Vergilendirme Alanında Makine Öğrenmesi Uygulamaları: Bibliyometrik Bir Analiz

This study aims to examine academic trends, core research themes, and international collaboration networks at the intersection of taxation and machine learning (ML). A bibliometric analysis approach is employed, and publications indexed in the Web of Science (WoS) database up to September 2025 are evaluated. Although no explicit time limitation is applied, the earliest relevant studies are identified as dating back to 2007. Analyses are conducted using VOSviewer (v.1.6.20), examining network structures at the levels of authors, countries, sources, keywords, and citations. The findings indicate a marked increase in academic output since 2021, suggesting that the acceleration of digital transformation has strengthened interest in ML applications within tax research. At the country level, the United States, China, and the United Kingdom emerge as the leading contributors, while Türkiye’s contribution has increased in recent years, particularly in digital tax administration, financial reporting, deferred taxation, and tax compliance. Keyword analysis reveals that the literature is primarily concentrated around the concepts of tax evasion, data mining, neural networks, artificial intelligence, and explainable AI. The results demonstrate that machine learning methods are widely addressed in areas such as tax collection, risk analysis, risk-based audit planning, revenue forecasting, and fraud detection. Overall findings highlight prevailing research directions in ML applications within taxation. Future research focusing on data privacy, ethical algorithms, open data policies, and explainable artificial intelligence is expected to support the continued development of the literature. Furthermore, empirical studies conducted in developing countries such as Türkiye may help identify existing gaps and advance academic discussions on digitalization in taxation. In this respect, the study provides an interdisciplinary evaluative framework for the public finance literature.

Bu çalışma, vergilendirme ile makine öğrenmesi (Machine Learning, ML) alanlarının kesişiminde ki akademik eğilimleri, temel araştırma konularını ve uluslararası iş birliği ağlarını incelemeyi amaçlamaktadır. Araştırmada bibliyometrik analiz yöntemi kullanılmış ve Web of Science (WoS) veri tabanında 2025 yılı Eylül ayına kadar indekslenen yayınlar değerlendirilmiştir. Herhangi bir tarih sınırlaması yapılmamış; ancak konuyla ilgili çalışmaların 2007 yılında yayımlandığı tespit edilmiştir. Analizler VOSviewer (v.1.6.20) yazılımı aracılığıyla gerçekleştirilmiş; yazar, ülke, kaynak, anahtar kelime ve atıf düzeylerinde ağ bağlantıları incelenmiştir. Bulgular, 2021 yılından itibaren akademik üretimin belirgin biçimde arttığını ve dijital dönüşüm sürecinin, vergi araştırmalarında ML uygulamalarına yönelik ilgiyi güçlendirdiğini göstermektedir. Ülke düzeyinde ABD, Çin ve Birleşik Krallık en fazla katkı sağlayan ülkeler olarak öne çıkarken, Türkiye’nin katkısının özellikle dijital vergi idaresi, finansal raporlama, ertelenmiş vergi ve vergi uyumu alanlarında son yıllarda artış gösterdiği belirlenmiştir. Anahtar kelime analizine göre literatürün “tax evasion (vergi kaçakçılığı)”, “data mining (veri madenciliği)”, “neural network (yapay sinir ağı)”, “artificial intelligence (yapay zekâ-YZ)” ve “explainable AI (açıklanabilir YZ)” kavramları etrafında yoğunlaştığı görülmüştür. Bulgular, makine öğrenmesi yöntemlerinin vergi tahsilatı, risk analizi, risk odaklı denetim planlaması, vergi geliri tahmini ve sahtecilik tespiti süreçlerinde etkin biçimde kullanıldığını ortaya koymaktadır. Sonuçlar, vergilendirme alanında makine öğrenmesine yönelik araştırma eğilimlerini ortaya koymaktadır. Gelecekte yapılacak çalışmaların veri gizliliği, etik algoritmalar, açık veri politikaları ve açıklanabilir yapay zekâ konularına yönelmesinin literatürün gelişimini destekleyeceği öngörülmektedir. Ayrıca, Türkiye gibi gelişmekte olan ülkelerde yürütülecek ampirik çalışmaların literatürdeki boşlukların belirlenmesine ve vergilendirmede dijitalleşmeye ilişkin akademik tartışmaların geliştirilmesine yardımcı olacağı değerlendirilmektedir. Bu yönüyle çalışma, maliye literatürüne disiplinler arası bir değerlendirme çerçevesi sunmaktadır.