Denetimde Makine Öğrenmesine Dayalı Bir Uygulama: İzolasyon Ormanı İle Anomali Analizi

Serpil Çelik; Haluk Bengü

doi:10.25287/ohuiibf.1924712

TR EN

Denetimde Makine Öğrenmesine Dayalı Bir Uygulama: İzolasyon Ormanı İle Anomali Analizi

Öz

Teknolojik gelişmeler, denetim süreçlerinde kullanılan yöntem ve araçlarda değişimlere yol açmaktadır. İşletme faaliyetlerinin karmaşıklaşması ve verinin artması, geleneksel denetim tekniklerinin etkinliğini azaltmakta, ileri analitik yöntemlere olan ihtiyacı da artırmaktadır. Büyük veri kümelerinde anomali tespiti sağlayan makine öğrenmesi yöntemleri, denetim süreçlerini daha etkili ve verimli kılabilmektedir. Anomali tespitinde denetimsiz öğrenme yöntemlerinden olan izolasyon ormanı yönteminin farklı disiplinlerde kullanımının giderek yaygınlaştığı görülmektedir. Çalışmanın temel amacı, finansal oranlardan cari oran, kaldıraç oranı, özkaynak/aktif toplamı oranı ve kısa vadeli yabancı kaynak/pasif toplamı oranı ile izolasyon ormanı yöntemi kullanılarak tespit edilen anomalilerin denetçi görüşlerinde istatistiksel olarak anlamlı bir farklılığa yol açıp açmadığının incelenmesidir. Çalışmaya, Borsa İstanbul (BIST) imalat sektöründe 2014–2024 yılları arasında faaliyet gösteren işletmelerin yıllık finansal tabloları (bilanço ve gelir tablosu) dahil edilmiştir. Çalışma kapsamında, BIST İmalat sektöründe yer alan ve belirtilen dönemde her yıl düzenli olarak mali raporlarını yayımlayan 154 işletmeye ait bilanço ve gelir tablosundan elde edilen veriler kullanılmıştır. Analiz sonucunda kaldıraç oranı ve özkaynak/aktif toplamı oranlarında tespit edilen anomaliler ile denetçi görüşleri arasında istatistiksel olarak anlamlı bir farklılık tespit edilmiş, cari oran ve kısa vadeli yabancı kaynaklar/pasif toplamı oranları ile denetçi görüşleri arasında ise istatistiksel olarak anlamlı bir farklılık tespit edilememiştir.

Anahtar Kelimeler

Denetim, Makine Öğrenmesi, İzolasyon Ormanı

Machine Learning Applications in Audit: Anomaly Analysis with Isolation Forest

Öz

TTechnological advancements are leading to changes in the methods and tools used in audit processes. The increasing complexity of business operations and the growing volume of data are diminishing the effectiveness of traditional audit techniques and heightening the need for advanced analytical methods. Machine learning methods that enable anomaly detection in large datasets can make audit processes more effective and efficient. It is observed that the use of the isolation forest method one of the unsupervised learning methods is becoming increasingly widespread across various disciplines for anomaly detection. The primary objective of this study is to examine whether anomalies identified using the isolation forest method in financial ratios—specifically the current ratio, leverage ratio, equity-to-total-assets ratio, and short-term debt-to-total-liabilities ratio—lead to statistically significant differences in auditors’ opinions. The study includes the annual financial statements (balance sheets and income statements) of companies operating in the manufacturing sector on the Borsa İstanbul (BIST) between 2014 and 2024. For this study, data were obtained from the balance sheets and income statements of 154 companies in the BIST Manufacturing sector that published their financial reports regularly each year during the specified period. The analysis revealed a statistically significant difference between the anomalies identified in the leverage ratio and the equity-to-total-assets ratio and the auditors’ opinions; however, no statistically significant difference was found between the current ratio and the short-term liabilities-to-total-liabilities ratio and the auditors’ opinions.

Anahtar Kelimeler

Audit, Machine Learning, ; Isolation Forest

Kaynakça

Adelakun, B. O., Antwi, B. O., Fatogun, D. T., & Olaiya, O. P. (2024). Enhancing audit accuracy: The role of AI in detecting financial anomalies and fraud. Finance & Accounting Research Journal, 6(6), 1049–1068. https://doi.org/10.51594/farj.v6i6.1235
Akıllı, N. (2023). Topluluk öğrenmesi yaklaşımıyla anomali belirleme (Yüksek lisans tezi), Dokuz Eylül Üniversitesi Fen Bilimleri Enstitüsü, İzmir.
Aitkazinov, A. (2023). The role of artificial intelligence in auditing: Opportunities and challenges. International Journal of Research in Engineering, Science and Management, 6(6), 117-119.
Aydın, S., & Özkul, A. E. (2015). Veri madenciliği ve Anadolu Üniversitesi Açıköğretim sisteminde bir uygulama. Eğitim ve Öğretim Araştırmaları Dergisi (Journal of Research in Education and Teaching). 4(3),36-44.
Bakumenko, A., & Elragal, A. (2022). Detecting anomalies in financial data using machine learning algorithms. Systems, 10,130. https://doi.org/10.3390/systems1005013
Barta, G. (2018). The increasing role of ıt auditors ın financial audit: Risks and ıntelligent answers. Business, Management and Education,16 (1),81–93. https://doi.org/10.3846/bme.2018.2142
Cansaraç, M. (2025). Makine öğrenme temelli nedensellik modelleri ile konut elektrik talebinin heterojen analizi, (Yayımlanmamış yüksek lisans tezi). İstanbul Üniversitesi–Cerrahpaşa Lisansüstü Eğitim Enstitüsü.
Chandola, V., Banerjee, A., & Kumar, V. (2009). Anomaly detection: A survey. ACM Computing Surveys, 41(3), 1-58. https://doi.org/10.1145/1541880.1541882.
Changalva, R. (2024). Leveraging machine learning for anomaly detection in Oracle Financial Consolidation and Close Cloud Service (FCCS). International Journal of Intelligent Systems and Applications in Engineering, 12(23s), 2186–2198. https://ijisae.org/index.php/IJISAE/article/view/7304
Chugh, B., Malik, N., Gupta, D., & Alkhatani, B. S. (2025). A probabilistic approach driven credit card anomaly detection with CBLOF and isolation forest models. Alexandria Engineering Journal, 114, 231–242. https://doi.org/10.1016/j.aej.2024.11.054

Dhanesha, P., & Mehta, D. (2025). Uncovering Hidden Frauds: Isolation Forest-Based Anomaly Detection in Credit Card Transactions. In: Kaiser, M.S., Xie, J., Rathore, V.S. (eds) Intelligent Strategies for ICT. Lecture Notes in Networks and Systems, vol 1319. Springer, Singapore. https://doi.org/10.1007/978-981-96-4145-1_4
Ever, D. & Çankal, A. (2025). A bibliometric analysis on the use of machine learning in auditing, Üçüncü Sektör Sosyal Ekonomi Dergisi, 60(3), 3103-3129.
Faydalı, F., & Solak B. (2023). Bağımsız denetimde makine öğrenmesi: Teorik bir yaklaşım. Journal of Academic Value Studies, 9(1), 95-114. http://dx.doi.org/10.29228/javs.68546
Fedyk, A., Hodson, J., Khimich, N., & Fedyk, T. (2022). Is artificial intelligence improving the audit process?. Review of Accounting Studies, 27(3), 938-985.
Goldstein M, & Uchida, S. (2016). A comparative evaluation of unsupervised anomaly detection algorithms for multivariate data. PLoS ONE, 11(4), 1-31. https://doi.org/10.1371/journal.pone.0152173
Grubbs F. E. (1969). Procedures for detecting outlying observations in samples. Technometrics. 11 (1), 1-21. https://doi: 10.1080/00401706.1969.10490657.
Hilal, W., Gadsden, S. A., & Yawney, J. (2022). Financial fraud: A review of anomaly detection techniques and recent advances. Expert Systems with applications, 193, 116429.
Kara, S., Erdil Toraman, Ö., & Özcan, P. (2025). Muhasebe hile tespitinde yapay zekâ uygulamaları: ChatGPT'nin rolü ve model karşılaştırmaları. Şenel, S. A. (ed.), Dijital Dönüşümün Muhasebe Mesleğine Etkileri ve Meslekte Uzmanlaşma. Özgür Yayınları. https://doi.org/10.58830/ozgur.pub679.c2839
Kardeş, Z. & Kandemir, T. (2025). Audit opinion prediction with data mining methods: Evidence from Borsa Istanbul (BIST). El-Cezeri Journal of Science and Engineering, 12(3),395–409, https://doi: 10.31202/ecjse.1679862.
Kemuma Ondeyo, R. (2023). Impact of artificial ıntelligence (AI) on auditing ıntelligence (Doctoral dissertation, Dublin Business School).
Kızılkaya, Y. M., & Oğuzlar, A. (2018). Bazı denetimli öğrenme algoritmalarının R programlama dili ile kıyaslanması. Karadeniz Uluslararası Bilimsel Dergi, 37(37), 90-98. https://doi.org/10.17498/kdeniz.405746
Kirkos, E., Spathis, C., Nanopoulos, A., & Manolopoulos, Y. (2007). Identifying qualified auditors’ opinions: A data mining approach. Journal of Emerging Technologies in Accounting, 4(1), 183–197.
Kumar Bansal, P., Nimma, D., Das, N. N., Paruchuri, B. P., Anandaram, H., & Karthik, M. (2024). Boosting anomaly detection in financial transactions: Leveraging deep learning with isolation forest for enhanced accuracy. International Conference on Artificial Intelligence and Quantum Computation-Based Sensor Application (ICAIQSA).
Liu, F.T., Ting, K.M., & Zhou, Z. (2008). Isolation forest. Eighth IEEE International Conference On Data Mining, Pisa, 413-422.
Moustafa Abdallah, B.A., Ghanem, M.G. &Hijazi, W.H. (2024). Analyzing the factors that affect auditor’s judgment and decision making in lebanese audit firms. Journal of Risk and Financial Management, 17 (73), 1-25. https://doi.org/10.3390/jrfm17020073
Nugroho, K.A., & Turino. (2025). Anomaly detection in corporate balance sheets for financial risk assessment using ısolation forest from 2020 to 2023. International Journal for Applied Information Management, 5(3), 168–176. https://doi.org/10.47738/ijaim.v5i3.107
Odeyemi, O., Awonuga, K. F., Mhlongo, N. Z., Ndubuisi, N. L., Olatoye, F. O., & Daraojimba, A. I. (2024). The role of AI in transforming auditing practices: A global perspective review. World Journal of Advanced Research and Reviews, 21(2), 359- 370.
Ounacer, S., Ait El Bour, H., Oubrahim, Y., Ghoumari, M. Y., & Azzouazi, M. (2018). Using isolation forest in anomaly detection: The case of credit card transactions. Periodicals of Engineering and Natural Sciences, 6(2), 394–400.
Owonifari, V. O., Igbekoyi, O. E., Awotomilusi, N. S., & Dagunduro, M. E. (2023). Evaluation of artificial intelligence and efficacy of audit practice in Nigeria. Asian Journal of Economics Business and Accounting, 23(16), 1-14. https://doi.org/10.9734/ajeba/2023/v23i161022
Özsoy, S., & Özsoy, G. (2013). Effect size reporting in educational research. Elementary Education Online, 12(2), 334–346.
Pourheydari, O., Nezamabadi-pour, H., & Aazami, Z. (2012). Identifying qualified audit opinions by artificial neural networks. African Journal of Business Management, 6(44), 11077–11087. https://doi.org/10.5897/AJBM12.855
Raste, S., Singh, R., Vaughan, J., & Nair, V. N. (2022). Quantifying inherent randomness in machine learning algorithms. arXiv. https://doi.org/10.48550/arXiv.2206.12353
Ruxton, G. D. & Neuhäuser, M. (2010). Good practice in testing for an association in contingency tables. Behavioral Ecology and Sociobiology, 64(10), 1505–1513. https://doi.org/10.1007/s00265-010-1014-0
SAS Institute Inc. (2013). Base SAS® 9.4 procedures guide: Statistical procedures (2. bs.). SAS Institute Inc.
Semmelrock, H., Ross-Hellauer, T., Kopeinik, S., Theiler, D., Haberl, A., Thalmann, S., & Kowald, D. (2025). Reproducibility in machine-learning-based research: Overview, barriers, and drivers. AI Magazine, 46(2). https://doi.org/10.1002/aaai.70002
Sevin, A. (2024). Yapay zekâ destekli denetim: Potansiyeller ve engeller. Alaybeyoğlu, A. (Ed.), Bilgisayar bilimleri ve mühendisliğinde öncü ve yenilikçi çalışmalar. All Sciences Academy, 6-25.
Şahin, O. N., & Evdilek, N. (2025). Digital transformation in audit: Opportunities and challenges of artificial ıntelligence in audit. Denetim ve Güvence Hizmetleri Dergisi, 5(1), 49-61.
Yang, J., & Liu, L. (2025). Robust anomaly detection in financial markets using LSTM autoencoders and generative adversarial networks. Eng OA, 3(8), 1–11.
Yaşar, A., Yakut, E., & Gutnu, M. M. (2015). Predicting qualified audit opinions using financial ratios: Evidence from the Istanbul Stock Exchange. International Journal of Business and Social Science, 6(8), 57-67.
Xu, H., Pang, G., Wang, Y., & Wang, Y. (2023). Deep isolation forest for anomaly detection. IEEE Transactions on Knowledge and Data Engineering, 35(12), 12591-12604.
Zhang, X., Yao, Y., Lv, C., & Wang, T. (2022). Anomaly credit data detection based on enhanced isolation forest. The International Journal of Advanced Manufacturing Technology, 122, 185–192. https://doi.org/10.1007/s00170-022-09251-8

Ayrıntılar

Birincil Dil

Türkçe

Konular

Yarı ve Denetimsiz Öğrenme

Bölüm

Araştırma Makalesi

Yazarlar

Serpil Çelik ^*
0000-0002-2340-0010
Türkiye

Haluk Bengü
0000-0001-7751-0285
Türkiye

Yayımlanma Tarihi

1 Temmuz 2026

Gönderilme Tarihi

7 Nisan 2026

Kabul Tarihi

30 Haziran 2026

Yayımlandığı Sayı

Yıl 2026 Sayı: 20

DOI

https://doi.org/10.25287/ohuiibf.1924712

IZ

https://izlik.org/JA23ST27HS

APA

Çelik, S., & Bengü, H. (2026). Denetimde Makine Öğrenmesine Dayalı Bir Uygulama: İzolasyon Ormanı İle Anomali Analizi. Ömer Halisdemir Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 20, 1-15. https://doi.org/10.25287/ohuiibf.1924712

AMA

1.Çelik S, Bengü H. Denetimde Makine Öğrenmesine Dayalı Bir Uygulama: İzolasyon Ormanı İle Anomali Analizi. ÖHÜİİBFD. 2026;(20):1-15. doi:10.25287/ohuiibf.1924712

Chicago

Çelik, Serpil, ve Haluk Bengü. 2026. “Denetimde Makine Öğrenmesine Dayalı Bir Uygulama: İzolasyon Ormanı İle Anomali Analizi”. Ömer Halisdemir Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, sy 20: 1-15. https://doi.org/10.25287/ohuiibf.1924712.

EndNote

Çelik S, Bengü H (01 Temmuz 2026) Denetimde Makine Öğrenmesine Dayalı Bir Uygulama: İzolasyon Ormanı İle Anomali Analizi. Ömer Halisdemir Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi 20 1–15.

IEEE

[1]S. Çelik ve H. Bengü, “Denetimde Makine Öğrenmesine Dayalı Bir Uygulama: İzolasyon Ormanı İle Anomali Analizi”, ÖHÜİİBFD, sy 20, ss. 1–15, Tem. 2026, doi: 10.25287/ohuiibf.1924712.

ISNAD

Çelik, Serpil - Bengü, Haluk. “Denetimde Makine Öğrenmesine Dayalı Bir Uygulama: İzolasyon Ormanı İle Anomali Analizi”. Ömer Halisdemir Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi. 20 (01 Temmuz 2026): 1-15. https://doi.org/10.25287/ohuiibf.1924712.

JAMA

1.Çelik S, Bengü H. Denetimde Makine Öğrenmesine Dayalı Bir Uygulama: İzolasyon Ormanı İle Anomali Analizi. ÖHÜİİBFD. 2026;:1–15.

MLA

Çelik, Serpil, ve Haluk Bengü. “Denetimde Makine Öğrenmesine Dayalı Bir Uygulama: İzolasyon Ormanı İle Anomali Analizi”. Ömer Halisdemir Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, sy 20, Temmuz 2026, ss. 1-15, doi:10.25287/ohuiibf.1924712.

Vancouver

1.Serpil Çelik, Haluk Bengü. Denetimde Makine Öğrenmesine Dayalı Bir Uygulama: İzolasyon Ormanı İle Anomali Analizi. ÖHÜİİBFD. 01 Temmuz 2026;(20):1-15. doi:10.25287/ohuiibf.1924712

Amaç ve Kapsam

Yazım Kuralları

Etik İlkeler ve Yayın Politikası

ETİK İLKELER ve YAYIN POLİTİKASI

YAYIN ETİĞİ

Ömer Halisdemir Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi (OHUİİBFD)'nde uygulanan yayın süreçleri, bilginin tarafsız ve saygın bir şekilde gelişimine ve dağıtımına temel teşkil etmektedir. Bu doğrultuda uygulanan süreçler, yazarların ve yazarları destekleyen kurumların çalışmalarının kalitesine doğrudan yansımaktadır. Hakemli çalışmalar bilimsel yöntemi somutlaştıran ve destekleyen çalışmalardır. Bu noktada sürecin bütün paydaşlarının (yazarlar, okuyucular ve araştırmacılar, yayıncı, hakemler ve editörler) etik ilkelere yönelik standartlara uyması önem taşımaktadır. Ömer Halisdemir Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi (OHUİİBFD) yayın etiği kapsamında tüm paydaşların aşağıdaki etik sorumlulukları taşımasını beklenmektedir. Etik denetimi ve etik dışı girişimlerin önlenmesi için iThenticate veya Turnitin kullanılabilir.

Aşağıda yer alan etik görev ve sorumluluklar, açık erişim olarak Committee on Publication Ethics (COPE) tarafından yayınlanan rehberler ve politikalar dikkate alınarak hazırlanmıştır.

Yazarların Etik Sorumlulukları

Ömer Halisdemir Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi (OHUİİBFD)'ne çalışma gönderen yazar(lar)ın aşağıdaki etik sorumluluklara uyması beklenmektedir:

Yazar(lar)ın gönderdikleri çalışmaların özgün olması beklenmektedir. Yazar(lar)ın başka çalışmalardan yararlanmaları veya başka çalışmaları kullanmaları durumunda eksiksiz ve doğru bir biçimde atıfta bulunmaları ve/veya alıntı yapmaları gerekmektedir.
Çalışmanın oluşturulmasında içeriğe entelektüel açıdan katkı sağlamayan kişiler, yazar olarak belirtilmemelidir.
Yayınlanmak üzere gönderilen tüm çalışmaların varsa çıkar çatışması teşkil edebilecek durumları ve ilişkileri açıklanmalıdır.
Yazar(lar)dan değerlendirme süreçleri çerçevesinde makalelerine ilişkin ham veri talep edilebilir; böyle bir durumda yazar(lar) beklenen veri ve bilgileri yayın kuruluna sunmaya hazır olmalıdır.
Yazar(lar) kullanılan verilerin kullanım haklarına, araştırma/analizlerle ilgili gerekli izinlere sahip olduklarını veya deney yapılan deneklerin rızasının alındığını gösteren belgeye sahip olmalıdır.
Yazar(lar)ın yayınlanmış, erken görünüm veya değerlendirme aşamasındaki çalışmasıyla ilgili bir yanlış ya da hatayı fark etmesi durumunda, dergi editörünü veya yayıncıyı bilgilendirme, düzeltme veya geri çekme işlemlerinde editörle iş birliği yapma yükümlülüğü bulunmaktadır.
Yazar(lar) aynı yıl içerisinde sadece bir çalışmada yazar olarak yer alabilirler, aynı yazarın kabul almış diğer çalışmaları takip eden yıldan sonrası için yayın sürecine dahil edilir.
Yazarlar, ikinci çalışmaları için çalışmalarının yayına kabul edilmesi durumunda bile takip eden yıl içerisinde yayımlanma talebinde bulunamazlar.
Yazar(lar) çalışmalarını aynı anda birden fazla derginin başvuru sürecinde bulunduramaz. Her bir başvuru önceki başvurunun tamamlanmasını takiben başlatılabilir.
Başka bir dergide yayınlanmış çalışma Ömer Halisdemir Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi (OHUİİBFD)'ne gönderilemez.
Değerlendirme süreci başlamış bir çalışmanın yazar sorumluluklarının değiştirilmesi (yazar ekleme, yazar sırası değiştirme, yazar çıkartma gibi) teklif edilemez.

Editörlerin Etik Görev ve Sorumlulukları

Ömer Halisdemir Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi (OHUİİBFD) editörleri, açık erişim olarak Committee on Publication Ethics (COPE) tarafından yayınlanan "COPE Code of Conduct and Best Practice Guidelines for Journal Editors" ve "COPE Best Practice Guidelines for Journal Editors" rehberleri temelinde aşağıdaki etik görev ve sorumluluklara sahip olmalıdır:

Genel Görev ve Sorumluluklar

Editörler, Ömer Halisdemir Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi (OHUİİBFD)'nde yayınlanan her yayından sorumludur. Bu sorumluluk bağlamında editörler, aşağıdaki rol ve yükümlülükleri taşımaktadır:

Okuyucuların ve yazarların bilgi ihtiyaçlarını karşılamaya yönelik çaba sarf etme,
Sürekli olarak derginin gelişimini sağlama,
Dergide yayınlanan çalışmaların kalitesini geliştirmeye yönelik süreçleri yürütme,
Düşünce özgürlüğünü destekleme,
Akademik açıdan bütünlüğü sağlanma,
Fikri mülkiyet hakları ve etik standartlardan taviz vermeden iş süreçlerini devam ettirme,
Düzeltme, açıklama gerektiren konularda yayın açısından açıklık ve şeffaflık gösterme.

Okuyucu İle İlişkiler

Editörler tüm okuyucu, araştırmacı ve uygulayıcıların ihtiyaç duydukları bilgi, beceri ve deneyim beklentilerini dikkate alarak karar vermelidir. Yayınlanan çalışmaların okuyucu, araştırmacı, uygulayıcı ve bilimsel literatüre katkı sağlamasına ve özgün nitelikte olmasına dikkat etmelidir. Ayrıca editörler okuyucu, araştırmacı ve uygulayıcılardan gelen geri bildirimleri dikkate almak, açıklayıcı ve bilgilendirici geri bildirim vermekle yükümlüdür.

Yazarlar İle İlişkiler

Editörlerin yazarlara karşı görev ve sorumlulukları aşağıdaki şekildedir:
Editörler, çalışmaların önemi, özgün değeri, geçerliliği, anlatımın açıklığı ve derginin amaç ve hedeflerine dayanarak olumlu ya da olumsuz karar vermelidir.
Editörler, yayın kapsamına uygun olan çalışmaları ciddi problemi olmadığı sürece ön değerlendirme aşamasına almalıdır.
Editörler, çalışma ile ilgili ciddi bir sorun olmadıkça, olumlu yöndeki hakem önerilerini göz ardı etmemelidir.
Yeni editörler, çalışmalara yönelik olarak önceki editör(ler) tarafından verilen kararları ciddi bir sorun olmadıkça değiştirmemelidir.
"Kör Hakemlik ve Değerlendirme Süreci" mutlaka yayınlanmalı ve editörler tanımlanan süreçlerde yaşanabilecek sapmaların önüne geçmelidir.
Editörler, yazarlar tarafından kendilerinden beklenecek her konuyu ayrıntılı olarak içeren bir "Yazar Rehberi" yayınlamalıdır. Bu rehberler belirli zaman aralıklarında güncellenmelidir.
Yazarlara açıklayıcı ve bilgilendirici şekilde bildirim ve dönüş sağlanmalıdır.

Hakemler İle İlişkiler

Editörlerin hakemlere karşı görev ve sorumlulukları aşağıdaki şekildedir:

Hakemleri çalışmanın konusuna uygun olarak belirlemelidir.
Hakemlerin değerlendirme aşamasında ihtiyaç duyacakları bilgi ve rehberleri sağlamakla yükümlüdür.
Yazarlar ve hakemler arasından çıkar çatışması olup olmadığını gözetmek durumundadır.
Körleme hakemlik bağlamında hakemlerin kimlik bilgilerini gizli tutmalıdır.
Hakemleri tarafsız, bilimsel ve nesnel bir dille çalışmayı değerlendirmeleri için teşvik etmelidir.
Hakemleri zamanında dönüş ve performans gibi ölçütlerle değerlendirmelidir.
Hakemlerin performansını artırıcı uygulama ve politikalar belirlemelidir.
Hakem havuzunun dinamik şekilde güncellenmesi konusunda gerekli adımları atmalıdır.
Nezaketsiz ve bilimsel olmayan değerlendirmeleri engellemelidir.
Hakem havuzunun geniş bir yelpazeden oluşması için adımlar atmalıdır.

Yayın Kurulu İle İlişkiler

Editörler, tüm yayın kurulu üyelerinin süreçleri yayın politikaları ve yönergelere uygun ilerletmesini sağlamalıdır. Yayın kurulu üyelerini yayın politikaları hakkında bilgilendirmeli ve gelişmelerden haberdar etmelidir. Yeni yayın kurulu üyelerini yayın politikaları konusunda eğitmeli, ihtiyaç duydukları bilgileri sağlamalıdır.

Ayrıca editörler;

Yayın kurulu üyelerinin çalışmaları tarafsız ve bağımsız olarak değerlendirmelerini sağlamalıdır.
Yeni yayın kurulu üyelerini, katkı sağlayabilir ve uygun nitelikte belirlemelidir.
Yayın kurulu üyelerinin uzmanlık alanına uygun çalışmaları değerlendirme için göndermelidir.
Yayın kurulu ile düzenli olarak etkileşim içerisinde olmalıdır.
Yayın kurulu ile belirli aralıklarla yayın politikalarının ve derginin gelişimi için toplantılar düzenlemelidir.

Dergi Sahibi ve Yayıncı İle İlişkiler

Editörler ve yayıncı arasındaki ilişki editoryal bağımsızlık ilkesine dayanmaktadır.

Editoryal ve Kör Hakemlik Süreçleri

Editörler; dergi yayın politikalarında yer alan "Kör Hakemlik ve Değerlendirme Süreci" politikalarını uygulamakla yükümlüdür. Bu bağlamda editörler her çalışmanın adil, tarafsız ve zamanında değerlendirme sürecinin tamamlanmasını sağlar.

Kalite Güvencesi

Editörler; dergide yayınlanan her makalenin dergi yayın politikaları ve uluslararası standartlara uygun olarak yayınlanmasından sorumludur.

Kişisel Verilerin Korunması

Editörler; değerlendirilen çalışmalarda yer alan deneklere veya görsellere ilişkin kişisel verilerin korunmasını sağlamakla yükümlüdür. Çalışmalarda kullanılan bireylerin açık rızası belgeli olmadığı sürece çalışmayı reddetmekle görevlidir. Ayrıca editörler; yazar, hakem ve okuyucuların bireysel verilerini korumaktan sorumludur.

Etik Kurul, İnsan ve Hayvan Hakları

Editörler; değerlendirilen çalışmalarda insan ve hayvan haklarının korunmasını sağlamakla yükümlüdür. Çalışmalarda kullanılan deneklere ilişkin etik kurul onayı, deneysel araştırmalara ilişkin izinlerin olmadığı durumlarda çalışmayı reddetmekle sorumludur.
Olası suistimal ve görevi kötüye kullanmaya karşı önlem

Editörler; olası suistimal ve görevi kötüye kullanma işlemlerine karşı önlem almakla yükümlüdür. Bu duruma yönelik şikayetlerin belirlenmesi ve değerlendirilmesi konusunda titiz ve nesnel bir soruşturma yapmanın yanı sıra, konuyla ilgili bulguların paylaşılması editörün sorumlulukları arasında yer almaktadır.

Akademik Yayın Bütünlüğünü Sağlamak

Editörler çalışmalarda yer alan hata, tutarsızlık ya da yanlış yönlendirme içeren yargıların hızlı bir şekilde düzeltilmesini sağlamalıdır.

Fikri Mülkiyet Haklarının Korunması

Editörler; yayınlanan tüm makalelerin fikri mülkiyet hakkını korumakla, olası ihlallerde derginin ve yazar(lar)ın haklarını savunmakla yükümlüdür. Ayrıca editörler yayınlanan tüm makalelerdeki içeriklerin başka yayınların fikri mülkiyet haklarını ihlal etmemesi adına gerekli önlemleri almakla yükümlüdür.

Yapıcılık ve Tartışmaya Açıklık

Editörler;

Dergide yayınlanan eserlere ilişkin ikna edici eleştirileri dikkate almalı ve bu eleştirilere yönelik yapıcı bir tutum sergilemelidir.
Eleştirilen çalışmaların yazar(lar)ına cevap hakkı tanımalıdır.
Olumsuz sonuçlar içeren çalışmaları göz ardı etmemeli ya da dışlamamalıdır.

Şikayetler
Editörler; yazar, hakem veya okuyuculardan gelen şikayetleri dikkatlice inceleyerek aydınlatıcı ve açıklayıcı bir şekilde yanıt vermekle yükümlüdür.

Politik ve Ticari Kaygılar

Dergi sahibi, yayıncı ve diğer hiçbir politik ve ticari unsur, editörlerin bağımsız karar almalarını etkilemez.

Çıkar Çatışmaları

Editörler; yazar(lar), hakemler ve diğer editörler arasındaki çıkar çatışmalarını göz önünde bulundurarak, çalışmaların yayın sürecinin bağımsız ve tarafsız bir şekilde tamamlamasını garanti eder.

Hakemlerin Etik Sorumlulukları

Tüm çalışmaların "Körleme Hakemlik" ile değerlendirilmesi yayın kalitesini doğrudan etkilemektedir. Bu süreç yayının nesnel ve bağımsız değerlendirilmesi ile güven sağlar. Ömer Halisdemir Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi (OHUİİBFD) değerlendirme süreci çift taraflı kör hakemlik ilkesiyle yürütülür.

Hakemler yazarlar ile doğrudan iletişime geçemez, değerlendirme ve yorumlar dergi yönetim sistemi aracılığıyla iletilir. Bu süreçte değerlendirme formları ve tam metinler üzerindeki hakem yorumları editör aracılığıyla yazar(lar)a iletilir. Bu bağlamda Ömer Halisdemir Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi (OHUİİBFD) için çalışma değerlendiren hakemlerin aşağıdaki etik sorumluluklara sahip olması beklenmektedir:

Sadece uzmanlık alanı ile ilgili çalışmaları değerlendirmeyi kabul etmelidir.
Tarafsızlık ve gizlilik içerisinde değerlendirme yapmalıdır.
Değerlendirme sürecinde çıkar çatışması ile karşı karşıya olduğunu düşünürse, çalışmayı incelemeyi reddederek, dergi editörünü bilgilendirmelidir.
Gizlilik ilkesi gereği inceledikleri çalışmaları değerlendirme sürecinden sonra imha etmelidir.
İnceledikleri çalışmaların sadece nihai versiyonlarını ancak yayınlandıktan sonra kullanabilir.
Değerlendirmeyi nesnel bir şekilde sadece çalışmanın içeriği ile ilgili olarak yapmalıdır.
Milliyet, cinsiyet, dini inançlar, siyasal inançlar ve ticari kaygıların değerlendirmeye etki etmesine izin vermemelidir.
Değerlendirmeyi yapıcı ve nazik bir dille yapmalıdır. Düşmanlık, iftira ve hakaret içeren aşağılayıcı kişisel yorumlar yapmamalıdır.
Değerlendirmeyi kabul ettikleri çalışmayı zamanında ve yukarıdaki etik sorumluluklarda gerçekleştirmelidir.

Yayıncının Etik Sorumlukları

Ömer Halisdemir Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi (OHUİİBFD) yayıncısı olan Niğde Ömer Halisdemir Üniversitesi, kâr amacı gütmeyen bir devlet üniversitesidir. Bu bağlamda Niğde Ömer Halisdemir Üniversitesi, Ömer Halisdemir Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi (OHUİİBFD) ile ilgili aşağıdaki etik sorumlulukların bilinciyle hareket etmektedir:

Editörler, Ömer Halisdemir Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi (OHUİİBFD)'ne gönderilen çalışmaların tüm süreçlerinden sorumludur. Bu çerçevede ekonomik ya da politik kazançlar göz önüne alınmaksızın karar verici kişiler editörlerdir.
Bağımsız editör kararı oluşturulmasını taahhüt eder.
Editörlere ilişkin her türlü bilimsel suistimal, atıf çeteciliği ve intihalle ilgili önlemleri alma sorumluluğuna sahiptir.

Etik Olmayan Bir Durumla Karşılaşırsanız

Ömer Halisdemir Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi (OHUİİBFD)'nde yukarıda bahsedilen etik sorumluluklar ve dışında etik olmayan bir davranış veya içerikle karşılaşırsanız lütfen ohuiibfdergisi@gmail.com adresine e-posta yoluyla bildiriniz.