Gelişmekte Olan Piyasa Ekonomilerinin Gri İlişkisel Analiz ve TOPSIS Tekniği ile Yapay Zeka Hazırlık Endeksindeki Performansları

Yıl 2025, Sayı: 86, 447 - 458, 25.10.2025

Metin Baş

Öz

İnsan benzeri problem çözme yeteneklerine sahip bir teknoloji olan yapay zeka, verilerden öğrenerek insan benzeri kararlar alabilen ve sorunları çözebilen akıllı sistemler olarak tanımlanabilmektedir. Küresel dünya düzeninde ekonominin sürdürülebilir ve itici dinamiklerinin ülkeler olduğu düşünüldüğünde, dijitalleşmenin ve yapay zeka çalışmalarının artarak devam etmesi, ülkelerin performanslarının çeşitli parametrelerle ölçülmesi ihtiyacını ortaya çıkarmıştır. Bu nedenle, ülkelerin kendilerini geliştirebilmeleri ve gelişen küresel ölçekli dünya düzeni içerisinde yer alabilmeleri için teknolojiye önem vermeleri ve teknolojide kendilerini geliştirebilmeleri gerekmektedir.
Uluslararası Para Fonu (IMF) tarafından oluşturulan Yapay Zeka Hazırlık Endeksi, ülkelerin dijital altyapısı, insan sermayesi ve işgücü politikaları, yenilik ve ekonomik entegrasyon, düzenleme ve etik gibi alanlardaki performanslarını ölçerek yapay zekâya ne kadar hazır olduklarını göstermektedir. Bu bağlamda çalışmada, gelişmekte olan piyasa ekonomilerini oluşturan ülkelerin, yapay zeka hazırlık endeksi performanslarının değerlendirilmesin de, Gri İlişkisel Analiz (GİA) ve TOPSIS teknikleri kullanılarak elde edilen sonuçlar yorumlanmış ve performansları belirlenmiştir.

Anahtar Kelimeler

Yapay zeka , Gelişmekte olan piyasa ekonomileri , TOPSIS , Gri ilişkisel analiz

Performance of Emerging Market Economies in Artificial Intelligence Readiness Index Using Grey Relational Analysis and TOPSIS Technique

Öz

Artificial intelligence, a technology with human-like problem-solving capabilities, can be defined as intelligent systems that can make human-like decisions and solve problems by learning from data. Considering that countries are the sustainable and driving forces of the economy in the global world order, the increasing digitalization and artificial intelligence research has revealed the need to measure countries' performance across various parameters. Therefore, to improve themselves and participate in the evolving global world order, countries must prioritize technology and develop themselves in this field.
The Artificial Intelligence Readiness Index, developed by the International Monetary Fund (IMF), demonstrates countries' readiness for artificial intelligence by measuring their performance in areas such as digital infrastructure, human capital and labor policies, innovation and economic integration, regulation, and ethics. In this context, the study evaluates the AI readiness index performance of countries constituting emerging market economies using Grey Relational Analysis (GRA) and TOPSIS techniques, and their performance is determined.

Anahtar Kelimeler

Artificial intelligence , Emerging market economies , TOPSIS , Grey Relational Analysis

Kaynakça

• Altun, M., Altun, S.,U., ve Kutlu, E., (2023). Yapay zeka uygulamaları. Feyza Basımevi. 338, Ankara.
• Baş, M,. (2019). Gri ilişkisel analiz. Academia Basımevi, Basım sayısı:1, 114, Kütahya.
• Baş, M., (2019). Gri ilişkisel analiz ile finansal performans: BİST uygulaması. Journal of Social and Humanities Sciences Research, 6(42), 2780-2789.
• Baş, M., (2023). Dijital ekonomi ve toplum bağlamında nesnelerin internetinin kullanım kriterlerinin gri ilişkisel analiz ile incelenmesi. Z. Kanberoğlu, Ü.Aydın (Ed.). Finansal iktisat ve sektörel dinamikler içinde (ss. 139 -165). Ekin Kitabevi, Bursa.
• Baş, M., ve Çakmak, Z., (2012). Gri ilişkisel analiz ve lojistik regresyon analizi ile işletmelerde finansal başarısızlığın belirlenmesi ve bir uygulama. Anadolu Üniversitesi Sosyal Bilimler Dergisi, 12(3), 63-82.
• Baş, M., Hantal, T., ve Balcı, M. B. (2020). İşletmelerin finansal performanslarının SWARA, ARAS Ve TOPSIS tekniği ile karşılaştırılması: BİST teknoloji endeksi uygulaması. Ekev Akademi Dergisi, 81, 265-291.
• Baş, M., ve Oğuz, A., (2024). Yapay zeka hazırlık endeksi ve analitik grup listelerinin analizi. Ed. Z. Kanberoğlu, A. Kayabaşı, A. Ağça (Ed.). Ekonomik politikalara yeni bir bakış içinde (ss. 172 -188). Ekin Kitabevi, Bursa.
• Başkaya, Z., ve Öztürk, B.,(2011). Bulanık TOPSIS ile satış elemanı adaylarının değerlemesi. Business and Economics Research Journal, 2(2), 77-100.
• Coşkun, F., ve Gülleroğlu, H. D. (2021). Yapay zekanın tarih içindeki gelişimi ve eğitimde kullanılması. Ankara University Journal of Faculty of Educational Sciences (JFES), 54(3), 947-966. doi: 10.30964/auebfd.916220.
• Cui, J., Dang, Y. ve Liu, S. (2009).Study on novel property of some grey relational analysis models. Journal of Grey System, 12(2),83-88.
• Eren, F., Dülek, L. N., Uraz, Ö. A., Kuşcu, B., vd. (2024). Yapay zeka endeksi kapsamında ülke bazlı yapay zeka politika stratejilerinin etkinliği: Performans ve verimlilik değerlendirmesi incelenmesi. Bilgi ve İletişim Teknolojileri Dergisi, 6(2), 113-148. doi: 10.53694/bited.1601239
• IMF, (2024) https://www.imf.org/external/datamapper/datasets/AIPI
• Lin, C. ve Tsai, H. (2005). Hierarchical clustering analysis based on grey relation grade. Information and Management Sciences, 16(1), 95-105.
• Liu, S. ve Lin, Y. (2006). Grey information: Theory and pratical applications with 60 figures, printed in the United States of America (MVY), Springer-Verlag London Limited, Springer Science+Business Media.
• Mauro C., Florence Ja., Longji L., Giovanni M., Augustus J. P., Carlo P., Emma J Rockall, and Marina Mendes Tavares. "Gen-AI: Artificial Intelligence and the Future of Work", Staff Discussion Notes 2024, 001 (2024), accessed December 2, 2024, doi: 10.5089/9798400262548.006
• Pirim, A. G. H. (2006). Yapay zeka. Yaşar Üniversitesi E-Dergisi, 1(1), 81-93. doi: 10.19168/jyu.72783
• Wen, K. (2004). Grey Systems: Modeling and Prediction, Yang’s Scientific Research Institute, Yang’s Scientific Press, 4, October.
• Xuerui, T. ve Yuguang, L. (2004). Using grey relational analysis to analyze the medical data, grey systems theory and applications. International Journal of Systems and Cybernetics, 33(2), 355–362.
• Zhu, X., Wang, F., Wang, H., Liang, C., Tang, R., Sun, X., Li, J., (2014). TOPSIS method for quality credit evaluation: A case of air-conditioning marketin China. Journal of Computational Science. 5(2), 99-105.