Ekonomik Performans Değişkenleri ve Yapay Zekâ İlişkisinin Kanonik Korelasyon ile İncelenmesi
Öz
Yapay zekâ teknolojilerinin hızla yaygınlaşması, küresel ekonomik dengelerde belirgin bir dönüşüme yol açmaktadır. Bu teknolojiler yalnızca üretim süreçlerini iyileştirmekle kalmamakta; işgücü piyasalarında yeni beceri gereksinimlerinin ortaya çıkmasına, ticaret yapılarının değişmesine ve ülkelerin rekabet gücünün yeniden tanımlanmasına neden olmaktadır. Bu nedenle yapay zekânın ekonomik sistemler üzerindeki etkilerinin çok boyutlu istatistiksel yöntemlerle incelenmesi önem kazanmıştır. Çalışmada, seçilmiş ülkelerin ekonomik göstergeleri ile yapay zekâyı temsil eden değişkenler arasındaki ilişkiyi değerlendirmek amacıyla kanonik korelasyon analizi kullanılmıştır. Bu yöntem, iki değişken kümesi arasındaki eşzamanlı ilişkileri bütüncül bir şekilde ortaya koyması bakımından avantaj sağlamaktadır. Analiz bulguları, yapay zekâ göstergeleri ile ekonomik performans arasında güçlü ve pozitif bir ilişki olduğunu göstermektedir. Özellikle Yapay Zekâ Hazırlık Endeksi’nin birinci kanonik yapıya yüksek katkısı ve Rekabetçilik Skoru’nun ekonomik yapıda baskın değişken olarak öne çıkması, dijital kapasitenin ülkelerin rekabet gücünü doğrudan desteklediğini işaret etmektedir. Ayrıca çapraz yüklerin aynı yönde olması, dijitalleşme ve ekonomik performansın birbirini tamamlayan unsurlar olduğunu göstermektedir. Sonuçlar, politika yapıcılar için dijital altyapı, Ar-Ge ve nitelikli insan sermayesine yatırımın önemini açıkça ortaya koymaktadır.
Anahtar Kelimeler
Kaynakça
- Aghion, P., Jones, B., ve Jones, C. (2019). Artificial Intelligence and Economic Growth. The Economics of Artificial Intelligence: An Agenda. Chicago: University of Chicago Press, 237–290
- Akbıyık, Z. H., & Meçik, O. (2025). Yapay zekâ ve ekonomik dinamikler: G7 ülkeleri üzerine bir analiz. İzmir Yönetim Dergisi, 6(1), 41–54. https://doi.org/10.56203/iyd.1636889
- Akyol, H., Akar, T., & Akar, G. (2023). Dijitalleşme ve ekonomik büyüme: AB ülkelerinden yeni kanıtlar. Balıkesir Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 26(49), 99–114. https://doi.org/10.31795/baunsobed.1171424
- Altay, A., & Pazarlıoğlu, M. V. (2007). Uluslararası rekabet gücünde beşerî sermaye: Ekonometrik yaklaşım. Selçuk Üniversitesi Karaman İ.İ.B.F. Dergisi, 9(12), 96–108.
- AlphaBeta (2020). The Digital Sprinters, https://accesspartnership.com/wp-content/uploads/2023/03/201113_fa-main-report-gem-pages-os.pdf
- Arf, C. (1959). Makine Düşünebilir mi ve Nasıl Düşünebilir? Atatürk Üniversitesi 1958- 1959 Öğretim Yılı Halk Konferansları (1), 91-103.
- Cameron, G., Proudman, J., & Redding, S. (2005). Technological convergence, R&D, trade and productivity growth. European Economic Review, 49(3), 775–807. https://doi.org/10.1016/S0014-2921(03)00070-9
- Ciocanel, A. B., & Pavelescu, F. M. (2015). Innovation and competitiveness in European context. Procedia Economics and Finance, 32, 728–737. https://doi.org/10.1016/S2212-5671(15)01455-0
- Dağlı, İ. (2022). Yapay zekâ teknolojilerinde etkili faktörler üzerine bir model denemesi: En başarılı ülkelerle panel veri analizi. Eskişehir Osmangazi Üniversitesi İktisadi ve İdari Bilimler Dergisi, 17(2), 368–386. https://doi.org/10.17153/oguiibf.1046758
- Eren, F., Dülek, L. N., Uraz, Ö. A., Kuşcu, B., & Sakallı, M. (2024). Yapay zekâ endeksi kapsamında ülke bazlı yapay zekâ politika stratejilerinin etkinliği: Performans ve verimlilik değerlendirmesi incelenmesi. Bilgi ve İletişim Teknolojileri Dergisi, 6(2), 113–148. https://doi.org/10.53694/bited.1546626
