Yapay Zekâ Uygulamalarının İş Süreçlerine Katkısı

Öz

Bu çalışmanın amacı iş süreçlerinde yapay zekâ uygulamalarının etkilerini ulusal ve uluslararası alanyazındaki çalışmalara dayalı ve karşılaştırmalı olarak ortaya koymaktır. Sistematik literatür incelemesi metodolojisine dayalı olarak yürütülen çalışmada ulusal alanyazın için Dergipark veritabanı, uluslararası alanyazın ise Web of Science veritabanı üzerinden taranmıştır. Bu kapsamda “yapay zekâ” “iş süreçleri” “işletme” ve “yönetim” anahtar kelimeleriyle yapılan taramada ulusal veritabanından 14, uluslararası veritabanından 16 makale araştırmaya dahil edilmiştir. İş süreçlerinde yapay zekâ kullanımı eğitimden turizme geniş bir kullanım alanına ve karar vermeden pazarlama faaliyetlerine uzanan geniş kullanım amacına sahiptir. Bununla birlikte yapay zekâ uygulamalarının iş süreçlerine katkısı mevcut uygulamaların irdelenmesine dayanırken uluslararası alanyazında uygulamalardan ziyade temel teknolojilerin farklı bileşimleriyle özgün uygulamalar yaratılmasına odaklanılmaktadır. Bu yönüyle yapay zekâ uygulamalarının iş süreçlerine etkisine ilişkin uluslararası alanyazının eylem araştırması yöntemini benimsediği anlaşılmaktadır. Süreç tanımlama kapsamında iş süreçlerinde yapay zekâ kullanımının mevcut durumu insan ve organizasyon uyumu, rekabet ve işletme yönetimi, risk ve güvenlik yönetimi süreç takibi ve yönetimi, veri analizi ve güvenirliği temalarıyla ortaya konulmuştur. Uluslararası alanyazında iş süreçlerinde yapay zekâ kullanımı kaynakların etkin kullanımı, aksaklık ve hataların önlenmesi, süreç optimizasyonu ve iyileştirilmesi, esneklik ve çeviklik sağlanması amacıyla süreç geliştirme bakış açısıyla ele alınmaktadır. Döngüsel ekonomiyi güçlendirme, yoğun iş yükünü yönetilebilir hale getirme, verimliliği arttırma, veriye dayalı öngörülerde bulunma gibi birçok güçlü yönü ve atalet eğilimine neden olma, etik kavrama eksikliği, hukuki altyapının yetersiz olması gibi gelişime açık yönleri bulunmaktadır. İş süreçlerinde yapay zekâ kullanımı ulusal uluslararası düzeyde işbirliği ağı kurma ve inovasyon ekosistemine dahil olma gibi önemli fırsatları sunmakta; ancak, duygu empatiden yoksunluk, mahremiyet ihlali istihdamı tehdit etme gibi ciddi riskler barındırmaktadır. Söz konusu risklerin çözümü için politika yapıcı, işletme yöneticileri ve araştırmacılara düşen yapay zekâ kullanımının toplumsal kalkınma ve gelişmişlik düzeyine katkı sağlayacağı alanların belirlenmesi, insan ve organizasyonel uyumunun desteklenmesi, uygulamalara temel oluşturan disiplinler arası araştırmalar yapılması gibi sorumluluklar bulunmaktadır.

Anahtar Kelimeler

• Yapay zekâ
• İş süreçleri
• İşletme
• Yönetim

Contribution of Artificial Intelligence Applications to Business Processes

Öz

This study aims to reveal the effects of artificial intelligence (AI) applications in business processes through a comparative analysis of national and international literature. A systematic literature review was conducted using the Dergipark database for national studies and the Web of Science database for international studies. The search included the keywords "artificial intelligence," "business processes," "business," and "management," resulting in 14 national and 16 international articles. The use of artificial intelligence in business processes has a wide range of applications, from education to tourism, and extends to various purposes, from decision-making to marketing activities. However, while the contribution of artificial intelligence applications to business processes is based on the examination of existing applications, the international literature focuses on creating original applications with different combinations of fundamental technologies rather than on applications. In this respect, it is understood that the international literature on the impact of artificial intelligence applications on business processes adopts the action research method. Within the scope of process identification, the current state of artificial intelligence usage in business processes has been presented through the themes of human and organizational alignment, competition and business management, risk and security management, process tracking and management, and data analysis and reliability. In the international literature, the use of artificial intelligence in business processes is addressed from the perspective of process development, aiming at the effective use of resources, prevention of disruptions and errors, process optimization and improvement, and ensuring flexibility and agility. It has many strengths such as strengthening the circular economy, making heavy workloads manageable, increasing efficiency, and providing data-driven insights, as well as areas for improvement such as causing inertia tendencies, lack of ethical understanding, and insufficient legal infrastructure. The use of artificial intelligence in business processes offers significant opportunities such as establishing a national and international cooperation network and integrating into the innovation ecosystem; however, it also carries serious risks such as lack of emotional empathy and privacy violations that threaten employment. To address these risks, policymakers, business managers, and researchers have responsibilities such as identifying areas where the use of artificial intelligence can contribute to social development and advancement, supporting human and organizational alignment, and conducting interdisciplinary research that forms the basis for applications.

Anahtar Kelimeler

• Artificial intelligence
• Business process
• Business
• Management

Kaynakça

1. Abbasi M, Nishat RI, Bond C, Najjaran H. 2024. A review of AI and machine learning contribution in business process management (process enhancement and process improvement approaches). Bus Process Manag J, 63: 1-39.
2. Adewumi A, Ewim SE, Sam-Bulya NJ, Ajani OB. 2024. Advancing business performance through data-driven process automation: A case study of digital transformation in the banking sector. Int J Mult Res Updat, 8(2): 12-22.
3. Akturan A. 2024. Yapay zekânın işletme yönetimi ve liderlik üzerindeki etkileri: Bir literatür incelemesi. Sinop Univ Soc Sci J, 8(2): 1305-1348.
4. Balaban MF, Kulular İbrahim MA. 2023. Chatgpt gibi sohbet yazılımlarının (sohbet botları/chatbots) neden olduğu hukuka aykırılıkların önlenmesi. ASBÜ Huk Fak Derg, 2: 747-789. 10.47136/asbuhfd.1355222.
5. Balcı A. 2015. Sosyal bilimlerde araştırma. Pegem Akademi, Ankata, Türkiye, pp: 254.
6. Ballı A. 2024. The effect of product personalization on consumer purchasing intention, customer satisfaction, brand loyalty and artificial intelligence applications with machine learning. Fiscaoeconomia, 8(3): 1240-1263.
7. Bandara W, Furtmueller E, Gorbacheva E, Miskon S, Beekhuyzen J. 2015. Achieving rigor in literature reviews: Insights from qualitative data analysis and tool-support. Commun Assoc Inf Syst, 37(1): 154-204.
8. Bayram V, Kaya ŞM. 2023. The contributions of metaverse technology on management information systems in strategic planning and decision-making processes of business. Ulus Yönetim Akademisi Derg, 6(3): 794-807.

9. Brynjolfsson E, McAfee A. 2017. The Second Machine Age: Work, Progress, and Prosperity in a Time of Brilliant Technologies. W.W. Norton & Company, New York, USA, pp: 154.
10. Bulazar A, Küçükçolak R. 2021. Finansal teknolojilerde yenilikçi yaklaşımlar: Veri analizi ve müşteri odaklılık. Finansal Araş Çalış Derg, 13(1): 45-58.
11. Bulut MA, Davarcı M, Bozdoğan NK, Sarpkaya Y. 2024. Effects of artificial intelligence on education. Natl Educ J, 4(3): 976-986.
12. Buyukarikan B. 2022. Dijital dönüşümde bilgi işlem takip programlarının rolü ve işletme verimliliği üzerindeki etkileri. İşletme Araş Derg, 14(2): 220-235.
13. Chan AYW, Sung CCM. 2025. Enhancing students’ digital literacy skills through their technology use in a course-based research project: A Hong Kong case study. Asia Pac Educ Rev, 2025: 1-8.
14. Congès A, Fertier A, Salatgé N, Rebière S, Benaben F. 2024. R-IO SUITE: Integration of LLM-based AI into a knowledge management and model-driven based platform dedicated to crisis management. Soft Syst Model, 2024: 18-41.
15. Cooper C, Booth A, Varley-Campbell J, Britten N, Garside R. 2018. Defining the process to literature searching in systematic reviews: a literature review of guidance and supporting studies. BMC Med Res Methodol, 18: 1-6. Doi: 10.1186/s12874-018-0545-3.
16. Çakılcı C, Öztürkoğlu Y. 2021. Innovative solutions in the logistics sector with the new digital age approach. J Digit Age, 4(1): 65-75. Doi: 10.46238/jobda.836758.
17. Çetin G. 2024. Endüstri 4.0 bağlamında yapay zekânın insan kaynakları yönetimine etkileri. Yüksek Lisans Tezi, Sakarya Üniversitesi, İşletme Enstitüsü, Sakarya, Türkiye, ss: 40.
18. Çevik KK, Kayakuş M. 2020. Bilişim teknolojileri departmanında kullanıcıların taleplerine cevap verme süresinin makine öğrenmesi ile tahmin edilmesi. J Eng Sci Design, 8(3): 728-739.
19. Çoban B, Karakaya YE. 2010. Geleceği planlamada stratejik yönetim ve SWOT analizi: Kavramsal yaklaşımlar. e-J New World Sci Acad, 5(4): 3C0052. ISSN: 1306-3111.
20. D'Amico A, Capua M, Nardo E, Rosak-Szyrocka J, Tortorella G, Festa G. 2023. Competitive advantage in healthcare based on augmentation of clinical images with artificial intelligence: case study of the 'Sambias' project. Int J Manag Financ Acc, 16(1): 1-17.
21. Derici S, Doğan NÖ. 2023. Forecasting order delays with artificial intelligence-based applications. İzmir Yönet Derg, 4(2): 22-27.
22. Doruköz KD, Uslu B. 2023. Yapay zekânın iş hayatındaki yeri: Avantajlar, dezavantajlar ve politikalar. Bandırma Onyedi Eylül Univ Soc Bilim Araş Derg, 6(CEEİK 2023 Özel Sayısı): 45-62.
23. Dragoni M, Eccher C, Ferro A, Bailoni T, Maimone R, Zorzi A, Bacchiega A, Stulzer G, Ghidini C. 2023. Supporting patients and clinicians during the breast cancer care path with AI: The Arianna solution. Artif Intell Med, 138: 1-25.
24. Edilia S, Larasati N. 2023. Innovative approaches in business development strategies through artificial ıntelligence technology. IAIC Trans Sustain Digit Innov (ITSDI), 2023: 1-8. Doi: 10.34306/itsdi.v5i1.612.
25. Efe A. 2021. Yapay zeka odaklı siber risk ve güvenlik yönetimi. Int J Manag Inf Syst Comput Sci, 5(2): 144-165.
26. Elçiçek M. 2024. A review about students’ artificial intelligence literacy. Infor Techn J, 6(1): 24-35.
27. Esposito M, Sarbazvatan S, Tse T, Silva-Atencio G. 2024. The use of artificial intelligence for automatic analysis and reporting of software defects. Front Artif Intell, 7: 1443956.
28. Farinha D, Pereira R, Almeida R. 2023. A framework to support robotic process automation. J Inf Technol, 39(1): 149-166. Doi: 10.1177/0268396223116506.
29. Gailly F, Geerts G. 2014. Business process modeling: An accounting information systems perspective. Int J Account Inf Syst, 15: 85-92. https://doi.org/10.1016/j.accinf.2014.08.001.
30. Gandomi A, Haider M. 2015. Beyond the hype: Big data concepts, methods, and analytics. Int J Inf Manage, 35: 137-144. Doi: 10.1016/J.IJINFOMGT.2014.10.007.
31. Gladilin L. 2023. Practical aspects of applying Artificial Intelligence in business. Entrepreneur’s Guide, 2023: 1-6. Doi: 10.24182/2073-9885-2023-16-4-128-133.
32. Guldner A, Hoffmann M, Lohr C, Machhamer R, Malburg L, Morgen M, Rodermund SC, Schäfer F, Schaupeter L, Schneider J, Theusch F, Bergmann R, Dartmann G, Kuhn N, Naumann S, Timm IJ, Vette Steinkamp M, Weyers B. 2023. A framework for AI-based self-adaptive cyber-physical process systems. Inf Technol, 65(3): 113-127.
33. Gülbaşı A, Karahan F. 2023. Finansal sistemde bilgi teknolojileri ve kullanımı. Int J Soc Econ Stud, 4(2): 296-319.
34. Gülşen İ. 2019. İşletmelerde yapay zeka uygulamaları ve faydaları: Perakende sektöründe bir derleme. J Consum Consum Res, 11(2): 407-436.
35. Gürel E, Tat M. 2017. SWOT Analysis: A theoretical review. J Int Soc Res, 10(51): 994-1006. Doi: 10.17719/jisr.2017.1832.
36. Güzel Ş, Akman Dömbekci H, Eren F. 2022. Yapay zekânın sağlık alanında kullanımı: Nitel bir araştırma. Manisa Celal Bayar Univ Sağlık Bilimleri Enstitüsü Derg, 9(4): 506-519.
37. Higgins JPT, Green S. 2011. Cochrane Handbook for Systematic Reviews of Interventions. Cochrane Collab.
38. Huynh-The T, Pham V, Pham X, Nguyen T, Han Z, Kim D. 2022. Artificial intelligence for the metaverse: A survey. Eng Appl Artif Intell, 117: 105581. Doi: 10.1016/j.engappai.2022.105581
39. Işık M, Çamur Ö. 2024. Yapay zekâ ve dijital okuryazarlık: Akademik çabada yeni dinamikler. Beykoz Aka Derg, 12(2): 173-197.
40. Jarrahi M H., 2018. Artificial intelligence and the future of work: Human-AI symbiosis in organizational decision making. Bus Horiz, 61(4): 577-586.
41. Jenifer, A., Khanum, A., Sarika, A., Ashwin, A. S., Latheef, A., Deepika, S., 2023. Metaverse. Int J Innov Res in Inf Secur, 2023: 1-12. doi: 10.26562/ijiris 2023.v0903.29.
42. Jobin A, Ienca M, Vayena E. 2019. The global landscape of AI ethics guidelines. Nat Mach Intell, 2019: 1-11. doi: 10.1038/S42256-019-00882.
43. Kaggwa S, Eleogu T F, Okonkwo F, Farayola O A, Uwaoma P U, Akinoso A. 2024. AI in decision making: Transforming business strategies. Int J Res Sci Innov, : 423-444.
44. Kampik T, Warmuth C, Rebmann A, Agam R, Egger L N P., Gerber A, Hoffart J, Kolk J, Herzig P, Decker G, van der Aa, H, Polyvyanyy A, Rinderle-Ma S, Weber I, Weidlic, M. 2024. Large process models: A vision for business process management in the age of generative AI. arXiv, 2309.00900. doi: 10.1007/s13218-024-00863-8.
45. Karakulle İ, Aktepe Ş, 2023. İşletmelerde rekabet üstünlüğü sağlamada yapay zekâ kullanımı: E-ticaret sitelerinin mobil uygulamaları örneği. Fenerbahçe Univ Sos Bilim Derg, 3(1): 30-46. doi: 10.58620/fbujoss.1287967.
46. Kaushik P, 2022. Role and application of artificial intelligence in business analytics: A critical evaluation. Int J Glob Acad Sci Res, 1(3): 1-7.
47. Kitchenham B, 2007. Guidelines for performing systematic literature reviews in software engineering. EBSE Technical Report. Software Engineering Group, School of Computer Science and Mathematics, Keele University, Keele, UK, pp: 46.
48. Koçel T, 2018. Business management. Beta Printing Publication, Ankara, Türkiye, pp: 25.
49. Kovshova T, Trifonov P, Ramirez-Asis E, 2023. Improving the efficiency of intellectualisation processes in enterprise management systems. Systems, 11: 266. doi: 10.3390/systems11060266.
50. Kurt FB, Akçacı T, 2024. Endüstri 4.0 uygulamalarının tedarik zinciri performansına etkisi. Trends Bus Econ, 38(1): 12-23.
51. Lee I, 2017. Big data: Dimensions, evolution, impacts, and challenges. Business Horizons, 60(3): 293-303.
52. Lee J, Seshia SA, 2016. Cyber-physical systems: a new frontier. In Cyber-Physical Systems, Springer, London, UK, pp: 1-16.
53. Li S, Xu L, Zhao S, 2014. The internet of things: A survey. Inf Sys Front, 17: 243-259.
54. Lu Y, Papagiannidis S, Alamanos E, 2018. Internet of things: A systematic review of the business literature from the user and organizational perspectives. Technol Forecast Soc Change, 136: 285-297. doi: 10.1016/J.TECHFORE.2018.01.022.
55. Madakam S, Ramaswamy R, Tripathi S, 2015. Internet of things (IoT): A literature review. J Comput Chem, 3: 164-173.
56. Mendling J, Decker G, Hull R, Reijers HA, Weber I, 2018. How do machine learning, robotic process automation, and blockchains affect the human factor in business process management? Commun Assoc Inf Syst, 43: 1-23.
57. Mert M, 2024. Dijital liderlik ve örgütsel çeviklik ilişkisi üzerine bir araştırma. Doktora Tezi, Pamukkale Üniversitesi, Sosyal Bilimler Enstitüsü, Denizli, Türkiye, ss: 56.
58. Milani F, 2019. Business processes. Digital business analysis. URL: https://doi.org/10.1007/978-3-030-05719-0_9. (accesed date: September 14, 2024).
59. Miles MB, Huberman AM, 1994. Qualitative data analysis. Sage Publication, London, UK, pp: 257.
60. Mittelstadt B, 2019. Principles alone cannot guarantee ethical AI. Nat Mach Intell, 1: 1-7. doi: 10.1038/s42256-019-0114-4.
61. Motorcu AR, Murat B. 2021. Yeni iş yeri riskleri ve yapay zekânın iş sağlığı ve güvenliğinde kullanımı. Plus Grup A.Ş. Yayınları, İstanbul, Türkiye, ss: 369-402.
62. Muller AE, Berg RC, Meneses-Echavez JF, Ames HMR, Borge TC, Jardim PSJ, Cooper C, Rose CJ. 2023. The effect of machine learning tools for evidence synthesis on resource use and time-to-completion: protocol for a retrospective pilot study. Syst Rev, 12: 7. doi: 10.1186/s13643-023-02171-y.
63. Nesterak J, Szelągowski M, Radziszewski P. 2024. Workplace performance measurement: Digitalization of work observation and analysis. J Intell Manuf, 2024: 1-17. doi: 10.1007/s10845-024-02419-x.
64. Okay S. 2023. Dijital pazarlamada yapay zekâ ve makine öğrenimi kullanımı. Elektronik Sos Bilimler Derg, 22(85): 135-142.
65. Özan M. 2021. Süreç yönetimi ve süreç iyileştirmenin işletme performansına etkilerinin analizi. Isletme Arastirmalari Dergisi, 13(2): 1144-1161.
66. Özçetin N. 2024. Endüstri 4.0 ve endüstri 5.0 perspektiflerinde muhasebe: Teorik bir inceleme. Yönetim Bilimleri Derg, 22(Özel Sayı): 1324-1344.
67. Öztemel E. 2000. Artificial intelligence and the future of humanity. In: Şeker M, Bulduklu Y, Korkut C, Doğrul M (eds.) Information technologies and communication: individual and social security. Anı Publishing, Ankara, Türkiye, pp: 95-112.
68. Park S, Kim Y. 2022. A Metaverse: Taxonomy, Components, Applications, and Open Challenges. IEEE Access, 10: 4209-4251.
69. Parvin GB, Ghasemi, Parvin L. 2023. Applications of artificial intelligence in fault detection and prediction in technical systems. Proceedings of the 14th Int Conf Recent Dev Manage Ind Eng (ICRD-MIE), July 13, Chisinau, Moldova, pp: 68.
70. Petticrew M, Roberts H. 2006. systematic reviews in the social sciences: a practical guide. Blackwell Publishing, Oxford, UK, pp: 35.
71. Plattfaut R, Borghoff V. 2022. Robotic Process Automation: A Literature-Based Research Agenda. J Inf Syst, 36: 173-191. doi: 10.2308/isys-2020-033.
72. Rajkumar R, Lee I, Sha L, Stankovic JA. 2010. Cyber-physical systems: The next computing revolution. In: Proc 47th IEEE Conf Decision Control, IEEE, 9-11 December, Cancun, Mexico, pp: 5577-5584.
73. Sabancı Bayramoğlu M. 2023. İşletmelerde dijital izleme sistemlerinin kullanımının rekabet avantajına etkisi. Yönetim ve Organizasyon Araştırmaları Dergisi, 5(1): 10-25.
74. Salih P. 2024. Dijital teknolojilerin iş organizasyonlarındaki dönüşüm etkisi: Sosyal politika öğrencileri perspektifinden nitel bir araştırma. Int J Soc Sciences Educ Res, 2024: 69-76.
75. Sari T. 2024. Finansal yazılımlar ve işletme süreçlerinde dönüşüm: Risk yönetimi ve hız optimizasyonu. İşletme ve Finans Dergisi, 39(1): 75-92.
76. Seçkin Kapucu M, Yıldırım İ. 2019. Türkiye'de sanal ve artırılmış gerçeklik üzerine eğitimde yapılan çalışmalara ilişkin metodolojik bir inceleme. Akademik Bakış Dergisi, (73): 26-42.
77. Seun B, Adeyemo T, Ojo A. 2023. Information system monitoring and security challenges in modern enterprises. J Busin Inform Syst, 18(2): 99-114.
78. Shahzad K, Ghulam AM, Aslam F. 2020. Effective utilization of supervised learning techniques for process model matching. Comput Inform, 39: 361-384. doi:10.31577/cai2020.3.361.
79. Sohail A, Dominic DD, Hijji M, Butt MA. 2021. Competency driven resource evaluation method for business process intelligence. Comput Mater Continua, 69(1): 1141-1157.
80. Sohail A, Shahzad K, Dominic PDD, Butt MA, Arif M, Tariq MI. 2020. On computing the suitability of non-human resources for business process analysis. Comput Mater Continua, 67(1): 303-319.
81. Suhaili S, Salim N, Jambli M. 2021. Service chatbots: A systematic review. Expert Syst Appl, 184: 115461. doi:10.1016/J.ESWA.2021.115461.
82. Szelagowski M, Sliz P. 2024. Toward BPM maturity assessment integrated with BPM implementation and use. Bus Process Manag J, 2024: 1463-7154. doi:10.1108/BPMJ-04-2024-0249.
83. Şahinaslan E. 2023. İş süreci optimizasyonu: Yöntem, teknoloji, riskler ve fırsatlar. J Acad Proj, 8(2): 570-604.
84. Şengün Öztaş E. 2024. Eğitimde arttırılmış gerçeklik teknolojisi kullanımı: 2014-2024 sistematik alanyazın taraması. Ufuk Üniv Sos Bil Ens Derg, 13(26): 33-54.
85. Tafla TL, Brunoni D, Carreiro LRR, Seabra AG, Silva LA, Bastos DC, Rossi AC, Santos PHA, Teixeira MCTV. 2021. DIagnosys: An analytical framework for the identification of elementary school students with intellectual disability. Front Educ, 6: 609523. doi:10.3389/feduc.2021.609523.
86. Tekin A, Demirel O. 2024. The relationship between artificial intelligence technologies and employment and productivity. Reflect Indust Digilizat Soc Sci 22(Special Issue): 1585-1618.
87. Thomas J, Harden A. 2008. Methods for the thematic synthesis of qualitative research in systematic reviews. BMC Med Res Methodol, 8(1): 45.
88. Tian X, Pavur RJ, Han H, Zhang L. 2023. A machine learning-based human resources recruitment system for business process management: Using LSA, BERT and SVM. Bus Process Manag J, 29(1): 202-222. https://doi.org/10.1108/BPMJ-08-2022-0389
89. Ünal A, Kılınç İ. 2020. Yapay zekâ işletme yönetimi ilişkisi üzerine bir değerlendirme. Yönetim Bil Sist Derg, 6(1): 51-78. doi:10.341407595
90. Ünsal H. 2024. Artificial intelligence and its possible implications for the future of education. J Soc Humanit Admin Sci, 10(5): 674-682.
91. Yeşilkaya N. 2022. Ethical issues regarding artificial intelligence. J Sarkiyat Sci Res, 14(3): 949-963.
92. Yıldız İ, Taşhan A. 2023. Yapay zekâ: Bir tehdit mi? Bir yardımcı mı? Tekstil sektöründe nitel bir araştırma. Iğdır Üniv İktisadi ve İdari Bil Fak Derg, 9: 1-14.
93. Yıldız MS, Yıldırım Y, Kesici B. 2021. Düzce bölgesindeki firmaların endüstri 4.0 yaklaşımı. Elektr Sos Bilimler Derg, 20(80): 1773-1797.
94. Yüksel H. 2017. Sanal gerçeklik uygulamalarının tüketici davranışı üzerindeki etkisi: Pazarlama perspektifinden bir değerlendirme. Pazarlama ve Tüketici Araştırmaları Dergisi, 9(1): 32-50.