Saran, MuratAl-Jumaili, Marwan Tareq Shakir2025-06-052025-06-052025https://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=htlyhJG97gjBTPjAeWRhPrw4XeXN22VU5pczD2OOGk6Jk-9CEL0ZWKdGcgE5xS_jhttps://hdl.handle.net/20.500.12416/10088Bu tez, konu modelleme tekniklerinin uygulanması yoluyla Türkiye'deki Bilgisayar Mühendisliği ve Bilgisayar Bilimleri Yüksek Lisans programlarındaki araştırma eğilimlerinin belirlemeyi hedeflemektedir. Tez çalışmasında, yök tez veritabanı aracılığıyla elde edilen 2020-2024 yılları arasında Türkiye'de yayınlanan 6.174 Bilgisayar Mühendisliği ve Bilgisayar Bilimleri Yüksek Lisans tezinin araştırma konularını belirlemek için BERTopic, Top2Vec ve LDA metodolojileri kullanılmıştır. Araştırma sonuçlarına göre hem LDA hem de BERTopic tekniklerinin tutarlılık skoru en iyi sonuçları verirken, LDA çapraşıklık metriği açısından üstün performans göstermiştir. Bulgular, 2020'deki tezlerin ağırlıklı olarak veri analizi ve yazılım uygulamalarına odaklandığını, makine öğreniminin ise 2021'de öne çıkan bir araştırma alanı olduğunu ortaya koymaktadır. 2022'de, görüntü işleme ve makine öğrenimi konuları, 2023'te ise makine öğrenimi ve algoritma teorisi konuları öne çıkmaktadır. Son olarak, 2024 yılında en popüler konular yapay zekâ ve doğal dil işleme olmuştur. Bu çalışmanın sonuçları, üniversite yöneticilerine akademik ve araştırma gündemlerini bilgisayar mühendisliği ve bilgisayar bilimleri araştırmalarının gelişen ulusal ortamıyla uyumlu hale getirmek için veri odaklı bir metodoloji ve ileriye dönük içgörüler sağlamaktadır.This thesis aims to identify research trends in Computer Engineering and Computer Science Master's programs in Turkey through the application of topic modeling techniques. In this thesis, BERTopic, Top2Vec and LDA methodologies are used to identify the research topics of 6,174 Computer Engineering and Computer Science Master's theses published in Turkey between 2020 and 2024, obtained through the YOK thesis database. According to the results, both LDA and BERTopic techniques yielded the best results in terms of coherence score, while LDA showed superior performance in terms of the perplexity metric. The findings reveal that theses in 2020 mainly focused on data analysis and software applications, while machine learning was a prominent research area in 2021. In 2022, image processing and machine learning topics are prominent, and in 2023, machine learning and algorithm theory. Finally, in 2024, the most popular topics are artificial intelligence and natural language processing. The results of this study provide university administrators with a data-driven methodology and forward-looking insights to align their academic and research agendas with the evolving national landscape of computer engineering and computer science research.enBilgisayar Mühendisliği Bilimleri-bilgisayar ve KontrolComputer Engineering and Computer Science and ControlMaster Thesis141934200