Türkiye'de Yazılım Mühendisliği Araştırma Eğilimleri: UYMS Bildirilerinin Yapay Zeka Tabanlı Analizi

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Atatürk Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Anabilim Dalı, Türkiye

Tezin Onay Tarihi: 2026

Tezin Dili: Türkçe

Öğrenci: İREMSU HİRİK

Danışman: Ahmet Coşkunçay

Özet:

Ulusal Yazılım Mühendisliği Sempozyumu (UYMS), Türkiye'de yazılım mühendisliği alanında faaliyet gösteren akademisyenlerin araştırma sonuçlarını paylaşmalarına olanak tanıyan öncü bir platformdur. 2003 yılından bu yana düzenlenen sempozyum, yalnızca araştırma sonuçlarının sunulup tartışıldığı bir ortam sağlamakla kalmayıp, aynı zamanda Türkiye'de yazılım mühendisliği disiplininin gelişiminde de aktif bir rol üstlenmektedir. UYMS kapsamında sunulan çalışmaların yıllar içinde artması ve yazılım mühendisliği konularının çeşitlenmesi, alandaki eğilimlerin ve önceliklerin derinlemesine incelenmesini amaçlanmaktadır. Çalışma kapsamında 2011-2022 yılları arasında yayımlanan toplam 651 UYMS makalesi kapsamlı bir şekilde analiz edilmiştir. Analiz sürecinde, yapay zekâ temelli konu modelleme yöntemi olan Gizli Dirichlet Ataması (Latent Dirichlet Allocation - LDA) kullanılmıştır. LDA yöntemi ile belirlenen anahtar kelimelere, alanında uzman kişilerin görüşleri doğrultusunda uygun başlıklar atanmıştır. Belirlenen konuların yıllara göre dağılımı analiz edilmiş ve elde edilen bulgular görselleştirilmiştir. Bu sayede, ilgili konuların zaman içerisindeki eğilimleri, ortaya çıkış sıklıkları ve gelişim dinamikleri detaylı biçimde incelenmiştir. Görselleştirmeler, konu dağılımlarının yıllar bazındaki değişimlerini kolayca gözlemlemeye imkân tanımış ve eğilim analizlerinin yorumlanmasını desteklemiştir. Bulunan başlıklar üzerinden etiketleme yapılıp hem makine öğrenmesi hem de derin öğrenme tabanlı metin sınıflandırma yöntemleri uygulanarak performans değerlendirmeleri gerçekleştirilmiştir. Elde edilen sonuçlar, ROC (Receiver Operating Characteristic) eğrileri ve AUC (Area Under the Curve) değerleri ile görselleştirilmiş, böylece her iki yaklaşımın sınıflandırma başarımı karşılaştırmalı olarak ortaya konulmuştur. Elde edilen bulgular, yazılım mühendisliği alanındaki temel araştırma konularını, bu konuların zaman içindeki değişimini ve her yıl araştırmalarda yer alan konu ağırlıklarını ortaya koymaktadır. Konu dağılımı analizinde, "Software Process Improvement and Management" başlığının tüm UYMS etkinliklerinde en çok ele alınan araştırma alanı olduğu tespit edilmiştir. Metin sınıflandırma algoritmalarında ise Lojistik Regresyon modeli, veri seti üzerinde metin sınıflandırma görevi için en etkili model olarak öne çıkmaktadır. SVM, Random Forest ve XGBoost da oldukça güçlü alternatiflerdir. Derin öğrenme modelleri bu spesifik testte klasik makine öğrenimi modellerinin gerisinde kalmış gibi görünse de, uygun mimari ayarlamalar ve daha büyük veri setleri ile potansiyelleri artırılabilir.