Journals / Fiscaoeconomia / 2022 / Cilt: 6 - Sayı: 2

The Effect of Artificial Intelligence on The Estimated of Turkey’s Budget Deficits From the View of Public Administration.

Kamu Yönetimi Açısından Yapay Zekanın Türkiye’deki Bütçe Açıklarının Tahmini Üzerine Etkisi

Pages
636–655
Publication Date
2022-10-19
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

Bu çerçevede 1980-2019 dönemi için bütçe açıklarını etkiyen faktörler kullanılarak bütçe dengesi tahmin edilecek ve bu tahminde Bulanık Sinir Ağları yönteminin geçerliliği araştırılacaktır.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Teknolojik ilerleme ve dijitalleşme, birçok alanda ciddi dönüşümlere yol açmıştır.
📊
Key Findings & Data:Bu dönüşümler kamu yönetim anlayışını da etkilemiş ve bu alandaki araştırmalara yeni boyut kazandırmıştır.
💡
Conclusion & Impact:Bu çerçevede 1980-2019 dönemi için bütçe açıklarını etkiyen faktörler kullanılarak bütçe dengesi tahmin edilecek ve bu tahminde Bulanık Sinir Ağları yönteminin geçerliliği araştırılacaktır.
🔬Design:Review & Systematic Survey
📍Scope:2019 Verileri
⚙️Variables:Public Administration · Budget Deficit · Artificial Intelligence

Abstract

Teknolojik ilerleme ve dijitalleşme, birçok alanda ciddi dönüşümlere yol açmıştır. Bu dönüşümler kamu yönetim anlayışını da etkilemiş ve bu alandaki araştırmalara yeni boyut kazandırmıştır. Bu kapsamda, en temel kamu yönetimi uygulamalarından biri olan bütçeleme ve bütçe açıkları ile dijitalleşmenin ve yapay zekanın etkileşimi, bu çalışmanın inceleme alanını oluşturmaktadır. Bütçe dengesinin sağlanması ülkeler açısından en önemli makroekonomik hedeflerin başında gelmektedir. Bütçe açıkları üzerinde özellikle yüksek enflasyon, dış ödeme güçlükleri, tasarruf oranlarının yetersizliği ve kamu borçlarındaki artışlar gibi faktörlerin etkili olduğu ifade edilmektedir. Bu çerçevede, mali disiplinin sağlanması sürdürülebilir bir ekonomik büyümenin gerçekleştirilmesi açısından zorunlu bir koşul olarak değerlendirilmektedir. Bu çalışmada Türkiye’de bütçe açıkları literatürde kullanılan yöntemlerden farklı olarak, yapay zekanın alt dallarından biri olan bulanık sinir ağları yöntemi ile test edilecektir. Bu çerçevede 1980-2019 dönemi için bütçe açıklarını etkiyen faktörler kullanılarak bütçe dengesi tahmin edilecek ve bu tahminde Bulanık Sinir Ağları yönteminin geçerliliği araştırılacaktır.

Özet

Teknolojik ilerleme ve dijitalleşme, birçok alanda ciddi dönüşümlere yol açmıştır. Bu dönüşümler kamu yönetim anlayışını da etkilemiş ve bu alandaki araştırmalara yeni boyut kazandırmıştır. Bu kapsamda, en temel kamu yönetimi uygulamalarından biri olan bütçeleme ve bütçe açıkları ile dijitalleşmenin ve yapay zekanın etkileşimi, bu çalışmanın inceleme alanını oluşturmaktadır. Bütçe dengesinin sağlanması ülkeler açısından en önemli makroekonomik hedeflerin başında gelmektedir. Bütçe açıkları üzerinde özellikle yüksek enflasyon, dış ödeme güçlükleri, tasarruf oranlarının yetersizliği ve kamu borçlarındaki artışlar gibi faktörlerin etkili olduğu ifade edilmektedir. Bu çerçevede, mali disiplinin sağlanması sürdürülebilir bir ekonomik büyümenin gerçekleştirilmesi açısından zorunlu bir koşul olarak değerlendirilmektedir. Bu çalışmada Türkiye’de bütçe açıkları literatürde kullanılan yöntemlerden farklı olarak, yapay zekanın alt dallarından biri olan bulanık sinir ağları yöntemi ile test edilecektir. Bu çerçevede 1980-2019 dönemi için bütçe açıklarını etkiyen faktörler kullanılarak bütçe dengesi tahmin edilecek ve bu tahminde Bulanık Sinir Ağları yönteminin geçerliliği araştırılacaktır.

🔖

Cite This Article

KONU, A., ATA, A. Y. (2022). The Effect of Artificial Intelligence on The Estimated of Turkey’s Budget Deficits From the View of Public Administration.. Fiscaoeconomia, Cilt: 6 - Sayı: 2, 636–655. https://ajindex.com/articles/516563

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (16)

  1. Altınışık, E. (2017). “Dijitalleşme Söyleminin Kamu Yönetimi Disiplinine Olası Etkisi: 1950 Deneyiminden Yola Çıkan Bir Öngörü”, Süleyman Demirel Üniversitesi İkt. İdr. Bil. Fak. Dergisi, 22, Özel sayı, 1933-1943.
  2. Bacanlı, Ü.G.,F. Dikbaş ve M. Fırat (2011). Sinir Ağları Ve Bulanık Mantık Yöntemleri İle Kuraklık Tahmini, Pamukkale Üniversitesi Bilimsel Araştırma Yapay Projeleri Koordinasyon Birimi. Bap Projesi Baykal, N. veT. Beyan (2004). Bulanık Mantık Uzman Sistemler ve Denetleyiciler, Bıçaklar Kitabevi,
  3. Ankara,
  4. Bulut, C. ve Y. B. Canbolat (2003). “Türkiye Ekonomisi’nde Artan Kamu Açıklarının Enflasyon, Faiz Oranı ve Döviz Kuru Üzerindeki Etkileri”, Journal of QafqazUniversity, 12, 13-28.
  5. Chang F.J. ve Y. T. Chang (2006). “Adaptive Neuro-Fuzzy Inference System for Prediction of Water Level in Reservoir”, Advances in WaterResources, 29, 1-10.
  6. Coşkun, B. ve Ç. P. Yıldırım (2018). “Kamu Yönetimi Açısından Digital Zekanın İyi Yönetime Etkisi”, Ombudsman Akademi, Özel sayı 1, 141-162.
  7. Çevik, K. K. ve E. Dandil (2012). “Yapay Sinir Ağları İçin Net Platformunda Görsel Bir Eğitim Yazılımının Geliştirilmesi”, Bilişim Teknolojileri Dergisi, 5( 1), 19-28.
  8. Diler, A.İ. (2003). “İMKB Ulusal 100 Endeksinin Yönünün Yapay Sinir Ağları Hata Geriye Yayma Yöntemi ile Tahmin Edilmesi”, İMKB Dergisi, 7 ( 25-26), 65-81.
  9. Gramlich, E. M. (1989). “Budget Deficits and National Saving; Are Politicians Exogenous?”, Journal of Economic Perspectives, 3(2) Spring, 23-35
  10. Gül, H. (2017). “Dijitalleşmenin Kamu Yönetimi ve Politikaları ile Bu Alanlardaki Araştırmalara Etkileri”, Yasama Dergisi, 36, 5-36.
  11. Hamzaçebi, C. ve F. Kutay (2004). “Yapay Sinir Ağları İle Türkiye Elektrik Enerjisi Tüketiminin 2010 Yılına Kadar Tahmini”, Gazi Üniv. Müh. Mim. Fak. Der. 19 (3), 227-233.
  12. Hansen, J.V. ve R. D. Nelson (1997). “Neural Networks andTraditional Time Series Methods: A Synergistic Combination in State Economic Forecasts”, IEEE Transactions on Neural Networks, 8 (4), 863-873.
  13. Hotunluoğlu, H.,İ. Göçer ve M. Mercan (2013). “Türk Bütçe Dengesinin Yapay Sinir Ağları Yöntemiyle Tahmini”, Finans, Politik ve Ekonomik Yorumlar,50(582),91-99.
  14. Huang, W.,Laı, King K.,Nakamori, Y.,Wang, S. andL. YU (2007). “Neural Networks in Finance and Economics Forecasting”, International Journal of Information Technology and Decision Making, 6 (1), 113-140.
  15. Jang, J. S. R.,(1993). “ANFIS Adaptive-Network-Based-Fuzzy Inference Systems”. IEEE Transactions on Systems,Man and Cybernetics, 23 (3), 665-685.
  16. Kaastra, I. and M. B