Welcome to the Open Access System!


OpenAccess@IKU is the Academic Open Access System of Istanbul Kultur University. It was established in June 2014 to digitally store and open access the academic outputs of Istanbul Kultur University in international standards. OpenAccess@IKU includes academic outputs such as articles, presentations, thesis, books, book chapters, reports produced within the body of Istanbul Kultur University.


Supported by SelenSoft

Recent Submissions

PublicationOpen Access
Fuzûlî’nin Duygu Ülkesi: Leylâ ve Mecnûn’da Duygu Mekândır Metaforu
(Avrasya Yazarlar Birliği, 2024) TOPCİ, ÇAĞLA BARİKAN
İnsanın dünyayı algılama şekli ve düşünme yetisinin dilsel ifadedeki soyut şeması olan kavram ve kavram sisteminin temelinde yer alan metafor, bilişsel dil biliminin üzerinde durduğu araştırma konularından biridir. Dil göstergesinin gösterilen yönünü işaretleyen kavram, gösterenin varoluş bağını nedensizlik ilkesiyle taşıyan görünmez parçadır. Bu görünmez yönüyle de dildeki anlam alanlarının gizemli yolculuğunu başlatır. Bu bağlamda, Türkçenin anlam dünyasını aydınlatabilecek bir bakış açısı, kavram ve “kavramların sorunu” olan metafor çalışmalarını zorunlu kılar. Türk edebiyatının önde gelen sanatçılarından biri olan Fuzûlî, lirizmi doruklara çıkaran duygu yüklü bir şairdir. Leylâ ve Mecnûn mesnevisiyle Arap, Fars ve Urdu edebiyatının da kaynakları arasında gösterilen ünlü hikâyenin Türk edebiyatındaki en güzel örneğini veren şairin aşk kavramının yanında pek çok duyguyu metaforik bir düzlemde dile getirdiği gözlemlenmiştir. Bu doğrultuda sanatçının Leylâ ve Mecnûn’da çizdiği duygu haritasında mekân kavramına sık başvurarak âdeta bir duygu ülkesi kurduğu tespit edilmiştir. Bu çalışmada mekân kavramının Türkçenin metaforik duygu dilinin kaynak etki alanlarından biri olduğu önerilecek, Fuzûlî’nin sözü edilen eserinde duygu kavramlarını mekân aracılığıyla nasıl kavramsallaştırdığı üzerinde durulacaktır.
PublicationOpen Access
Hemşirelerin Kadına Yönelik Şiddet Belirtilerini Tanıyabilme Durumu
(Nülüfer Erbil, 2024) MİRAL, MUKADDES TURAN; Ödül Özkaya, Birgül
Amaç: Bu çalışma, bir kamu hastanesinde görev yapan hemşirelerin kadına yönelik şiddeti (KYŞ) tanımalarına ilişkin bilgi düzeylerinin belirlenmesi amacıyla yapılmıştır. Yöntem: Kesitsel tanımlayıcı olarak planlanan çalışma, İstanbul’da yer alan bir kamu hastanesinde 03.03.2022-02.05.2022 tarihleri arasında yapılmıştır. Araştırma izinleri ve gönüllü onamları alınmıştır. Çalışmaya 222 hemşire katılmıştır. Veri toplama araçları; “Katılımcı Bilgi Formu” ve “Hemşire ve Ebelerin Kadına Yönelik Şiddetin Belirtilerini Tanımalarına Yönelik Ölçek” (KYŞBTİÖ) dir. Verilerin analizinde tanımlayıcı istatistikler, Mann Whitney U testi, ki kare ve pearson korelasyon testi kullanılmıştır. Bulgular: Katılımcıların %42.3’ü KYŞ eğitimi aldığını, %39.2’si KYŞ vakası ile karşılaştığını, bu karşılaşmada en fazla zorlanılan konunun %31.5 ile iletişim olduğunu ifade etmiştir. Katılımcıların %16.7’si KYŞ’i fark etmiş olmasına rağmen bildirimde bulunmadığını belirtmiştir. Acil, kadın doğum, çocuk servisinde çalışan hemşirelerin, diğer bölümlerde çalışan hemşirelere göre KYŞ’i tanıma ve KYŞ vakasını yönlendireceği birimleri bilme oranları daha düşüktür (p<0.01). Hemşirelerin KYŞBTİÖ puan ortalaması 19.22±3.07’dir. KYŞ eğitimi alan hemşirelerin KYŞBTİÖ ve alt boyut puanları daha yüksektir (p<0.05). Sonuç: Hemşireler mevcut literatüre göre daha fazla oranda KYŞ eğitimi almakla birlikte, KYŞ belirtilerini tanıma oranında değişim olmamıştır. Acil, kadın hastalıkları ve doğum, çocuk hastalıkları servislerinde çalışan hemşirelerin diğer servislere göre KYŞ tanıma oranı daha düşüktür. Özellikle acil, kadın hastalıkları ve doğum, çocuk hastalıkları bölümlerinde görevli hemşirelerin alana özgü KYŞ eğitimlerinin arttırılması, alanında uzman profesyoneller tarafından KYŞ mağduru ile iletişim konusunda interaktif hemşire eğitimlerinin düzenlenmesi ve süpervizörlük verilmesi önerilmektedir.
PublicationRestricted
Psychological Assistant: Assessing The Emotional State of a Patient Using Triple Video Analysis Method
(Institute of Electrical and Electronics Engineers Inc., 2024) ALKAN, MUSTAFA; ELMASRY, WİSAM
The 'Psychological Assistant' presents a groundbreaking approach to remote emotion assessment by integrating video analysis techniques, computer vision, speech recognition, and Natural Language Processing (NLP). Leveraging pre-trained models such as Convolutional Neural Networks (CNNs), Support Vector Machines (SVMs), Artificial Neural Networks (ANNs), and advanced NLP algorithms, the system analyzes facial expressions, voice signals, and Text Classification to provide mental health practitioners with comprehensive insights during remote consultations. Through the use of methods such as averaging and combining over time, the system ensures a thorough emotion evaluation, promising high accuracy and reliability in mood identification. This innovative integration of NLP enhances the system's capability to understand and interpret textual cues, allowing for a more holistic assessment of patients' mental states. The technology holds the potential for early intervention, personalized treatment plans, and an elevated standard of care in remote mental health services, representing a significant advancement in digital healthcare solutions. © 2024 IEEE.
PublicationRestricted
AI-based Multimodal Resume Ranking Web Application for Large Scale Job Recruitment
(Institute of Electrical and Electronics Engineers Inc., 2024) YAZICI, MEHMET BATUHAN; SABAZ, DAMLA; ELMASRY, WİSAM
This paper presents a resume-ranking web application that improves recruitment through advanced deep-learning techniques. The system uses the YOLOv9 model fine-tuned with our newly created custom dataset for segment detection on resumes of various structures, EasyOCR for text recognition, mBERT fine-tuned for text classification, and GLiNER for named entity recognition with regular expressions. These models and techniques efficiently extract, categorize, and match resume information with job descriptions. We created a custom dataset for our object detection training, and while we trained three models, YOLOv9 achieved the highest performance with a score of 0.84 mAP. Our hybrid matching approach provides highly accurate and relevant resume rankings using the embedding model, gte-large-en-v1.5, and cosine similarity for semantic matching with dense vectors with extracted keywords and BM25 for keyword relevance. The web application allows HR professionals to upload resumes seamlessly, define job descriptions, and view ranked results, providing a tailored solution to specific recruitment needs. Although we faced challenges such as text extraction accuracy and zero-shot NER limitations, our system demonstrated a solid overall performance. This paper demonstrates the potential of state-of-the-art deep learning models to enhance recruitment processes and provides a valuable tool for HR professionals to identify the most suitable candidates efficiently. © 2024 IEEE.
PublicationRestricted
Transformative Approaches to Customer Sentiment Analysis and Customer Feedback Scoring in CRM Platforms
(Institute of Electrical and Electronics Engineers Inc., 2024) Cevik, Rabia; Celik, Ahmet Erkan; AKBULUT, AKHAN
This study introduces an innovative system designed to predict customer satisfaction scores through the integration of sentiment analysis of customer feedback alongside all related factors from a Customer Relationship Management (CRM) system. The system implements the latest transformer models like BERT and RoBERTa then assess customer sentiment using an ensemble learning voting mechanism for accurate sentiment classification, and adaptive customer satisfaction rating. The model generates baseline scores dynamically, based on factors like customer loyalty, and frequency of interactions with the firm, thus enhancing accuracy and relevance when assessing satisfaction. The system is also developed to utilize Turkish data optimizing usage in market shares for firms serving that user group. Empirical results indicate that the ensemble learning approach significantly improves the accuracy of sentiment analysis and the reliability of satisfaction quantification. This resource provides additional contribution to the CRM literature by providing a credible and scalable mechanism to assess customer satisfaction to potentially be implemented in practice across industries. Future work will focus on extending the system's scalability and enhancing its predictive capabilities across diverse sectors. © 2024 IEEE.
google-scholar
base
opendoar
roar
handle.net