Türk Telekom (Turkey)

Large Language Models (LLMs) have markedly progressed natural language processing. Nevertheless, owing to the restricted availability of training data, they may prove insufficient in generating current and precise information, particularly for low-resource languages. The Retrieval-Augmented Generation (RAG) methodology, designed to resolve this challenge, improves the precision and dependability of models' outputs by leveraging external information sources. This study comparatively evaluated four distinct LLMs (Qwen-14B, Gemma3-12B, LLaMA3.1-8B, and DeepSeek-R1-14B) within the RAG framework using a Turkish question-answer dataset. Experimental results demonstrate the RAG methodology markedly enhances information precision, response uniformity, and contextual relevance in Turkish question-answering systems. Moreover, the LLaMA3.1-8B model had the best equitable performance regarding precision and recall. The findings illustrate the relevance of RAG-based applications for Turkish and offer significant insights for advancing knowledge-assisted generation methods. This study addresses a significant gap in the literature by illustrating the viability of RAG-based systems in morphologically rich and low-resource languages, including Turkish. It serves as a foundational reference for subsequent Turkish natural language processing research.

In this paper, Binary Phase Shift Keying (BPSK), Quadrature Phase Shift Keying (QPSK), and 16-QAM are compared in a Phase Modulated Continuous Wave (PMCW) radar operating at 24 GHz. The bit error rate (BER) performance of the three modulation schemes is analyzed at different Signal-to-Noise Ratios (SNR) in a Rician fading channel (K = 10 dB) with additive white Gaussian noise (AWGN). Through simulation, it is shown that BPSK has the lowest BER performance for any SNR value, indicating better immunity to noise and more reliable detection performance, while QPSK and 16-QAM have better spectral efficiency but higher BER due to noise sensitivity. This paper fills a gap in the existing literature by quantitatively addressing the trade-off between data rate and sensing reliability for PMCW-based Integrated Sensing and Communication (ISAC) systems and can guide the design of modulation schemes for 6G network applications.

Allium pervariensis is an endemic plant species native to the Southeastern Anatolia Region of Turkey. Phenolic compounds are important secondary metabolites in plants and exhibit various biological activities such as antioxidant, anticancer, and anti-inflammatory effects. This study aims to determine the phenolic compound contents of A. pervariensis.Plant samples were analyzed using the LC-HRMS method. In this context, a total of 22 phytochemical compounds were detected, and their concentrations were determined.LC-HRMS analysis revealed that apigenin (45705.91 ng/g), vanillic acid (2336.86 ng/g), and ferulic acid (1644.26 ng/g) were the compounds with the highest concentrations. The data obtained indicate that A. pervariensis is a rich source of phenolic compounds.These findings suggest that A. pervariensis may have potential applications in the pharmaceutical, cosmetic, and food industries. However, further studies are needed to better understand the biological activities of the plant.

The accuracy and timeliness tradeoff prevents Digital Twins (DTs) from realizing their full potential. High accuracy is crucial for decision-making, and timeliness is equally essential for responsiveness. Therefore, this tradeoff in DT communication must be addressed to achieve DT synchronization. Previous studies identified the issue but considered the problem as maximizing data transfer, which is infeasible due to resource constraints. To facilitate this, we quantify accuracy and timeliness as E and <inline-formula xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink"> <tex-math notation="LaTeX">$\phi $ </tex-math></inline-formula> and define the problem as joint minimisation. We then introduce the Intelligent DT Communication (IDTC) Framework to solve the problem, which includes machine learning-based Predictive Synchronization (PS) and DT synchronization management (DTSYNC) protocol. Here, PS uses imputation and forecasting to generate future values, which are utilized to update DT at the projected time points. This mechanism of PS enables lowering E and <inline-formula xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink"> <tex-math notation="LaTeX">$\phi $ </tex-math></inline-formula> of the communication. Subsequently, we utilize the DTSYNC to control synchronization and optimise the twining frequency <inline-formula xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink"> <tex-math notation="LaTeX">$f_{t}$ </tex-math></inline-formula>. We evaluate the proposed framework using a public dataset and compare its performance with several state-of-the-art studies in a real-world scenario. Evaluation results indicate that IDTC outperforms the existing methods by 80% for E and 84% for <inline-formula xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink"> <tex-math notation="LaTeX">$\phi $ </tex-math></inline-formula> while enabling <inline-formula xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink"> <tex-math notation="LaTeX">$f_{t}$ </tex-math></inline-formula> adjustment, resulting in 3.8 times goodput improvement.

Bu araştırmanın odak noktası, devlet okullarında mevcut afet ve risk yönetimi politikası bağlamında okul yöneticileri ve öğretmenlerin demografik değişkenleri ve deprem risk algısı düzeyleri ile deprem stresiyle baş etme stratejileri arasındaki ilişkiyi açığa çıkarmaktır. Bu bağlamda, herhangi bir deprem riski durumunda okul yöneticileri ile öğretmenlerin muhtemel stres durumlarına verdikleri tepkileri anlamak için temel bir içgörü elde etmek amaçlanmaktadır. Araştırma; Muş il merkezindeki devlet okullarında görev yapan 141’i kadın ve 118’i erkek olmak üzere toplam 259 öğretmen üzerinde yapılan kesitsel tarama modelinde bir araştırmadır. Veri toplama aracı olarak bir kişisel bilgi formu ile birlikte Deprem Risk Algısı Ölçeği ve Deprem Stresi İle Baş Etme Ölçeği adlı iki likert ölçeği kullanılmıştır. Araştırma verilerinin analizi, betimsel, ilişkisel ve nedensel karşılaştırmaların ardından gerçekleştirilmiştir. Betimsel sonuçlar, görüşlerine başvurulan öğretmenlere ait veri setinin normal dağılım göstermediğini işaret etmektedir; ancak, deprem risk algısı ölçeği ile deprem stresi ile baş etme stratejileri ölçeği alt boyutları arasında anlamlı bir ilişki bulunmuştur. Ayrıca, bu ilişkilerin birbirlerini anlamlı şekilde yordadığı (%41) belirlenmiştir. Bu çalışmanın, deprem risk algısının deprem stresi ile baş etme stratejileri ve öğretmen ile okul yöneticilerinin davranışları üzerindeki etkilerini anlamak adına özgün bir değere sahip olduğu öngörülmektedir, zira bu alanda yürütülen çalışmaların kısıtlılığına işaret etmektedir.

6G networks are envisioned to enable a wide range of applications, such as autonomous vehicles and smart cities. However, this rapid expansion of network topologies makes the management of 6G wireless networks more complex and leads to performance degradation. Even though state-of-the-art applications on network services are providing promising results, they also risk disrupting the network’s performance. To overcome this, the services have to leverage what-if implementations covering a variety of scenarios. At this point, traditional simulations fall short of encompassing the dynamism and complexity of a physical network. To overcome these challenges, we propose the Generative AI-based Digital Twins. For this, we derive an optimization formula to differentiate different network scenarios by considering the specific key performance indicators (KPIs) for wireless networks. Then, we fed this formula to the generative AI with the historical twins and real-time twins to start generating the desired topologies. To evaluate the performance, we implement network and smart-city-oriented services, namely massive connectivity, tiny instant communication, right-time synchronization, and truck path routes. The simulation results reveal that our approach can achieve 38% more stable network throughput in high device density scenarios. Furthermore, the generated scenario accuracy is able to reach up to 98% level, surpassing the baselines.

The maintenance of an upright posture and the execution of desired movements by individuals necessitate the seamless and harmonious functioning of the muscular and skeletal systems. Neuromuscular diseases, spinal cord injuries, and related conditions can adversely impact individuals' motor functions, leading to a loss of muscle strength and, in severe cases, paralysis. Such health challenges may result in social isolation and detachment from one's social life. This study is focused on the development of a computer control application utilizing eye movements to aid users in navigating and interacting with computers. The system utilizes a lightweight eyeglass frame and a mini-USB camera to accurately capture images of the user's pupil. Pupil detection is achieved through a combination of traditional image processing and deep learning techniques, ensuring high accuracy under diverse conditions. Users have the ability to interactively calibrate the application to accommodate varying screen sizes, thereby enhancing system responsiveness. The user interface incorporates functionalities such as left-click, right-click, double-click, and scrolling, empowering users to perform tasks ranging from internet browsing to video watching. After the development of the application, a request for research permission was submitted to the local institution to allow volunteers to test the application, adhering to ethical standards. Following the approval of ethical clearance, the application was made available for use by volunteers, and feedback was systematically collected. Volunteers generally reported that the application was beneficial, indicating its potential use by disadvantaged individuals. The upcoming versions of the application have the potential for integration with smart home systems. Additionally, the developed application can be used in games and for educational purposes.

Amaç –Bu çalışmanın amacı, Borsa İstanbul’da hisseleri işlem gören sermaye piyasası aracı kurumlarının, marka değerinin ve finansal performanslarının ölçülmesi ve karşılaştırılmasıdır.Yöntem –Çalışmada kullanılan verilere, Türkiye Sermaye Piyasaları Birliği (www.tspb.org.tr) ve Kamuyu Aydınlatma Platformu (www.kap.org.tr) üzerinden erişilmiştir. Aracı Kurumların marka değerlerinin hesaplanmasında, literatürde şirketlerin marka değerlerinin hesaplanmasında sıklıkla tercih edilen Hirose yöntemi, finansal performanslarının ölçülmesinde ise çok kriterli karar verme yöntemlerinden Gri İlişkisel Analiz (GİA) yöntemi kullanılmıştır. Aracı kurumların finansal oranlarının Hirose yöntemiyle hesaplanan marka değerleri üzerindeki etkisi, regresyon analiziyle tespit edilmiştir. Hirose yöntemiyle hesaplanan marka değerleri ile GİA finansal performans sıralama sonuçları arasındaki ilişkiler, mukayeseli olarak analiz edilmiştir. Bulgular –Çalışmada, borçlanma oranı ile marka değeri arasında negatif ilişki bulunduğu tespit edilmiştir. Net çalışma sermayesi oranı arttıkça marka değeri düşmektedir.Bu yönüyle, net çalışma sermayesi ile marka değeri arasında negatif bir korelasyonun varlığı söz konusudur. Likidite oranları ile marka değeri arasında negatif yönlü ilişki bulunduğu görülmüştür. 2016-2020 dönem verileri çerçevesinde, marka değerinin %29,5'lik kısmının piyasa değeri ile açıklanabildiği belirlenmiştir. GİA finansal performans sıralama sonuçları ile marka değerleri arasında anlamlı ilişki (negatif yönlü) sadece 2016 verileri bağlamında tespit edilmiştir. GLBMD’nin üç yıl üst üste en iyi performansı sergileyen aracı kurum olduğu tespit edilmiştir. 2016 GİA performans sıralama sonuçlarında en iyi performansı sergileyen aracı kurum GEDİK, en düşük performansa sahip olan aracı kurum ise INFO olarak tespit edilmiştir.Tartışma –Sermaye piyasalarında aracılık hizmeti sunan ve hisseleri Borsa İstanbul’da işlem gören aracı kurumların marka değerlerine ve finansal performanslarına yönelik çalışmaların sayısı sınırlıdır. Yapılan analizlerde, 2016 yılı hariç olmak üzere, finansal performans sıralamaları ile marka değerleri arasında anlamlı bir ilişki tespit edilememiştir. Ayrıca marka değerleri ile piyasa değerleri arasında da anlamlı bir ilişki tespit edilememiştir. Çalışma ile elde edilen sonuçlar, hisseleri Borsa İstanbul’da işlem gören aracı kurumların marka değerlerinin, finansal perfomans ve piyasa değerlerini açıklamakta yetersiz kaldığı sonucunu ortaya çıkarmıştır. Çalışma sonuçlarının, ilgili kurum hisselerine yatırım yapmayı düşünen yatırımcıların yatırım kararlarında yol gösterici nitelikte olduğu değerlendirilmektedir.