machine learning,” Int. J. Electr. Comput. Eng., vol. 14, no. 6, 2024. doi: 10.11591/ijece.v14i6.pp6689-6698.
- [11] Y. C. Hua, P. Denny, J. Wicker, and K. Taskova, “A systematic review of aspect-based sentiment analysis: Domains, methods, and trends,” Artif. Intell. Rev., vol. 57, no. 11, 296, 2024. doi: 10.1007/s10462-024-10906-z.
- [12] A. C. Öztürk, “Large Group Decision Making for Aspect-Level Consensus Evaluation in Low-Rated App Reviews”, Müh.Bil.ve Araş.Dergisi, c. 7, sy. 2, ss. 173–184, 2025, doi: 10.46387/bjesr.1716998.
- [13] L. Davoodi, J. Mezei, and M. Heikkilä, “Aspect-based sentiment classification of user reviews to understand customer satisfaction of e-commerce platforms,” Electron. Commer. Res., pp. 1–43, 2025. doi: 10.1007/s10660-025-09948-4.
- [14] S. Gojali and M. L. Khodra, “Aspect-based sentiment analysis for review rating prediction,” in 2016 Int. Conf. Adv. Informatics: Concepts, Theory Appl. (ICAICTA), 2016, pp. 1–6. doi: 10.1109/ICAICTA.2016.7803110.
- [15] Y. Putranto, B. Sartono, and A. Djuraidah, "Topic modelling and hotel rating prediction based on customer review in Indonesia," International Journal of Management and Decision Making, vol. 20, no. 3, pp. 282–307, 2021.
- [16] F. Hawlitschek, T. Teubner, and C. Weinhardt, “Trust in the sharing economy,” Die Unternehmung, vol. 70, no. 1, pp. 26–44, 2016. doi: 10.5771/0042-059X-2016-1-26.
- [17] E. Ert, A. Fleischer, and N. Magen, "Trust and reputation in the sharing economy: The role of personal photos in Airbnb," Tour. Manag., vol. 55, pp. 62–73, 2016, doi: 10.2139/ssrn.2624181.
- [18] D. Demirol, R. Das, and D. Hanbay, ‘A key review on security and privacy of big data: issues, challenges, and future research directions’, SIViP, Sept. 2022, doi: 10.1007/s11760-022-02341-w.
- [19] D. Demirol, R. Das, and D. Hanbay, ‘Büyük veri üzerine perspektif bir bakış’, in 2019 International Artificial Intelligence and Data Processing Symposium (IDAP), Sept. 2019, pp. 1–9. doi: 10.1109/IDAP.2019.8875902.
- [20] Akın, A. A., & Akın, M. D. (2007). Zemberek, an open source NLP framework for Turkic languages. In Proceedings of the 3rd International Balkan Conference on Communications and Networking (BalkanCom). Istanbul, Turkey.
- [21] R. Güran, “Stopword list for Turkish,” GitHub, [Online]. Available: https://github.com/stopwords-iso/stopwords-tr.
- [22] K. Clark, M.-T. Luong, Q. V. Le, and C. D. Manning, “ELECTRA: Pre-training text encoders as discriminators rather than generators,” in Int. Conf. Learn. Represent. (ICLR), 2020. doi: 10.48550/arXiv.2003.10555.
- [23] M. Laurer, mDeBERTa-v3-base-xnli-multilingual-nli-2mil7 [Model]. Hugging Face, 2021. [Online]. Available: https://huggingface.co/MoritzLaurer/mDeBERTa-v3-base-xnli-multilingual-nli-2mil7.
- [24] C. D. Manning, P. Raghavan, and H. Schütze, Introduction to Information Retrieval. Cambridge, U.K.: Cambridge Univ. Press, 2008. doi: 10.1017/CBO9780511809071.
- [25] F. Nurifan, R. Sarno, and K. R. Sungkono, “Aspect based sentiment analysis for restaurant reviews using hybrid elmo-wikipedia and hybrid expanded opinion lexicon-senticircle,” International Journal of Intelligent Engineering and Systems, vol. 12, no. 6, pp. 47–58, 2019, doi: 10.22266/ijies2019.1231.05.
- [26] G. James, D. Witten, T. Hastie, and R. Tibshirani, An Introduction to Statistical Learning with Applications in R, 2nd ed. New York, NY, USA: Springer, 2021. doi: 10.1007/978-1-0716-1418-1.
Understanding Aspect-Sentiment Drivers of Overall Ratings in Second Hand Marketplace Apps through Text Analytics and Regression Analysis
Abstract
User-generated reviews and star ratings strongly influence customer trust, download decisions, and platform reputation in mobile app marketplaces. This study analyzes reviews from three Turkish secondhand marketplace applications (Letgo, Dolap, Gardrops) on Google Play to uncover how specific aspect–sentiment patterns affect overall ratings.A multi-stage natural language processing (NLP) pipeline was applied. Review sentences were embedded with multilingual SBERT and clustered using KMeans, resulting in 13 higher level aspect categories. Sentiment was classified using a domain specific Turkish ELECTRA model validated on 1,000 manually annotated sentences. Ridge regression was then employed to quantify the contribution of aspect–sentiment pairs to star ratings. The analysis showed that negative experiences related to returns, shipping costs and fraudulent practices consistently decreased ratings, while positive mentions of usability, transaction satisfaction and customer support produced stronger rating improvements. Comparative findings revealed that higher-rated apps (Dolap: 4.4, Gardrops: 4.2) accumulated more positive experiences, whereas Letgo (2.7) exhibited recurring trust and fairness issues. These results highlight which service aspects most strongly shape customer evaluations. By linking aspect-level sentiment to rating outcomes, the study provides platform managers with actionable insights for improving satisfaction and strengthening competitiveness in secondhand C2C marketplaces.
Keywords
Aspect-Based Sentiment Analysis Ridge Regression Customer-to-Customer (C2C) Platforms Text Analytics Online Ratings
References
- [1] M. Harman, Y. Jia, and Y. Zhang, “App store mining and analysis: MSR for app stores,” in Proc. 9th IEEE Working Conf. Mining Softw. Repositories (MSR’12), 2012, pp. 108–. doi: 10.1145/2804345.2804346.
- [2] H. Sällberg, S. Wang, and E. Numminen, “The combinatory role of online ratings and reviews in mobile app downloads: An empirical investigation of gaming and productivity apps from their initial app store launch,” J. Marketing Analytics, vol. 11, no. 3, pp. 426–442, 2022. doi: 10.1057/s41270-022-00171-w.
- [3] S. Ba, S. He, and S. Lee, “Mobile app adoption and its differential impact on consumer shopping behavior,” Prod. Oper. Manag., vol. 31, no. 2, pp. 764–780, 2022. doi: 10.2139/ssrn.3727035.
- [4] Y. Amirkhalili and H. Y. Wong, “Banking on feedback: Text analysis of mobile banking iOS and Google app reviews,” arXiv Preprint, arXiv:2503.11861, 2025. doi: 10.48550/arXiv.2503.11861.
- [5] L. Zhang, S. Wang, and B. Liu, “Deep learning for sentiment analysis: A survey,” Wiley Interdiscip. Rev. Data Mining Knowl. Discov., vol. 10, no. 3, e1331, 2020. doi: 10.1002/widm.1253.
- [6] S. Vanaja and M. Belwal, “Aspect-level sentiment analysis on e-commerce data,” in 2018 Int. Conf. Inventive Res. Comput. Appl. (ICIRCA), 2018, pp. 1275–1279. doi: 10.1109/ICIRCA.2018.8597286.
- [7] Y. Wang, Y. Huang, and M. Wang, “Aspect-based rating prediction on reviews using sentiment strength analysis,” in Int. Conf. Ind., Eng. Other Appl. Appl. Intell. Syst., Springer, 2017, pp. 439–447. doi: 10.1007/978-3-319-60045-1_45.
- [8] Z. Drus and H. Khalid, “Sentiment analysis in social media and its application: Systematic literature review,” Procedia Comput. Sci., vol. 161, pp. 707–714, 2019. doi: 10.1016/j.procs.2019.11.174.
- [9] K. Aziz, D. Ji, P. Chakrabarti, T. Chakrabarti, M. S. Iqbal, and R. Abbasi, “Unifying aspect-based sentiment analysis BERT and multi-layered graph convolutional networks for comprehensive sentiment dissection,” Sci. Rep., vol. 14, no. 1, 14646, 2024. doi: 10.1038/s41598-024-61886-7.
- [10] R. J. Dhanal and V. R. Ghorpade, “Aspect-based sentiment analysis using topic modelling and machine learning,” Int. J. Electr. Comput. Eng., vol. 14, no. 6, 2024. doi: 10.11591/ijece.v14i6.pp6689-6698.
- [11] Y. C. Hua, P. Denny, J. Wicker, and K. Taskova, “A systematic review of aspect-based sentiment analysis: Domains, methods, and trends,” Artif. Intell. Rev., vol. 57, no. 11, 296, 2024. doi: 10.1007/s10462-024-10906-z.
- [12] A. C. Öztürk, “Large Group Decision Making for Aspect-Level Consensus Evaluation in Low-Rated App Reviews”, Müh.Bil.ve Araş.Dergisi, c. 7, sy. 2, ss. 173–184, 2025, doi: 10.46387/bjesr.1716998.
- [13] L. Davoodi, J. Mezei, and M. Heikkilä, “Aspect-based sentiment classification of user reviews to understand customer satisfaction of e-commerce platforms,” Electron. Commer. Res., pp. 1–43, 2025. doi: 10.1007/s10660-025-09948-4.
- [14] S. Gojali and M. L. Khodra, “Aspect-based sentiment analysis for review rating prediction,” in 2016 Int. Conf. Adv. Informatics: Concepts, Theory Appl. (ICAICTA), 2016, pp. 1–6. doi: 10.1109/ICAICTA.2016.7803110.
- [15] Y. Putranto, B. Sartono, and A. Djuraidah, "Topic modelling and hotel rating prediction based on customer review in Indonesia," International Journal of Management and Decision Making, vol. 20, no. 3, pp. 282–307, 2021.
- [16] F. Hawlitschek, T. Teubner, and C. Weinhardt, “Trust in the sharing economy,” Die Unternehmung, vol. 70, no. 1, pp. 26–44, 2016. doi: 10.5771/0042-059X-2016-1-26.
- [17] E. Ert, A. Fleischer, and N. Magen, "Trust and reputation in the sharing economy: The role of personal photos in Airbnb," Tour. Manag., vol. 55, pp. 62–73, 2016, doi: 10.2139/ssrn.2624181.
- [18] D. Demirol, R. Das, and D. Hanbay, ‘A key review on security and privacy of big data: issues, challenges, and future research directions’, SIViP, Sept. 2022, doi: 10.1007/s11760-022-02341-w.
- [19] D. Demirol, R. Das, and D. Hanbay, ‘Büyük veri üzerine perspektif bir bakış’, in 2019 International Artificial Intelligence and Data Processing Symposium (IDAP), Sept. 2019, pp. 1–9. doi: 10.1109/IDAP.2019.8875902.
- [20] Akın, A. A., & Akın, M. D. (2007). Zemberek, an open source NLP framework for Turkic languages. In Proceedings of the 3rd International Balkan Conference on Communications and Networking (BalkanCom). Istanbul, Turkey.
- [21] R. Güran, “Stopword list for Turkish,” GitHub, [Online]. Available: https://github.com/stopwords-iso/stopwords-tr.
- [22] K. Clark, M.-T. Luong, Q. V. Le, and C. D. Manning, “ELECTRA: Pre-training text encoders as discriminators rather than generators,” in Int. Conf. Learn. Represent. (ICLR), 2020. doi: 10.48550/arXiv.2003.10555.
- [23] M. Laurer, mDeBERTa-v3-base-xnli-multilingual-nli-2mil7 [Model]. Hugging Face, 2021. [Online]. Available: https://huggingface.co/MoritzLaurer/mDeBERTa-v3-base-xnli-multilingual-nli-2mil7.
- [24] C. D. Manning, P. Raghavan, and H. Schütze, Introduction to Information Retrieval. Cambridge, U.K.: Cambridge Univ. Press, 2008. doi: 10.1017/CBO9780511809071.
- [25] F. Nurifan, R. Sarno, and K. R. Sungkono, “Aspect based sentiment analysis for restaurant reviews using hybrid elmo-wikipedia and hybrid expanded opinion lexicon-senticircle,” International Journal of Intelligent Engineering and Systems, vol. 12, no. 6, pp. 47–58, 2019, doi: 10.22266/ijies2019.1231.05.
- [26] G. James, D. Witten, T. Hastie, and R. Tibshirani, An Introduction to Statistical Learning with Applications in R, 2nd ed. New York, NY, USA: Springer, 2021. doi: 10.1007/978-1-0716-1418-1.
Details
| Primary Language | English |
|---|---|
| Subjects | Big Data |
| Journal Section | Research Article |
| Authors | |
| Submission Date | September 25, 2025 |
| Acceptance Date | November 23, 2025 |
| Publication Date | March 24, 2026 |
| DOI | https://doi.org/10.24012/dumf.1790105 |
| IZ | https://izlik.org/JA25HH47AK |
| Published in Issue | Year 2026 Volume: 17 Issue: 1 |
Aim & Scope
Temel mühendislik alanında deneysel ve teorik çalışmalara yer veren Dicle Üniversitesi Mühendislik Dergisi, mühendisliğin popüler konuları ile ilgili makalelerin yayınlanmasına öncelik vermekte ve multidisipliner yöntem ve teknolojilere odaklanmayı hedeflemektedir.
Dicle Üniversitesi Mühendislik Dergisi, çok disiplinli bir dergidir ve temel mühendislik konularını içerir. Derginin amacı, bilim ve teknolojideki en popüler gelişmeleri araştırmacılara, mühendislere ve diğer ilgili kitlelere ulaştırmaktır.
Dicle Üniversitesi Mühendislik Fakültesi Dergisi (DUMF), mühendisliğin çeşitli alanlarında özgün araştırma makalelerinin yanı sıra derleme makalelerini de yayınlayan, hakemli, açık erişimli bir dergidir. Derginin kapsadığı konu alanları şunlardır:
-Elektrik ve Elektronik Mühendisliği
-Bilgisayar ve Yazılım Mühendisliği
-Biyomedikal Mühendisliği
-Makine Mühendisliği
-Cevher Hazırlama ve Maden Mühendisliği
-İnşaat Mühendisliği
Author Guidelines
DUMF Dergisi makale yükleme aşamasında gerekli olan genel yazım formatına sahiptir. Makalenizi yazarken yükleme öncesi bu formatı kullanma ihtiyacı duyabilirsiniz. Süreci kolaylaştırmak açısından indirmeye hazır word formatları sizler için sunulmuştur.
Türkçe Makale Şablonu (*.docx)
İngilizce Makale Şablonu (*.docx) (tavsiye edilen)
Makaleniz revizyon aşamasında iken makalenizin kabulü için gereklilikleri yerine getirip çalışmanızı doğru bir formatta sisteme yüklemelisiniz.
Kör Hakemlik:
Gönderdiğiniz makale hakemlere gönderileceğinden, metin içerisinde yazarlar hakkında tanımlayıcı herhangi bir bilgiye yer vermemeniz son derece önemlidir.
Lütfen potansiyel tanımlayıcı bilgiler için metnin gövdesini gözden geçirin ve tüm öz atıfların hem metin içi atıflar hem de referanslar için Yazar (Yıl) olarak belirtildiğinden emin olun.
Makale Yapısı
Giriş
Çalışmanın amaçlarını belirtin ve ayrıntılı bir literatür taramasından veya sonuçların bir özetinden kaçınarak çalışma ile ilgili yeterli bir literatür zemini sağlayınız.
Materyal ve Metod
Çalışmanın diğer bir araştırmacı tarafından izlenilmesine imkan vermek için yeterli ayrıntı sağlayınız. Çalışmada kullanılan yöntemler özetlenmeli ve bir referans ile belirtilmelidir. Doğrudan daha önce yayınlanmış bir yöntemden alıntı yapıyorsanız, tırnak işaretleri kullanınız ve ayrıca kaynak belirtiniz. Mevcut yöntemlerde yapılacak herhangi bir değişiklik de açıklanmalıdır.
Sonuçlar
Sonuçlar açık ve net olmalıdır.
Tartışma
Bu kısım çalışmanın önemini vurgulamalı, sonuçların tekrarını içermemelidir. Sonuçlar ve tartışma kısmı birlikte de verilebilir. Literatürdeki çalışmalara büyük oranda atıfta bulunup tartışmaktan kaçınılmalıdır.
Sonuç
Çalışmanın ana sonuçları, tek başına veya bir Tartışma veya Sonuçlar ve Tartışma bölümünün bir alt bölümünü oluşturabilecek kısa bir Sonuçlar bölümü olarak da sunulabilir.
Teşekkür
Bu bölümde, yazarın katkısı veya finansman bölümlerinin dışında herhangi bir desteğe yer verebilirsiniz. Bu kısım, idari ve teknik desteği veya ayni bağışları (örneğin deneyler için kullanılan malzemeler) içerebilir.
Referanslar
Kaynakların IEEE atıf stili ile hazırlanması tavsiye edilir. Formatın detayları şablon dosyasında verilmiştir.
ORCID zorunluluğu
Dergimize makale gönderen yazarların ORCID numaralarını eklemeleri gerekmektedir. ORCID, Open Researcher ve Contributor ID'nin kısaltmasıdır. ORCID, Uluslararası Standart Ad Tanımlayıcı (ISNI) olarak da bilinen ISO Standardı (ISO 27729) ile uyumlu 16 haneli numaralı bir URL'dir. Bireysel ORCID için http://orcid.org adresinden ücretsiz kayıt oluşturabilirsiniz.
Telif Hakkı
Kabul edilen makalelerin yazarları, makalenin telif hakkını DUMF'ye devretmeyi ve DUMF'nin stiline bağlı kalarak nihai hallerini elektronik ortamda göndermeyi kabul etmelidir.
Dergi İntihal Politikası
Dicle Üniversitesi Mühendislik Dergisi, makaleleri/derlemeleri intihal açısından değerlendirme politikasına sahiptir. Dergimize makale göndermeden önce uygun intihal yazılım programları (iThenticate, Turnitin vb.) ile makalenizdeki benzerlik durumu/oranını kontrol etmeniz önerilir. Bu doğrultuda dergimize gönderilen makaleler/derlemeler ön değerlendirmeye tabi tutulur; Turnitin yazılımı ile belirlenen benzerlik oranı %30'un altında olan yazılar Yayın Kurulumuz tarafından kabul edilecektir. Belirtilen oranın (%30) üzerinde olan makaleler/incelemeler yazar(lar)a iade edilir.
Gönderim Sırasında Gerekli Dosyalar:
1) İntihal Formu (Makaleler IThenticate, Turnitin vb. raporlarla birlikte değerlendirilecektir)
2) Hakem Öneri Formu
3) Telif Hakları Devri Formu
4) Ön Yazı
Revizyon Sırasında Yazar tarafından yüklenmesi gerekli dosyalar:
1) Hakemlere Cevap Formu
2) Yapılan Değişiklikleri Gösteren Makale Dosyası
3) Makalenin Son Hali
Kabul sonrası yüklenmesi gereken dosyalar
1) Makalenin basıma hazır hali (yazar bilgileri eklenmiş versiyon)
Ethical Principles and Publication Policy
İlgili makale çalışmanın yapıldığı kurum(lar)la ilgili uygun etik kurullar tarafından onaylandığına ve deneklerin çalışmayla ilgili bilgilendirilip onay verdiğine dair bir ifade içermelidir.
Etik Kurul izni gerektiren araştırmalar aşağıdaki gibidir:
-Katılımcılardan anket, görüşme, odak grup çalışması, gözlem, deney, görüşme teknikleri kullanılarak veri toplanmasını gerektiren nitel veya nicel yaklaşımlarla yürütülen her türlü araştırma.
-İnsan ve hayvanların (materyal/veri dahil) deneysel veya diğer bilimsel amaçlarla kullanılması
-İnsanlar üzerinde klinik araştırma
-Hayvanlar üzerinde araştırma
-Kişisel verilerin korunması kanununa uygun olarak geriye dönük çalışmalar
-Başkalarına ait ölçek, anket ve fotoğrafların kullanımı için izin alınması ve sahiplerinin belirtilmesi
-Kullanılan fikir ve eserlerde telif haklarına uyulduğunun belirtilmesi
Price Policy
Yayın Kurulunun 5 Ekim 2022 tarihli kararına göre talep edilen ücret miktarı revize edilmiştir.
Her makale gönderimi için "500TL" makale işletim ücreti talep edilmektedir. Bu ücret, Derginin profesyonel dizgisi için kullanılır. İlgili makale işletim ücreti kabul/red şartına bakılmaksızın makale gönderim sırasında talep edilmektedir.
Ücret Ödenecek Hesap Bilgileri:
Türk Lirası Hesabı (Banka/Şube): VakıfBank, Dicle Üniversitesi Bağlı Şubesi
Hesap Adı: Dicle Universitesi Muhendislik Fakultesi Dekanlığı
Hesap No: 00158007306834414
IBAN: TR300001500158007306834414
NOT: İlgili APC ödemesi makaleniz ön değerlendirmeden geçtikten sonra Dergi sekreteryasından alacağınız ön onay mesajı sonrası yapılmaktadır.
Lütfen Editör Kurulunun yapacağı ön değerlendirme sonrası Dergipark sistemi üzerinden alacağınız mesajı bekleyiniz.
Tel: +90-412 241 10 00 (3637)
E-posta: muhendislikdergisi@dicle.edu.tr
Indexes
Citation Indexes
Other Indexes
Journal Boards
Baş Editör
Editör Kurulu
Visiting Professor at Oxford University, Dr. Idris Bedirhanoglu, who holds Bachelor and MSc degrees in Civil Engineering, got his Ph.D. from Istanbul Technical University with a co-advisor from Purdue University where he did a part of his PhD. He has been a Professor of Structural Engineering at Dicle University since March 2023. He worked as a Research Scientist at the Engineering Faculty of New York University Abu Dhabi in 2018-2019. He is the author/co-author of more than 40 journals (SCI or SCIE) or international conference papers and a co-author of four book chapters. He is on the Editorial Board of M. of J. of World Architecture and Engineering News (2014-2016), and a reviewer of more than 20 journals (SCI or SCIE). He is skilled in structural analysis, particularly in evaluating existing structures and retrofitting. As well, he has provided consultancy to more than 100 industrial projects. He has served as a member of the Technical Delegation to Evaluate Objections to Risky Building Detections (Ministry of Environment and Urbanization, General Directorates for Environment and Urbanization), vice chair of the Civil Engineering Department at Dicle University (2018-2019) and chair of the structural engineering laboratory (2010-2018). His main research interests include seismic design and evaluation of RC and historical structures, retrofitting buildings with FRP composites or textile fibers, recycling concrete, nondestructive testing, fuzzy logic, and finite element analysis.
Teknik Editör
Dicle Üniversitesi'nden Elektrik-Elektronik Mühendisliği alanında 2017 yılında yüksek lisans derecesini, 2023 yılında doktora derecesini aldı. 2025 yılında Wake Forest University School of Medicine Center for Artificial Intelligence Research'de PostDoc derecesi aldı. Şuan Dicle Üniversitesi'nden Elektrik-Elektronik Mühendisliği bölümünde Dr. Öğr. Üyesi olarak görev yapmaktadır. Araştırma ilgi alanları arasında Medikal Görüntü İşleme, Derin Öğrenme, Makine Öğrenmesi, Tıbbi Bilişim, Dijital Patoloji yer almaktadır.