Proje Yönetiminde Yapay Zekâ Tabanlı Paydaş Analizi Aracının Tasarımı

Yıl 2021, Cilt: 7 Sayı: 2, 81 - 89, 30.08.2021

Funda Şahiner Gamzenur Yıldırım Hamdi Kahraman

Öz

Projelerin başarıya ulaşmasında başlıca faktör proje yönetimidir. Proje yönetimi uluslararası standartları tanımlanmış ve tanımlanmaya devam eden birçok süreçten ve öğeden oluşmaktadır. Bu süreçlerden biri de paydaş analizidir. Proje yönetiminde paydaş analizi konusunda dünyada ve ülkemizde standartları karşılayan bir yazılım aracına rastlanılmamaktadır. Dolayısıyla bu konuda ciddi bir eksiklik olduğu görülmektedir. Bu çalışmanın amacı, uygulama alanından (proje konusundan) bağımsız olarak ve uluslararası standartlara göre paydaş analizi yapmayı sağlayan algoritmanın ve yazılım aracının tasarlanmasıdır. Bu amaçla öncelikle paydaş analizini problem alanından bağımsız olarak gerçekleştirmeyi sağlayan gereksinimler araştırılmış ve tanımlanmıştır. Gereksinimlerin tanımlanmasında ise uluslararası proje yönetim kurulunun belirlediği standartlar dikkate alınmıştır. Gereksinimlerin tanımlanmasından sonra paydaş analizinin aktörleri, her bir aktörün sahip olması gereken işlevler, paydaş analizi sınıfları ve veri modelleri geliştirilmiştir. Paydaş analizinin önemli bir aşaması analize kaynaklık teşkil edecek verinin etkili bir şekilde toplanması ve işlenmesidir. Bu amaçla mobil cihazlar üzerinden ve çeşitli sosyal medya uygulamalarından veri toplamayı sağlayan esnek bir uygulama mimarisi tasarlanmıştır. Yazılım mimarisinin tasarlanmasında ise yazılım tasarım prensiplerine bağlı kalınmıştır. Paydaş analizinin kaynağı olan verilerin yapay zekâ tabanlı algoritmalar kullanılarak modellenmesinde ise yalın bayes sınıflandırma algoritmasını tatbik eden yazılım modülleri tasarlanmıştır. Tasarlanan paydaş analizi aracının gelecekteki birçok çalışmaya kaynaklık etmesi beklenmektedir.

Anahtar Kelimeler

proje yönetimi, paydaş analizi, yalın bayes sınıflandırıcı, yapay-zeka tabanlı paydaş analizi aracı tasarımı

Destekleyen Kurum

TÜBİTAK

Proje Numarası

1919B011903604

Teşekkür

Bu çalışmada yürütülen faaliyetler, 2020 yılında TÜBİTAK 2209-A Üniversite Öğrencileri Yurt İçi Araştırma Projeleri Destek Programı kapsamında 1919B011903604 numaralı proje olarak TUBİTAK tarafından desteklenmiştir.

Kaynakça

• Elmas, Ç, Elmas, A. (2018). Uluslararası Standartlara Göre Proje Yönetimi (3). Ankara: Seçkin Yayıncılık
• Project Management Institute. (2017).A guide to the project management body of knowledge (PMBOK® guide)(6th ed.). Newtown Square, PA Project Management Institute
• Ünal, M , Ünal, Z . (2015). Proje Yönetiminde Paydaş İlişkilerinin Rolü Ve Önemi. Selçuk İletişim , 8 (4) , 90-103 . Retrieved from https://dergipark.org.tr/tr/pub/josc/issue/19030/201101
• Coplan, S. (2006). How to win the prize of project success: know your stakeholders. Paper presented at PMI® Global Congress 2006—North America, Seattle, WA. Newtown Square, PA: Project Management Institute.
• Vogwell, D. (2003). Stakeholder management. Paper presented at PMI® Global Congress 2003—EMEA, The Hague, South Holland, The Netherlands. Newtown Square, PA: Project Management Institute.
• Forman, J. B. & Discenza, R. (2012). Got stake?: (Holder) management in your project. Paper presented at PMI® Global Congress 2012—North America, Vancouver, British Columbia, Canada. Newtown Square, PA: Project Management Institute.
• Arpacı, S , Kalıpsız, O . (2018). Yazılım Hata Sınıflandırmasında Farklı Naive Bayes Tekniklerin Kıyaslanması. Niğde Ömer Halisdemir Üniversitesi Mühendislik Bilimleri Dergisi , 7 (1) , 1-13 . Doı: 10.28948/Ngumuh.383709
• Kahraman, H. T., Sagiroglu, S., & Colak, I. (2016). Novel user modeling approaches for personalized learning environments. International Journal of Information Technology & Decision Making, 15(03), 575-602.
• Lewis, D. D. (1998, April). Naive (Bayes) at forty: The independence assumption in information retrieval. In European conference on machine learning (pp. 4-15). Springer, Berlin, Heidelberg.
• Granik, M., & Mesyura, V. (2017, May). Fake news detection using naive Bayes classifier. In 2017 IEEE First Ukraine Conference on Electrical and Computer Engineering (UKRCON) (pp. 900-903). IEEE.
• Abellán, J., & Castellano, J. G. (2017). Improving the Naive Bayes classifier via a quick variable selection method using maximum of entropy. Entropy, 19(6), 247.
• Jing, N., Wu, Z., Lyu, S., & Sugumaran, V. (2019). Information credibility evaluation in online professional social network using tree augmented naïve Bayes classifier. Electronic Commerce Research, 1-25.
• Elias, A. A., Cavana, R. Y., & Jackson, L. S. (2002). Stakeholder analysis for R&D project management. R&D Management, 32(4), 301-310.
• Jepsen, A. L., & Eskerod, P. (2009). Stakeholder analysis in projects: Challenges in using current guidelines in the real world. International Journal of Project Management, 27(4), 335-343.
• Missonier, S., & Loufrani-Fedida, S. (2014). Stakeholder analysis and engagement in projects: From stakeholder relational perspective to stakeholder relational ontology. International Journal of Project Management, 32(7), 1108-1122.
• Yang, R. J. (2014). An investigation of stakeholder analysis in urban development projects: Empirical or rationalistic perspectives. International Journal of Project Management, 32(5), 838-849.
• de Oliveira, G. F., & Rabechini Jr, R. (2019). Stakeholder management influence on trust in a project: A quantitative study. International Journal of Project Management, 37(1), 131-144.
• Srinivasan, N. P., & Dhivya, S. (2020). An empirical study on stakeholder management in construction projects. Materials Today: Proceedings, 21, 60-62.
• Ahmadi, A., Kerachian, R., Rahimi, R., & Skardi, M. J. E. (2019). Comparing and combining Social Network Analysis and Stakeholder Analysis for natural resource governance. Environmental Development, 32, 100451.
• Pandi-Perumal, S. R., Zeller, J. L., Parthasarathy, S., Freeman, R. E., & Narasimhan, M. (2019). Herding cats and other epic challenges: Creating meaningful stakeholder engagement in community mental health research. Asian journal of psychiatry.