Akademik Veri Yönetim Sistemi
Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: Erciyes Üniversitesi, Fen Bilimleri Enstitüsü, İNŞAAT MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2024
Tezin Dili: Türkçe
Öğrenci: Mahmut SARI
Asıl Danışman (Eş Danışmanlı Tezler İçin): Savaş Bayram
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Ülke ekonomilerini ivmelendiren ve geniş insan istihdamı sağlayan inşaat sektöründe maddi ve manevi kayıplara neden olan anlaşmazlıklar sıklıkla yaşanmaktadır. Anlaşmazlıkların resmi yargıya taşındığı geç süreç yerine resmi yargılamaya gitmeden tespit edilmesi ve çözüme kavuşturulması gerekmektedir. Erken sürece yönelik çalışmaların yokluğu bu çalışmanın gerekliliğini ortaya koymuştur. Çalışmanın amacı, makine öğrenmesi modelleri kullanılarak inşaat projelerinde yaşanan anlaşmazlıkların erken aşamalarda tespit edilmesi ve çözüme kavuşturulmasıdır. Bu çalışma, sadece belirli bir anlaşmazlık türü ya da bölge ile sınırlı olmayan, dünya çapında genelleştirilebilen bir karar destek modeli sunmayı amaçlamaktadır. Bu kapsamda, Türkiye'deki en üst karar merci olan Yargıtay'ın 2011 ile 2021 yılları arasında karara bağladığı 15,667 karar dosyası incelenerek karar evrenini temsil eden 933 adet inşaat anlaşmazlık karar dosyası online hukuk veri tabanlarından toplanmıştır. Toplanan karar dosyaları, içerik analizi yöntemi kullanılarak incelenmiş ve kodlanmıştır. Geniş literatür taraması ve yargı kararlarının incelenmesi neticesinde 24 öznitelik belirlenmiş ve nicelleştirilmiştir. Belirlenen öznitelikler, resmi yargıya gidilmeyen iki model (Erken Aşama A ve B) ve resmi yargıya gidilen bir model (Son Aşama) için ayrı ayrı tanımlanmıştır. Tüm süreçlerde tanımlanan girdi öznitelikleri ile hedef öznitelikleri arasında ki-kare testi kullanılarak istatistiksel anlamlılık ilişkisine, Somers'd ve Cramer's V katsayıları ile de ilişki gücü incelenmiştir. Erken Aşama A ve B'de 14 girdi özniteliğinden 6'sı ve Son Aşama'da ise 34 girdi özniteliğinden 15'i hedef öznitelikler ile anlamlılık ilişkiye sahip olduğu tespit edilmiştir. Tüm modellerin analizi için ağaç tabanlı ve topluluk öğrenme algoritmalarına ait 24 adet algoritma kullanılmıştır. Erken Aşama A'da NB Tree algoritması %63.79, Erken Aşama B'de Logit Boost algoritması %63.66 ve Son Aşama'da ise LMT algoritması %86.90 doğruluk başarısı göstermiştir. Ayrıca, tüm aşamalarda hedef öznitelikler ile anlamlı ilişkisi olan girdi özniteliklerin benzer olduğu görülmüştür. Bu nedenle, daha erken aşamalarda daha az öznitelik kullanılarak daha gerçekçi bir dava sonucu tahmini yapılabileceği görülmektedir. Geliştirilen Yargıtay karar tahmin modellerinin bir uygulaması olarak Yüksek Fen Kurulu karar tahmin modeli Multi Boost AB algoritması %70.41 tahmin doğruluğu ile Erken Aşama A ve B modellerine kıyasla daha yüksek bir performans sergilemiştir. Bu sonuç ile geliştirilen modelin etkililiği teyit edilmiştir. Bu çalışmada kullanılan modellerle aynı/benzer hukuk parametrelerine sahip olan İsviçre, Almanya ve Fransa gibi ülkelerde yapılacak çalışmalarda başarılı sonuçlar elde edilebilir. Farklı hukuk sistemleri açısından ise ilgili sisteme uygun özniteliklerin seçilmesi ve modellerin kurulmasıyla elde edilecek sonuçlar bu çalışmanın sonuçları ile kıyaslanabilir.