Öğrenen Örgütlerin Geleceği: Yapay Sinir Ağları ve Derin Öğrenme

Year 2026, Volume: 40 Issue: 2 , 366 - 382 , 31.03.2026

Recep Akgül , Zülfü Demirtaş

https://doi.org/10.16951/trendbusecon.1676370

https://izlik.org/JA33YT26JE

Abstract

Bu çalışmanın temel amacı, öğrenen örgütlerin sürdürülebilirliği ve dönüşümünde yapay sinir ağları (YSA) ile derin öğrenme teknolojilerinin rolünü incelemektir. YSA, insan beyninin öğrenme ve karar alma süreçlerini modelleyen bir yapay zekâ teknolojisidir. Karmaşık ilişkileri modelleme, veri analizi ve tahmin süreçlerinde yüksek performans sağlayan YSA, örgütlerin büyük veri kaynaklarını daha etkin kullanmalarına yardımcı olmaktadır. Gürültülü veri ortamlarında bile etkili çalışabilme yeteneği, YSA'yı öğrenen örgütler için kritik bir araç haline getirmektedir. Bu teknoloji, bireysel öğrenmeden örgütsel bilgiye geçişi hızlandırarak yenilikçi kararların alınmasını desteklemektedir. Derin öğrenme ise, büyük veri kümelerinden anlamlı desenler çıkarma ve daha karmaşık yapıları öğrenme kapasitesine sahiptir. Derin öğrenme, örgütlerin bilgi edinme, karar alma ve stratejik planlama süreçlerini iyileştirme potansiyeline sahiptir. Denetimli, denetimsiz ve pekiştirmeli öğrenme yöntemleriyle çalışan bu teknoloji, özellikle karmaşık problemlerin çözümünde etkili çözümler sunmaktadır. Çalışma, bu iki teknolojinin öğrenen örgütlere entegrasyonunu ele almakta ve bu süreçte karşılaşılan etik, açıklanabilirlik ve bağlamsal bilgi eksikliği gibi zorlukları derinlemesine tartışmaktadır. İnsan-makine etkileşiminin önemini vurgulayan model önerisi ile çalışanların ve örgütlerin öğrenme süreçlerini desteklenirken teknolojinin yenilikçi kapasitesinden de faydalanılması hedeflemektedir.

Keywords

Yapay Sinir Ağları , Derin Öğrenme , Öğrenen Örgüt , Örgütsel Öğrenme , Karar Alma

The Future of Learning Organizations: Artificial Neural Networks and Deep Learning

https://izlik.org/JA33YT26JE

Abstract

The main purpose of this study is to examine the role of artificial neural networks (ANN) and deep learning technologies in the sustainability and transformation of learning organizations. ANN is an artificial intelligence technology that models the learning and decision-making processes of the human brain. ANN, which provides high performance in modeling complex relationships, data analysis and prediction processes, helps organizations to use big data resources more effectively. Its ability to work effectively even in noisy data environments makes ANN a critical tool for learning organizations. This technology supports innovative decision-making by accelerating the transition from individual learning to organizational knowledge. Deep learning has the capacity to extract meaningful patterns from large data sets and learn more complex structures. Deep learning has the potential to improve organizations' knowledge acquisition, decision-making and strategic planning processes. This technology, which works with supervised, unsupervised and reinforcement learning methods, offers effective solutions especially in solving complex problems. The study addresses the integration of these two technologies into learning organizations and discusses in depth the challenges faced in this process such as ethics, explainability and lack of contextual information. The model proposal, which emphasizes the importance of human-machine interaction, aims to benefit from the innovative capacity of technology while supporting the learning processes of employees and organizations.

Keywords

Artificial Neural Networks , Deep Learning , Learning Organization , Organizational Learning , Decision Making

References

• Abiodun, O. I., Jantan, A., Omolara, A. E., Dada, K. V., Mohamed, N. A., & Arshad, H. (2018). State-of-the-Art in Artificial Neural Network Applications: A Survey. Heliyon, 4(11), e00938. [CrossRef] Akın, E., & Şahin, M. E. (2024). Derin Öğrenme ve Yapay Sinir Ağı Modelleri Üzerine Bir İnceleme. EMO Bilimsel Dergi, 14(1), 27-38. [CrossRef]
• Alanoğlu, M. (2014). Ortaöğretim Kurumlarının Örgütsel Öğrenme Düzeylerinin Okul Etkililiği Ve Örgütsel Vatandaşlık Davranışlarına Etkisi [Yüksek lisans tezi, Fırat Üniversitesi]. [CrossRef]
• Argyris, C., & Schön, D. A. (1996). Organizational Learning II. Addison-Wesley.
• Baltacı, A. (2019). Nitel Araştirma Süreci: Nitel Bir Araştirma Nasil Yapilir?. Ahi Evran Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 5(2), 368-388. [CrossRef]
• Bayraktaroğlu, S., & Özen Kutanis, R. (2002). Öğrenen Kamu Örgütlerine Doğru. Kocaeli Üniversitesi Sosyal Bilimler Dergisi, 3, 51-65. [CrossRef]
• Bengio, Y., Lamblin, P., Popovici, D., & Larochelle, H. (2007). Greedy Layer-Wise Training of Deep Networks. Advances in Neural Information Processing Systems, 19, 153-160. [CrossRef]
• Berente, N., Gu, B., Recker, J., & Santhanam, R. (2021). Managing artificial intelligence. MIS Quarterly, 45(3), 1433–1450. [CrossRef]
• Çakmakyapan, S. (2009). Dönüşümsel ve Etkileşimsel Liderlik Davranışlarının Örgütsel Öğrenme Üzerindeki Etkisini Belirlemeye Yönelik Bir Araştırma [Yüksek lisans tezi, İstanbul Üniversitesi]. [CrossRef]
• Çelik, Ş. (2022). Yapay Sinir Ağlarının Farklı Aktivasyon Fonksiyonlarında Uygulaması: Türkiye’de Ördek Popülasyonu Öngörüsü. Osmaniye Korkut Ata Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 5(2), 800-811. [CrossRef]
• Cyert, R. M., & March, J. G. (1963). A Behavioral Theory of the Firm. Prentice-Hall.
• Davenport, T. H. (2018). From analytics to artificial intelligence. Journal of Business Analytics, 1(2), 73–80. [CrossRef] De Houwer, J., Barnes-Holmes, D., & Moors, A. (2013). What is Learning? On the Nature and Merits of a Functional Definition of Learning. Psychonomic Bulletin & Review, 20(4), 631–642. [CrossRef] Demir, M. A. (2024). Kamuda Dijital Dönüşüm Sürecinde Örgütsel Öğrenme Üzerine Bir Araştırma: Munzur Üniversitesi Örneği [Yüksek lisans tezi, Munzur Üniversitesi]. [CrossRef]
• Dibella, A. J., Nevis, E. C., & Gould, J. M. (1996). Understanding Organizational Learning Capability. Journal of Management Studies, 33(3), 361-379. [CrossRef] Domsch, H. (2014). Konzentration und Aufmerksamkeit. A. Lohaus ve M. Gluer (Ed.), Entwicklungsförderung im Kindesalter içinde (ss. 63-82). Hogrefe. [CrossRef]
• Erdoğan, O. (2025). Karar verme sürecinde yeni bir yaklaşım: yapay zekâ ombudsmanlığı. Ombudsman Akademik, 22, 47-78. [CrossRef] Erigüç, G., & Yalçın Balçık, P. (2008). Öğrenen Örgüt Ve Hemşirelerin Değerlendirmelerine Yönelik Bir Uygulama. Hacettepe Sağlık İdaresi Dergisi, 10(1). [CrossRef]
• Fiol, C. M., & Lyles, M. A. (1985). Organizational Learning. Academy of Management Review, 10(4), 803–813. [CrossRef]
• Garvin, D. A., Edmondson, A. C., & Gino, F. (2008). Is Yours a Learning Organization? Harvard Business Review, 86(3), 109-119. [CrossRef]
• Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep learning. MIT Press.
• Gümüş, E. (2024). Yapay Sinir Ağları ve Derin Öğrenme Modeli Kullanılarak Usd/Try Döviz Kurunun Tahmin Edilmesi. Anadolu Üniversitesi Sosyal Bilimler Dergisi, 24(2), 703-726. [CrossRef]
• Hinton, G. E., Osindero, S., & Teh, Y. W. (2006). A Fast Learning Algorithm for Deep Belief Nets. Neural Computation, 18(7), 1527-1554. [CrossRef] Jarrahi, M. H., Kenyon, S., Brown, A., Donahue, C., & Wicher, C. (2022). Artificial Intelligence: A Strategy to Harness its Power Through Organizational Learning. Journal of Business Strategy. [CrossRef] Kaçmaz, R., & Barutçu, E. (2016). Takım Halinde Öğrenme ve Takım Temelli Proje Çalışmaları Üzerine Eğitim Kurumlarında Alan Araştırması. Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 21(2), 363-382. [CrossRef]
• Karakurt, M., Oymak, E. A., Hark, H., Erdoğan, M. C., vd. (2022). Karcı Sinir Ağlarının Uygulaması ve Performans Analizi. Computer Science, 7(2), 68-80. [CrossRef] Kızıloğlu, A. (2023). Devlet ve Özel Okul Yöneticilerinin Öğrenen Okul İle İlgili Görüşleri [Yüksek lisans tezi, Karamanoğlu Mehmetbey Üniversitesi]. [CrossRef] Korkmaz, Ö., & Mahiroğlu, A. (2007). Beyin, Bellek ve Öğrenme. Kastamonu Education Journal, 15(1), 93-104. [CrossRef] Lachman, S. J. (1997). Learning is a Process: Toward an Improved Definition of Learning. Journal of Psychology, 131(4), 477-480. [CrossRef] LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep Learning. Nature, 521(7553), 436–444. [CrossRef]
• Lipshitz, R., Popper, M., & Oz, S. (1996). Building Learning Organizations: The Definition and Implementation of Organizational Learning Mechanisms. Journal of Applied Behavioral Science, 32(3), 292-305. [CrossRef] Marquardt, M., & Reynolds, A. (1994). Global Learning Organizations. Irwin Professional Publishing. 132-151. [CrossRef] McGill, M. E., & Slocum, J. W. (1993). Unlearning the Organization. Organizational Dynamics, 22(2), 67-79. [CrossRef] McKinsey & Company. (2023). The State Of AI in 2023: Generative AI’s Breakout Year. [CrossRef] Morgan, G. (1994). Images of Organization. Sage Publications.
• Öztemel, E. (2006). Yapay Sinir Ağları (2. baskı). Papatya Yayıncılık.
• Raisch, S., & Krakowski, S. (2021). Artificial intelligence and management: The automation–augmentation paradox. Academy of Management Review, 46(1), 192–210. [CrossRef] Seçmen, M. Z., & Patır, S. (2024). Yapay Sinir Ağları ile Talep Tahmini: Türkiye’deki Otomobil Sektöründe Bir Uygulama. Van Yüzüncü Yıl Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 9(18), 148-169. [CrossRef] Senge, P. M. (1997). Beşinci Disiplin: Öğrenen Organizasyon Düşünüşü ve Uygulaması (A. İldeniz ve A. Doğukan, Çev.). Yapı Kredi Yayınları.
• Shrestha, Y. R., Krishna, V., & von Krogh, G. (2021). Augmenting Organizational Decision-Making With Deep Learning Algorithms: Principles, Promises, and Challenges. Journal of Business Research, 123, 588-603. [CrossRef]
• Simon, H. A. (1997). Models of Bounded Rationality: Empirically Grounded Economic Reason. MIT Press.
• Şeker, C., Örücü, E., & Ercan Önbıçak, A. (2024). Örgütlerde İnovasyon, Örgütsel Öğrenme İlişkisinde Yapay Zekâ Kaygısının Rolü. İşletme Araştırmaları Dergisi (Journal of Business Research-Turk), 16(1), 328-345. [CrossRef] Şeker, S., Diri, B., & Balık, H. H. (2017). Derin Öğrenme ve Uygulamaları. Bilişim Teknolojileri Dergisi, 10(3), 299-320. [CrossRef]
• Şimşek, Ş. (2005). Yönetim ve organizasyon (8. Baskı). Günay Ofset.
• Taherdoost, H. (2023). Deep Learning and Neural Networks: Decision-Making Implications. Symmetry, 15(9), 1723. [CrossRef]
• Tekgüç, U., & Adalier, A. (2019). Eğitimde Derin Öğrenme ve Uygulamaları. Pegem Akademi.
• Toker, A. (2022). Sosyal Bilimlerde Nitel Veri Analizi İçin Bir Kılavuz. Pamukkale Üniversitesi Sosyal Bilimler Enstitüsü Dergisi (51), 319-345. [CrossRef] Varsak, S., & Özkan, İ. (2022). Yapay Sinir Ağı Modeli ile Bist’e Kote 10 Bankanın Covid-19 Dönemindeki Finansal Verilerinin Tahminlenme Başarısı Üzerine Bir Araştırma. The Journal of International Scientific Researches, 7(Ek), 82-95. [CrossRef] Yıldız, A. (2022). Bir Araştırma Metodolojisi Olarak Sistematik Literatür Taramasına Genel Bakış. Anadolu Üniversitesi Sosyal Bilimler Dergisi, 22(Özel Sayı 2), 367-386. [CrossRef]
• Yılmaz, M. (2009). Öğrenme ve Bilgi İlişkisi. Gazi Üniversitesi Gazi Eğitim Fakültesi Dergisi, 29(1), 173-190. [CrossRef]