SavedAdd your journal

Journals / Gazi Mühendislik Bilimleri Dergisi / 2021 / Cilt: 7 - Sayı: 2

Proje Yönetiminde Yapay Zekâ Tabanlı Paydaş Analizi Aracının Tasarımı

Hamdi Tolga KAHRAMAN
Funda ŞAHİNER
Gamzenur YILDIRIM
Pages
81–89
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)

Tasarlanan paydaş analizi aracının gelecekteki birçok çalışmaya kaynaklık etmesi beklenmektedir.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Projelerin başarıya ulaşmasında başlıca faktör proje yönetimidir.
📊
Key Findings & Data:Paydaş analizinin önemli bir aşaması analize kaynaklık teşkil edecek verinin etkili bir şekilde toplanması ve işlenmesidir.
💡
Conclusion & Impact:Tasarlanan paydaş analizi aracının gelecekteki birçok çalışmaya kaynaklık etmesi beklenmektedir.
🔬Design:Modeling & Simulation
📍Scope:Comprehensive Sample
⚙️Variables:proje yönetimi · paydaş analizi · yalın bayes sınıflandırıcı

Özet

Projelerin başarıya ulaşmasında başlıca faktör proje yönetimidir. Proje yönetimi uluslararası standartları tanımlanmış ve tanımlanmaya devam eden birçok süreçten ve öğeden oluşmaktadır. Bu süreçlerden biri de paydaş analizidir. Proje yönetiminde paydaş analizi konusunda dünyada ve ülkemizde standartları karşılayan bir yazılım aracına rastlanılmamaktadır. Dolayısıyla bu konuda ciddi bir eksiklik olduğu görülmektedir. Bu çalışmanın amacı, uygulama alanından (proje konusundan) bağımsız olarak ve uluslararası standartlara göre paydaş analizi yapmayı sağlayan algoritmanın ve yazılım aracının tasarlanmasıdır. Bu amaçla öncelikle paydaş analizini problem alanından bağımsız olarak gerçekleştirmeyi sağlayan gereksinimler araştırılmış ve tanımlanmıştır. Gereksinimlerin tanımlanmasında ise uluslararası proje yönetim kurulunun belirlediği standartlar dikkate alınmıştır. Gereksinimlerin tanımlanmasından sonra paydaş analizinin aktörleri, her bir aktörün sahip olması gereken işlevler, paydaş analizi sınıfları ve veri modelleri geliştirilmiştir. Paydaş analizinin önemli bir aşaması analize kaynaklık teşkil edecek verinin etkili bir şekilde toplanması ve işlenmesidir. Bu amaçla mobil cihazlar üzerinden ve çeşitli sosyal medya uygulamalarından veri toplamayı sağlayan esnek bir uygulama mimarisi tasarlanmıştır. Yazılım mimarisinin tasarlanmasında ise yazılım tasarım prensiplerine bağlı kalınmıştır. Paydaş analizinin kaynağı olan verilerin yapay zekâ tabanlı algoritmalar kullanılarak modellenmesinde ise yalın bayes sınıflandırma algoritmasını tatbik eden yazılım modülleri tasarlanmıştır. Tasarlanan paydaş analizi aracının gelecekteki birçok çalışmaya kaynaklık etmesi beklenmektedir.

🔖

Cite This Article

KAHRAMAN, H. T., ŞAHİNER, F., YILDIRIM, G. (2022). Proje Yönetiminde Yapay Zekâ Tabanlı Paydaş Analizi Aracının Tasarımı. Gazi Mühendislik Bilimleri Dergisi, Cilt: 7 - Sayı: 2, 81–89. https://ajindex.com/articles/520693

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (6)

  1. Elmas, Ç, Elmas, A. (2018). Uluslararası Standartlara Göre Proje Yönetimi (3). Ankara: Seçkin Yayıncılık Project Management Institute. (2017).A guide to the project management body of knowledge (PMBOK® guide)(6th ed.). Newtown Square, PA Project Management Institute Ünal, M, Ünal, Z. (2015). Proje Yönetiminde Paydaş İlişkilerinin Rolü Ve Önemi. Selçuk İletişim, 8 (4), 90-103.
  2. Coplan, S. (2006). How to win the prize of project success: know your stakeholders. Paper presented at PMI® Global Congress 2006—North America, Seattle, WA. Newtown Square, PA: Project Management Institute. Vogwell, D. (2003). Stakeholder management. Paper presented at PMI® Global Congress 2003—EMEA, The Hague, South Holland, The Netherlands. Newtown Square, PA: Project Management Institute. Forman, J. B. & Discenza, R. (2012). Got stake?: (Holder) management in your project. Paper presented at PMI® Global Congress 2012—North America, Vancouver, British Columbia, Canada. Newtown Square, PA: Project Management Institute. Arpacı, S, Kalıpsız, O. (2018). Yazılım Hata Sınıflandırmasında Farklı Naive Bayes Tekniklerin Kıyaslanması. Niğde Ömer Halisdemir Üniversitesi Mühendislik Bilimleri Dergisi, 7 (1), 1-13. Doı: 10.28948/Ngumuh.383709 Kahraman, H. T., Sagiroglu, S., & Colak, I. (2016). Novel user modeling approaches for personalized learning environments. International Journal of Information Technology & Decision Making, 15(03), 575-602.
  3. Lewis, D. D. (1998, April). Naive (Bayes) at forty: The independence assumption in information retrieval. In European conference on machine learning (pp. 4-15).
  4. Springer, Berlin, Heidelberg. Granik, M., & Mesyura, V. (2017, May). Fake news detection using naive Bayes classifier. In 2017 IEEE First Ukraine Conference on Electrical and Computer Engineering (UKRCON) (pp. 900-903). IEEE. Abellán, J., & Castellano, J. G. (2017). Improving the Naive Bayes classifier via a quick variable selection method using maximum of entropy. Entropy, 19(6), 247. Jing, N., Wu, Z., Lyu, S., & Sugumaran, V. (2019). Information credibility evaluation in online professional social network using tree augmented naïve Bayes classifier. Electronic Commerce Research, 1-25.
  5. Elias, A. A., Cavana, R. Y., & Jackson, L. S. (2002). Stakeholder analysis for R&D project management. R&D Management, 32(4), 301-310.
  6. Jepsen, A. L., & Eskerod, P. (2009). Stakeholder analysis in projects: Challenges in using current