Search

Bilimde işbirliği uzun zamandır süre gelmektedir. Bilim insanları arasındaki işbirliği, artan işbölümünün bir sonucu olarak değerlendirilebilir. İşbirliğini artırmaya yönelik geliştirilen politikaların çoğu, yakınlık faktörlerinin işbirliği düzeyi üzerindeki etkilerini hesaba katacak şekilde tasarlanmamıştır. Bilimsel işbirliğini geniş bir alanda teşvik etmeyi amaçlayan politika tasarımcıları yakınlık faktörlerini hesaba katmalıdırlar. Bu bağlamda çalışmanın amacı yakınlık perspektifi kullanılarak üniversiteler arasındaki bilimsel işbirlikleri ile sosyal, kurumsal ve bilişsel yakınlık boyutları arasındaki ilişkilerin birlikte incelenmesidir. Bu sayede yakınlık ve ekonomik ağlar arasındaki ilişki analiz edilerek literatüre katkı sağlamak hedeflenmiştir. Çalışmanın kapsamı 2012-2020 yılları arasında 193 üniversite tarafından tamamlanmış, kabul edilmiş ve başarılı olan 2323 adet TÜBİTAK 1001 projesinden oluşmaktadır. Analiz yöntemi Newton'un evrensel yerçekimi yasasına benzeyen bir yerçekimi modelidir. Analizler R programında gerçekleştirilmiştir. TÜBİTAK 1001 proje verilerine dayanarak yakınlık ve işbirliği arasındaki ilişkiye ilişkin bulguları şu şekilde özetlemek mümkündür: Üniversitelerin yürüttükleri proje sayısı ne kadar çok olursa daha sonrasında işbirliği yapma eğilimi de o kadar yüksektir. Kurumsal yakınlığın pozitif ve anlamlı bir katsayıya sahip olması ise aynı tür kurumların işbirliğine daha yatkın olduğunu göstermektedir. Sosyal yakınlığa bakıldığında, bilimsel işbirliği üzerinde önemli ve olumlu bir etkisinin olduğu görülmektedir. Geçmişte işbirliği yapan üniversitelerin gelecekte de işbirliği yapma olasılıkları daha yüksektir. Son olarak yürütülen projelerde araştırmacıların bilimsel alanlarındaki benzerliklerin bilimsel işbirliği üzerinde hiçbir etkisi yoktur. Bu durum aynı bilimsel uzmanlığın üniversiteler arası işbirliklerini teşvik etmek için önemli olmadığı anlamını taşımaktadır.

İşbirliği ağları, araştırmacıların bilimsel işbirliğini gösteren düğümlerden ve çok sayıda bağlantıdan oluşmaktadır. Bu ağları sosyal ağ analizi yöntemi ile incelemek mümkündür. Bu makalenin amacı, Türkiye’deki üniversiteler tarafından yürütülen TÜBİTAK 1001 projeleri kapsamında ortak işbirliğine dayalı oluşturulan üniversiteler arası işbirliği ağlarının görselleştirmesi ve önemli pozisyonda yer alan üniversitelerin tespit edilmesidir. Bu bağlamda TÜBİTAK 1001 proje işbirliklerinin mevcut durumuna ışık tutmak amaçlanmıştır. Çalışmanın örneklemi 2012-2020 yılları arasında yürütülen 2323 adet TÜBİTAK 1001 projesinden oluşmaktadır. Ağın genel yapısı ise toplam 193 üniversite (düğüm) ve 2805 ortak işbirliğini (bağlantı) kapsamaktadır. Her düğüm TÜBİTAK 1001 proje işbirliği ağındaki bir üniversiteyi temsil ederken toplam araştırmacı sayısı 8.205 kişiden oluşmaktadır. Bilimsel işbirliği UCINET 6.732 ve NetDraw 2.168 yazılımı kullanılarak sosyal ağ analizi yöntemi ile analiz edilmiştir. Bu kapsamda öncelikle TÜBİTAK 1001 projeleri ve işbirlikleri hakkında genel bilgilere yer verilmiştir. Ardından en çok işbirliği yapılan üniversiteler ve en güçlü üniversite işbirlikleri tespit edilmiştir. Daha sonrasında ise TÜBİTAK 1001 proje işbirliğini incelemek için merkezilik analizi gibi çeşitli sosyal ağ analizi (SNA) yöntemleri kullanılmıştır. İşbirliklerin sosyal ağlardaki durumunu yansıtan merkezilik hesaplamaları, ağ analizinde en önemli ölçütlerden biridir. Uygulanan analizler sonucunda üniversitelerin ağdaki performans ve rollerini değerlendirmeye yönelik faydalı bilgiler elde edilmiştir.

Üniversitelerin kendi içlerinde ortak araştırmaların belirlenmesi ve teşvik edilmesi stratejik planlamanın önemli bir parçası haline gelmiştir. Bu kapsamda çalışmanın amacı ekonomik coğrafyada ağ oluşumunu açıklamak için kullanılan coğrafi ve sistemik yakınlık türlerinin bilimsel işbirliği üzerindeki etkilerini birlikte incelemektir. Çalışmada yakınlık ve bilimsel işbirliği ağları arasındaki ilişki analiz edilerek literatüre katkı sağlamak hedeflenmiştir. Bu noktada araştırmanın gerekçesini ortaya koyan önemli soru şu şekildedir: Yakınlığın coğrafi ve sistemik boyutunun, kabul edilen ve başarılı TÜBİTAK 1001 bilimsel işbirliği eğilimi üzerindeki etkisi nedir? Çalışmada coğrafi ve sistemik yakınlığın üniversitelerdeki bilimsel işbirliği üzerindeki etkisi 2012-2020 yılları arasında 193 üniversite tarafından gerçekleştirilen 2323 adet TÜBİTAK 1001 projesi çerçevesinde değerlendirilecektir. Bu bağlamda araştırma TÜBİTAK 1001 projeleri bilimsel ağında 18.477 işbirliği ve 8.205 araştırmacıyı kapsamaktadır. Çalışmada kullanılan analiz yöntemi Newton'un evrensel yerçekimi yasasına benzeyen bir yerçekimi modelidir. Analizler R programında gerçekleştirilmiştir. Bulgulara bakıldığında fiziksel mesafenin araştırmacılar arasındaki işbirliği üzerinde önemli bir olumsuz etkiye sahip olduğu görülmüştür. Sistemik yakınlığın ise tüm bağımlı değişkenlerin etkisi altında bilimsel işbirliği üzerinde önemli ve olumlu bir etkisi mevcuttur. Ayrıca üniversitelerin proje sayısı arttıkça kurulan işbirlikleri sayısı da artmıştır. Bu sonuçlar neticesinde araştırma, hem literatüre katkı sağlamakta hem de bilimsel işbirliklerinin geliştirilmesinde yakınlıkların etkisinin istatistiksel olarak ortaya konulması bakımından politika yapıcılara yol göstermektedir.

The youth age period (0-14 age), which is one of the most important periods of human life, is also an important demographic indicator for countries. In this study, youth population, twenty five percent of the total population in Turkey, is examined from the perspective of time and space on provincial level. The traditional coefficient of variation (CV) approach was used to analyze the development of the young population parameter over time. Behind, Moran I index value, which has become a traditional method, has been used to measure the distribution of the young population parameter in space. According to the CV results, the youth age population diversity increases slightly between the provinces from 2007 to 2018. In the 0-4 age group shows high spatial pattern along the southeastern and eastern provinces. High spatial pattern is observed in 5-9 groups of central and northeast provinces. 0-4 and 5-9 age groups of these two regions are almost displaced by spatial pattern. The variety between the provinces is lower in the 10-14 age group. All of these findings shows that, in spatial terms, the young population in Turkey reveals a rapid change especially to 0-4 and 5-9 age groups. Population changes are often the subject of long-term analysis. This study shows that the population structure of countries can transform in the short term. In fact, the change in time and space dimensions of Turkey's youth population structure has been realized in a short time. This finding could lead policymakers on shorter term demographic solutions.

By taking the projects which are carried out in the universities in Turkey and are funded by the Scientific and Technological Research Council (TÜBİTAK) as an output, the paper tries to estimate the knowledge production function of Turkey. In the study, an OLS analysis is made with cross-section data by utilizing the datum of state universities operating in Turkey at the NUTS III level. The dependent variable of the knowledge production function that is developed by using Cobb-Douglas production function is the annual R&D fund transferred to universities by TÜBİTAK for the projects. Other variables in the analysis are the annual R&D expenditures of universities, the number of academic staff, number of postgraduate students and the existence of Technology Transfer Office and/or Technopolis. According to the analysis results there is a positive and significant relationship between R&D fund, and postgraduate students and technology transfer offices/technopolis. However, the relationship between R&D expenditures and the R&D funds transferred to the universities is found to be statistically insignificant. A negative and insignificant relationship is found when R&D funds and academic staff are estimated together, but in the models in which academic staff is decoupled, the results differ.

Over the past years, many physicists, internet theorists, and social scientists have made significant strides in the development of network theory. This theory and its empirical basis, increasingly referred to as network science, attempts to explain why networks arise and how they grow and evolve. The network perspective enables deep questions to be addressed in biology, social sciences, economics and other fields. Network science has shown tremendous similarities in various networks, including social networks, the internet and terrorist networks. An interdisciplinary approach to network science is required to understand large-scale networks today. For example, mathematicians have focused on the statistical structure of the network, such as path lengths, degree distributions, and correlation coefficients. Measurement, modeling or visualization algorithms developed in a research area increase the understanding of networks. Connections in the network influence the way people learn, form opinions, gather news, and many things, such as the spread of disease. Unless enough information is obtained about the structure of these networks, it is not possible to understand exactly how the related systems work. In this context, networks are important because if networks are not understood, it is not possible to understand how markets work, how organizations solve their problems or how societies change. For this reason, the theoretical and conceptual framework of network theory is primarily examined in this study. Then, the historical timeline of important events related to network theory from past to present is examined, and the statistical basis, principles, philosophy and mathematics of network theory are discussed., Geçtiğimiz yıllar içerisinde pek çok fizikçi, internet teorisyeni ve sosyal bilimci, ağ teorisinin geliştirilmesinde önemli adımlar atmışlardır. Bu teori ve onun giderek artan bir şekilde ağ bilimi olarak adlandırılan ampirik temeli, ağların neden ortaya çıktığını, nasıl büyüdüklerini ve geliştiklerini açıklamaya çalışmaktadır. Ağ perspektifi, biyoloji, sosyal bilimler, bilgi bilimleri, ekonomik ve diğer alanlar hakkında derin soruların ele alınmasını sağlar. Ağ bilimi sosyal ağlar, internet, karayolları ve terörist ağlarını da kapsayan çeşitli ağlarda muazzam benzerlikler olduğunu göstermiştir. Günümüzde büyük ölçekli ağları anlayabilmek için ağ bilimine disiplinler arası bir yaklaşım gerekmektedir. Örneğin matematik bilimcileri yol uzunlukları, derece dağılımları ve korelasyon katsayıları gibi ağın istatistiksel yapısına odaklanmışlardır. Bir araştırma alanında geliştirilen ölçüm, modelleme veya görselleştirme algoritmaları ağlar hakkındaki kavrayışı arttırmaktadır. Ağdaki bağlantılar insanların öğrenme, fikir oluşturma, haber toplama yöntemlerini ve hastalığın yayılması gibi pek çok olayı etkiler. Bu ağların yapısı hakkında yeterince bilgi elde edilmediği taktirde, ilgili sistemlerin tam olarak nasıl çalıştığını anlamak mümkün değildir. Bu bağlamda ağlar önemlidir çünkü ağlar anlaşılmaz ise piyasaların nasıl işlediği, kuruluşların sorunlarını nasıl çözdüğü veya toplumların nasıl değiştiğini anlamak mümkün değildir. Bu nedenle çalışmada öncelikli olarak ağ teorisinin teorik ve kavramsal çerçevesi incelenmiştir. Ardından geçmişten günümüze ağ teorisi ile ilgili önemli olayların tarihsel zaman çizelgesine bakılıp, ağ teorisinin istatistiksel temeli, ilkeleri, felsefesi ve matematiği ele alınmıştır.

İnsanlık tarihinde geniş coğrafyalara yayılan ve toplu ölümlere neden olan pek çok salgın hastalık yaşanmıştır. Bu hastalıkların ortaya çıkmasının önlenmesi, izlenmesi ve kontrol altına alınması yıllarca birincil öneme sahip halk sağlığı sorunu olarak görülmüştür. Temas ağları, enfeksiyonların popülasyonda yayılmasını görselleştirmek, modelleme yaklaşımlarının temelini oluşturmak ve müdahale için kilit bireyleri tanımlamak için kullanılmaktadır. Bu çalışmada bulaşıcı hastalıkların yayılmasını anlamak için sosyal ağ analizlerinin sağladığı olanaklar ele alınmaktadır. Hem epidemiyolojide kullanılan tekniklere hem de sosyal ağ analizinde yeni perspektifler açan son çalışmalara odaklanılmıştır. Sosyal ağ analizi temaslar arasındaki çok sayıda ara bağlantı ve yoğun döngüsel şekilleri göstererek enfekte vaka hastaları ve temaslar arasında yakın ilişkiler olduğunu ortaya koymuştur. Ayrıca temas ağırlıkları kullanılarak, bireysel enfeksiyon riskinin tahmin edilebileceği ve koruyucu aşılama gibi hedefe yönelik müdahalelerin etkin bir şekilde uygulanabileceği görülmüştür. Sosyal ağ analizi aracılığı ile elde edilen kilit bilgiler Kovid-19 denetleyicileri için ileriyi tahmin etmeye olanak sağlayarak salgın hastalıların yayılımını önlemeye yardımcı olabilir.