İnşaat Mühendisliğinde Yapay Zekâ Konusundaki Lisansüstü Tezlerin Bibliyometrik Analizi

Öz

Yapay zekânın inşaat mühendisliğindeki kullanım alanları; tasarım optimizasyonu, proje yönetimi, güvenlik sistemleri, maliyet tahmini ve sürdürülebilirlik gibi çeşitli boyutları içermektedir. Bu çalışma, Türkiye’de inşaat mühendisliği alanında yapay zekâ konulu lisansüstü tezlerin eğilimini belirlemektedir. Çalışma kapsamında, Türkiye’de bu alanda gerçekleştirilen lisansüstü tezler YÖK-TEZ veri tabanı üzerinden analiz edilmiştir. 1993-2024 yılları arasındaki 1800 tez arasından, inşaat mühendisliği ile doğrudan ilgili 89 tez detaylı bir şekilde incelenmiştir. Bibliyometrik analiz sonuçları, inşaat mühendisliğinde yapay zekâ konulu tezlerin özellikle son yıllarda belirgin bir artış gösterdiğini ortaya koymaktadır. En fazla tez 2024 yılında yazılmış olup, bu durum akademik ilgideki artışı yansıtmaktadır. Çalışmada, bu alanda en fazla tez üreten kurumun Erciyes Üniversitesi olduğu belirlenmiştir. İncelenen tezlerin büyük çoğunluğu yüksek lisans seviyesinde (%67,41) olup, doktora tezleri ise toplamın %32,59’unu oluşturmaktadır. Tez danışmanlıklarında Doç.Dr. unvanı %37,36 iken Prof. Dr. unvanı %37,36’dır. Elde edilen veriler, yapay zekâ uygulamalarının inşaat mühendisliği süreçlerinde giderek daha fazla benimsendiğini ve bu alandaki akademik çalışmaların hızla arttığını göstermektedir. Çalışma, bu alandaki gelecekteki araştırmalara yön vermek amacıyla çeşitli öneriler sunmakta ve bibliyometrik analizlerin bilimsel bilgi üretimi üzerindeki önemini vurgulamaktadır.

Anahtar Kelimeler

• Yapay Zekâ
• İnşaat Mühendisliği
• Bibliyometrik Analiz
• Yapay Sinir Ağları
• Optimizasyon

Bibliometric Analysis of Graduate Theses on Artificial Intelligence in Civil Engineering

Öz

The application areas of artificial intelligence in civil engineering include various dimensions such as design optimization, project management, safety systems, cost estimation and sustainability. This study determines the trend of graduate theses on artificial intelligence in civil engineering in Turkey. Within the scope of the study, graduate theses in this field in Turkey were analyzed through the YÖK-TEZ database. Among 1800 theses between 1993 and 2024, 89 theses directly related to civil engineering were analyzed in detail. The results of the bibliometric analysis reveal that theses on artificial intelligence in civil engineering have shown a significant increase especially in recent years. The highest number of theses was written in 2024, reflecting the increase in academic interest. In the study, it was determined that Erciyes University was the institution that produced the most theses in this field. The majority of the theses examined are at the master's level (67.41%), while doctoral theses constitute 32.59% of the total. While the title of Assoc. Prof. Dr. is 37.36% in thesis consultancy, the title of Prof. Dr. is 37.36%. The data obtained show that artificial intelligence applications are increasingly adopted in civil engineering processes and academic studies in this field are increasing rapidly. The study provides several recommendations to guide future research in this field and emphasizes the importance of bibliometric analysis on scientific knowledge production.

Anahtar Kelimeler

• Artificial Intelligence
• Civil Engineering
• Bibliometric Analysis
• Artificial Neural Networks
• Optimization

Kaynakça

1. Abdeljaber O., Avci O., Kiranyaz MS., Boashash B., Sodano H., Inman DJ. 1-D CNNs for structural damage detection: Verification on a structural health monitoring benchmark data. Neurocomputing 2018; 275: 1308-1317.
2. Acar R., Saplıoğlu K. Akarsulardaki sediment taşınımının yapay sinir ağları ve anfıs yöntemleri kullanılarak tespiti. Niğde Ömer Halisdemir Üniversitesi Mühendislik Bilimleri Dergisi 2020; 9(1): 437-450.
3. Akın HK. E-atık geri dönüşümü: Bibliyometrik analiz ve VOSviewer ile haritalama. Osmaniye Korkut Ata Üniversitesi Fen Bilimleri Enstitüsü Dergisi 2024; 7(5): 2114-2125.
4. Aladağ H., Güven İ., Balli O. Contribution of artificial intelligence (ai) to construction project management processes: State of the art with scoping review method. Sigma Journal of Engineering and Natural Sciences 2024; 42(5): 1654-1669.
5. Allali SA., Abed M., Mebarki A. Post-earthquake assessment of buildings damage using fuzzy logic. Engineering Structures 2018; 166: 117-127.
6. Allen M., Jacobs SK., Levy JR. Mapping the literature of nursing: 1996–2000. Journal of the Medical Library Association 2006; 94(2): 206-220.
7. Altuntaş M. Yeşilırmak havzası su kalitesi parametrelerinin yapay zekâ teknikleriyle modellenmesi. Erciyes Üniversitesi Fen Bilimleri Enstitüsü Yüksek Lisans Tezi, sayfa no:80, Kayseri, Türkiye, 2018.
8. Atha DJ., Jahanshahi MR. Evaluation of deep learning approaches based on convolutional neural networks for corrosion detection. Structural Health Monitoring 2018; 17(5): 1110-1128.

9. Aziz RF., Hafez SM., Abuel-Magd YR. Smart optimization for mega construction projects using artificial intelligence. Alexandria Engineering Journal 2014; 53(3): 591-606.
10. Bingöl K., Akan AE., Örmecioğlu HT., Er A. Depreme dayanıklı mimari tasarımda yapay zeka uygulamaları: Derin öğrenme ve görüntü işleme yöntemi ile düzensiz taşıyıcı sistem tespiti. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi 2020; 35(4): 2197-2210.
11. Bozkurt N., Karaca EO., Baydaş MT. Kendiliğinden yerleşen akıllı hafif betonun fiziksel özelliklerinin yapay zekâ modeli ile incelenmesi. Beton 2023 Kongresi Bildirileri 2023.
12. Cao Y., Wakil K., Alyousef R., Jermsittiparsert K., Ho LS., Alabduljabbar H., Alaskar A., Alrshoudi F., Mohamed AM. Application of extreme learning machine in behavior of beam to column connections. Structures 2020.
13. Chenya L., Aminudin E., Mohd S., Yap LS. Intelligent risk management in construction projects: Systematic literature review. IEEE Access 2022; 10: 72936-72954.
14. Çakıroğlu MA., Süzen AA. Assessment and application of deep learning algorithms in civil engineering. El-Cezeri 2020; 7(2): 906-922.
15. Damar M., Aydın Ö. Kavramsal olarak bibliyometri, bilimetri, bilimsel performans analizi- Bilimsel haritalama ve bibliyometrik veri tabanları. 2024.
16. Demircan D., Palabıyık S. Mimari tasarım eğitiminde 21. yüzyıldaki değişimin bibliyometrik analiz yöntemi üzerinden incelenmesi. Balıkesir Üniversitesi Fen Bilimleri Enstitüsü Dergisi 2024; 26(1): 91-110.
17. Dertli Ş., Dertli ME. Metaverse’ün disiplinlerarası görünümü: Lisansüstü tez çalışmalarının bibliyometrik profili. Karadeniz Fen Bilimleri Dergisi 2024; 14(2): 493-521.
18. Doğan G. Betonarme kolonların deprem sonrası hasar seviyelerinin akıllı sistem tabanlı bir yöntemle belirlenmesi. Konya Teknik Üniversitesi Lisansüstü Eğitim Enstitüsü Doktora Tezi, sayfa no:146, Konya, Türkiye, 2018.
19. Egghe L. Expansion of the field of informetrics: Origins and consequences. Inf. Process. Manag 2005; 41(6): 1311-1316.
20. Ekmen AB. SPT-CPT ilişkisinin yapay zekâ desteğiyle çeşitli zemin tipleri için araştırılması. Erciyes Üniversitesi Fen Bilimleri Enstitüsü Fen Bilimleri Dergisi 2023; 39(2): 204-216.
21. Evren S., Kozak N. Bibliometric analysis of tourism and hospitality related articles published in Turkey. Anatolia 2014; 25(1): 61-80.
22. Gao X., Lin C. Prediction model of the failure mode of beam-column joints using machine learning methods. Engineering Failure Analysis 2021; 120: 105072.
23. Harle SM. Advancements and challenges in the application of artificial intelligence in civil engineering: a comprehensive review. Asian Journal of Civil Engineering 2023; 25(1): 1061-1078.
24. Hawkins DT. Bibliometrics of electronic journals in information science. Information Research 2001; 7(1): 7-1.
25. Kaçın S., Aydın M. Görüntü işleme yöntemi ile betonarme kiriş deplasmanlarının belirlenmesi. Kahramanmaraş Sütçü İmam Üniversitesi Mühendislik Bilimleri Dergisi 2020; 23(2): 107-117.
26. Kim J., McMillan SJ. Evaluation of internet advertising research: A bibliometric analysis of citations from key sources. Journal of Advertising 2008; 37(1): 99-112.
27. Kumar M. Application of artificial ıntelligence in civil engineering projects. Mathematical Statistician and Engineering Applications 2021; 70(1): 660-667.
28. McBurney MK., Novak PL. What is bibliometrics and why should you care? Proceedings. IEEE İnternational Professional Communication Conference 2002.
29. Mohanaselvi S., Hemapriya G. Application of fuzzy logic to earthquake damage predictions. AIP Conference Proceedings 2019.
30. Ok Ş. The impact of artificial intelligence on the service industry and consumer behavior: A bibliometric analysis. The Eurasia Proceedings of Science Technology Engineering and Mathematics 2024; 27: 203-213.
31. Okazaki Y., Okazaki S., Asamoto S., Chun PJ. Applicability of machine learning to a crack model in concrete bridges. Computer‐Aided Civil and Infrastructure Engineering 2020; 35(8): 775-792.
32. Okubo Y. Bibliometric indicators and analysis of research systems: Methods and examples. 1997.
33. Özen SB. KASKİ atık su arıtma verilerinin yapay sinir ağları ve bulanık mantık yöntemleri ile tahmin edilmesi. Erciyes Üniversitesi Fen Bilimleri Enstitüsü Yüksek Lisans Tezi, sayfa no:97 Kayseri, Türkiye, 2018.
34. Özeren Y. Sakarya havzasına ait su kalitesi parametrelerinin yapay zekâ yöntemleri ile modellenmesi. Erciyes Üniversitesi Fen Bilimleri Enstitüsü Yüksek Lisans Tezi, sayfa no:108, Kayseri, Türkiye, 2022.
35. Prayogo D. Metaheuristic-based machine learning system for prediction of compressive strength based on concrete mixture properties and early-age strength test results. Civil Engineering Dimension 2018; 20(1): 21-29.
36. Pritchard A. Statistical bibliography or bibliometrics. Journal of Documentation 1969; 25: 348.
37. Qiu J., Zhao R., Yang S., Dong K. Informetrics: theory, methods and applications. Springer. 2017.
38. Shukla AK., Janmaijaya M., Abraham A., Muhuri PK. Engineering applications of artificial intelligence: A bibliometric analysis of 30 years (1988–2018). Engineering Applications of Artificial Intelligence 2019; 85: 517-532.
39. Vošner HB., Kokol P., Bobek S., Železnik D., Završnik J. A bibliometric retrospective of the Journal Computers in Human Behavior (1991–2015). Computers in Human Behavior 2016; 65: 46-58.
40. Yi Z., Luo X. Construction cost estimation model and dynamic management control analysis based on artificial intelligence. Iranian Journal of Science and Technology, Transactions of Civil Engineering 2023; 48(1): 577-588.
41. Yörübulut S., Dogan O., Erdugan F., Yörübulut S. Tahribatsız yöntem verileri kullanılarak yapay sinir ağı ve regresyon yöntemi ile beton basınç dayanımının tahmin edilmesi. International Journal of Engineering Research and Development 2020; 12(2): 769-776.
42. Yücel H., Ekinci K., Karaman A., Yazdıc F., Kar B. Bal arılarının sindirim kanalında bulunan probiyotik kökenli bifidobacterium sp.’nin enzimatik ve bibliyometrik analizi. Journal of the Institute of Science and Technology 2022; 12(2): 622-632.
43. Yücel Ş. Karar verme teknikleri üzerinde yapılan çalışmaların bibliyometrik analizi. Akademik Araştırmalar ve Çalışmalar Dergisi 2024; 16(30): 153-172.
44. Zengin N., Yamaçlı R. İklim değişikliği konulu lisansüstü çalışmaların bibliyometrik analizi. Bartın University International Journal of Natural and Applied Sciences 2024; 7(2): 27-40.
45. Zhang W., Li H., Li Y., Liu H., Chen Y., Ding X. Application of deep learning algorithms in geotechnical engineering: a short critical review. Artificial Intelligence Review 2021; 1-41.
46. Zhang Y. Safety management of civil engineering construction based on artificial intelligence and machine vision technology. Advances in Civil Engineering 2021; 1: 3769634.