Akademik Veri Yönetim Sistemi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Gazi Üniversitesi, Mühendislik Fakültesi, Endüstri Mühendisliği, Türkiye
Tezin Onay Tarihi: 2025
Tezin Dili: Türkçe
Öğrenci: Orçun NEFES
Danışman: Burcu Yılmaz Kaya
Özet:
Günümüzde iş kazaları, iş sağlığı ve güvenliği (İSG) alanında hem insan hayatı hem de ekonomik kayıplar açısından önemli bir sorun teşkil etmektedir. Özellikle endüstriyel faaliyetlerin yoğun olduğu sektörlerde meydana gelen kazalar, ciddi iş gücü kayıplarına ve maddi zararlara neden olmaktadır. Bu çalışmanın temel amacı, Türkiye’deki iş kazalarının bölgesel ve sektörel dağılımlarını analiz ederek, kazaların nedenlerini daha iyi anlamak ve bu doğrultuda etkili İSG politikalarının geliştirilmesine katkı sağlamaktır. Bu kapsamda, literatürde yer alan iş kazası analizleri sistematik bir şekilde incelenmiş; geleneksel istatistiksel yöntemlerin yanı sıra makine öğrenmesi temelli yaklaşımlar da değerlendirilmiştir. Tez çalışmasında 2014–2023 yılları arasında Türkiye’de meydana gelen iş kazaları, Sosyal Güvenlik Kurumu verileri temel alınarak analiz edilmiş; madencilik, metal ve inşaat sektörleri özelinde Çoklu Regresyon, LASSO Regresyon, Rastgele Orman, K-En Yakın Komşu ve Destek Vektör Makineleri gibi yöntemler kullanılmıştır. Analiz sürecinde sektör, kaza zamanı, kazazedenin yaşı, eğitim düzeyi, iş sağlığı ve güvenliği ile mesleki eğitim durumu, tecrübesi, kaza mahallindeki çalışan sayısı ve kaza şiddeti gibi değişkenler dikkate alınmıştır. Bu veriler üzerinden 2026–2028 yılları için iş kazalarının meydana gelme olasılığı ve sonuçlarının şiddeti tahmin edilmiştir. Elde edilen bulgular, iş kazalarının öngörülmesinde makine öğrenmesi yöntemlerinin geleneksel yöntemlere kıyasla daha yüksek doğruluk ve öngörü gücü sunduğunu ortaya koymuştur. Çalışmanın sonunda, elde edilen analiz sonuçlarına dayalı olarak önleyici stratejiler geliştirilmiş; kısa ve orta vadeli İSG politikalarına yönelik öneriler sunulmuştur. Bu tez çalışması, iş kazalarının veri temelli analizi ve tahmininde makine öğrenmesinin uygulanabilirliğini ortaya koyarak, alana katkı sağlamayı hedeflemektedir.