Yapay Zekânın İş Güvenliği Uygulamalarındaki Kullanımına Yönelik Bibliyometrik Analiz

Esra Aktaş; İbrahim Irmak

doi:10.35674/kent.1715201

TR EN

Yapay Zekânın İş Güvenliği Uygulamalarındaki Kullanımına Yönelik Bibliyometrik Analiz

Öz

Tarih boyunca çeşitli biçimlerde var olan iş güvenliği, Sanayi Devrimi ile birlikte daha kapsamlı ve sistematik bir şekilde incelenmeye başlanmış olup, günümüzde de hâlâ en önemli disiplinlerden biri olmaya devam etmektedir. Hızla değişen dünya ile birlikte kurum kültürleri ve dolayısıyla güvenlik kültürü de değişmekte ve iş güvenliğine yönelik yapılan değişimler teknoloji ile birleşmektedir. Yapay zekânın ve yapay zekânın alt disiplinleri olan makine öğrenmesi, derin öğrenme ve doğal dil işleme tekniklerinin iş güvenliği uygulamalarında kullanımı buna örnek verilebilmektedir. Bu kapsamda çalışmanın amacı, yapay zekânın iş güvenliği uygulamalarındaki kullanımına yönelik bir bibliyometrik analiz yapmak olarak belirlenmiştir. Analiz kapsamında veriler; 2 Nisan 2025 tarihinde Web of Science veri tabanından, yayın tarihi ve dil kısıtlaması olmaksızın, yalnızca araştırma makaleleri, konferans bildirileri, kitaplar ve kitap bölümleri yayın türü olarak seçilerek elde edilmiştir. Çalışmada belirlenen anahtar kelimeler doğrultusunda, 1519 bilimsel çalışma incelenmiş; yayın çıktısı ve büyüme eğilimleri, coğrafi dağılım, kurum, yazar, atıf ve anahtar kelime analizleri yapılmıştır. Sonuç olarak, iş güvenliğinde yapay zekânın kullanımına yönelik bir rapor sunulmuştur.

Anahtar Kelimeler

Bibliyometrik Analiz , Derin Öğrenme , Doğal Dil İşleme , İş Güvenliği , Makine Öğrenmesi , Yapay Zekâ

A Bibliometric Analysis of the Use of Artificial Intelligence in Occupational Safety Applications

Abstract

Occupational safety, which has existed in many forms throughout history, began to be studied more fully and methodically with the industrial revolution, and it remains one of the most significant disciplines today. With the quickly changing globe, corporate cultures and, by extension, security cultures are changing, and changes to occupational safety are being coupled with technology. The use of artificial intelligence and its sub-disciplines, such as machine learning, deep learning and natural language processing techniques, in occupational safety applications can be given as an example. In this context, the study's goal was to undertake a bibliometric analysis on the usage of artificial intelligence in occupational safety applications. Within the scope of the analysis, data were obtained from the Web of Science database on April 2, 2025, without any restrictions on publication date or language, by choosing only research articles, conference proceedings, books and book chapters as publication types. In accordance with the study's keywords, 1519 scientific studies were reviewed, and publishing output and growth trends, geographical distribution and institution analysis, author analysis, citation analysis, and keyword analysis were conducted. As a result, a paper was presented on the use of artificial intelligence in occupational safety.

Keywords

Artificial Intelligence , Bibliometric Analysis , Deep Learning , Machine Learning , Natural Language Processing , Occupational Safety

Kaynakça

Alli, B. O. (2008). Fundamental Principles of Occupational Health and Safety. International Labour Office.
Badillo, S., Banfai, B., Birzele, F., Davydov, I. I., Hutchinson, L., Kam-Thong, T., Siebourg-Polster, J., Steiert, B., & Zhang, J. D. (2020). An Introduction to Machine Learning. Clinical Pharmacology and Therapeutics, 107(4), 871–885. https://doi.org/10.1002/cpt.1796
Baradan, S. (2006). Türkiye İnşaat Sektöründe İş Güvenli̇ği̇ni̇n Yeri̇ ve Geli̇şmi̇ş Ülkelerle Kıyaslanması. Dokuz Eylül Üniversitesi Mühendislik Fakültesi Fen ve Mühendislik Dergisi, 8(1), 87–100.
Bilir, N. (2021). Türkiye’de Dünden Bugüne İş Sağlığı ve Güvenliği Hizmetleri. Bireklam Arısı.
Cheng, C.-W., Leu, S.-S., Cheng, Y.-M., Wu, T.-C., & Lin, C.-C. (2012). Applying data mining techniques to explore factors contributing to occupational injuries in Taiwan’s construction industry. Accident Analysis & Prevention, 48, 214–222. https://doi.org/10.1016/j.aap.2011.04.014
Choi, J., Gu, B., Chin, S., & Lee, J.-S. (2020). Machine learning predictive model based on national data for fatal accidents of construction workers. Automation in Construction, 110, 102974. https://doi.org/10.1016/j.autcon.2019.102974
Çiçek, Ö. & Öçal, M. (2016). Dünyada ve Türkiye’de İş Sağlığı ve İş Güvenliğinin Tarihsel Gelişimi. HAK-İŞ Uluslararası Emek ve Toplum Dergisi, 5(11), 106–129. http://dergipark.gov.tr/hakisderg/issue/24441/259080
Fang, Q., Li, H., Luo, X., Ding, L., Luo, H., Rose, T. M., & An, W. (2018). Detecting non-hardhat-use by a deep learning method from far-field surveillance videos. Automation in Construction, 85, 1–9. https://doi.org/10.1016/j.autcon.2017.09.018
Friend, M. A., & Kohn, J. P. (2007). Fundamentals of Occupational Safety and Health. In Goverment Institutes (Fourth).
Ha, J., Kambe, M., & Pe, J. (2011). Data Mining: Concepts and Techniques. In Data Mining: Concepts and Techniques. https://doi.org/10.1016/C2009-0-61819-5

He, F., & Tao, D. (2024). Foundations of Deep Learning. In Springer. https://doi.org/10.1201/9781003466581-2
Jia, Q., Fu, G., Xie, X., Xue, Y., & Hu, S. (2024). Enhancing accident cause analysis through text classification and accident causation theory: A case study of coal mine gas explosion accidents. Process Safety and Environmental Protection, 185, 989–1002. https://doi.org/10.1016/j.psep.2024.03.066
Koc, K., Ekmekcioğlu, Ö. & Gurgun, A. P. (2022). Accident prediction in construction using hybrid wavelet-machine learning. Automation in Construction, 133(September 2021). https://doi.org/10.1016/j.autcon.2021.103987
Kwon, O. H., Rhee, W., & Yoon, Y. (2015). Application of classification algorithms for analysis of road safety risk factor dependencies. Accident Analysis & Prevention, 75, 1–15. https://doi.org/10.1016/j.aap.2014.11.005
Lee, R. S. T. (2024). Natural Language Processing. In Springer. Springer Nature Singapore. https://doi.org/10.1007/978-981-99-1999-4
Luger, G. F. (2025). Artificial Intelligence: Principles and Practice. Springer Nature Switzerland. https://doi.org/10.1007/978-3-031-57437-5
McCarthy, J., Minsky, M. L., Rochester, N., & Shannon, C. E. (2006). A proposal for the Dartmouth summer research project on artificial intelligence. AI Magazine, 27(4), 12–14.
Nath, N. D., Behzadan, A. H., & Paal, S. G. (2020). Deep learning for site safety: Real-time detection of personal protective equipment. Automation in Construction, 112, 103085. https://doi.org/10.1016/j.autcon.2020.103085
Park, M., Tran, D. Q., Bak, J., Kulinan, A. S., & Park, S. (2023). Real-time monitoring unsafe behaviors of portable multi-position ladder worker using deep learning based on vision data. Journal of Safety Research, 87, 465–480. https://doi.org/10.1016/j.jsr.2023.08.018
Peivandi, M., Ardabili, S. Z., Sheykhivand, S., & Danishvar, S. (2023). Deep Learning for Detecting Multi-Level Driver Fatigue Using Physiological Signals: A Comprehensive Approach. Sensors, 23(19), 8171. https://doi.org/10.3390/s23198171
Pillai, A. S., & Tedesco, R. (2023). Machine Learning and Deep Learning in Natural Language Processing. In Machine Learning and Deep Learning in Natural Language Processing. https://doi.org/10.1201/9781003296126
Russel, S., & Norvig, P. (2022). Artificial Intelligence A Modern Approach (4. Edition).
Takala, J., Pesonen, J., Kulikov, L., & Jäppinen, H. (1991). Machine translation for chemical safety information. Journal of Hazardous Materials, 27(2), 213–230. https://doi.org/10.1016/0304-3894(91)80031-I
Zhou, Z. H. (2021). Machine Learning. In Springer. https://doi.org/10.1007/978-981-15-1967-3

Ayrıntılar

Birincil Dil

Türkçe

Konular

Sosyal Politika (Diğer)

Bölüm

Araştırma Makalesi

Yazarlar

Esra Aktaş ^*
0000-0001-6064-6485
Türkiye

İbrahim Irmak
0000-0002-9202-8195
Türkiye

Yayımlanma Tarihi

31 Ocak 2026

Gönderilme Tarihi

5 Haziran 2025

Kabul Tarihi

3 Kasım 2025

Yayımlandığı Sayı

Yıl 2026 Cilt: 19 Sayı: 1

DOI

https://doi.org/10.35674/kent.1715201

IZ

https://izlik.org/JA86PD98FR

APA

Aktaş, E., & Irmak, İ. (2026). Yapay Zekânın İş Güvenliği Uygulamalarındaki Kullanımına Yönelik Bibliyometrik Analiz. Kent Akademisi, 19(1), 1-16. https://doi.org/10.35674/kent.1715201

International Refereed and Indexed Journal of Urban Culture and Management | Kent Kültürü ve Yönetimi Uluslararası Hakemli İndeksli Dergi

Bilgi, İletişim, Kültür, Sanat ve Medya Hizmetleri (ICAM Network) www.icamnetwork.net

Executive Office: Ahmet Emin Fidan Culture and Research Center, Evkaf Neigh. No: 34 Fatsa Ordu
Tel: +90452 310 20 30 Faks: +90452 310 20 30 | E-Mail: (int): info@icamnetwork.net | (TR) bilgi@icamnetwork.net

Yapay Zekânın İş Güvenliği Uygulamalarındaki Kullanımına Yönelik Bibliyometrik Analiz

Öz

Anahtar Kelimeler

A Bibliometric Analysis of the Use of Artificial Intelligence in Occupational Safety Applications

Abstract

Keywords

Kaynakça

Ayrıntılar

Birincil Dil

Konular

Bölüm

Yazarlar

Yayımlanma Tarihi

Gönderilme Tarihi

Kabul Tarihi

Yayımlandığı Sayı

DOI

IZ

Kaynak Göster