Comparing machine learning and classical methods in forecasting Türkiye’s macroeconomic performance

Emrah Kıratoğlu

doi:10.26466/opusjsr.1825433

TR EN

Türkiye’nin makroekonomik performansının tahmininde makine öğrenmesi ve klasik yöntemlerin karşılaştırılması

Öz

Bu çalışma büyüme, işsizlik, enflasyon, bütçe dengesi ve cari işlemler dengesinden oluşan bileşik bir endeks üzerinden Türkiye’nin orta vadeli makroekonomik performansını tahmin etmektedir. Analizde 2006Ç1–2026Ç1 dönemine ait üç aylık veriler kullanılmış; yapay sinir ağları, ARIMA/SARIMA ve EKK yönteminin tahmin performansları karşılaştırılmıştır. Modeller 40 örneklem dışı dönemi kapsayan kayan tahmin başlangıçlı doğrulama yöntemiyle değerlendirilmiş; tahmin başarısı MAE, MAPE ve RMSE ölçütleriyle incelenmiştir. Modeller arasındaki hata farklılıklarının istatistiksel anlamlılığı Diebold–Mariano testiyle sınanmış, yapay sinir ağının model seçimine duyarlılığı ise 180 farklı hiperparametre bileşimi üzerinden değerlendirilmiştir. Bulgular temel modelde en düşük tahmin hatasının YSA tarafından üretildiğini, ancak bu avantajın %5 düzeyinde istatistiksel olarak anlamlı olmadığını göstermektedir. Mevsimsel bilgiler ve değişkenlerin gecikmeli değerleri modele eklendiğinde en düşük tahmin hatası EKK modelinden elde edilmiştir. Tercih edilen EKK modeline dayalı koşullu tahminler, endeksin 2026Ç2–2028Ç1 döneminde 91,66 ile 94,56 arasında seyredeceğini göstermektedir. Tahmin dönemi boyunca mevsimsel dalgalanmalar görülmekle birlikte belirgin bir yükseliş veya düşüş eğilimi bulunmamaktadır.

Anahtar Kelimeler

Maliye politikası, bütçe dengesi, tahminleme, yapay sinir ağları, ARIMA, EKK

Comparing machine learning and classical methods in forecasting Türkiye’s macroeconomic performance

Öz

This study forecasts Türkiye’s medium-term macroeconomic performance through a composite index based on growth, unemployment, inflation, the budget balance, and the current account balance. Quarterly data for 2006Q1–2026Q1 are used to compare artificial neural networks, ARIMA/SARIMA models, and ordinary least squares regression. Model performance is evaluated through rolling-origin validation over 40 out-of-sample periods using MAE, MAPE, and RMSE. The statistical significance of forecast error differences is examined with the Diebold–Mariano test, while the sensitivity of the neural network is assessed across 180 hyperparameter configurations. The results show that the neural network produces the lowest error in the baseline specification, although its advantage is not statistically significant at the 5 percent level. When seasonal information and lagged component values are included, OLS yields the lowest forecast error. Conditional forecasts from the preferred OLS specification place the index between 91.66 and 94.56 during 2026Q2–2028Q1. The projected path remains broadly stable, with seasonal fluctuations but no pronounced upward or downward trend. Overall, the findings indicate that forecast performance depends on model specification and that claims of machine learning superiority should be evaluated cautiously.

Anahtar Kelimeler

Fiscal policy, budget balance, forecast, artificial neural networks, ARIMA, OLS

Kaynakça

Afonso, A., & Jalles, J. T. (2013). Growth and productivity: The role of government debt. International Review of Economics & Finance, 25, 384–407.
Armstrong, J. S. (Ed.). (2001). Principles of forecasting: A handbook for researchers and practitioners. Springer. Beck, N., Jonathan, N., Alvarez, M., Garrett, G., & Lange, P. (1993). Government partisanship, labor organization, and macroeconomic performance: A corrigendum. American Political Science Review, 87(4), 943–948.
Bishop, C. M. (1995). Neural networks for pattern recognition. Oxford University Press.
Calmfors, L., & Driffill, J. (1988). Bargaining structure, corporatism and macroeconomic performance. Economic Policy, 3(6), 13–61.
Chai, T., & Draxler, R. R. (2014). Root mean square error (RMSE) or mean absolute error (MAE)? Arguments against avoiding RMSE in the literature. Geoscientific Model Development, 7(3), 1247–1250.
Coulombe, G., Leroux, M., Stevanovic, D., & Surprenant, S. (2019). How is machine learning useful for macroeconomic forecasting? Montréal, Canada: CIRANO.
Dağbaşı, B., Barak, D., & Çelik, T. (2019). Türkiye için makroekonomik performans endeksinin analizi (1990–2017): Yapay sinir ağı yaklaşımı. Bingöl Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 3(1), 93–112.
Diebold, F. X. (2015). Forecasting in economics, business, finance and beyond. Journal of Economic Perspectives, 29(2), 145–168.
Dullien, S. (2017). A new magic square for inclusive and sustainable economic growth: A policy framework for Germany to move beyond GDP. Friedrich-Ebert-Stiftung.
Fischer, S. (1993). The role of macroeconomic factors in growth. Journal of Monetary Economics, 32(3), 485–512.

Foo, B., Koh, D., Tan, J., & Wang, W. (2022). Forecasting Singapore’s economy using statistical learning and factor models. The Singapore Economic Review, 68.
Gopinath, R., Gaurav, A., & Mehta, S. K. (2021). International agricultural trade forecasting using machine learning. Data & Policy. Cambridge University Press.
Haykin, S. (1999). Neural networks: A comprehensive foundation (2nd ed.). Prentice Hall.
Kaastra, I., & Boyd, M. (1996). Designing a neural network for forecasting financial and economic time series. Neurocomputing, 10(3), 215–236.
Kaldor, N. (1961). Capital accumulation and economic growth. In F. A. Lutz & D. C. Hague (Eds.), The theory of capital.
Kaldor, N. (1966). Causes of the slow rate of economic growth of the United Kingdom. Cambridge University Press.
Khashei, M., & Bijari, M. (2010). An artificial neural network (p, d, q) model for time series forecasting. Applied Mathematical Modelling, 34(7), 2105–2117.
Kıratoğlu, E., & Dinçel Kıratoğlu, İ. Y. (2025). İhracatın yapay zeka tabanlı zaman serisi tahmini: Türkiye örneği. Malî Hukuk Dergisi, 21(251), 2045–2074.
Kohavi, R. (1995). A study of cross-validation and bootstrap for accuracy estimation and model selection. In Proceedings of the 14th International Joint Conference on Artificial Intelligence (IJCAI) (Vol. 2, pp. 1137–1143).
Kuan, C.-M., & White, H. (1994). Artificial neural networks: An econometric perspective. Econometric Reviews, 13(1), 1–91.
Kuhn, M., & Johnson, K. (2013). Applied predictive modeling. Springer.
Kurumatani, M. (2020). Time series forecasting of agricultural product prices based on recurrent neural networks and its evaluation method. SN Applied Sciences, 2(10), 1763.
Lovell, C. A. K., Pastor, J. T., & Turner, J. A. (1995). Measuring macroeconomic performance in the OECD: A comparison of European and non-European countries. European Journal of Operational Research, 87(3), 507–518.
Maehashi, K., & Shintani, M. (2020). Macroeconomic forecasting using factor models and machine learning: An application to Japan. Journal of the Japanese and International Economies, 58, 1–45.
Melyn, W., & Moesen, W. (1991). Towards a synthetic indicator of macroeconomic performance: Unequal weighting when limited information is available (Public Economics Research Paper No. 17). Centre for Economic Studies, Catholic University of Leuven.
Moesen, W., & Cherchye, L. (1998). The macroeconomic performance of nations: Measurement and perception (CES Discussion Paper DPS 98.22). KU Leuven.
Ngoc, L. D., Ngo, T., Kim, K., Pham, V., & Nguyen, H. (2025). Studying of machine learning models for forecasting macroeconomic indicators. In 2025 27th International Conference on Advanced Communications Technology (ICACT) (pp. 227–233).
OECD. (1987). OECD economic outlook. Organisation for Economic Co-operation and Development.
Perez-Bernabeu, E., & Polat, O. (2025). AI and machine learning in macroeconomic forecasting: A systematic review of models, trends, and challenges. In 2025 IEEE International Conference on Engineering, Technology, and Innovation (ICE/ITMC) (pp. 1–9).
Picek, O. (2017). The “magic square” of economic policy measured by a macroeconomic performance index (NSSR Working Paper No. 2/2017). New School for Social Research.
Putra, S., Jamal, S. S., & Abualigah, L. (2021). A novel deep learning pipeline architecture based on CNN to detect COVID-19 in chest X-ray images. Turkish Journal of Computer and Mathematics Education, 12, 2001–2011.
Rogachev, A. F., & Melikhova, E. V. (2020). Short- and long-term forecasting using artificial neural networks: Comparative analysis with classical approaches. International Journal of Advanced Computer Science and Applications, 11(4), 112–119.
Saavedra-Rivano, N. (2017). Magic hypercube and index of welfare and sustainability. EconomiA, 18(3), 278–296.
Stock, J. H., & Watson, M. W. (2018). Macroeconomic forecasting using big data. Journal of Economic Perspectives, 32(2), 115–140.
Syed, A. A., & Lee, K. H. (2020). Macroeconomic forecasting for Pakistan in a data-rich environment. Applied Economics, 53, 1077–1091.
Teixeira, J. R. (2014). Index of macroeconomic performance for a subset of countries: A Kaldorian analysis from the magic square approach focusing on Brazilian economy in the period 1997–2012. Panoeconomicus, 61(5), 527–542.
Türgüt, C. (2021). Kamu harcamaları ve makroekonomik performans arasındaki ilişki: OECD ülkeleri örneği (Unpublished master thesis). Niğde Ömer Halisdemir University.
Ulusoy, A., & Dilek, K. (2017). Kamu borç yönetiminin maliye ve para politikası ile uyum sorunu: Türkiye pratiği. Maliye Araştırmaları Dergisi, 3(1).
Wang, C., & Le, A. L. (2018). Measuring the macroeconomic performance among developed countries and Asian developing countries: Past, present, and future. Sustainability, 10(10), 1–18.
Welsch, H. (2007). The magic triangle of macroeconomics: How do European countries score? Oxford Economic Papers, 63(1), 71–93.
Willmott, C. J., & Matsuura, K. (2005). Advantages of the mean absolute error (MAE) over the root mean square error (RMSE) in assessing average model performance. Climate Research, 30(1), 79–82.
Zhang, B., & Nguyen, B. H. (2020). Real-time forecasting of the Australian macroeconomy using flexible Bayesian VARs (CAMA Working Paper No. 91).
Zhang, C. (2020). An introduction to machine learning with applications in economics and finance. Springer.
Zhang, G. P., Patuwo, B. E., & Hu, M. Y. (1998). Forecasting with artificial neural networks: The state of the art. International Journal of Forecasting, 14(1), 35–62.

Ayrıntılar

Birincil Dil

İngilizce

Konular

Çalışma Ekonomisi ve İktisadi Demografi

Bölüm

Araştırma Makalesi

Yazarlar

Emrah Kıratoğlu ^*
0000-0002-1571-081X
Türkiye

Yayımlanma Tarihi

31 Ağustos 2026

Gönderilme Tarihi

17 Kasım 2025

Kabul Tarihi

29 Ağustos 2026

Yayımlandığı Sayı

Yıl 2026 Cilt: 23 Sayı: 2026

DOI

https://doi.org/10.26466/opusjsr.1825433

IZ

https://izlik.org/JA22ZC72RP

APA

Kıratoğlu, E. (2026). Comparing machine learning and classical methods in forecasting Türkiye’s macroeconomic performance. OPUS Journal of Society Research, 23(2026), 1-14. https://doi.org/10.26466/opusjsr.1825433

AMA

1.Kıratoğlu E. Comparing machine learning and classical methods in forecasting Türkiye’s macroeconomic performance. OPUS TAD. 2026;23(2026):1-14. doi:10.26466/opusjsr.1825433

Chicago

Kıratoğlu, Emrah. 2026. “Comparing machine learning and classical methods in forecasting Türkiye’s macroeconomic performance”. OPUS Journal of Society Research 23 (2026): 1-14. https://doi.org/10.26466/opusjsr.1825433.

EndNote

Kıratoğlu E (01 Ağustos 2026) Comparing machine learning and classical methods in forecasting Türkiye’s macroeconomic performance. OPUS Journal of Society Research 23 2026 1–14.

IEEE

[1]E. Kıratoğlu, “Comparing machine learning and classical methods in forecasting Türkiye’s macroeconomic performance”, OPUS TAD, c. 23, sy 2026, ss. 1–14, Ağu. 2026, doi: 10.26466/opusjsr.1825433.

ISNAD

Kıratoğlu, Emrah. “Comparing machine learning and classical methods in forecasting Türkiye’s macroeconomic performance”. OPUS Journal of Society Research 23/2026 (01 Ağustos 2026): 1-14. https://doi.org/10.26466/opusjsr.1825433.

JAMA

1.Kıratoğlu E. Comparing machine learning and classical methods in forecasting Türkiye’s macroeconomic performance. OPUS TAD. 2026;23:1–14.

MLA

Kıratoğlu, Emrah. “Comparing machine learning and classical methods in forecasting Türkiye’s macroeconomic performance”. OPUS Journal of Society Research, c. 23, sy 2026, Ağustos 2026, ss. 1-14, doi:10.26466/opusjsr.1825433.

Vancouver

1.Emrah Kıratoğlu. Comparing machine learning and classical methods in forecasting Türkiye’s macroeconomic performance. OPUS TAD. 01 Ağustos 2026;23(2026):1-14. doi:10.26466/opusjsr.1825433

Amaç ve Kapsam

OPUS Toplum Araştırmaları Dergisi (JSR)'nin temel misyonu, yüksek kaliteli ve etki değeri yüksek araştırmalar yayımlayarak küresel bilim camiasına katkıda bulunmaktır. Hakemli ve açık erişimli bir dergi olarak OPUS JSR; kuram, uygulama ve sosyal analiz arasındaki boşluğu dolduran multidisipliner bir platform sunar. Bütüncül bir bakış açısını benimseyen dergimiz, araştırmacıları geleneksel disipliner sınırların ötesine geçmeye teşvik ederek, toplumsal fenomenlerin daha derinlemesine anlaşılması amacıyla farklı yöntem ve kavramlar arasında anlamlı bağlar kurmayı hedefler.

Birinci elden araştırmalar için temel ön koşul, özgün ampirik verilerin sunulmasıdır. OPUS JSR, yalnızca daha önce yayımlanmamış veya başka bir yerde değerlendirme aşamasında olmayan özgün verileri içeren çalışmaları değerlendirmeye alır. Belirgin bir veri bileşeni içermeyen makaleler editoryal kapsamımız dışındadır; tüm başvuruların hakem değerlendirme sürecine alınabilmesi için doğrulanabilir kanıtların titiz bir analizini sunması şarttır. Bu yaklaşım, derginin spekülatif söylemler yerine kanıta dayalı akademik incelemeler için bir zemin oluşturmasını sağlar.

OPUS JSR; sosyal bilimler alanında çalışan profesyoneller, araştırmacılar ve her seviyedeki öğrencileri kapsayan geniş bir akademik kitleye hitap eder. Bilginin kesintisiz yayılmasını desteklemek amacıyla, herhangi bir başvuru süresi sınırlaması olmaksızın "sürekli yayın" (rolling basis) modeliyle makale kabul edilmektedir. Yayın süreçlerimizde Committee on Publication Ethics (COPE), Directory of Open Access Journals (DOAJ) tarafından belirlenen Uluslararası Etik Yayıncılık İlkelerine sıkı sıkıya bağlı kalarak, yayımlanan her çalışmanın en yüksek dürüstlük ve şeffaflık standartlarını karşılaması garanti altına alınır.

OPUS Toplum Araştırmaları Dergisi, bütüncül bir bakış açısı ile farklı teori, uygulama ve araştırma alanlarını interdisipliner bir anlayışla bir araya getirmeyi amaçlayan toplum odaklı hakemli bir dergidir. İnterdisipliner yaklaşımı ile sosyal bilim araştırmacılarına farklı bakış açılarını sunmaları ve diğer disiplinlerin kavram ve metotları ile bütüncül bir ilişki kurmaları için ihtiyaç duyulan zemini sunmaktadır. Bu bakış açısı uzun vadede sosyal bilim araştırmalarını yürütmek ve yaymak için yeni yaklaşımlar geliştirme ihtiyacı ve imkânını da bünyesinde barındırmaktadır. İdeal Kent Yayınlarının resmi bir yayını olan OPUS Toplum Araştırmaları Dergisi, yeni vizyonu ile interdisipliner araştırmaları destekleyerek farklı disiplinlerden araştırmacıların, kuramsal ve metodolojik farklılıkları arasında köprüler kurulmasını ve birbirlerini desteklemelerini amaçlamaktadır.

Yazım Kuralları

• Dergimize gönderilen yazılar için bir sayfa sınırlaması yoktur. Ancak, yazıların 4000-7000 arası kelime sayısında olması tercih edilmektedir. Gerekli kısaltma ve uzatmalar yazarla iletişim içinde yapılabilir.

• Dergimizde yayınlanması için gönderilen araştırma makalelerinde verilerin güncelliğine önem verilmektedir. Araştırma verilerinin toplanması üzerinden 5 yıl veya daha fazla süre geçmiş ise araştırmaların güncelliğini kaybettiği yönünde görüş bildirilmektedir.
• Makaleler İngilizce olmalı ve her biri en az 150 en fazla 200 kelimeyi aşmayacak şekilde Türkçe ve İngilizce yazılmış Öz ve Abstract’ı, OPUS makale şablonuna uygun biçimde içermelidir. Makalenin başlığı kısa olmalı ve 15 sözcüğü geçmemelidir. Ayrıca 3 – 5 arasında Anahtar Sözcükler ve Keywords verilmelidir.
• Araştırma makalelerinde problem giriş bölümü içinde açıkça belirtilmelidir. Giriş bölümünü sırasıyla yöntem, bulgular, tartışma ve sonuç bölümleri izlemelidir. Deneme-derleme türü makalelerdeki bölüm başlıkları ise içeriğe uygun olarak belirlenmelidir.
• Makalelerin OPUS makale şablonuna uygun olarak hazırlanmış olması ve ilk sayfa hariç makalenin herhangi bir alanına yazar isim ve adresleri yazılmaksızın sisteme yüklenmesi gerekmektedir. Makale şablonuna ulaşmak için tıklayınız.

• Yapılan çalışma bir kurum/kuruluş tarafından desteklenmiş ya da doktora/yüksek lisans tezinden hazırlanmış ise, bu durum makale ilk sayfanın altında dipnot olarak verilmelidir. Ayrıca teşekkür edilmesi gereken kişi, kurum veya kuruluşlar varsa, ilgili bilgiler makale dosyasında açık şekilde yer almalıdır.

• Birden fazla yazarlı çalışmalarda, makale gönderim aşamasında yazarlar tarafından katkı oranı beyanı ile çıkar çatışması beyanlarının mutlaka iletilmesi gerekmektedir.
• Makale üretim sürecinde yapay zekâ tabanlı araçlardan (örneğin ChatGPT, Grammarly vb.) yararlanılmışsa, bu durumdan hangi aşamalarda faydalanıldığı açıkça belirtilmelidir. Bu bilgi, makale gönderim aşamasında mutlaka belirtilmelidir. Yapay Zeka kullanımına ilişkin tüm sorumluluk yazarlara aittir.

NOT: Makale gönderim aşamasında Makale Bilgi Formu doldurularak sisteme yüklenmelidir. Forma ulaşmak için tıklayınız.

Etik Kurul İzni
Dergimiz, etik kurul izni gerektiren tüm bilim dallarındaki çalışmalarda, ilgili etik kurul kararı alınmış olmasını şart koşmaktadır. Bu kapsamda, etik kurul izniyle ilgili bilgiler (kurul adı, tarih ve karar numarası) makale metninde açıkça belirtilmelidir.
Ulakbim TR Dizin’in 2020 yılından itibaren uygulamaya koyduğu düzenlemeler doğrultusunda, etik kurul izni bulunmayan çalışmalar dergimizde değerlendirmeye alınmamaktadır.

Etik Kurul İzni Gerektiren Araştırmalar
Dergimizde, etik kurul izni gerektiren araştırmalar aşağıdaki çalışmaları kapsamaktadır:
• Anket, mülakat, odak grup çalışması, gözlem, deney ve görüşme teknikleri gibi yöntemlerle katılımcılardan veri toplanmasını içeren nitel veya nicel yaklaşımlarla yürütülen tüm araştırmalar,
• İnsan ve hayvanların (materyal veya veriler dahil) deneysel ya da diğer bilimsel amaçlarla kullanıldığı çalışmalar,
• İnsanlar üzerinde gerçekleştirilen klinik araştırmalar,
• Hayvanlar üzerinde yapılan bilimsel araştırmalar,
• Kişisel Verilerin Korunması Kanunu çerçevesinde retrospektif çalışmalar.
Bu tür çalışmaların değerlendirmeye alınabilmesi için ilgili etik kurul izinlerinin alınmış olması ve bu izinlerin makale metninde açıkça belirtilmesi gerekmektedir.

NOT: Makaleler APA 7 yayın biçimine uygun olarak hazırlanmalıdır.

Etik İlkeler ve Yayın Politikası

OPUS’da uygulanan makale kabul süreçleri ve 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 paydaşların (yazarlar, okurlar ve araştırmacılar, yayıncı, hakemler ve editörler) etik ilkelere yönelik standartlara uyması önem taşımaktadır. Dergimiz, Committee on Publication Ethics (COPE), Directory of Open Access Journals (DOAJ) tarafından yayınlanan Uluslararası Etik Yayıncılık İlkelerini benimsemektedir.

Bilimsel Araştırma ve Yayın Etiğine Aykırı Eylemler
a) İntihal: Başkalarının fikirlerini, metotlarını, verilerini, uygulamalarını, yazılarını, şekillerini veya eserlerini sahiplerine bilimsel kurallara uygun biçimde atıf yapmadan kısmen veya tamamen kendi eseriymiş gibi sunmak,
b) Sahtecilik: Araştırmaya dayanmayan veriler üretmek, sunulan veya yayınlanan eseri gerçek olmayan verilere dayandırarak düzenlemek veya değiştirmek, bunları rapor etmek veya yayımlamak, yapılmamış bir araştırmayı yapılmış gibi göstermek,
c) Çarpıtma: Araştırma kayıtları ve elde edilen verileri tahrif etmek, araştırmada kullanılmayan yöntem, cihaz ve materyalleri kullanılmış gibi göstermek, araştırma hipotezine uygun olmayan verileri değerlendirmeye almamak, ilgili teori veya varsayımlara uydurmak için veriler ve/veya sonuçlarla oynamak, destek alınan kişi ve kuruluşların çıkarları doğrultusunda araştırma sonuçlarını tahrif etmek veya şekillendirmek,
ç) Tekrar yayım: Bir araştırmanın aynı sonuçlarını içeren birden fazla eseri doçentlik sınavı değerlendirmelerinde ve akademik terfilerde ayrı eserler olarak sunmak,
d) Dilimleme: Bir araştırmanın sonuçlarını araştırmanın bütünlüğünü bozacak şekilde, uygun olmayan biçimde parçalara ayırarak ve birbirine atıf yapmadan çok sayıda yayın yaparak doçentlik sınavı değerlendirmelerinde ve akademik terfilerde ayrı eserler olarak sunmak,
e) Haksız yazarlık: Aktif katkısı olmayan kişileri yazarlar arasına dâhil etmek, aktif katkısı olan kişileri yazarlar arasına dâhil etmemek, yazar sıralamasını gerekçesiz ve uygun olmayan bir biçimde değiştirmek, aktif katkısı olanların isimlerini yayım sırasında veya sonraki baskılarda eserden çıkarmak, aktif katkısı olmadığı halde nüfuzunu kullanarak ismini yazarlar arasına dâhil ettirmek,

Diğer etik ihlal türleri şunlardır:
a) Destek alınarak yürütülen araştırmalar sonucu yapılan yayınlarda destek veren kişi, kurum veya kuruluşlar ile bunların katkılarını belirtmemek,
b) Henüz sunulmamış veya savunularak kabul edilmemiş tez veya çalışmaları, sahibinin izni olmadan kaynak olarak kullanmak,
c) İnsan ve hayvanlar üzerinde yapılan araştırmalarda etik kurallara uymamak, yayınlarında hasta haklarına saygı göstermemek,
ç) İnsanlarla ilgili biyomedikal araştırmalarda ve diğer klinik araştırmalarda ilgili mevzuat hükümlerine aykırı davranmak,
d) İncelemek üzere görevlendirildiği bir eserde yer alan bilgileri eser sahibinin açık izni olmaksızın yayımlanmadan önce başkalarıyla paylaşmak,
e) Bilimsel araştırma için sağlanan veya ayrılan kaynakları, mekânları, imkânları ve cihazları amaç dışı kullanmak,
f) Dayanaksız, yersiz ve kasıtlı olarak etik ihlal isnadında bulunmak,
g) Bilimsel bir çalışma kapsamında yapılan anket ve tutum araştırmalarında katılımcıların açık rızasını almadan ya da araştırma bir kurumda yapılacaksa ayrıca kurumun iznini almadan elde edilen verileri yayımlamak,
h) Araştırma ve deneylerde, hayvan sağlığına ve ekolojik dengeye zarar vermek,
ı) Araştırma ve deneylerde, çalışmalara başlamadan önce alınması gereken izinleri yetkili birimlerden yazılı olarak almamak.
i) Araştırma ve deneylerde mevzuatın veya Türkiye'nin taraf olduğu uluslararası sözleşmelerin ilgili araştırma ve deneylere dair hükümlerine aykırı çalışmalarda bulunmak.
j) Araştırmacılar ve yetkililerce, yapılan bilimsel araştırma ile ilgili olarak muhtemel zararlı uygulamalar konusunda ilgilileri bilgilendirme ve uyarma yükümlüğüne uymamak,
k) Bilimsel çalışmalarda, diğer kişi ve kurumlardan temin edilen veri ve bilgileri, izin verildiği ölçüde ve şekilde kullanmamak, bu bilgilerin gizliliğine riayet etmemek ve korunmasını sağlamamak,
l) Akademik atama ve yükseltmelerde bilimsel araştırma ve yayınlara ilişkin yanlış veya yanıltıcı beyanda bulunmak,

Araştırma Etiği İlkeleri
• Araştırmanın tüm aşamalarında bilimsel dürüstlük, şeffaflık ve akademik kalite esas alınmalı; veri uydurma, çarpıtma ve intihal gibi etik ihlallerinden kaçınılmalıdır. Araştırma süreçleri gerektiğinde denetlenebilir şekilde kayıt altına alınmalıdır.
• Katılımcılar araştırmanın amacı, yöntemi, olası riskleri ve katkıları hakkında açık ve anlaşılır biçimde bilgilendirilmeli; bilgilendirme süreci özgür iradeye dayalı olarak yürütülmelidir.
• Katılımcılara ait kişisel verilerin gizliliği korunmalı; anonimlik, mahremiyet ve veri güvenliği ilkelerine uygun hareket edilmelidir. Veriler yalnızca bilimsel amaçlarla kullanılmalı ve güvenli şekilde saklanmalıdır.
• Araştırmalara katılım gönüllülük esasına dayanmalı; katılımcılar herhangi bir gerekçe göstermeden istedikleri zaman araştırmadan ayrılabilmelidir.
• Katılımcıların fiziksel, psikolojik, sosyal ve ekonomik zarar görmemesi için gerekli önlemler alınmalı; hassas gruplarla yapılan çalışmalarda etik kurallara ve yasal düzenlemelere özel dikkat gösterilmelidir.
• Araştırmacılar bilimsel bağımsızlıklarını korumalı; çıkar çatışmaları, finansal destekler ve sponsorluklar açıkça beyan edilmelidir.
• Gerekli durumlarda etik kurul onayı ve kurum izinleri araştırma başlamadan önce alınmalı; araştırma süreci ulusal ve uluslararası etik standartlara uygun yürütülmelidir.

PAYDAŞLARIN SORUMLULUKLARI

Yazarların Etik Sorumlulukları
• Yazar(lar)ın gönderdikleri çalışmaların özgün olması, yazar(lar)ın başka çalışmalardan yararlanmaları veya başka çalışmaları kullanmaları durumunda eksiksiz ve doğru bir biçimde atıfta bulunmaları ve/veya alıntı yapmaları gerekmektedir.
• 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 editörler kurulu ve bilim kuruluna sunmaya hazır olmalıdır.
• Yazar(lar) kullanılan verilerin kullanım haklarına, araştırma/analizlerle ilgili gerekli izinlere sahip olduklarını veya deney yapılan deneklere yönelik izin prosedürlerini gerçekleştirdiğini 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 işbirliği yapma yükümlülüğü bulunmaktadır.
• Yazarlar çalışmalarını aynı anda birden fazla derginin başvuru sürecinde bulunduramaz. Her bir başvuru önceki başvurunun tamamlanmasını takiben başlatılabilir. Başka bir dergide yayınlanmış çalışma OPUS-Uluslararası Toplum Araştırmaları Dergisi ‘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

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

Okuyucu ile ilişkiler
• Editörler; tüm okuyucu, araştırmacı ve uygulayıcıların ihtiyaç duydukları bilgi, beceri ve deneyim beklentilerini dikkate alarak karar vermelidir.
• Yayınlanan çalışmaların okuyucu, araştırmacı, uygulayıcı ve bilimsel alanlarına 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 ile ilişkiler
• Editörler, çalışmaların önemi, özgün değeri, geçerliliği, anlatımın açıklığı ve derginin amaç ve hedeflerine dayanarak olumlu ya da olumsuz karar vermelidir.
• Yayın kapsamına uygun olan çalışmaların 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.
• Yazarlara açıklayıcı ve bilgilendirici şekilde bildirim ve dönüş sağlanmalıdır.

Hakemler ile ilişkiler
• 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.
• 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 sürekli ve dinamik şekilde güncellenmesi konusunda gerekli adımları atmalıdır.
• Nezaketsiz ve bilimsel olmayan değerlendirmeleri engellemelidir.

Hakemlerin Etik Sorumlulukları
• Sadece uzmanlık alanı ile ilgili çalışma 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.

YAYIN ETİĞİ İLKELERİ

ETİK KURUL İZNİ
Dergimiz, etik kurul izni gerektiren tüm bilim dallarındaki çalışmalarda, ilgili etik kurul kararı alınmış olmasını şart koşmaktadır. Bu kapsamda, etik kurul izniyle ilgili bilgiler (kurul adı, tarih ve karar numarası) makale metninde açıkça belirtilmelidir.
Ulakbim TR Dizin’in 2020 yılından itibaren uygulamaya koyduğu düzenlemeler doğrultusunda, etik kurul izni bulunmayan çalışmalar dergimizde değerlendirmeye alınmamaktadır.

İntihali Ortaya Çıkarma
Dergimiz gönderilen tüm makaleleri intihali engellemek için taramaktadır. İncelenmeye sunulan çalışmalarda intihal olup olmadığını Turnitin, İthenticate vb. yazılımlar kullanılarak kontrol edilir. Dergimize gönderilen veya yayımlanan bir makalede intihal tespit edilmesi durumunda dergimiz COPE ilkeleri doğrultusunda (Plagiarism in a submitted manuscript - Plagiarism in a published article) hareket eder.

Yapay Zeka Kullanımı
Dergimize gönderilen çalışmalarda, literatür taraması veya dil kontrolü gibi makalenin özgünlüğünü etkilemeyecek süreçlerde yapay zeka kullanımı kabul edilebilir. Ancak, yapay zeka kullanımı etik kurallar çerçevesinde gerçekleştirilmelidir ve uydurma veri, manipülasyon gibi etik dışı amaçlar için kesinlikle kullanılmamalıdır. Yapay zeka kullanımı içeren çalışmalar için, makale gönderim aşamasında dergimize bu durumla ilgili bilgi verilmesi zorunludur. Yapay zeka kullanımına ilişkin tüm sorumluluk, yazarların kendisine aittir.

Gizlilik Beyanı
Dergimize gönderilen tüm kişisel veriler korunmaktadır. Yazar, Hakem ve diğer gerçek kişilere ait veriler üçüncü kişi ve kurumlarla paylaşılmaz.

Dergi Sahibi ve Yayıncı ile İlişkiler
Editör ve yayıncı arasındaki ilişki editöryal bağımsızlık ilkesine dayanmaktadır. Editör ile yayıncı arasında yapılan yazılı sözleşme gereği, editörün alacağı tüm kararlar yayıncı ve dergi sahibinden bağımsızdır.

Düzeltme, Geri Çekme, Endişe İfadesi
Editörler, yayınlanan makalede, bulguları, yorumları ve sonuçları etkilemeyen küçük hatalar tespit edilirse düzeltme yayınlamayı düşünebilirler. Editörler, bulguları ve sonuçları geçersiz kılan büyük hatalar / ihlaller söz konusu olduğunda, makaleyi geri çekmeyi düşünmelidir. Düzeltme, geri çekme veya endişe ifadesi ile ilgili olarak COPE ilkelerini dikkate alınır.

Fikri Mülkiyet Haklarının Korunması
Dergimiz, yayınlanan tüm makalelerin fikri mülkiyet hakkını korumakla, olası ihlallerde derginin ve yazar(lar)ın haklarını savunmakla yükümlüdür.

Dergimize Yapılacak Şikayet ve İtirazlar
Dergimiz veya dergi kurullarımızda yer alan kurul üyelerinin sorumluluğunda olan içerik, prosedürler veya politikalarla ilgili şikayet ve itirazlarınızı editorialoffice@opusjournal.net adresine e-posta ile iletebilirsiniz. Dergimize iletilen şikayetler ve itirazlar dikkatle inceler COPE ilkeleri kapsamında değerlendirilir.

YAYIN POLİTİKALARI

A-Makale Değerlendirme Süreci
Dergimizde makale değerlendirme süreci; ön inceleme, hakem değerlendirmesi, revizyon ve yayın olmak üzere dört temel aşamadan oluşmaktadır.

1. Ön İnceleme
Gönderilen çalışmalar, öncelikle editör tarafından derginin yayın politikalarına, akademik yazım ilkelerine ve APA 7 Atıf Sistemi’ne uygunluk açısından değerlendirilir. Bu aşamada, Turnitin, İthenticate vb. yazılımlar kullanılarak intihal taraması yapılır.

2. Hakem Değerlendirme Süreci
Ön inceleme kriterlerini karşılayan çalışmalar için çift taraflı kör hakemlik süreci başlatılır. Makale, alanında uzman iki bağımsız hakeme gönderilir. Değerlendirme süreci boyunca hem yazar hem de hakem kimlikleri gizli tutulur; süreç, etik ilkelere ve gizlilik esaslarına uygun şekilde yürütülür.
Her iki hakemin olumlu raporu doğrultusunda çalışma yayıma kabul edilir. Hakemlerden birinin olumsuz görüş bildirmesi hâlinde, makale üçüncü bir hakeme yönlendirilerek nihai karar verilir.

3. Revizyon Süreci
Hakemler tarafından revizyon istenmesi durumunda yazarlar, önerilen düzeltmeleri çalışmada farklı renkte (örneğin kırmızı) işaretleyerek sunmalıdır. Yapılan değişiklikler öncelikle editör tarafından, ardından ilgili hakemler tarafından tekrar incelenir.
Hakem süreci tamamlanan çalışmalar, derginin dil editörleri tarafından da gözden geçirilir.
Dil ve yazım açısından gerekli görülen durumlarda yazarlardan ek düzeltme istenir. Yapılan dilsel revizyonlar, tekrar kontrol edilerek onaylanır.

4. Yayın Süreci
Tüm bilimsel, teknik ve dilsel süreçleri tamamlanan makaleler, dizgi ve mizanpaj işlemleri sonrasında yayına hazır hâle getirilir. Onaylanan çalışmalar, takip eden ilk sayıda yayımlanır.

B-Açık Erişim ve Telif Hakkı
Dergide yayımlanan makalelerin telif hakkı yazarlara, ticari kullanım hakkı ise dergimize aittir. Dergimizde yayımlanan tüm makaleler Creative Commons Attribution 4.0 International (CC BY 4.0) lisansı altında açık erişim olarak yayımlanmaktadır.

Lisans Kapsamı
Paylaş: eseri her ortam veya formatta kopyalayabilir ve yeniden dağıtabilirsiniz.
Lisans şartlarını yerine getirdiğiniz sürece, lisans sahibi bu özgürlükleri (belirtilen hakları) iptal edemez.
Aşağıdaki şartlar altında:
Atıf: uygun referans vermeli , lisansa bağlantı sağlamalı ve değişiklik yapıldıysa bilgi vermelisiniz. Bunları uygun bir şekilde yerine getirebilirsiniz fakat bu, lisans sahibinin sizi ve kullanım şeklinizi onayladığını göstermez.
GayriTicari: Bu materyali ticari amaçlarla kullanamazsınız.
Türetilemez: Eğer materyali karıştırdınızsa,aktardınızsa, ya da materyalin üzerine çalıştınızsa güncellenmiş materyali dağıtamazsınız.
Ek sınırlamalar yoktur: Lisansın izin verdiği hakları başkaları üzerinde kanunlarla ya da teknolojiyi kullanarak sınırlayamazsınız.

C-Arşiv Politikası
Dergimizde yayınlanan çalışmalar LOCKSS’ta dijital olarak arşivlenir. Dergimiz, ayrıca yazarların çalışmalarının versiyonlarını kendi web sayfalarında, kurumsal web sayfalarında ve diğer depolarda kendi kendilerine arşivlemelerine izin verir. Dergi açık erişimli bir dergi olduğu için herhangi bir ambargo süresi bulunmamaktadır. Dergimizde yayınlanan makalelere Arşiv sayfamızdan ücretsiz bir şekilde ulaşılabilir.

D-Özel Sayı Yayın Politikası
Yayın Kurulu tarafından alınacak karar ile yılda bir kez özel sayı yayınlayabilir. Özel sayıda yayınlanacak makaleler için yayın ve değerlendirme ilkeleri planlı sayılarda uygulandığı şekliyle uygulanır.

Ücret Politikası

Dizinler

Dergi Kurulları

Baş Editör

NB

Nevfel BOZ

İletişim Teknolojisi ve Dijital Medya Çalışmaları

Alan Editörleri

Emrah AKBAŞ

Sosyal Hizmetler, Sosyoloji, Göç Sosyolojisi

ZE

Zehra ERŞAHIN

Klinik Psikoloji

Mehmet Ali AKYURT

Sosyoloji, Bilgi ve Bilim Sosyolojisi, Bilim ve Teknoloji Sosyolojisi ve Sosyal Bilimler, Değişme, Azgelişmişlik ve Modernleşme Sosyolojisi, Edebiyat Sosyolojisi, Kent Sosyolojisi ve Toplum Çalışmaları, Sosyal Değişim, Sosyal Demografi, Sosyal Teori, Sosyolojide Niteliksel Yöntemler, Tarih Sosyolojisi

Bilge ŞENYÜZ

Bilgi Sistemleri Kullanıcı Deneyimi Tasarımı ve Geliştirme, Gazetecilik Çalışmaları, İnternet, İnternet Yayıncılığı, Sosyolojik Metodoloji ve Araştırma Yöntemleri

Emrah BILGIÇ

Veri Analizi, İş Analitiği, İş Bilgi Sistemleri, İş Bilgi Yönetimi , İşletme , Dijital Pazarlama, Tedarik Zinciri Yönetimi

SG

Shu-sha Angie GUAN

Psikolojik Antropoloji, Sosyal Gelişim, Çocuk ve Ergen Gelişimi

MÖ

Mehmet Maksud ÖNAL

Finans

Emin TOKSÖZ

Görsel İletişim Tasarımı, Canlandırma-Animasyon, Görsel Tasarım, Göstergebilim, Grafik Tasarımı, Gülmece / Karikatür, İllüstrasyon, Video Tasarımı, Web Tasarımı, Sanat ve Edebiyat, Güzel Sanatlar

ZÇ

Zafer ÇELIK

Eğitim Sosyolojisi, Göç Sosyolojisi, Göç, Etnisite ve Çok Kültürlülük Sosyolojisi, Kent Sosyolojisi ve Toplum Çalışmaları