Sürdürülebilir Perakende Yönetimi için Gıda İsrafı Riskinin Özellik Mühendisliği ve Açıklanabilir Yapay Zekâ Destekli Modellenmesi
Abstract
Bu çalışmanın temel amacı, süpermarket ürünlerinin envanter, satış ve tedarikçi verilerini kullanarak israf edilme olasılığını tahmin etmektir. Bu tahmin görevi için Yapay Sinir Ağları (ANN) ve lojistik regresyon modelleri kullanılmıştır. Çalışma, gıda israfının azaltılması, doğal kaynakların korunması ve çevresel etkilerin minimize edilmesi yoluyla sürdürülebilir gıda yönetimine katkı sunmayı ve süpermarketlerin hangi ürünleri öncelikli olarak izlemesi gerektiğine dair veri temelli bir rehberlik sağlamayı hedeflemektedir. Çalışmada, 990 gözlem ve 16 özellik içeren "Grocery Inventory and Sales Dataset" adlı bir süpermarket envanter veri seti kullanılmıştır. Veri setinde doğrudan israf bilgisi bulunmadığından, satış hacmi, stok devir hızı ve raf ömrü gibi değişkenlere dayalı mantıksal kurallarla israf adında bir hedef değişken ve Raf Ömrü adında yeni bir özellik türetilmiştir. Veri ön işleme aşamasında kategorik değişkenler sayısal formata dönüştürülmüş ve tüm sayısal özellikler ölçeklendirilmiştir. Ürünlerin israf olasılıklarını saptamak amacıyla Yapay Sinir Ağı (ANN) ve Lojistik Regresyon (LR) modelleri tasarlanmış ve performansları 5 katlı çapraz doğrulama ile değerlendirilmiştir. 5 katlı çapraz doğrulama sonuçlarına göre, Yapay Sinir Ağı (ANN) modeli (%92-%93 doğruluk) Lojistik Regresyon (LR) modeline (%79-%84 doğruluk) kıyasla daha yüksek ve kararlı bir sınıflandırma performansı sergilemiştir. Performansı en yüksek 4. kat (fold 4) üzerinde yapılan değerlendirmede, ANN modeli ROC eğrisi altında kalan alan (AUC) değeri 0.98 olarak hesaplanırken, LR modeli 0.92 AUC değerine ulaşmıştır. ANN modelinin Kappa istatistiği (0.87) ve %95 AUC güven aralığı [0.969–0.994], LR modelinin Kappa (0.68) ve güven aralığı [0.886–0.956] ile karşılaştırıldığında, ANN modelinin daha güvenilir sonuçlar ürettiğini ortaya koymuştur. ANN modeli için 4. kat verileri üzerinden yapılan SHAP analizi, Raf Ömrü değişkeninin model kararlarındaki en baskın faktör olduğunu göstermiştir. ANN modelinin (AUC=0.98) karmaşık ve doğrusal olmayan veri ilişkilerini yakalamada üstün olduğu, lojistik regresyonun (AUC=0.92) ise lineer ilişkiler üzerinden daha yorumlanabilir tahminler sunduğu görülmüştür. ANN için yapılan SHAP analizi lojistik regresyon katsayılarının, raf ömrünün ve stok-satış ilişkilerinin model kararlarında belirleyici olduğunu doğrulamıştır. Özellik mühendisliği adımları, özellikle israf hedef değişkeninin ve raf ömrü özelliğinin türetilmesi, her iki modelin de performansını artırmada kritik bir rol oynamıştır. Çalışma, gıda israfını tahmin etmede yapay sinir ağlarının (AUC=0.98) lojistik regresyondan (AUC=0.92) daha başarılı olduğunu ve süpermarketlerin müdahale önceliklerini belirlemesi için veri temelli bir rehber sunduğunu göstermiştir. Gelecek çalışmalarda, modelin genellenebilirliğini ve istatistiksel geçerliliğini artırmak için farklı veri kaynaklarından elde edilen doğrudan gözlemsel israf verilerinin kullanılması önerilmektedir. Geliştirilen modelin uygulama potansiyelinin yalnızca perakende ile sınırlı olmadığı; hasat sonrası kayıplar ve tarımsal lojistik süreçleri gibi tarımsal üretim zincirinin erken aşamalarına da uyarlanabileceği belirtilmiştir. Bu veri temelli yaklaşımlar, su ve toprak gibi doğal kaynakların verimli kullanımını destekleyerek, karbon ayak izini azaltarak ve BM Sürdürülebilir Kalkınma Amacı 12 ile uyumlu olarak sürdürülebilir tarım politikalarına katkı sağlama potansiyeline sahiptir.
Ethical Statement
Makale yazarları aralarında herhangi bir çıkar çatışması olmadığını beyan ederler.
Supporting Institution
Destekleyen kurum yoktur.
Project Number
Proje numarası yoktur.
Thanks
Yazarlar, bu araştırma için herhangi bir fon almamıştır.
References
- Anonim (2022). T.C. Tarım ve Orman Bakanlığı, Gıda israfı ve kayıplarına ilişkin Türkiye değerlendirme raporu. Ankara: Tarım ve Orman Bakanlığı Yayınları. Erişim adresi: https://www.tarimorman.gov.tr.
- Anonim (2023). Birleşmiş Milletler Çevre Programı (UNEP), Gıda Atığı Endeksi Raporu 2023. Nairobi: UNEP. Erişim adresi: https://www.unep.org/resources/report/food-waste-index-report-2023
- Anonim (2024). Grocery Inventory and Sales Dataset, Kaggle.Erişim adresi: https://www.kaggle.com/datasets/salahuddinahmedshuvo/grocery-inventory-and-sales-dataset
- Arun, M. (2025). Investigation of a deep learning-based waste recovery framework for sustainability and a clean environment using IoT. Sustainable food technology, 3(2), 599-611.
- Caldeira, C., De Laurentiis, V., Corrado, S., van Holsteijn, F., & Sala, S. (2019). Quantification of food waste per product group along the food supply chain in the European Union: a mass flow analysis. Resources, Conservation and Recycling, 149, 479-488.
- Corrado, S., & Sala, S. (2018). Food waste accounting along global and European food supply chains: State of the art and outlook. Waste Management, 79, 120–131.
- Costa, J. C., Dias, I. M., Mourão, L. C., de Souza, G. B., Pereira, M. B., Freitas, F. F., & Alonso, C. G. (2025). Supercritical water gasification of food waste for hydrogen production. Renewable and Sustainable Energy Reviews, 208, 115091.
- FAO. (2019). Food Loss and Waste Database.
- Fatorachian, H., & Pawar, K. (2025). Sustainable cold chain management: An evaluation of predictive waste management models. Applied Sciences, 15(2), 1-20.
- Goodfellow, I., Bengio, Y., Courville, A., & Bengio, Y. (2016). Deep learning, 1(2). Cambridge: MIT press.
- Gustavsson, J., Cederberg, C., Sonesson, U., Van Otterdijk, R., & Meybeck, A. (2011, May). Global food losses and food waste.
- Hosmer, D. W., Lemeshow, S., & Sturdivant, R. X. (2013). Applied Logistic Regression (3rd ed.). Wiley. Kleinbaum, D. G., & Klein, M. (2010). Logistic Regression: A Self-Learning Text (3rd ed.). Springer.
- Kwak, C., & Kim, J. (2017). Statistical data analysis using logistic regression model. Korean Journal of Anesthesiology, 70(5), 401–411.
- Menard, S. (2002). Applied Logistic Regression Analysis. Sage Publications.
- Onyeaka, H., Akinsemolu, A., Miri, T., Nnaji, N. D., Duan, K., Pang, G., ... & Ugwa, C. (2025). Artificial intelligence in food system: innovative approach to minimizing food spoilage and food waste. Journal of Agriculture and Food Research, 21, 101895.
- Opara, I. K., Silue, Y., Opara, U. L., & Fawole, O. A. (2025). Forecasting of postharvest fresh produce waste at the wholesale level using time series models. Agriculture & Food Security, 14(1), 24.
- Papargyropoulou, E., Lozano, R., Steinberger, J. K., Wright, N., & Bin Ujang, Z. (2014). The food waste hierarchy as a framework for the management of food surplus and food waste. Journal of cleaner production, 76, 106-115.
- Peng, C.-Y. J., Lee, K. L., & Ingersoll, G. M. (2002). An introduction to logistic regression analysis and reporting. The Journal of Educational Research, 96(1), 3–14.
- Permana, D. I., Fagioli, F., De Lucia, M., Rusirawan, D., & Farkas, I. (2025). Performance evaluation, prediction analysis and optimization of experimental ORC using artificial neural networks (ANN). Energy Nexus, 18, 100383.
- Rodrigues, M., Migueis, V., Freitas, S., & Machado, T. (2024). Machine learning models for short-term demand forecasting in food catering services: A solution to reduce food waste. Journal of cleaner production, 435, 140265.
- Weerakoon, AH Samitha, and Mohsen Assadi. (2025). Artificial Neural Network (ANN) driven Techno-Economic Predictions for Micro Gas Turbines (MGT) based Energy Applications. Energy and AI 20, 100483.
- Yang, Y., Zhao, C., & Lu, H. (2024). Leveraging machine learning for food waste reduction: An analysis of predictive models. Applied and Computational Engineering, 112, 154-160.
Feature Engineering and Explainable Artificial Intelligence-Aided Modeling of Food Waste Risk for Sustainable Retail Management
Abstract
The main aim of this study is to estimate the probability of food waste for supermarket products by utilizing inventory, sales, and supplier-related data. For this purpose, Artificial Neural Networks (ANN) and Logistic Regression (LR) models were employed. The study seeks to support sustainable food management practices by contributing to food waste reduction, resource conservation, and mitigation of environmental impacts, while also offering data-driven insights to help supermarkets identify products requiring priority monitoring. A supermarket inventory dataset entitled “Grocery Inventory and Sales Dataset”, consisting of 990 observations and 16 features, was used in this study. As the dataset does not contain direct waste labels, a binary target variable representing food waste and a derived feature describing shelf life were constructed based on rule-based relationships involving sales volume, inventory turnover rate, and product shelf life. During preprocessing, categorical variables were encoded into numerical form, and all numerical features were normalized. ANN and LR models were developed to predict waste likelihood, and their performance was assessed using five-fold cross-validation. The cross-validation results indicated that the ANN model achieved consistently higher and more stable classification performance (accuracy ranging from 92% to 93%) compared to the LR model (79% to 84%). Focusing on the best-performing fold (fold 4), the ANN model yielded an AUC value of 0.98, whereas the LR model achieved an AUC of 0.92. Furthermore, the ANN model demonstrated a higher Cohen’s Kappa value (0.87) and a narrower 95% AUC confidence interval [0.969–0.994] than the LR model (Kappa = 0.68; CI: [0.886–0.956]), indicating stronger reliability. SHAP analysis applied to the ANN model revealed that shelf life was the most influential variable driving waste predictions. The findings suggest that ANN models are more effective in capturing complex and nonlinear relationships within supermarket inventory data, while logistic regression offers greater interpretability through its linear structure. Both SHAP results and logistic regression coefficients consistently highlighted the importance of shelf life and stock–sales dynamics in determining waste risk. The feature engineering strategy, particularly the construction of the waste target variable and shelf life feature, played a crucial role in enhancing the predictive performance of both models. Overall, the findings indicate that ANN models outperform logistic regression in predicting food waste and provide a practical, data-driven basis for waste prevention in supermarkets. Future research incorporating directly observed waste data may improve model robustness. The approach can also be extended to earlier stages of the agricultural supply chain, supporting sustainable resource use and alignment with the United Nations Sustainable Development Goal 12.
Ethical Statement
Authors have declared no conflict of interest.
Supporting Institution
There is no supporting institution.
Project Number
Proje numarası yoktur.
Thanks
No funding.
References
- Anonim (2022). T.C. Tarım ve Orman Bakanlığı, Gıda israfı ve kayıplarına ilişkin Türkiye değerlendirme raporu. Ankara: Tarım ve Orman Bakanlığı Yayınları. Erişim adresi: https://www.tarimorman.gov.tr.
- Anonim (2023). Birleşmiş Milletler Çevre Programı (UNEP), Gıda Atığı Endeksi Raporu 2023. Nairobi: UNEP. Erişim adresi: https://www.unep.org/resources/report/food-waste-index-report-2023
- Anonim (2024). Grocery Inventory and Sales Dataset, Kaggle.Erişim adresi: https://www.kaggle.com/datasets/salahuddinahmedshuvo/grocery-inventory-and-sales-dataset
- Arun, M. (2025). Investigation of a deep learning-based waste recovery framework for sustainability and a clean environment using IoT. Sustainable food technology, 3(2), 599-611.
- Caldeira, C., De Laurentiis, V., Corrado, S., van Holsteijn, F., & Sala, S. (2019). Quantification of food waste per product group along the food supply chain in the European Union: a mass flow analysis. Resources, Conservation and Recycling, 149, 479-488.
- Corrado, S., & Sala, S. (2018). Food waste accounting along global and European food supply chains: State of the art and outlook. Waste Management, 79, 120–131.
- Costa, J. C., Dias, I. M., Mourão, L. C., de Souza, G. B., Pereira, M. B., Freitas, F. F., & Alonso, C. G. (2025). Supercritical water gasification of food waste for hydrogen production. Renewable and Sustainable Energy Reviews, 208, 115091.
- FAO. (2019). Food Loss and Waste Database.
- Fatorachian, H., & Pawar, K. (2025). Sustainable cold chain management: An evaluation of predictive waste management models. Applied Sciences, 15(2), 1-20.
- Goodfellow, I., Bengio, Y., Courville, A., & Bengio, Y. (2016). Deep learning, 1(2). Cambridge: MIT press.
- Gustavsson, J., Cederberg, C., Sonesson, U., Van Otterdijk, R., & Meybeck, A. (2011, May). Global food losses and food waste.
- Hosmer, D. W., Lemeshow, S., & Sturdivant, R. X. (2013). Applied Logistic Regression (3rd ed.). Wiley. Kleinbaum, D. G., & Klein, M. (2010). Logistic Regression: A Self-Learning Text (3rd ed.). Springer.
- Kwak, C., & Kim, J. (2017). Statistical data analysis using logistic regression model. Korean Journal of Anesthesiology, 70(5), 401–411.
- Menard, S. (2002). Applied Logistic Regression Analysis. Sage Publications.
- Onyeaka, H., Akinsemolu, A., Miri, T., Nnaji, N. D., Duan, K., Pang, G., ... & Ugwa, C. (2025). Artificial intelligence in food system: innovative approach to minimizing food spoilage and food waste. Journal of Agriculture and Food Research, 21, 101895.
- Opara, I. K., Silue, Y., Opara, U. L., & Fawole, O. A. (2025). Forecasting of postharvest fresh produce waste at the wholesale level using time series models. Agriculture & Food Security, 14(1), 24.
- Papargyropoulou, E., Lozano, R., Steinberger, J. K., Wright, N., & Bin Ujang, Z. (2014). The food waste hierarchy as a framework for the management of food surplus and food waste. Journal of cleaner production, 76, 106-115.
- Peng, C.-Y. J., Lee, K. L., & Ingersoll, G. M. (2002). An introduction to logistic regression analysis and reporting. The Journal of Educational Research, 96(1), 3–14.
- Permana, D. I., Fagioli, F., De Lucia, M., Rusirawan, D., & Farkas, I. (2025). Performance evaluation, prediction analysis and optimization of experimental ORC using artificial neural networks (ANN). Energy Nexus, 18, 100383.
- Rodrigues, M., Migueis, V., Freitas, S., & Machado, T. (2024). Machine learning models for short-term demand forecasting in food catering services: A solution to reduce food waste. Journal of cleaner production, 435, 140265.
- Weerakoon, AH Samitha, and Mohsen Assadi. (2025). Artificial Neural Network (ANN) driven Techno-Economic Predictions for Micro Gas Turbines (MGT) based Energy Applications. Energy and AI 20, 100483.
- Yang, Y., Zhao, C., & Lu, H. (2024). Leveraging machine learning for food waste reduction: An analysis of predictive models. Applied and Computational Engineering, 112, 154-160.
Details
| Primary Language | Turkish |
|---|---|
| Subjects | Sustainable Agricultural Development |
| Journal Section | Research Article |
| Authors | |
| Project Number | Proje numarası yoktur. |
| Submission Date | October 31, 2025 |
| Acceptance Date | December 25, 2025 |
| Early Pub Date | March 9, 2026 |
| Publication Date | March 9, 2026 |
| DOI | https://doi.org/10.18016/ksutarimdoga.vi.1814802 |
| IZ | https://izlik.org/JA52JZ26JS |
| Published in Issue | Year 2026 Issue: Advanced Online Publication |
Cite
Aim & Scope
2024-JIF = 0.500, 2024-JCI = 0.140, Category Quartile = Q4, ICV-2022: 71.05
Kahramanmaraş Sütçü İmam Üniversitesi Tarım ve Doğa Dergisi (Journal of Agricultural and Natural), uluslararası hakemli bir dergidir.
Kahramanmaraş Sütçü İmam Üniversitesi Fen ve Mühendislik Dergisi 1997 yılında yayın hayatına başlamış olup, 1999 yılı hariç bugüne kadar aralıksız yılda 2 sayı halinde hakemli ve danışma kurullu olarak yayın hayatına devam etmiştir.
Kahramanmaraş Sütçü İmam Üniversitesi Fen ve Mühendislik Dergisi, 2009 yılından itibaren format, vizyon ve misyonunda köklü değişikliğe giderek, çağın ve uluslararası bilim dünyasının gereklerini yerine getirme görevi içinde yeniden yapılanmıştır. Bu amaçla 2009 yılından itibaren "Kahramanmaraş Sütçü İmam Üniversitesi Doğa Bilimleri Dergisi" ve "Kahramanmaraş Sütçü İmam Üniversitesi Mühendislik Bilimleri Dergisi" olmak üzere iki ayrı elektronik dergi olarak yılda 2 sayı çıkarılmıştır.
Dergimiz yoğun ilgiden dolayı 2011 yılından itibaren yılda 4 sayı olarak yayınlanmıştır. 2018 yılından itibaren ise dergimizin adı “KSÜ Tarım ve Doğa Dergisi” olarak değiştirilmiş ve yılda 6 sayı olarak yayınlanmaya başlanmıştır.
Kahramanmaraş Sütçü İmam Üniversitesi Tarım ve Doğa Dergisi (Journal of Agricultural and Natural), Açık Dergi Sistemi (Open Journal System;OJS) ile araştırma makalelerin on-line olarak kabul etmekte tüm sayılarındaki makalenin sınırsız erişim kolaylıkları ile paydaşların hizmetine sunmaktadır. Bilindiği gibi Açık Dergi Sistemleri abonelik ile dağılım sistemlerine göre ulusal ve uluslar arası ölçekte tüm okuyuculara daha nitelikli izleme olanakları sunarak makalelerin etki düzeyini de arttırmaktadır. OJS sistemleri ayrıca indeksleme, tekrar erişim, serbest erişim, çoğaltma gibi hususlar bakımından araştırmacılara kolaylıkla sunmaktadır.
Ulusal ve uluslararası düzeyde makale kabul eden dergimiz uluslararası kabule sahip SCI- Expanded vb. gibi indekslerde taranmak için gerekli şartları yerine getirmeye çalışmaktadır. Dergimiz 2017 yılından itibaren, Web of Science ve Emerging Sources Citation Index tarafından taranmaya başlanmıştır. Bundan sonraki yayın hayatında, bilimsellik ve etik kuralları çerçevesinde yoluna devam edecek olan dergimiz, siz değerli bilim adamı ve okuyucularının Türkçe ve İngilizce olarak yazılmış bilimsel araştırmalarını; makale, editöre not ve araştırma notu şeklinde yayınlamaya devam edecektir.
Dergimizde basılan makalelere araştırmacıların yapacağı atıflar, dergilerimizin ulusal ve uluslararası indekslerce taranması ve kabul görmesi açısından çok önemlidir.
Açık Erişim Politikası
KSÜ Tarım ve Doğa Dergisi, tamamen ücretsiz, uluslararası hakemli ve açık erişimli bir dergidir. Makale işlem ücreti (değerlendirme ücreti veya basım ücreti) ve makalelere erişim için abonelik ücreti talep etmez.Editöryal Süreç
KSÜ Tarım ve Doğa Dergisi, tüm çalışmaların değerlendirme sürecinde çifte körleme yöntemini kullanmaktadır. Çift körleme yönteminde çalışmaların yazar ve hakem kimlikleri gizlenmektedir.Editörler; dergi yayın politikalarında yer alan "Kör Hakemlik ve Değerlendirme Süreci" politikalarını uygulamakla yükümlüdür. Bu bağlamda editörler her çalışmanın adil, tarafsız ve zamanında değerlendirme sürecinin tamamlanmasını sağlar.
İntihal Denetimi
KSÜ Tarım ve Doğa Dergisi, yayın etiği gereği "Kör Hakemlik Değerlendirme Süreci"nden geçmiş her çalışmanın bütünlüğünü korumak adına intihal denetiminden geçirilmesini zorunlu kılar. Bu kapsamda her çalışmanın Türkçe ve İngilizce nüshaları intihal denetiminden geçirilir. Denetim kapsamında oluşan maddi sorumlulular yazar(lar)a aittir.Editörlerin Etik Görev ve Sorumlulukları
KSÜ Tarım ve Doğa Dergisi, editör ve bölüm editörleri, açık erişim olarak Committee on Publication Ethics (COPE) tarafından yayınlanan "COPE Code of Conduct and Best Practice Guidelines for Journal Editors" ve "COPE Best Practice Guidelines for Journal Editors" rehberleri temelinde etik görev ve sorumluluklara sahip olduklarını taahhüt ederler.
Kapsam
Kahramanmaraş Sütçü İmam Üniversitesi Tarım ve Doğa Dergisi (Journal of Agricultural and Natural), uluslar arası hakemli bir dergi olup, Tarım ve Biyoloji ile ilgili tüm alanlarında özgün, yeni ve bilimsel değere sahip orijinal araştırma makaleleri yayımlamaktadır.
Author Guidelines
01.08.2022 tarihinden itibaren yazım kuralları güncellenmiştir.
Gönderilecek makaleler aşağıdaki yazım kılavuzuna göre hazırlanmış olmalıdır.
DERGİ YAYIN İLKELERİ ve YAZIM KURALLARINI PDF FORMATINDA İNDİRMEK İÇİN TIKLAYIN
Ethical Principles and Publication Policy
YAYIN POLİTİKASI
KSÜ Tarım ve Doğa Dergisi, COPE tarafından hazırlanan Dergi Editörleri için Yönerge (The COPE Code of Conduct for Journal Editors) hükümlerine uymayı kabul ve taahhüt etmiştir.
Açık Erişim Politikası: Tarım ve Doğa Dergisi tamamen ücretsiz, uluslararası hakemli ve açık erişimli bir dergidir.
Makale işlem ücreti (değerlendirme ücreti veya basım ücreti) ve makalelere erişim için abonelik ücreti talep etmez.
Gizlilik Beyanı: Tarım ve Doğa Dergisi yönetim sistemine girilen isim ve elektronik posta adresleri gibi kişisel bilgiler, yalnızca bu derginin bilimsel amaçları doğrultusunda kullanılacaktır. Bu bilgiler başka bir amaç veya bölüm için kullanılmayacak olup, üçüncü taraflarla paylaşılmayacaktır.
Etik ilkeler: Derginin editöryal ve yayın süreçleri International Committee of Medical Journal Editors (ICMJE), World Association of Medical Editors (WAME), Council of Science Editors (CSE), Committee on Publication Ethics (COPE), European Association of Science Editors (EASE) ve National Information Standards Organization (NISO) kılavuzlarına uygun olarak biçimlendirilmiştir. KSÜ Tarım ve Doğa Dergisinin editöryal ve yayın süreçleri, Akademik Yayıncılıkta Şeffaflık ve En İyi Uygulama (doaj.org/bestpractice) ilkelerine uygun olarak yürütülmektedir.
Arşivleme: Tarım ve Doğa Dergisi’nde yayınlan tüm makaleler TÜBİTAK ULAKBİM Yaşam Bilimleri Veritabanı aracılığıyla pdf formatında ULAKBİM sunucularında saklanmakta ve sunulmaktadır.
Sponsorluk ve Reklam: Tarım ve Doğa Dergisi yayın politikaları kapmasında sponsorluk ve reklam kabul etmemektedir.
Telif Hakkı Devri: Yayınlanmak üzere Tarım ve Doğa Dergisi'ne gönderilen çalışmalar, daha önce herhangi bir şekilde tam metin olarak yayınlanmamış veya herhangi bir yere yayınlanmak üzere gönderilmemiş özgün çalışma niteliği taşımalıdır. Yazarlar çalışmalarının telif hakkından feragat etmeyi kabul ederek, değerlendirme için gönderimle birlikte çalışmalarının telif hakkını Tarım ve Doğa Dergisi'ne devretmek zorundadır. Tarım ve Doğa Dergisi Yayın Kurulu makalenin yayımlanması konusunda yetkili kılınır. Tarım ve Doğa Dergisi 'ne çalışma gönderecek yazarlar, "Telif Hakkı Devir Formu" belgesini doldurmalıdır. Yazar(lar) doldurdukları formu ıslak imza ile imzalamalıdır. İmzalanan form taranarak sistem üzerinden çalışma gönderim adımlarının 4.’sünde ek dosya yükleme seçeneği ile yüklenmelidir. Telif Hakkı Devir Formunu iletmeyen yazarların çalışmaları yayınlanmaz.
Yazarlar makale sonunda “Araştırmacıların katkı oranı beyanı” ve “yazar çatışma beyanı” konusunda bilgi vermek zorundadır.
Kör Hakemlik ve Değerlendirme Süreci: Kör hakemlik, bilimsel yayınların en yüksek kalite ile yayınlanması için uygulanan bir yöntemdir. Bu yöntem, bilimsel çalışmaların nesnel (objektif) bir şekilde değerlendirilme sürecinin temelini oluşturmaktadır ve birçok bilimsel dergi tarafından tercih edilmektedir. Hakem görüşleri, Tarım ve Doğa Dergisi’nin yayın kalitesinde belirleyici bir yere sahiptir. Tarım ve Doğa Dergisi'ne gönderilen tüm çalışmalar aşağıda belirtilen aşamalara göre körleme yoluyla değerlendirilmektedir.
Körleme Hakemlik Türü: Tarım ve Doğa Dergisi, tüm çalışmaların değerlendirme sürecinde çifte körleme yöntemini kullanmaktadır. Çift körleme yönteminde çalışmaların yazar ve hakem kimlikleri gizlenmektedir.
İlk Değerlendirme Süreci: Tarım ve Doğa Dergisi'e gönderilen çalışmalar ilk olarak editörler tarafından değerlendirilir. Bu aşamada, derginin amaç ve kapsamına uymayan, Türkçe ve İngilizce olarak dil ve anlatım kuralları açısından zayıf, bilimsel açıdan kritik hatalar içeren, özgün değeri olmayan ve yayın politikalarını karşılamayan çalışmalar reddedilir. Reddedilen çalışmaların yazarları, gönderim tarihinden itibaren en geç iki hafta içerisinde bilgilendirilir. Uygun bulunan çalışmalar ise ön değerlendirme için çalışmanın ilgili olduğu alana yönelik bir Bölüm editörüne gönderilir.
Ön Değerlendirme Süreci: Ön değerlendirme sürecinde bölüm editörleri çalışmaların, giriş, materyal ve metod, bulgular, sonuç, değerlendirme ve tartışma bölümlerini dergi yayın politikaları ve kapsamı ile özgünlük açısından ayrıntılı bir şekilde inceler. Bu inceleme sonucunda uygun bulunmayan çalışmalar en geç dört hafta içerisinde bölüm editörü değerlendirme raporu ile birlikte iade edilir.
Hakemlendirme Süreci: Çalışmalar içeriğine ve hakemlerin uzmanlık alanlarına göre hakemlere gönderilir. Çalışmayı inceleyen bölüm editörü, Tarım ve Doğa Dergisi hakem havuzundan uzmanlık alanlarına göre en az iki hakem önerisinde bulunur veya çalışmanın alanına uygun yeni hakem önerebilir. Makale hakemlerinin her birinin farklı kurumlardan olmasına ve hakemlerle aynı kurumdan olmamasına özen gösterilir. Bölüm editöründen gelen hakem önerileri editörler tarafından değerlendirilir ve çalışmalar hakemlere iletilir. Hakemler değerlendirdikleri çalışmalar hakkındaki hiçbir süreci ve belgeyi paylaşmayacakları hakkında garanti vermek zorundadır.
Hakem Değerlendirme Süreci: Hakem değerlendirme süreci için hakemlere verilen süre 4 haftadır. Hakemlerden veya editörlerden gelen düzeltme önerilerinin yazarlar tarafından 1 ay içerisinde tamamlanması zorunludur. Hakemler bir çalışmanın düzeltmelerini inceleyerek uygunluğuna karar verebilecekleri gibi gerekliyse birden çok defa düzeltme talep edebilir. Değerlendirme Sonucu Hakemlerden gelen görüşler, Bölüm editörü tarafından en geç 2 hafta içerisinde incelenir. Bu inceleme sonucunda Bölüm editörü çalışmaya ilişkin nihai kararını editörlere iletir.
Yayın Kurulu Kararı: Editörler, Bölüm editörü ve hakem görüşlerine dayanarak çalışma ile ilgili yayın kurulu görüşlerini hazırlar. Hazırlanan görüşler editör tarafından Bölüm editörü ve hakem önerileri ile birlikte en geç 1 hafta içerisinde yazar(lar)a iletilir. Bu süreçte olumsuz görüş verilen çalışmalar intihal denetimi talep edilmeksizin iade edilir.
Makale Gönderme: Tarım ve Doğa Dergisi'de değerlendirilmek üzere çalışma gönderecek yazar(lar) https://dergipark.org.tr/ksudobil adresinde yer alan dergi yönetim sistemine üye olarak gönderim gerçekleştirebilir.
Yazarlar: Yazar(lar)ın yayınlanmış, erken görünüm veya değerlendirme aşamasındaki çalışmasıyla ilgili bir yanlış ya da hatayı fark etmesi durumunda, geri çekme işlemlerinde dergi editörüyle işbirliği yapma yükümlülüğü bulunmaktadır.
Makalelerin Geri Çekilmesi: Değerlendirme aşamasındaki çalışmasını geri çekme talebinde bulunmak isteyen yazar(lar), makale geri çekme talebini içeren dilekçeyi her bir yazarın ıslak imzası ile imzalanmış ve taratılmış halini dogabilimleri@ksu.edu.tr adresi üzerinden e-posta aracılığıyla yayın kuruluna iletmekle yükümlüdür. Yayın Kurulu geri çekme bildirimini inceleyerek en geç bir hafta içerisinde dönüş sağlar. Yayın kurulu tarafından telif hakları Tarım ve Doğa Dergisi gönderim aşamasında devredilmiş çalışmaların geri çekme isteği onaylanmadıkça yazarlar çalışmasını başka bir dergiye değerlendirme için gönderemezler.
Editörler: Tarım ve Doğa Dergisi yayın kurulu; yayınlanmış, basım aşamasındaki veya değerlendirme aşamasındaki bir çalışmaya ilişkin telif hakkı ve intihal şüphesi oluşması durumunda çalışmayı ilişkin bir soruşturma başlatma yükümlülüğü taşır. Yayın kurulu yapılan soruşturma sonucunda değerlendirme aşamasındaki çalışmada telif hakkı ve intihal yapıldığını tespit etmesi durumunda çalışmayı değerlendirmeden geri çeker ve tespit edilen durumları detaylı bir şekilde kaynak göstererek yazarlara iade eder. Yayın kurulu, yayınlanmış veya baskı halindeki bir çalışmada telif hakkı ihlali ve intihal yapıldığını tespit etmesi durumunda, en geç bir hafta içerisinde aşağıdaki geri çekme ve bildiri işlemlerini gerçekleştirir.
Price Policy
Dergimiz, herhangi bir başvuru veya yayımlama ücreti almamaktadır (Free submission and publication).
Indexes
Journal Boards
Dergi Editörler Kurulu
Prof. Dr. Selami SELVİ, Çanakkale Onsekizmart Üniversitesi Fen Edebiyat Fakültesi Biyoloji Bölümünden 2002 yılında mezun olmuştur. Balıkesir Üniversitesi Fen Bilimleri Enstitüsü Biyoloji Bölümü Botanik ABD’de 2003-2005 yılları arasında yüksek lisansını, aynı enstitüde 2005-2011 yılları arasında doktorasını tamamlamıştır. Halen Balıkesir Üniversitesi Altınoluk Meslek Yüksekokulu Bitkisel ve Hayvansal Üretim Bölümünde Öğretim üyesi olarak akademik hayatına devam etmektedir. Bitki Morfolojisi ve Anatomisi, Bitki Sistematiği, Bitki Ekolojisi Etnobotanik, Etnofarmakoloji ve Bitki Biyokimyası üzerine çalışmalar yapmaktadır.
AK
Kültür bitkilerinde sorun olan fungal ve bakteriyel hastalık etmenlerin irdelendiği Bitki Patolojisi alanında araştırma deneyimine sahip olup, birçok yüksek lisans ve doktora tezine ve çalışmasına danışmanlık yapmıştır.
Bitki patojeni bakteri ve fungal hastalık etmenlerinin moleküler ve morfolojik tanılanmaları, bitki uçucu yağ ve özütler gibi doğal antimikrobiyal maddelerin antimikrobiyal etkinliği, fungal ve bakteriyel bitki hastalık etmenlerine karşı teşvik edilmiş dayanıklılık, faydalı antagonist fungal ve bakteriyel etmenler ile fungal ve bakteriyel patojenlerin biyolojik kontrolü, bitki büyümesini teşvik eden endofitik ve epifitik bakteri izolatları (PGPB) ve bitki patojeni ile bitki savunma mekanizmaları arasındaki moleküler, biyokimyasal ve morfolojik etkileşimlerin karakterizasyonu konularında saygın dergilerde yayınlanmış çok sayıda araştırma makalesi, kitap bölümü ve konferans bildirileri bulunmaktadır. Çeşitli konularda yayınlanmış araştırma makaleleri dünya genelinde kapsamlı bir şekilde atıf almış ve Tarım Bilimleri alanında ilgili dergi kategorisinde "En Çok Atıf Alan Makaleler" arasında yer almıştır.
Özellikle, çeşitli bitkilerdeki sorun tohum, toprak ve hava kökenli fungal ve bakteriyel hastalıklar, külleme, mildiyö, pas gibi obligat hastalık etmenlerinin morfolojik ve moleküler tanımlanmasında uzmandır. Soylu’nun Türkiye için farklı konukçu bitkilerde sorun olan fungal ve bakteriyel hastalık etmenlerinin ilk kez patojen olduğu konusunda bildirimleri bulunmaktadır.
AB, TÜBİTAK, Üniversite, TAGEM, Kalkınma Bakanlığı gibi kuruluşlar tarafından destekli birçok projede yürütücü, yardımcı araştırıcı ve danışman olarak görev yapmış/yapmaktadır.
Türkiye'de ilk kez doğrudan çiftçiye hastalık, zararlı ve yabancı otlarla ilgili sorunlarına çözüm hizmeti sunan "Bitki Sağlığı Kliniği'nin kuruluşunda yer almıştır.
Alanında saygın ve prestijli birçok dergide Baş Editör, Yayın Kurulu Üyesi ve Hakem olarak görev yapmaktadır.
Dergi Sahibi
Baş Editör
dergi
AK
Editörler
Alan Editörleri
Uygulamalı istatistik, Varyans Unsurları, Regresyon ve korelasyon, Varyans Analizi -F testi, Parametrik ve parametrik olmayan testler, Biyoistatistik
1969 yılında Konya'nın Ilgın ilçesinde doğdu. 1988 yılında başladığı Anadolu Üniversitesi Fen-Edb. Fakültesi İstatistik bölümünden 1992 yılında mezun oldu. 1991-1992 öğretim yılında aynı üniversitede Eğitim Fakültesi'nde Öğretmenlik Sertifikası Programı (Pedagojik Formasyon) eğitimi aldı. 1993-1994 yıllarında yedek subay olarak askerlik hizmetini yerine getirdi. 1997 Haziran-2014 Ocak döneminde devlet memurluğu görevini yürüttü.
Devlet memurluğu esnasında; 1997-1998 yıllarında Ankara Türkiye İstatistik Kurumu'nda Hizmetiçi İstatistik eğitimi aldı ve bu eğitimi 1. olarak bitirdi. 2003 yılında Ortadoğu Teknik Üniversitesi (ODTU) 'nde Uygulamalı İstatistik eğitimi aldı.
2001-2003 yılları arası Ankara Üniversitesi Fen Bilimleri Enstitüsü İstatistik Anabilim Dalında Tezsiz Yüksek Lisans, 2004-2006 yılları arası Ankara Üniversitesi Fen Bilimleri Enstitüsü İstatistik Anabilim Dalında Tezli Yüksek Lisans eğitimini tamamladı.
2008-2013 yılları arası Ankara Üniversitesi Fen Bilimleri Enstitüsü Zootekni Anabilim Dalı Biyometri ve Genetik Dalında Doktora eğitimini tamamladı. 2013 yılında Dr. ünvanını aldı. "Zaman Serileri Analizi ve Trafik Kazası Verilerine Uygulanması" isimli doktora tezi en yüksek yayın puanı alan tez ilan edildi ve ödüle layık görüldü.
2014 yılı Ocak ayında Bingöl Üniversitesi Ziraat Fakültesi Zootekni Bölümü'ne Yrd. Doç. Dr. olarak atandı. 2020 yılında Zootekni bilim dalı Biyometri ve Genetik Anabilim dalında Doçent ünvanını aldı.
2023 ve 2024 yıllarında ABD Stanford Üniversitesi'nin yaptığı araştırma sonucuna göre "Dünyanın en etkili bilim insanları” sıralamasına girdi ve bu listenin yüzde 2’lik dilim içerisinde yer aldı.
Danışmanlar Kurulu
International Peer Reviewed Journal
Free submission and publication
Published 6 times a year
KSU Journal of Agriculture and Nature
e-ISSN: 2619-9149