Research Article
BibTex RIS Cite

Detection of Anomalous User Behaviors in E-Commerce Platforms Using Deep Learning–Based Methods

Year 2026, Volume: 9 Issue: 1, 80 - 89, 04.03.2026

Serkan Metin

https://doi.org/10.33723/rs.1867252
https://izlik.org/JA49JK98EP

Abstract

With the rapid growth of e-commerce platforms, detecting anomalous transactions and user behaviors from large-scale operational data has become a critical requirement for ensuring system security and operational efficiency. This study presents a comparative analysis of several deep learning– and machine learning–based anomaly detection approaches applied to e-commerce systems. The dataset used in this research was obtained from the Kaggle platform and consists of 17,049 observations with 18 attributes, including customer demographic information, order and payment details, delivery time, website interaction metrics, and customer satisfaction scores. This rich combination of behavioral and transactional features provides a realistic representation of real-world e-commerce environments. The experimental evaluation includes five anomaly detection methods: Autoencoder, LSTM-Autoencoder, Deep Support Vector Data Description (Deep SVDD), a GAN-based reconstruction approach (GAR-AD), and Isolation Forest. Model performance was assessed using AUROC, AUPRC, best F1 score, and Top-K metrics (Top 1%, 5%, and 10%) to reflect practical investigation capacity constraints in real-world e-commerce operations. The results indicate that the Autoencoder model achieves strong discriminatory performance, while the GAN-based GAR-AD approach provides more balanced and robust results in terms of AUPRC and best F1 score. In particular, the Top-K analysis demonstrates that GAR-AD yields superior precision and lift values under limited inspection budgets.

Keywords

E-commerce Anomaly Detection Deep Learning

References

  • Abdul Hussien, F. T., Rahma, A. M. S., & Abdulwahab, H. B. (2021). An e-commerce recommendation system based on dynamic analysis of customer behavior. Sustainability, 13(19), 10786. https://doi.org/10.3390/su131910786
  • Agrawal, S., & Agrawal, J. (2015). Survey on anomaly detection using data mining techniques. Procedia Computer Science, 60, 708–713. https://doi.org/10.1016/j.procs.2015.08.220
  • Al Farizi, W. S., Hidayah, I., & Rizal, M. N. (2021). Isolation Forest Based Anomaly Detection: A Systematic Literature Review. 2021 8th International Conference on Information Technology, Computer and Electrical Engineering (ICITACEE), Semarang, Indonesia, 118-122, https://doi.org/10.1109/ICITACEE53184.2021.9617498.
  • Becker, L. (2025). Anomaly detection in e-commerce platforms via graph neural networks. Asia Pacific Economic and Management Review, 2(2), 1–10. https://doi.org/10.62177/apemr.v2i2.208
  • Bi, M., Xu, J., Wang, M., & Zhou, F. (2016). Anomaly detection model of user behavior based on principal component analysis. Journal of Ambient Intelligence and Humanized Computing, 7, 547–554. https://doi.org/10.1007/s12652-015-0341-4
  • Bozbura, M., Tunc, H. C., Kusak, M. E., & Sakar, C. O. (2019). Detection of e-commerce anomalies using LSTM-recurrent neural networks. In Proceedings of the 8th International Conference on Data Science, Technology and Applications, 217–224. https://doi.org/10.5220/0007924502170224
  • Gupta, A. (2014). E-commerce: Role of e-commerce in today’s business. International Journal of Computing and Corporate Research, 4(1), 1–8.
  • Hernandez, S., Alvarez, P., Fabra, J., & Ezpeleta, J. (2017). Analysis of users’ behavior in structured e-commerce websites. IEEE Access, 5, 11941–11958. https://doi.org/10.1109/ACCESS.2017.2707600
  • Jain, V., Malviya, B., & Arya, S. (2021). An overview of electronic commerce (e-commerce). Journal of Contemporary Issues in Business and Government, 27(3), 665–670. https://doi.org/10.47750/cibg.2021.27.03.090
  • Jiang, X., Jia, R., & Zhang, F. (2025). Deep learning-based user behavior anomaly detection and threat early warning in cloud computing environments. Academia Nexus Journal, 4(3), 1–24.
  • Jiang, Y., & Yu, S. (2008). Mining e-commerce data to analyze the target customer behavior. In First International Workshop on Knowledge Discovery and Data Mining, 406–409. https://doi.org/10.1109/WKDD.2008.90
  • Karunaratne, T. (2023). Machine learning and big data approaches to enhancing e-commerce anomaly detection and proactive defense strategies in cybersecurity. Journal of Advances in Cybersecurity Science, Threat Intelligence, and Countermeasures, 7(12), 1–16.
  • Lachekhab, F., Benzaoui, M., Tadjer, S.A., Bensmaine, A., & Hamma, H. (2024). LSTM-Autoencoder Deep Learning Model for Anomaly Detection in Electric Motor. Energies, 17, 2340. https://doi.org/10.3390/en17102340
  • Lai, A. I. C., & Yang, H. C. (2023). Deep learning based behavior anomaly detection within the context of electronic commerce. In 2023 IEEE International Conference on Intelligence and Security Informatics (ISI), 1–6. https://doi.org/10.1109/ISI58743.2023.10297230
  • Li, J., Liu, S., & Zou, J. (2024). E-commerce data anomaly detection method based on variational autoencoder. In 2024 3rd International Conference on Artificial Intelligence, Internet of Things and Cloud Computing Technology (AIoTC), 231–234. https://doi.org/10.1109/AIoTC63215.2024.10748279
  • Liu, F. T., Ting, K. M., & Zhou, Z. H. (2012). Isolation-based anomaly detection. ACM Transactions on Knowledge Discovery from Data, 6(1), 1-39. https://doi.org/10.1145/2133360.2133363
  • Mah, P. M., Skalna, I., & Pelech-Pilichowski, T. (2025). AI-driven anomaly detection in e-commerce services: A deep learning and NLP approach to the isolation forest algorithm trees. Journal of Theoretical and Applied Electronic Commerce Research, 20(214), 1–32. https://doi.org/10.3390/jtaer20030214
  • Mawlud, A. T., & Ahmad, S. S. (2018). E-commerce transactions of behaviors anomaly detection system. Iraqi Journal for Information Technology, 9(1), 137–152.
  • Mendonça, H. G. (2016). E-commerce. Journal of Innovation, Projects and Technologies, 4(2), 240–251.
  • Minhas, M. S., & Zelek, J. (2019). Anomaly detection in images. Computer Vision and Pattern Recognition, 1–7. https://doi.org/10.48550/arXiv.1905.13147
  • Mohiuddin, A., Mahmood, A. N., & Hu, J. (2016). A survey of network anomaly detection techniques. Journal of Network and Computer Applications, 60, 19–31. https://doi.org/10.1016/j.jnca.2015.11.016
  • Nassif, A. B., Talib, M. A., Nasir, Q., & Dakalbab, F. M. (2021). Machine learning for anomaly detection: A systematic review. IEEE Access, 9, 78658–78700. https://doi.org/10.1109/ACCESS.2021.3083060
  • Pang, G., Shen, C., Cao, L., & van den Hengel, A. (2021). Deep learning for anomaly detection: A review. ACM Computing Surveys, 54(2), 1-38. https://doi.org/10.1145/3439950
  • Sakthivanitha, M., Priscila, S. S., & Praveen, B. M. (2025). Real-time anomaly detection using deep learning in e-commerce platform. Procedia Computer Science, 269, 309–320. https://doi.org/10.1016/j.procs.2025.08.283
  • Shao, Z., Wang, X., Ji, E., Chen, S., & Wang, J. (2025). GNN-EADD: Graph neural network-based e-commerce anomaly detection via dual-stage learning. IEEE Access, 13, 8963–8976. https://doi.org/10.1109/ACCESS.2025.3526239
  • Sharma, B., Pokharel, P., & Joshi, B. (2020). User behavior analytics for anomaly detection using LSTM autoencoder – Insider threat detection. In Proceedings of the 11th International Conference on Advances in Information Technology, 1–10. https://doi.org/10.1145/3406601.3406610)
  • Sun, M. (2025). Research on e-commerce return prediction and influencing factor analysis based on user behavioral characteristics. Pinnacle Academic Press Proceedings Series, 3, 15–28. https://doi.org/10.71222/ghj64w02
  • Taher, G. (2021). E-commerce: Advantages and limitations. International Journal of Academic Research in Accounting, Finance and Management Sciences, 11(1), 153–165. https://doi.org/10.6007/IJARAFMS/v11-i1/8987
  • Tanır, D., & Ramazanov, S. (2023). Veri madenciliği yöntemleri ile Türkiye’de fertlerin e-ticaret kullanımını etkileyen faktörlerin analizi. Karamanoğlu Mehmetbey Üniversitesi Sosyal ve Ekonomik Araştırmalar Dergisi, 25(44), 46–65.
  • Wang, C., Zhang, Y. M., & Liu, C. L. (2018). Anomaly detection via minimum likelihood generative adversarial networks. In 2018 24th International Conference on Pattern Recognition (ICPR),1121–1126. https://doi.org/10.1109/ICPR.2018.8545381
  • Wang, W., Li, H., Zhang, T., Wang, Z., & Lai, Y. (2023). Two-layer generalization boosting model for anomaly detection of e-commerce orders. In Sixth International Conference on Computer Information Science and Application Technology (CISAT 2023). https://doi.org/10.1117/12.3004538
  • Wu, J., Qiu, Z., Zeng, Z., Xiao, R., Rida, I., & Zhang, S. (2024). Graph autoencoder anomaly detection for e-commerce application by contextual integrating contrast with reconstruction and complementarity. IEEE Transactions on Consumer Electronics, 70(1), 1623–1630. https://doi.org/10.1109/TCE.2024.3352186
  • Zhang, L., & Liu, L. (2022). Data Anomaly Detection Based on Isolation Forest Algorithm. 2022 International Conference on Computation, Big-Data and Engineering (ICCBE), Yunlin, Taiwan, 87-89. https://doi.org/10.1109/ICCBE56101.2022.9888169
  • Zhao, P., Ding, Z., Wang, M., & Cao, R. (2019). Behavior analysis for electronic commerce trading systems: A survey. IEEE Access, 7, 108703–108728. https://doi.org/10.1109/ACCESS.2019.2933247

DERİN ÖĞRENME TABANLI YÖNTEMLER KULLANILARAK E-TİCARET PLATFORMLARINDA ANOMALİ KULLANICI DAVRANIŞLARININ TESPİTİ

Year 2026, Volume: 9 Issue: 1, 80 - 89, 04.03.2026

Serkan Metin

https://doi.org/10.33723/rs.1867252
https://izlik.org/JA49JK98EP

Abstract

E-ticaret platformlarının hızlı büyümesiyle birlikte, kullanıcı davranışları ve işlem kayıtları üzerinden ortaya çıkabilen anormal durumların tespiti, güvenlik ve operasyonel verimlilik açısından kritik bir gereksinim hâline gelmiştir. Bu çalışmada, e-ticaret sistemlerinde anomali tespiti amacıyla farklı derin öğrenme ve makine öğrenmesi tabanlı yaklaşımlar karşılaştırmalı olarak incelenmiştir. Çalışmada kullanılan veri seti, Kaggle platformundan elde edilen ve 17.049 gözlem ile 18 değişkenden oluşan gerçekçi bir e-ticaret veri tabanıdır. Veri seti; müşteri demografik bilgileri, sipariş detayları, ödeme yöntemleri, teslimat süresi, web sitesi etkileşimleri ve müşteri memnuniyeti gibi hem davranışsal hem de işlemsel nitelikte özellikler içermektedir. Araştırma kapsamında Autoencoder, LSTM-Autoencoder, Deep Support Vector Data Description (Deep SVDD), GAN tabanlı yeniden yapılandırma yaklaşımı (GAR-AD) ve Isolation Forest olmak üzere beş farklı anomali tespit yöntemi uygulanmıştır. Modeller, AUROC, AUPRC, en iyi F1 skoru ve operasyonel senaryoları yansıtmak amacıyla Top-K (Top %1, %5 ve %10) metrikleri üzerinden değerlendirilmiştir. Deneysel sonuçlar, Autoencoder modelinin yüksek ayrıştırma gücü sağladığını; GAN tabanlı GAR-AD yaklaşımının ise AUPRC ve Best-F1 metrikleri açısından daha dengeli ve tutarlı bir performans sunduğunu göstermektedir. Top-K analizleri, özellikle GAR-AD modelinin sınırlı inceleme kapasitesi senaryolarında yüksek doğruluk ve lift değerleri ürettiğini ortaya koymuştur.

Keywords

E-ticaret Anomali Tespiti Derin Öğrenme

References

  • Abdul Hussien, F. T., Rahma, A. M. S., & Abdulwahab, H. B. (2021). An e-commerce recommendation system based on dynamic analysis of customer behavior. Sustainability, 13(19), 10786. https://doi.org/10.3390/su131910786
  • Agrawal, S., & Agrawal, J. (2015). Survey on anomaly detection using data mining techniques. Procedia Computer Science, 60, 708–713. https://doi.org/10.1016/j.procs.2015.08.220
  • Al Farizi, W. S., Hidayah, I., & Rizal, M. N. (2021). Isolation Forest Based Anomaly Detection: A Systematic Literature Review. 2021 8th International Conference on Information Technology, Computer and Electrical Engineering (ICITACEE), Semarang, Indonesia, 118-122, https://doi.org/10.1109/ICITACEE53184.2021.9617498.
  • Becker, L. (2025). Anomaly detection in e-commerce platforms via graph neural networks. Asia Pacific Economic and Management Review, 2(2), 1–10. https://doi.org/10.62177/apemr.v2i2.208
  • Bi, M., Xu, J., Wang, M., & Zhou, F. (2016). Anomaly detection model of user behavior based on principal component analysis. Journal of Ambient Intelligence and Humanized Computing, 7, 547–554. https://doi.org/10.1007/s12652-015-0341-4
  • Bozbura, M., Tunc, H. C., Kusak, M. E., & Sakar, C. O. (2019). Detection of e-commerce anomalies using LSTM-recurrent neural networks. In Proceedings of the 8th International Conference on Data Science, Technology and Applications, 217–224. https://doi.org/10.5220/0007924502170224
  • Gupta, A. (2014). E-commerce: Role of e-commerce in today’s business. International Journal of Computing and Corporate Research, 4(1), 1–8.
  • Hernandez, S., Alvarez, P., Fabra, J., & Ezpeleta, J. (2017). Analysis of users’ behavior in structured e-commerce websites. IEEE Access, 5, 11941–11958. https://doi.org/10.1109/ACCESS.2017.2707600
  • Jain, V., Malviya, B., & Arya, S. (2021). An overview of electronic commerce (e-commerce). Journal of Contemporary Issues in Business and Government, 27(3), 665–670. https://doi.org/10.47750/cibg.2021.27.03.090
  • Jiang, X., Jia, R., & Zhang, F. (2025). Deep learning-based user behavior anomaly detection and threat early warning in cloud computing environments. Academia Nexus Journal, 4(3), 1–24.
  • Jiang, Y., & Yu, S. (2008). Mining e-commerce data to analyze the target customer behavior. In First International Workshop on Knowledge Discovery and Data Mining, 406–409. https://doi.org/10.1109/WKDD.2008.90
  • Karunaratne, T. (2023). Machine learning and big data approaches to enhancing e-commerce anomaly detection and proactive defense strategies in cybersecurity. Journal of Advances in Cybersecurity Science, Threat Intelligence, and Countermeasures, 7(12), 1–16.
  • Lachekhab, F., Benzaoui, M., Tadjer, S.A., Bensmaine, A., & Hamma, H. (2024). LSTM-Autoencoder Deep Learning Model for Anomaly Detection in Electric Motor. Energies, 17, 2340. https://doi.org/10.3390/en17102340
  • Lai, A. I. C., & Yang, H. C. (2023). Deep learning based behavior anomaly detection within the context of electronic commerce. In 2023 IEEE International Conference on Intelligence and Security Informatics (ISI), 1–6. https://doi.org/10.1109/ISI58743.2023.10297230
  • Li, J., Liu, S., & Zou, J. (2024). E-commerce data anomaly detection method based on variational autoencoder. In 2024 3rd International Conference on Artificial Intelligence, Internet of Things and Cloud Computing Technology (AIoTC), 231–234. https://doi.org/10.1109/AIoTC63215.2024.10748279
  • Liu, F. T., Ting, K. M., & Zhou, Z. H. (2012). Isolation-based anomaly detection. ACM Transactions on Knowledge Discovery from Data, 6(1), 1-39. https://doi.org/10.1145/2133360.2133363
  • Mah, P. M., Skalna, I., & Pelech-Pilichowski, T. (2025). AI-driven anomaly detection in e-commerce services: A deep learning and NLP approach to the isolation forest algorithm trees. Journal of Theoretical and Applied Electronic Commerce Research, 20(214), 1–32. https://doi.org/10.3390/jtaer20030214
  • Mawlud, A. T., & Ahmad, S. S. (2018). E-commerce transactions of behaviors anomaly detection system. Iraqi Journal for Information Technology, 9(1), 137–152.
  • Mendonça, H. G. (2016). E-commerce. Journal of Innovation, Projects and Technologies, 4(2), 240–251.
  • Minhas, M. S., & Zelek, J. (2019). Anomaly detection in images. Computer Vision and Pattern Recognition, 1–7. https://doi.org/10.48550/arXiv.1905.13147
  • Mohiuddin, A., Mahmood, A. N., & Hu, J. (2016). A survey of network anomaly detection techniques. Journal of Network and Computer Applications, 60, 19–31. https://doi.org/10.1016/j.jnca.2015.11.016
  • Nassif, A. B., Talib, M. A., Nasir, Q., & Dakalbab, F. M. (2021). Machine learning for anomaly detection: A systematic review. IEEE Access, 9, 78658–78700. https://doi.org/10.1109/ACCESS.2021.3083060
  • Pang, G., Shen, C., Cao, L., & van den Hengel, A. (2021). Deep learning for anomaly detection: A review. ACM Computing Surveys, 54(2), 1-38. https://doi.org/10.1145/3439950
  • Sakthivanitha, M., Priscila, S. S., & Praveen, B. M. (2025). Real-time anomaly detection using deep learning in e-commerce platform. Procedia Computer Science, 269, 309–320. https://doi.org/10.1016/j.procs.2025.08.283
  • Shao, Z., Wang, X., Ji, E., Chen, S., & Wang, J. (2025). GNN-EADD: Graph neural network-based e-commerce anomaly detection via dual-stage learning. IEEE Access, 13, 8963–8976. https://doi.org/10.1109/ACCESS.2025.3526239
  • Sharma, B., Pokharel, P., & Joshi, B. (2020). User behavior analytics for anomaly detection using LSTM autoencoder – Insider threat detection. In Proceedings of the 11th International Conference on Advances in Information Technology, 1–10. https://doi.org/10.1145/3406601.3406610)
  • Sun, M. (2025). Research on e-commerce return prediction and influencing factor analysis based on user behavioral characteristics. Pinnacle Academic Press Proceedings Series, 3, 15–28. https://doi.org/10.71222/ghj64w02
  • Taher, G. (2021). E-commerce: Advantages and limitations. International Journal of Academic Research in Accounting, Finance and Management Sciences, 11(1), 153–165. https://doi.org/10.6007/IJARAFMS/v11-i1/8987
  • Tanır, D., & Ramazanov, S. (2023). Veri madenciliği yöntemleri ile Türkiye’de fertlerin e-ticaret kullanımını etkileyen faktörlerin analizi. Karamanoğlu Mehmetbey Üniversitesi Sosyal ve Ekonomik Araştırmalar Dergisi, 25(44), 46–65.
  • Wang, C., Zhang, Y. M., & Liu, C. L. (2018). Anomaly detection via minimum likelihood generative adversarial networks. In 2018 24th International Conference on Pattern Recognition (ICPR),1121–1126. https://doi.org/10.1109/ICPR.2018.8545381
  • Wang, W., Li, H., Zhang, T., Wang, Z., & Lai, Y. (2023). Two-layer generalization boosting model for anomaly detection of e-commerce orders. In Sixth International Conference on Computer Information Science and Application Technology (CISAT 2023). https://doi.org/10.1117/12.3004538
  • Wu, J., Qiu, Z., Zeng, Z., Xiao, R., Rida, I., & Zhang, S. (2024). Graph autoencoder anomaly detection for e-commerce application by contextual integrating contrast with reconstruction and complementarity. IEEE Transactions on Consumer Electronics, 70(1), 1623–1630. https://doi.org/10.1109/TCE.2024.3352186
  • Zhang, L., & Liu, L. (2022). Data Anomaly Detection Based on Isolation Forest Algorithm. 2022 International Conference on Computation, Big-Data and Engineering (ICCBE), Yunlin, Taiwan, 87-89. https://doi.org/10.1109/ICCBE56101.2022.9888169
  • Zhao, P., Ding, Z., Wang, M., & Cao, R. (2019). Behavior analysis for electronic commerce trading systems: A survey. IEEE Access, 7, 108703–108728. https://doi.org/10.1109/ACCESS.2019.2933247
There are 34 citations in total.

Details

Primary Language Turkish
Subjects Statistics (Other)
Journal Section Research Article
Authors

Serkan Metin 0000-0003-1765-7474

Submission Date January 19, 2026
Acceptance Date March 4, 2026
Publication Date March 4, 2026
DOI https://doi.org/10.33723/rs.1867252
IZ https://izlik.org/JA49JK98EP
Published in Issue Year 2026 Volume: 9 Issue: 1

Cite

APA Metin, S. (2026). DERİN ÖĞRENME TABANLI YÖNTEMLER KULLANILARAK E-TİCARET PLATFORMLARINDA ANOMALİ KULLANICI DAVRANIŞLARININ TESPİTİ. R&S - Research Studies Anatolia Journal, 9(1), 80-89. https://doi.org/10.33723/rs.1867252

Aim & Scope

R&S-Research Studies Anatolia Journal; yayın kapsamındaki bilimsel çalışmaları yayımlayarak, söz konusu alanlara katkıda bulunmayı amaçlayan, 2018 yılında yayın hayatına başlamış bir sosyal bilimler dergisidir. Kalite ve güvenden ödün vermeden kalıcılığı ile akademik camiada önde gelen yayınlardan olma iddiasındadır. Ulusal ve uluslararası kamuoyuna hitap eden, yeni fikirler ve açılımlar ortaya koyan, karar mekanizmalarında çalışanlara ve uygulayıcılara kadar her kademeye referans olabilecek bir yapıya sahip olmak ve yaygınlaşmak isteğindedir.

R&S-Research Studies Anatolia Journal dergisi, Sosyal ve Beşeri Bilimler bünyesinde yer alan Davranış Bilimleri, Endüstriyel İlişkiler ve İşgücü, Halkla İlişkiler, İktisat, İletişim, İşletme, Kamu Yönetimi, Siyasi Bilimler, Uluslararası İlişkiler, Yöneylem Araştırma ve Yönetim Bilimi konularındaki; Konferans Bildirisi, Araştırma Makalesi, Derleme, Çeviri, Sistematik Derlemeler ve Meta Analiz, İnceleme Makalesi, Teorik Makale, Kısa Bildiri gibi bilimsel çalışmaları yayımlayan, uluslararası indekslerde taranan, hakemli bir dergidir.

Makalelerin aşağıda belirtilen şekilde sunulmasına özen gösterilmelidir:
1. R&S Dergisi’ne yayınlanması için çalışma göndermek isteyenlerin, yazılarını http://dergipark.org.tr/rs adresi aracılığıyla göndermeleri gerekir.

2. Yayınlanması amacıyla R&S Dergisi’ne gönderilmiş olan özgün makalelerin başında en az 100, en fazla 200 kelimeden oluşan Türkçe (Özet), İngilizce (Abstract) ve 3-5 kelimelik Türkçe (Anahtar Kelimeler), İngilizce (Keywords) ile Türkçe ve İngilizce başlık yer almalıdır.

3. Makalelerde yapılan atıflar için APA sistemi kullanılmalıdır.

4. Metnin sonunda KAYNAKÇA başlığı altında çalışmada kullanılan kaynakların bir listesi verilir. Çalışmada kullanılan referansların listelendiği bu kaynakça, yazar soyadı sıralamasına göre ve alfabetik olarak hazırlanır.

5. Sisteme eklenecek yazıların sayfa düzeninin yazar tarafından ve şu değerlere uygun bir biçimde yapılmış olması gerekir:

Kâğıt Boyutu: A4 Dikey (Makalede yatay sayfalara yer verilmemeli)
Üst Kenar Boşluk: 2,5 cm
Alt Kenar Boşluk: 2,5 cm
Sol Kenar Boşluk: 2,5 cm
Sağ Kenar Boşluk: 2,5 cm
Yazı Tipi: Times New Roman
Yazı Boyutu: Başlıkta 12, metinde 12, özetlerde 12 ve dipnotlarda 10 punto
Paragraf Aralığı: Önce 0 nk – sonra 0 nk, Özetlerde: Önce 0 nk – sonra 0 nk
Satır Aralığı: Çift

6. Makale metninde paragraf başında 0,5 cm girinti yapılmalı, paragraf araları 1 satır (Önce:6nk Sonra:6nk) boşluk bırakılarak belirginleştirilmelidir (Ofis'te Paragraf-Girinti=0,5 ve Aralıklar, Aralık=Çift, Önce=0; Sonra=0 nk).

7. Bölüm Başlıkları: Makalede, düzenli bir bilgi aktarımı sağlamak üzere ana, ara ve alt başlıklar kullanılabilir; Başlıklar numaralandırılmamalıdır.

8. Tablolar ve Şekiller: Tabloların numarası ve başlığı bulunmalıdır. Tablolar metin içinde bulunması gereken yerlerde olmalıdır. Şekiller renkli baskıya uygun hazırlanmalıdır. Şekil numaraları ve adları şeklin hemen altına ortalı şekilde yazılmalıdır.

9. Resimler: Yüksek çözünürlüklü, baskı kalitesinde taranmış halde metin içerisindeki yerlerinde verilmelidir. Resim adlandırmalarında, şekil ve çizelgelerdeki kurallara uyulmalıdır.

10. R&S Dergisi Yayın İlkeleri’ne herhangi bir açıdan uygunluk arz etmeyen yazılar değerlendirilmeye alınmaz.

ÖRNEK YAZIMLAR

KİTAPLAR

Tek Yazarlı Kitapların Kaynakçada Yazılma Şekilleri

Soyad, Adın İlk Harfi. (Yayım Yılı). Kitabın Adı, Yayım Yeri, Şehir.

Odabaşı, Y. (2004). Postmodern Pazarlama, Mediacat Kitapları, İstanbul.


İki Yazarlı Kitapların Kaynakçada Yazılma Şekilleri

Soyad, Adın İlk Harfi. & Soyad, Adın İlk Harfi. (Yayım Yılı). Kitabın Adı, Yayım Yeri.

Yıldırım, A. & Şimşek, H. (2008). Sosyal Bilimlerde Nitel Araştırma Yöntemleri, Seçkin Yayıncılık.


Üç ve Daha Fazla Yazarlı Kitapların Kaynakçada Yazılma Şekilleri

Soyad, Adın İlk Harfi.; Soyad, Adın İlk Harfi. & Soyad, Adın İlk Harfi. (Yayım Yılı). Kitabın Adı, Yayım Yeri.

Beck, C.A.J.; Sales, B.D., Walter, M.D. & Heynes, A.P. (2002). Managing Diversity in the Classroom, New Age Printing.


Çeviri Kitapların Kaynakçada Yazılma Şekilleri

Soyad, Adın İlk Harfi. (Yayım Yılı). Kitabın Adı (Çev. / Haz.), Yayım Yeri.

Pearson, C.S. (2003). İçimizdeki Kahraman (Çev.:Semra Ayanbaşı), Akaşa Yayınları.


Editörlü Kitapların Kaynakçada Yazılma Şekilleri

Soyad, Adın İlk Harfi. (Yayım Yılı). “Bölüm Adı” (Ed. Editörün Adı Soyadı), Kitabın Adı, ss.Sayfa Aralığı, Yayım Yeri.

Karluk, S.R. (2005). “Kıbrıs’ın AB Üyeliği AB’yi Böler mi?”. (Ed. Oğuz Kaymakçı ), Avrupa Birliği Üzerine Notlar, ss. 263-287, Nobel Yayın Dağıtım.


Yazarı Belirtilmemiş Kitapların Kaynakçada Yazılma Şekilleri

Eserin Adı, (Yayım Yılı), Yayım Yeri.

İmlâ Kılavuzu, (2000), Türk Dil Kurumu Yayınları.


MAKALELER

Tek Yazarlı Makalelerin Kaynakçada Yazılma Şekilleri

Soyad, Adın İlk Harfi. (Tarih). “Makalenin adı (Sadece ilk harf büyük)”, Yayınlandığı Dergi Adı, Cilt(Sayı):Sayfa Aralığı.

Sipahi, E. (2017). “Yerel E- Devlet 2.0: Sosyal medya ve belediyelerde kurumsal şeffaflık”, International Journal of Academic Value Studies (JAVSTUDIES), 3(12):354-366.


İki Yazarlı Makalelerin Kaynakçada Yazılma Şekilleri

Soyad, Adın İlk Harfi. & Soyad, Adın İlk Harfi. (Tarih). “Makalenin Adı (sadece ilk harf büyük)”, Yayınlandığı Dergi Adı, Yıl (Sayı): Sayfa Aralığı.

Kıngır, S. & Mesci, M. (2007). “Öğrenen organizasyonlar”, Elektronik Sosyal Bilimler Dergisi, 6(19):19-27.


Üç ve Daha Fazla Yazarlı Makalelerin Kaynakçada Yazılma Şekilleri

Soyad, Adın İlk Harfi.; Soyad, Adın İlk Harfi. & Soyad, Adın İlk Harfi. (Tarih). “Makalenin adı (sadece ilk harf büyük)”, Yayınlandığı Dergi Adı, Yıl(Sayı):Sayfa Aralığı.

Fettahlıoğlu, S.; Yıldız, A. & Birin, C. (2009). ‘Hedonik tüketim davranışları: Kahramanmaraş Sütçü İmam Üniversitesi Ve Adıyaman Üniversitesi öğrencilerinin hedonik alışveriş davranışlarında demografik faktörlerin etkisinin karşılaştırmalı olarak analizi”, International Journal of Social Science (JASSS), 2014(27): 307-331.


TEZ & PROJELER

Tez veya Projelerin Kaynakçada Yazılma Şekilleri

Soyad, Adın İlk Harfi. (Tarih). “Tez Adı”, [Tez türü] Üniversite.

Aydın, A. E. (2013). ‘’Ürünlere Yüklenen Hedonik ve Faydacı Değeri Etkileyen Faktörler Üzerine Bir Araştırma’’, [Yayınlanmamış Yüksek Lisans Tezi], Muğla Sıtkı Koçman Üniversitesi.


SEMPOZYUM / KONFERANS / BİLDİRİ

Sempozyum/Konferans/Bildirinin Kaynakçada Yazılma Şekilleri

Soyad, Adın İlk Harfi. (Tarih). “Bildiri Adı”, Etkinliğin Adı, Etkinlik Tarihi, (Editör. Adı Soyadı), Etkinliği Düzenleyen Kurumun Adı, Sayfa Aralığı, Şehir.

Öztürk, B. (2016). ‘’Dini Eğilimlerin Tüketici Tercihlerine Etkisi: İngiltere’de Gıda Seçimleri Örneği’’ Uluslararası Çin’den Adriyatik’e Sosyal Bilimler Kongresi, 27-30 Ekim 2016, İKSAD, 859-869, Antalya.


DİĞER YAYINLAR

Ansiklopedi Maddelerinin Kaynakçada Yazılma Şekilleri

Soyad, Adın İlk Harfi. (Tarih). “Madde Hali”, Ansiklopedinin Adı, (Cilt No):Sayfa Aralığı, Şehir.

Bayraktar, M. (1996). “Dâvûd-ı Kayseri”, Diyanet İslam Ansiklopedisi (DİA), (IX):32-35, İstanbul.


Gazete Yazılarının Kaynakçada Yazılma Şekilleri

Soyad, Adın İlk Harfi. (Tarih). “Yazının Başlığı”, Gazetenin Adı.

Akyol, T. (2005), “Sosyal Bilim Ödülleri”, Milliyet.


Kurumsal WEB Sayfasının Kaynakçada Yazılma Şekilleri

Kurum Adı Kısaltması, Kurum Adı, Web Adresi

YÖK, Yüksek Öğretim Kurumu, www.yok.gov.tr.gov.tr

Örnek makale şablonu için lütfen tıklayınız.

A- GENEL İLKELER

1. R&S (Research Studies Anatolia Journal) hakemli, uluslararası birçok indekste taranan e-dergi olup, yılda 4 sayı (Ocak, Nisan, Temmuz, Ekim) yayınlanır. Gerekli durumlarda özel ya da ek sayılar da yayınlanabilir. 

2. R&S Dergisi, Sosyal ve Beşeri Bilimler temel alanında yer alan Davranış Bilimleri, Endüstriyel İlişkiler ve İşgücü, Halkla İlişkiler, İktisat, İletişim, İşletme, Kamu Yönetimi, Siyasi Bilimler, Uluslararası İlişkiler, Yöneylem Araştırma ve Yönetim Bilimi konularındaki çalışmaları yayınlayan bir dergidir. Yalnızca özgün bilimsel makalelere ilişkin metinleri yayınlar. Ayrıca, sunulduğu yer, toplantı ve tarihin kaydedilmesi ile başka bir yerde yayınlanmamış olması şartıyla kongre ve sempozyum bildirileri de makale çalışması olarak yayınlanabilir. Ancak bu yayın etkinliğinden kaynaklanması muhtemel herhangi bir sorunun sorumluluğu yazara aittir.

3. R&S Dergisi’ne gönderilen yazıların daha önce herhangi bir mecrada yayınlanmamış olması ve sisteme eklendiğinde bir başka yayın organının yayın değerlendirme sürecinde bulunmaması gerekir.

4. Herhangi bir yazının R&S Dergisi’ne elektronik sistemine eklenmesi, yazının yayınlanması için başvuru olarak kabul edilir ve yazının değerlendirilme süreci başlar.

5. Başvurunun yapılmasından yazının yayınlanması aşamasına kadar uzanan süreçteki bütün işlemler elektronik ortamda gerçekleşir.

6. Yayınlanması için R&S Dergisi’ne gönderilen yazıların basım ve yayın hakları dergiye devredilmiş olur. Bu yazılar dergi yönetiminden izin alınmaksızın bir başka yayın organında yayınlanamaz, çoğaltılamaz ve kaynak gösterilmeden kullanılamaz. R&S Dergisi, yayınlamış olduğu metinleri çeşitli mecralarda yayınlayabilir.

7. R&S Dergisi’nin yayın dili Türkçe olmakla birlikte İngilizce dilinde gelen yazılar da değerlendirmeye tabi tutulur ve hakemler tarafından yayımlanması uygun görüldüğü takdirde yayınlanır.

B- ARAŞTIRMA VE YAYIN ETİĞİNE İLİŞKİN DERGİ POLİTİKASI

1. Etik Kurul izni gerektiren çalışmalar (anket ya da ölçek uygulamayı gerektiren, görüşme ve gözlem içeren; doküman, resim, anket vb. diğerleri tarafından geliştirilen ve kullanım izni gerektiren çalışmalar) için etik kurullardan ya da komisyonlardan gerekli izinlerin alınması, bunların makale içeriğinde belirtilmesi ya da ek olarak sunulması gerekmektedir. Bu izinlerin olmaması durumunda yayın ön inceleme safhasında yazara iade edilir.

2. Hakem değerlendirmelerinde olan araştırmalara ilişkin ham verilerin hakemler tarafından talep edildiğinde sunulması şarttır. Verilerin makalenin yayımı sonrasında da gerektiğinde sağlanması zorunludur.

3. Aşağıda belirtilen etik ilkeler ve sorumluluklar belirlenirken Committee on Publication Ethics (COPE) tarafından yayımlanan "Dergi Editörleri için Davranış Kuralları ve En İyi Uygulama Rehber İlkeleri” ve “Dergi Yayıncıları için Davranış Kuralları”ndan yararlanılmıştır.


C- MAKALE BENZERLİK RAPORU VE BENZERLİK ORANINA İLİŞKİN DERGİ POLİTİKASI
1. Aday makaleler akademik intihal engelleme programından (Ithenticate, intihal.net vb.) geçirilmektedir. Adayın bu kapsamda çalışmasına ilişkin intihal raporunu makale gönderimi esnasında sisteme yüklemesi gerekmektedir.

2. Toplam benzerlik oranı %20'ye, aynı kaynaktan yapılan alıntı oranı ise %5'e kadar olan çalışmalar değerlendirme sürecine kabul edilmektedir.

3. Toplam benzerlik oranı %20'nin, aynı kaynaktan yapılan alıntı oranı ise %5'in üzerinde olan çalışmalar ön kontrol aşamasında yazar(lar)a iade edilecektir.



D- YAZARLAR İÇİN ETİK KURALLAR

1. Yazarlar çalışmalarının özgün olduğunu garanti eder ve diğer araştırmacıların fikir, dil, resim, grafik ve tablolarına çalışmalarında yer verdikleri zaman bunu alıntı olarak belirtmek durumundadır. Kaynağı belirtmeden yapılan alıntı intihal nedenidir.

2. Çalışmada adı geçen her yazar çalışmanın içeriğinden aynı oranda sorumludur. Çalışmaya katkısı olup da araştırmacının ismine yer verilmemesi veya katkısı olmadığı halde haksız yere adına yer verilmesi kabul edilemez bir durumdur.

3. Yazarlar araştırmalarının bulgularına sadık kalmalıdır. Bulguların değiştirilmesi, bulgu ve sonuç uydurmak ve bunlardan yola çıkarak araştırma yapmak söz konusu değildir. Veriler ve materyaller üzerinde oynama, silme, çıkarma ya da baş etmesi güç verilerin yorumlanma işlemini atlama gibi durumlar güven kırıcıdır.

4. Çalışmanın dergilere eş zamanlı gönderimi söz konusu olamaz. Yazarlar önceden yayımlanmış çalışmalarını da dergiye gönderemezler.



E- HAKEMLER İÇİN ETİK KURALLAR

1. Hakemler değerlendirme sürecinin gizli olduğunu ve üçüncü kişilerle paylaşılmaması gerektiğini bilmelidir.

2. Hakemler, belirlenen süre içerisinde çalışma ile ilgili objektif, tarafsız, bilimsel, anlaşılır ve yapıcı bir değerlendirme raporu sunmalıdır.

3. Hakem raporları, makalenin bilimsel niteliği (ele aldığı konu, kullanılan yöntem ya da ilgili literatürün uygun kullanımı) ile ilgili değerlendirme de içerecektir. Bu değerlendirme olumlu ya da olumsuz, içerik hakkında mutlaka yapılmalıdır.

4. Çalışmanın intihal olduğu ya da önceden başka bir yerde yayımlandığı anlaşılması üzerine hakemler durumu editöre bildirmelidir.



F- DEĞERLENDİRME SÜRECİ

1. R&S Dergisi’nin sistemine yüklenen her yazı, ilk olarak editör veya editör yardımcıları tarafından yazım ve yayın ilkelerine uygunluğu bağlamından değerlendirilir. Bu değerlendirme sonucunda, yazar tarafından yapılması gereken düzeltmeler olursa, yazı, editörler tarafından düzeltme istenerek yazara iade edilir.

2. Yazım ilkelerine uygun olmayan yazılar hakeme gönderilmez.

3. Yazım ve yayın ilkeleri açısından değerlendirilmeye uygun bulunan yazılar hakemlere yönlendirilir. Editör onayından geçen her yazının değerlendirilmesi için en az iki hakem görevlendirilir. Hakemler yazının temsil ettiği alan ve anabilim dalında uzmanlıkları bulunan kimseler arasından seçilir.

4. Hakem ve yazarların isimleri karşılıklı olarak birbirlerinden gizli tutulur.

5. Hakemlerin kendilerine gönderilen yazıyı değerlendirme süreleri azami 25 gündür. Bu süreç sonunda rapor edilmeyen yazı için yeni bir hakem tayin edilir.

6. Alan değerlendirmesinden iki olumlu hakem raporu alan yazı yayınlanmaya hak kazanır. Bir olumlu bir olumsuz hakem raporu alan yazı, üçüncü bir hakeme gönderilir ve yazının yayınlanıp yayınlanmaması üçüncü hakemin raporu doğrultusunda belirlenir.

7. Hakemler, düzeltme istedikleri yazıyı yayınlanmadan önce bir kez daha görmek isteyebilirler. Bu talebin raporda belirtilmesi durumunda metnin düzeltilmiş biçimi sistem tarafından otomatik olarak hakeme gönderilir.

8. Yazarlar, makul çerçevede ve ikna edici verilerle birlikte hakem raporuna itiraz edebilirler. İtirazlar dergi yönetimi tarafından incelenir ve uygun görüldüğü takdirde konu ile ilgili olarak farklı bir hakemin (ya da hakemlerin) görüşlerine başvurulabilir.

9. R&S Dergisi’nin elektronik sistemine eklenen yazıların değerlendirme sürecinin hangi evresinde olduğu, yazarlar tarafından kendi üyelik bilgileri kullanılarak takip edilebilir. Hakem süreci titizlikle izlenmeli, sistem yalnızca bir kez değişiklik hakkı verebildiğinden dolayı yapılması muhtemel değişiklikler için her iki hakem değerlendirmesinin de sonuçlanması ve raporların sisteme girilmesi beklenmelidir.

10. Dergi editörleri, hakemler tarafından verilen düzeltmeleri titizlikle takip eder. Bu doğrultuda, editörler tarafından bir yazının yayınlanması ya da yayınlanmaması yönünde karar alınabilir.

11. R&S Dergisi’ne yüklenen makaleler için tasarım şirketi hesabına yatırılmak üzere 850 TL/25 USD ücret alınmaktadır. Bu ücret, makalenin yazar tarafından sisteme yüklenmesinden sonra dergi tarafından gönderilen bilgi mesajı uyarınca, hakem sürecinin başlatılmasından önce yatırılır. Yayın ücreti yatırıldıktan sonra yazarlardan gelen dekontlar dergi yönetimi tarafından tasarım şirketine gönderilir ve çalışmanın hakem süreci başlatılır

YAYIN POLİTİKASI

1. R&S (Research Studies Anatolia Journal) ulusal ve uluslararası indekslerde taranan hakemli, endeksli e-dergi olup, yılda 4 sayı (Ocak, Nisan, Temmuz, Ekim) yayınlanır. Gerekli durumlarda özel ya da ek sayılar da yayınlanabilir.

2. R&S Dergisi, Sosyal ve Beşeri Bilimler alanlarındaki çalışmaları yayınlayan bir dergidir. Yalnızca özgün bilimsel makalelere ilişkin metinleri yayınlar. Ayrıca, sunulduğu yer, toplantı ve tarihin kaydedilmesi ile başka bir yerde yayınlanmamış olması şartıyla kongre ve sempozyum bildirileri de makale çalışması olarak yayınlanabilir. Ancak bu yayın etkinliğinden kaynaklanması muhtemel herhangi bir sorunun sorumluluğu yazara aittir.

3. R&S Dergisi’ne gönderilen yazıların daha önce herhangi bir mecrada yayınlanmamış olması ve sisteme eklendiğinde bir başka yayın organının yayın değerlendirme sürecinde bulunmaması gerekir.

4. R&S Dergisi’ne yayınlanması için çalışma göndermek isteyenlerin, yazılarını http://dergipark.org.tr/rs adresi aracılığıyla göndermeleri gerekir.

5. Herhangi bir yazının R&S Dergisi’ne elektronik sistemine eklenmesi, yazının yayınlanması için başvuru olarak kabul edilir ve yazının değerlendirilme süreci başlar.

6. Başvurunun yapılmasından yazının yayınlanması aşamasına kadar uzanan süreçteki bütün işlemler elektronik ortamda gerçekleşir.

7. Yayınlanması için R&S Dergisi’ne gönderilen yazıların basım ve yayın hakları dergiye devredilmiş olur. Bu yazılar dergi yönetiminden izin alınmaksızın bir başka yayın organında yayınlanamaz, çoğaltılamaz ve kaynak gösterilmeden kullanılamaz. R&S Dergisi, yayınlamış olduğu metinleri çeşitli mecralarda yayınlayabilir.

8. R&S Dergisi’nin yayın dili Türkçe olmakla birlikte İngilizce dilinde gelen yazılar da değerlendirmeye tabi tutulur ve hakemler tarafından yayımlanması uygun görüldüğü takdirde yayınlanır.

DEĞERLENDİRME SÜRECİ

9. R&S Dergisi’nin sistemine yüklenen her yazı, ilk olarak editör veya editör yardımcıları tarafından yazım ve yayın ilkelerine uygunluğu bağlamından değerlendirilir. Bu değerlendirme sonucunda, yazar tarafından yapılması gereken düzeltmeler olursa, yazı, editörler tarafından düzeltme istenerek yazara iade edilir.

10. Yazım ilkelerine uygun olmayan yazılar hakeme gönderilmez.

11. Yazım ve yayın ilkeleri açısından değerlendirilmeye uygun bulunan yazılar hakemlere yönlendirilir. Editör onayından geçen her yazının değerlendirilmesi için en az iki hakem görevlendirilir. Hakemler yazının temsil ettiği alan ve anabilim dalında uzmanlıkları bulunan kimseler arasından seçilir.

12. Hakem ve yazarların isimleri karşılıklı olarak birbirlerinden gizli tutulur.

13. Hakemlerin kendilerine gönderilen yazıyı değerlendirme süreleri azami 25 gündür. Bu süreç sonunda rapor edilmeyen yazı için yeni bir hakem tayin edilir.

14. Alan değerlendirmesinden iki olumlu hakem raporu alan yazı yayınlanmaya hak kazanır. Bir olumlu bir olumsuz hakem raporu alan yazı, üçüncü bir hakeme gönderilir ve yazının yayınlanıp yayınlanmaması üçüncü hakemin raporu doğrultusunda belirlenir.

15. Hakemler, düzeltme istedikleri yazıyı yayınlanmadan önce bir kez daha görmek isteyebilirler. Bu talebin raporda belirtilmesi durumunda metnin düzeltilmiş biçimi sistem tarafından otomatik olarak hakeme gönderilir.

16. Yazarlar, makul çerçevede ve ikna edici verilerle birlikte hakem raporuna itiraz edebilirler. İtirazlar dergi yönetimi tarafından incelenir ve uygun görüldüğü takdirde konu ile ilgili olarak farklı bir hakemin (ya da hakemlerin) görüşlerine başvurulabilir.

17. R&S Dergisi’nin elektronik sistemine eklenen yazıların değerlendirme sürecinin hangi evresinde olduğu, yazarlar tarafından kendi üyelik bilgileri kullanılarak takip edilebilir. 

18. Dergi editörleri, hakemler tarafından verilen düzeltmeleri titizlikle takip eder. Bu doğrultuda, editörler tarafından bir yazının yayınlanması ya da yayınlanmaması yönünde karar alınabilir.

R&S - Research Studies Anatolia Journal dergisine makale gönderimi / başvurusu ücretlidir. Yüklenen makaleler için tasarım şirketi hesabına yatırılmak üzere 500 TL/20 USD ücret alınmaktadır (2025 Ocak Sayısından itibaren 850 TL/25 USD olacaktır). Makale gönderim ücreti, başvuru sırasında ve kabul/red şartına bağlı olmaksızın talep edilir. Reddedilen makalelerde ücret iadesi yapılmaz. Makalenizin hakemlerimizce kabul edilmesi halinde yayın için tarafınızdan herhangi bir ek ücret talep edilmez.
Bu ücret, makalenin yazar tarafından sisteme yüklenmesinden sonra dergi tarafından gönderilen bilgi mesajı uyarınca, hakem sürecinin başlatılmasından önce yatırılır. Yayın ücreti yatırıldıktan sonra yazarlardan gelen dekontlar dergi yönetimi tarafından tasarım şirketine gönderilir ve çalışmanın hakem süreci başlatılır. Ücret yatırıldıktan sonra makaleler öncelikle amaç, kapsam, şekil, içerik, literatüre katkı vb. açılardan editör(ler) tarafından değerlendirilir ve hakem değerlendirme sürecine alınıp alınmayacağına karar verilir.

Citation Indexes

Google Scholar
Scientific Indexing Services
DRJI
ResearchBib
idealonline
CiteFactor
JIFACTOR
COSMOS IF
ASOS Index
Eurasian Scientific Journal Index
Journal Factor
Türk Eğitim İndeksi
Rootindexing

Other Indexes

EUROPUB
Cosmos If
GENERAL IMPACT FACTOR
GitHub
Google Scholar
InfoBase Index
IPIndexing
ISSN
İdealonline
JIFACTOR
Journal Factor
LOWA STATE-California, San Francisco
Research Bib
Root Society for Indexing and Impact Factor Service (Root Indexing)
Scientific Indexing Services (SIS)
Türk Eğitim İndeksi (TEİ)
Advanced Science Index
ASOS Index
Directory of Research Journals Indexing (DRJI)
FERRIS STATE UNIVERSITY
HARVARD LIBRARY

BAŞ EDİTÖR

Arif Yıldız
Arif YILDIZ
1980 yılında Elazığ'da doğdu. İlk, orta ve lise eğitimini Elazığ'da tamamladı. İnönü Üniversitesi İ.İ.B.F. İşletme Bölümü Lisans; Cumhuriyet Üniversitesi Sosyal Bilimler Enstitüsü İşletme Anabilim Dalı, Yönetim ve Organizasyon Bilim Dalı'nda yüksek lisans eğitimini, Kahramanmaraş Sütçü İmam Üniversitesi Sosyal Bilimler Enstitüsü İşletme Anabilim Dalında doktora eğitimini tamamladı. 5 yıl özel bir bankada görev aldıktan sonra Cumhuriyet Üniversitesi Gürün MYO, Dış Ticaret Bölümünde 3,5 yıl kadar Öğretim Görevlisi unvanı ile akademisyen olarak görev aldı. 2013-2023 yılları arasında Adıyaman Üniversitesi, Gölbaşı Meslek Yüksekokulu, Yönetim ve Organizasyon Bölümü'nde akademik hayatını sürdürdü. Halen Malatya Turgut Özal Üniversitesi, Sosyal ve Beşeri Bilimler Fakültesi, Uluslararası İşletme Yönetimi Bölümünde Öğretim Üyesi olarak görev yapmaktadır.
International Corporation, Integrated Marketing Communication, Marketing, Digital Marketing, Pricing, Service Marketing, Customer Relationship Management, Marketing Management, Advertisement, Sales Management, Agricultural Marketing, Consumer Behaviour, Consumer-Oriented Product or Service Development, Product and Brand Management, Marketing (Other), Strategy, Management and Organisational Behaviour

EDİTÖR KURULU

Default avatar
Kazım KILINÇ
Communication and Media Studies, Digital Marketing, Service Marketing, Marketing Communications, Consumer Behaviour
Ramazan Aslan
Ramazan ASLAN
Marketing, Political Marketing

DANIŞMA KURULU

Default avatar
Atılhan NAKTİYOK
Corporate Social Responsibility in Management
Muhsin Halis
Muhsin HALİS

1993 İşletme 
1995 İşletme Yönetim ve Organizasyon Yüksek Lisans
1998 İşletme Yönetim ve Organizasyon Doktora
2001 İşletme Yönetim ve Organizasyon Doçent
2007 İşletme Yönetim ve Organizasyon Profesör
 
Human Resources Management, Business Administration, Entrepreneurship, Quality Management, Leadership, Management and Organization Education
Yavuz Akçi
Yavuz AKÇİ
Advertising Analysis, Advertising Campaigns, Marketing Communications, Consumer Behaviour, Product and Brand Management
Default avatar
Mücahit ÇELİK
Management and Organization Education
Default avatar
Ayça Can KIRGIZ
Marketing Communications
Default avatar
Ceyda AYSUNA TÜRKYILMAZ
Customer Relationship Management, Consumer Behaviour, International Marketing, Product and Brand Management

YAYIN KURULU

Ahmet Şit
Ahmet ŞİT

1984 yılında Hatay Dörtyol'da doğdu. 2008 yılında İnönü Üniversitesi İİBF İşletme bölümünden, 2012'de İnönü Üniversitesi SBE Muhasebe-Finansman Anabilim Dalında yüksek lisansını 2018'de İnönü Üniversitesi SBE Muhasebe-Finansman Anabilim Dalında doktora eğitimini tamamladı. 2022 yılında Finans alanında Doçent unvanını aldı. Ulusal ve uluslararası alanda birçok makale, bildiri, kitap/kitap bölümü vardır. 2011-2018 yılları arasında Kilis 7 Aralık Üniversitesi SBMYO Muhasebe ve Vergi ve Uygulamaları Bölümünde öğretim görevlisi olarak 2018-2021 arası aynı bölümde Dr. Öğr. Üyesi olarak çalıştı. 2021-2022 yılları arasında Malatya Turgut Özal Üniversitesi SBBF Uluslararası Ticaret ve Finansman bölümünde  Dr. Öğr. Üyesi olarak, 2022 yılından itibaren aynı bölümde Doçent olarak görev yapmaktadır. Dekan Yardımcılığı, Anabilim dalı başkanlığı, fakülte yönetim kurulu üyeliği, sürekli eğitim yönetim kurulu üyeliği gibi birçok birimde idari görev yaptı ve hala bazı görevlerine devam etmektedir. Evli ve 3 çocuk sahibidir.
Banking and Insurance, Finance and Investment, Finance, Financial Risk Management, Financial Statement Analysis

TÜRKÇE DİL EDİTÖRÜ

Sümbül Begüm Körtelli
Sümbül Begüm KÖRTELLİ
Lexicography and Semantics, Turkish Language and Literature, Old Turkic Language (Orhon, Uyghur, Karahan)

İNGİLİZCE DİL EDİTÖRÜ

Default avatar
Miray KAYA
Translation Studies, British and Irish Language, Literature and Culture

Editör Yardımcısı

Dr. Öğr. Üyesi Ayşe Meriç YAZICI



Ayşe Meriç Yazıcı
Ayşe Meriç YAZICI
Information Systems Organisation and Management, Decision Support and Group Support Systems

Alan Editörleri

Fatih Çemrek
Fatih ÇEMREK
Data Analysis, Econometric and Statistical Methods, Economic Models and Forecasting, Time-Series Analysis, Statistical Analysis, Statistical Data Science, Quantitative Decision Methods , Applied Statistics, Statistics (Other)
Default avatar
Erdinç KOÇ
Supply Chains, Supply Chain Management
Umut Tolga Gümüş
Umut Tolga GÜMÜŞ
International Finance, Banking, Finance and Securities Law, Financial Risk Management, Accounting Forensics, Financial Accounting