Tədqiqatçılar biznes analitikası, qərar dəstək sistemləri, narrativ hesabatvermə və maşın öyrənməsinin kəsişdiyi elmi ədəbiyyatı araşdırmaq üçün transdisiplinar və iterativ ədəbiyyat taraması aparmışdır. Web of Science, Scopus və ScienceDirect verilənlər bazalarından istifadə edilmiş; axtarış terminləri bir neçə mərhələdə inkişaf etdirilmiş və 2021–2025 dövründəki hakemli çalışmalar daxil edilmişdir. Yekun inceleme 95 yayını əhatə etmiş, ədəbiyyatdakı konseptual yaxınlıqlar ayrıca VOSviewer 1.6.20 ilə açar söz birgə-görünmə xəritəsi üzərindən qiymətləndirilmişdir.

Tədqiqatın əsas nəticəsi üçlü bir quruluş göstərir. Birinci araşdırma axını dashboard-lar, KPI-lar, avtomatlaşdırma və proqnozlaşdırıcı modellər üzərindən inkişaf edən kəmiyyət əsaslı qərar dəstəyidir. İkinci axın xüsusilə mühasibatlıq, korporativ açıqlamalar, davamlılıq və risk kommunikasiyasında inkişaf edən narrativ hesabatvermədir. Üçüncü və hələ daha məhdud axın isə izah edilə bilən süni intellekt, təbii dil emalı və maşın tərəfindən yaradılan hesabatları narrativ izahla birləşdirməyə çalışan araşdırmalardır.

Tədqiqatçılara görə əsas boşluq odur ki, narrativ hesabatvermə mövcud sistemlərin çoxunda qərar məntiqinin bir hissəsi deyil, analizin sonunda əlavə edilən kommunikasiya və ya təqdimat qatı kimi qiymətləndirilir. Halbuki ekspert təcrübəsi, kontekstual bilik, qeyri-müəyyənliyin izahı və qərarın səbəblərinin ifadəsi yalnız sayısal göstəricilərdən çıxarıla bilməyən məlumatlar təmin edə bilər.

Bu nəticə narrativ AI hesabatlarının qərar keyfiyyətini artırdığının birbaşa eksperimental sübutu deyil. Çalışma yeni bir qərar dəstək sistemi inkişaf etdirməmiş, menecerləri narrativli və narrativesiz hesabat şərtlərində müqayisə etməmiş və qərar dəqiqliyi, güvən, idrak yükü və ya qərar müddəti kimi nəticələri ölçməmişdir. Bulgular ədəbiyyatın quruluşuna və araşdırma boşluqlarına dair sintez xarakterindədir.

Türkiyə baxımından: Çalışma Türkiyədəki şirkətlərdən və ya menecerlərdən məlumat toplamamışdır. Bununla birlikdə Türkcə korporativ hesabatvermə, qərar dəstək sistemləri və ya AI əsaslı idarəetmə alətləri hazırlanarkən yalnız KPI istehsal etmək əvəzinə nəticələrin kontekstini, qeyri-müəyyənliyini və ekspert bilgisini çatdıra bilən narrativ qatlarının araşdırılması mənalı bir araşdırma istiqaməti ola bilər. Ancaq Türkcə təbii dil emalı performansı, qurumların hesabatvermə mədəniyyəti, sektor fərqləri, idarəetmə iyerarxiyası və istifadə edilən məlumat infrastrukturları yerli şəkildə sınanmadan çalışmanın təklifləri Türkiyə üçün doğrulanmış performans nəticəsi kimi qəbul edilə bilməz.

Qərarvermədə yalnız məlumat niyə yetərli olmaya bilər?

Tədqiqatın çıxış nöqtəsi odur ki, müasir təşkilatlar çox böyük miqdarda məlumat istehsal etsə də, menecerlər qərar verərkən yalnız xam məlumatlara ehtiyac duymur. Bir göstərici dəyərinin niyə yüksəldiyi, ortaya çıxan dəyişikliyin keçici, yoxsa struktur xarakterli olduğu, hansı əməliyyat şərtlərinin nəticəyə təsir etdiyi və ya təcrübəli işçilərin mövzu barədə bildiyi, lakin verilənlər bazasında olmayan ayrıntılar qərar baxımından önəm daşıya bilər.

Ənənəvi qərar dəstək sistemləri bu problemi çox vaxt məlumatların birləşdirilməsi, hesablanması və vizuallaşdırılması yolu ilə həll etməyə çalışır. Çalışmada incələnən ədəbiyyata görə bu sistemlər ümumiyyətlə:

• göstərici panelləri,
• əsas performans göstəriciləri,
• sayısal xülasələr,
• proqnoz modelləri,
• avtomatik analizlər

istehsal edir.

Tədqiqatçılar bunun önəmli, lakin təkbaşına natamam ola biləcəyini müdafiə edirlər. Qərar verən şəxs “satış %8 düşdü” məlumatı ilə yanaşı enişin hansı kontekstdə baş verdiyini, hansı faktorların birlikdə qiymətləndirildiyini və ekspertlərin nəticəni necə şərh etdiyini də bilmək istəyə bilər.

Örtük bilik nədir və niyə önəmlidir?

Çalışmanın tez-tez vurğuladığı anlayışlardan biri tacit knowledge, yəni örtük bilikdir. Bu anlayış insanın təcrübə ilə inkişaf etdirdiyi, lakin hər zaman cədvələ, məlumat sahəsinə və ya açıq qaydaya asanlıqla çevrilə bilməyən kontekstual ekspertliyi ifadə edir.

Məsələn, təcrübəli istehsal meneceri müəyyən bir KPI dəyişiminin qeyri-adi olub-olmadığını yalnız sayısal hədlərdən deyil, keçmiş hadisələrdən, iş proseslərindən və təşkilat daxilindəki münasibətlərdən çıxış edərək qiymətləndirə bilər. Problem bu bilginin idarəetmə iyerarxiyasının yuxarı səviyyələrinə ötürülərkən qısa hesabatlar və qrafiklər içində itə bilməsidir.

Çalışmanın təklif etdiyi araşdırma istiqaməti AI dəstəkli qərar dəstək sistemlərinin məlumat analizini insan ekspertliyinin kontekstual narrativi ilə bir araya gətirə bilməsidir.

Narrativ hesabatvermə nə deməkdir?

Narrativ hesabatvermə yalnız bir cədvəli uzun cümlələrə çevirmək deyil. İncelənən ədəbiyyatda narrativ; sayısal bulguları kontekstə yerləşdirmək, əlaqələri izah etmək, qeyri-müəyyənlikləri ifadə etmək, mühüm hadisələri prioritetləşdirmək və oxucunun məlumatı mənalandırmasına kömək etmək funksiyaları ilə ele alınır.

Xüsusilə mühasibatlıq, illik hesabatlar, davamlılıq açıqlamaları və risk kommunikasiyası sahələrində mətn əsaslı narrativlərin uzun müddətdir istifadə edildiyi görülür.

Çalışmada ayrıca Narrative Disclosure Tone anlayışına diqqət çəkilir. Bir hesabatın müsbət, mənfi, ehtiyatlı və ya güvən verən biçimdə yazılması, eyni əsas məlumat qorunsa belə, oxucunun mesajı qavrama biçiminə təsir edə bilər.

Bu səbəbdən narrativ hesabatvermə yalnız məzmun miqdarı deyil, dilin istifadəsi, ton, qeyri-müəyyənliyin izahı və kontekst seçimi ilə də əlaqəlidir.

Narrativ qərar dəstək sistemlərində bu gün harada dayanır?

İncelənən ədəbiyyata görə narrativ çox vaxt qərar dəstək prosesinin sonunda yerləşir. Sistem əvvəlcə məlumatı analiz edir, proqnozu və ya KPI-ı yaradır və sonra nəticə mətn və ya hesabat içində təqdim olunur.

Tədqiqatçıların diqqət çəkdiyi araşdırma boşluğu tam da buradadır: Narrativ analitik prosesin özünün bir hissəsi ola bilərmi?

Bu yanaşmada narrativ yalnız “nəticəni gözəl anlatmaq” üçün istifadə olunmayacaq. Məsələn, sistem:

• hansı məlumat nöqtələrinin qərar baxımından mühüm olduğunu izah edə bilər,
• nəticənin hansı şərtlər altında keçərli olduğunu göstərə bilər,
• qeyri-müəyyənlikləri anlaşıqlı şəkildə ifadə edə bilər,
• ekspert şərhini sayısal analizlə əlaqələndirə bilər,
• fərqli idarəetmə səviyyələrinə görə fərqli açıqlama dərinlikləri yarada bilər.

Ancaq bunlar çalışmada həyata keçirilmiş bir proqram arxitekturasının ölçülmüş xüsusiyyətləri deyil; tədqiqatçıların ədəbiyyat boşluğundan çıxardıqları gələcək araşdırma istiqamətləridir.

Biznes analitikasının mövcud rolu nədir?

Biznes analitikası çalışmanın incələdiyi ədəbiyyatda çox vaxt məlumatı qərar verilə bilən hala gətirən texnoloji və analitik infrastruktur kimi görülür. Böyük məlumat analitikası, mətn analizi və digər analitik üsullar korporativ bilgiden örüntü və içgörü çıxara bilər.

Bununla birlikdə çalışmanın sintezinə görə biznes analitikasının ağırlığı daha çox məlumatı hazırlamaq və analiz etmək üzərindədir; nəticələrin insan tərəfindən necə şərh ediləcəyi mövzusu daha az mərkəzi mövqedədir.

Qərar Dəstək Sistemi nə edir?

Qərar Dəstək Sistemi (Decision Support System, DSS), fərqli məlumat mənbələrini bir araya gətirərək menecerə qərarvermədə istifadə edilə biləcək strukturlaşdırılmış bilgi təqdim edən sistemlər üçün istifadə olunan ümumi anlayışdır.

Çalışmada incələnən DSS ədəbiyyatında sürət, tutarlılıq, vizuallaşdırma, KPI izləmə və strateji planlama dəstəyi ön plana çıxır. Lakin sistemlərin çıxışları böyük ölçüdə strukturlaşdırılmış və vizual biçimdədir.

Tədqiqatçılar baxımından buradakı əskik halqa, məlumatın texniki olaraq doğru təqdim edilməsi ilə qərar verənin məlumatı kontekst içində anlamasının eyni şey olmamasıdır.

Maşın öyrənməsi bu quruluşa nə əlavə edir?

Maşın öyrənməsi böyük miqdarda strukturlaşdırılmış və strukturlaşdırılmamış məlumatın işlənməsi, örüntülərin tapılması, proqnoz hazırlanması və bəzi hesabatvermə işlərinin avtomatlaşdırılması baxımından ədəbiyyatda güclü şəkildə təmsil olunur.

Çalışmada incələnən araşdırmalar maşın öyrənməsinin:

• mətnlərdən bilgi çıxarmaqda,
• avtomatik hesabat istehsalında,
• duyğu və ton analizində,
• proqnoz yaratmaqda,
• strukturlaşdırılmamış məlumatı analiz etməkdə

istifadə edilə bildiyini göstərir.

Bununla birlikdə texniki irəliləyiş narrativ və kontekstual qərar dəstəyinin eyni sürətlə yetkinləşdiyi anlamına gəlmir. Tədqiqatçıların əsas yorumu sahənin texniki olaraq yorumlama ölçüsündən daha sürətli inkişaf etdiyi yönündədir.

95 yayın hansı üç araşdırma axınını ortaya çıxardı?

Çalışmanın yekun 95 yayınlıq incələməsi üç böyük araşdırma axınına işarə edir.

Tədqiqatçıların əsas nəticəsi üçüncü axının hələ ilk iki sahəni tam birləşdirəcək yetkinliyə çatmadığıdır.

VOSviewer xəritəsi nə göstərir?

Çalışmanın Şəkil 2-sində 2021–2025 dövründəki seçili yayınların açar söz birgə-görünmə şəbəkəsi vizuallaşdırılır. Düyün ölçüsü bir açar sözün görünmə tezliyi ilə, bağlantılar isə terminlərin eyni yayınlarda birlikdə bulunması ilə ilişkiləndirilmişdir.

Vizualda machine learning böyük və sıx bağlı mərkəzi terminlərdən biri kimi görünərkən; textual analysis, text mining, narrative reporting, narrative disclosures, natural language processing, forecasting və financial performance kimi anlayışlar şəbəkənin fərqli bölmələrində yer alır.

Bu quruluş məqalənin əsas nəticəsi ilə uyğundur: maşın öyrənməsi və mətn analitikası güclü şəkildə inkişaf etmişkən narrativ hesabatvermə bağlantıları daha parçalı bir görünüş sərgiləyir.

Vizual oxuma qeydi: Şəkil 2-nin lejantında açıq şəkildə 2021–2025 rəng skalası vardır. Buna baxmayaraq mətn rəngləri “kümələr” kimi izah edir. Bu səbəbdən Verianla qiymətləndirməsində rənglərin nəyi təmsil etdiyi barədə mənbədəki iki fərqli göstərimdən biri seçilib qəti həqiqət kimi təqdim edilməmişdir.

Tədqiqatçıların müəyyən etdiyi üç əsas boşluq

Birinci boşluq konseptualdır. Narrativ hesabatvermə ağıllı qərar dəstəyinin analitik hissəsi olmaq əvəzinə çox vaxt nəticələrin kommunikasiyası kimi modelləşdirilir.

İkinci boşluq metodoloji xarakter daşıyır. Narrativ açıqlama, mətn analizi, məlumat vizuallaşdırması və maşın öyrənməsi çox vaxt ayrı-ayrı araşdırılır; inteqrasiya olunmuş narrativ dəstəkli DSS mühitlərini birbaşa eksperimental olaraq sınayan araşdırmalar məhdud qalır.

Üçüncü boşluq tətbiq və dizaynla bağlıdır. Örtük ekspert biliyinin, kontekstual mühakimənin, qeyri-müəyyənlik açıqlamasının və maşın çıxışlarının real qurumlarda istifadə edilən hesabatvermə arxitekturalarına necə birlikdə yerləşdiriləcəyi mövzusunda yetərli dizayn bələdçisi yoxdur.

Gələcəkdə hansı eksperimentlər aparılmalıdır?

Çalışmaya görə sonrakı araşdırmaların yalnız yeni narrativ istehsal edən AI modeli hazırlaması yetərli deyil. Narrativin qərarverməyə həqiqətən töhfə verib-vermədiyi də sınanmalıdır.

Təklif olunan ölçmə sahələri arasında:

• anlaşıqlılıq,
• fəaliyyətə çevrilə bilmə,
• idrak yükü,
• istifadəçi güvəni,
• qərar tutarlılığı,
• fərqli idarəetmə səviyyələri arasındakı kommunikasiya effektivliyi

yer alır.

Tədqiqatçılar ayrıca dashboard ağırlıqlı sistemlərlə narrativ dəstəkli sistemlərin müqayisə edildiyi empirik çalışmaların qərar keyfiyyəti, güvən və strateji uyğunluq üzərindəki təsirlərini sınaya biləcəyini bildirirlər.

Çalışmanın dəstəklədiyi nəticələr

• İncelənən ədəbiyyat biznes analitikası, DSS və maşın öyrənməsində dashboard, avtomatlaşdırma və proqnoz əsaslı modellərə güclü şəkildə fokuslanır.
• Narrativ hesabatvermə ədəbiyyatı xüsusilə mühasibatlıq, korporativ açıqlamalar, davamlılıq və risk kommunikasiyası sahələrində inkişaf etmişdir.
• Narrativlərin yorumlama, güvən, risk qavrayışı və bəzi proqnoz prosesləri ilə əlaqəli ola biləcəyini göstərən çalışmalar vardır.
• AI və narrativ açıqlamanı qərar dəstək sistemi səviyyəsində inteqrasiya edən ədəbiyyat daha məhdud və parçalıdır.
• Çalışma narrativ hesabatverməni gələcək AI dəstəkli qərar sistemləri üçün araşdırılması lazım olan potensial analitik qat kimi müəyyənləşdirir.

Çalışmanın kanıtlamadığı nəticələr

• Narrativ hesabatların dashboard-lardan kesin olaraq daha yaxşı qərarlar yaratdığı göstərilməmişdir.
• Yeni AI dəstəkli qərar dəstək sistemi hazırlanıb real müəssisədə test edilməmişdir.
• Narrativ açıqlamanın qərar dəqiqliyini müəyyən bir faiz artırdığına dair nəticə yoxdur.
• Böyük dil modellərinin ekspert insan mühakiməsinin yerini ala biləcəyi göstərilməmişdir.
• AI tərəfindən yaradılan narrativin hər durumda tərəfsiz, doğru və ya etibarlı olduğu nəticəsinə gəlinməmişdir.
• Müəyyən edilən araşdırma boşluğunun bütün sektorlarda və ölkələrdə eyni böyüklükdə olduğu test edilməmişdir.

Tədqiqatın Metodu və Nəticələri

Araşdırma dizaynı

Tədqiqat transdisiplinar, ədəbiyyat əsaslı bir icmal və bibliyometrik dəstəkli tematik analizdir. Tədqiqatçılar Mueller-Bloch və Kranzın keyfiyyət yönümlü ədəbiyyat incələmələrində araşdırma boşluqlarını müəyyən etməyə yönəlmiş yanaşmasından faydalanmışdır.

Yöntem xətti və tək səfərlik bir axtarış əvəzinə, nəticələrə görə axtarış terminlərinin yenidən tənzimləndiyi iterativ proses kimi hazırlanmışdır.

İlk axtarış terminləri

Başlanğıc mərhələsində araşdırma sahəsinin sərhədləri hələ kesin olmadığı üçün geniş terminlər istifadə edilmişdir. Mənbədə verilən örnəklər bunlardır:

• Business Reporting,
• Decision Support System,
• Machine Learning,
• Case-Based Reasoning,
• Narrative.

Bu axtarışların çox geniş və qismən əlaqəsiz yayınlar gətirməsi üzərinə axtarış strategiyası yenidən tənzimlənmişdir.

İkinci mərhələdəki sorğu kombinasiyaları

Çalışmada üç örnək inkişaf etmiş sorğu açıq şəkildə verilir:

• Decision Support System AND Summary AND Case-Based reasoning OR Machine Learning AND Narrative
• Statement AND Decision Support System OR Machine Learning AND Narrative AND Business Analysis
• Report AND Machine Learning AND Business Analysis AND Narrative

Tədqiqatçılar bu mərhələdə xüsusilə NLP, avtomatik iş hesabatverməsi və kognitiv qərar dəstək sistemləri ilə daha birbaşa əlaqəli yayınlara çatmışdır.

Yekun dörd anlayış

İterativ axtarış prosesinin sonunda çalışma sahəsi dörd əsas anlayışla sərhədləndirilmişdir:

Daxil edilmə kriteriyaları

Çalışmaya görə yekun seçimdə:

• 2021–2025 arasında yayımlanan,
• hakemli jurnal məqaləsi olan,
• Web of Science, Scopus və ya ScienceDirect-də bulunan,
• biznes analitikası, DSS, maşın öyrənməsi və ya narrativ hesabatvermə ilə təşkilati qərarvermə arasında açıq əlaqə göstərən

yayınlar daxil edilmişdir.

Dışlama kriteriyaları

Əlaqəsiz çalışmalar, təkrar qeydlər, hakemli olmayan yayınlar və iş hesabatverməsi kontekstindən qopuq yalnız texniki çalışmalar xaric edilmişdir.

Tarama mərhələləri

Tədqiqatçılar seçim prosesini:

1. təkrar qeydlərin çıxarılması,
2. başlıq və açar söz taraması,
3. xülasə incələməsi,
4. tam mətn qiymətləndirməsi

şəklində açıqlayır.

Bununla birlikdə hər mərhələdə neçə qeyd olduğu və neçəsinin elendiyi mənbədə nicel bir axış diaqramı ilə raporlanmır.

Bibliyometrik analiz

VOSviewer 1.6.20 seçilən yayınlardakı açar sözlərin birlikdə görünmə əlaqəsini qiymətləndirmək üçün istifadə edilmişdir.

Çalışmanın açıqlamasına görə:

• düyünlər açar sözləri,
• düyün ölçüsü terminlərin görünmə tezliyini,
• bağlantılar iki termin eyni yayınlarda birlikdə olduqda yaranan əlaqəni,
• bağlantı gücü isə birlikdə görünmə tezliyini

təmsil edir.

Şəkil 2-dəki rəng göstəriminin açıqlamasında isə mənbə içi tutarsızlıq vardır; mətn “kümələrdən” söz edərkən görsel lejantı 2021–2025 tarix skalası göstərir.

Əsas nəticələr

Metodoloji məhdudiyyətlər

Çalışmanın öz məhdudiyyət bəyanına görə verilənlər bazası kapsamı əsasən Web of Science, Scopus və ScienceDirect ilə sərhədləndirilmiş; ayrıca az sayda əvvəlcədən bilinən əlaqəli yayına müraciət edilmişdir. Buna görə elmi ədəbiyyatın hamısını əhatə etdiyi irəli sürülmür.

İkinci mühüm sərhəd sahənin öz quruluşundakı balanssızlıqdır. Nicel analitik və məlumat vizuallaşdırmasına dair yayın sayı narrativ əsaslı və kognitiv qərar dəstəyi araşdırmalarından daha yüksəkdir.

Üçüncü olaraq araşdırma yekunda 95 yayını incələdiyini bildirsə də, başlanğıc axtarışlarındakı toplam qeyd sayları və taramanın hər mərhələsindəki dışlama sayları ayrıntılı şəkildə təqdim edilmir. Bu durum axtarış prosesinin müstəqil olaraq tam yenidən qurulmasını çətinləşdirir.

Dördüncü olaraq, çalışmaların “metodoloji keyfiyyət” baxımından qiymətləndirildiyi bildirilsə də, mənbədə standartlaşdırılmış qiymətləndirmə formu, risk-of-bias aracı və ya çalışma bazında keyfiyyət skorları verilmir.

Bu səbəblərlə çalışma strukturlaşdırılmış və bibliyometrik dəstəkli ədəbiyyat sintezi təqdim edir; ancaq nəticələri meta-analiz və ya eksperimental nedensellik sübutu kimi şərh edilməməlidir.

Mənbə və Metod Qeydi

Tam özgün çalışma adı: Decisions Beyond Data: Narrative Reporting Practices in Decision-Making

Müəlliflər: Tamás Zelles; Bernadett Domokos; Sándor Remsei.

Müəllif sıralaması: Mənbədə verilən sıra aynən qorunmuşdur.

Sorumlu müəllif: Tamás Zelles.

Kurumsal bağlantılar: Doctoral School of Regional and Business Administration Sciences, Széchenyi István University, Győr, Hungary; Kautz Gyula Faculty of Business and Economics, Széchenyi István University, Győr, Hungary.

Mənbə növü və hakemlik: Administrative Sciences jurnalında yayımlanmış hakemli, transdisiplinar ədəbiyyat incələməsi və bibliyometrik xəritələmə çalışmasıdır. Çalışma yeni eksperimental məlumat istehsal etmir.

Jurnal: Administrative Sciences

Cild / sayı / məqalə nömrəsi: 16 / 4 / 181

Yayın ili: 2026

Alınma tarixi: 8 fevral 2026

Revizyon tarixi: 29 mart 2026

Qəbul tarixi: 3 aprel 2026

Yayın tarixi: 9 aprel 2026

DOI: 10.3390/admsci16040181

Yayınevi: MDPI, Basel, Switzerland.

Rəsmi mənbə bağlantısı:Administrative Sciences / MDPI rəsmi məqalə səhifəsi

Lisenziya: Creative Commons Attribution 4.0 International (CC BY 4.0).

Finansman: Məqalədə yayın işlem ücretinin Széchenyi István University'nin yayın dəstək proqramı tərəfindən qarşılandığı bildirilmişdir.

Etik kurul: Tətbiq edilə bilməz.

Bilgilendirilmiş onam: Tətbiq edilə bilməz.

Məlumat erişilebilirliği: Çalışmanın analiz materialı akademik verilənlər bazalarından alınan yayımlanmış məqalələrdən ibarətdir. Yeni özgün veri seti oluşturulmamıştır.

Çıkar çatışması: Müəlliflər çıkar çatışması bulunmadığını bildirmiştir.

Müəllif töhfələri: Konseptuallaşdırma Tamás Zelles və Bernadett Domokos; yöntem Tamás Zelles; formal analiz Bernadett Domokos; araşdırma Tamás Zelles; özgün taslak və inceleme/düzenleme Tamás Zelles; görselleştirme Tamás Zelles; danışmanlık Sándor Remsei tərəfindən gerçekleştirilmiştir.

İncelənən ədəbiyyat dövrü: 2021–2025.

Yekun incələmə kümesi: 95 yayın.

Əsas verilənlər bazaları: Web of Science, Scopus və ScienceDirect.

Bibliyometrik araç: VOSviewer 1.6.20.

Əsas araşdırma sahələri: Business Analytics, Decision Support Systems, Narrative Reporting və Machine Learning.

Ana metodoloji sərhəd: Çalışma bir ədəbiyyat sintezidir; narrativ dəstəkli AI qərar sisteminin real istifadəçilər üzərindəki təsirini eksperimental olaraq test etmir. Məqalə seçim prosesi çox mərhələli şəkildə açıqlansa da ilkin sorğulardan yekun 95 yayına qədər mərhələ bazında qeyd sayları təqdim edilmədiyi üçün tam yenidən istehsal edilə bilmə məhduddur.

Mənbə içi görsel notu: VOSviewer Şəkil 2-də rəng lejantı 2021–2025 zaman skalası göstərərkən, mətn fərqli rəngləri tematik kümələr kimi tanımlamaktadır. Bu Verianla məzmununda sözügedən fərq giderilmiş bir veriymiş kimi yeniden yorumlanmamış; görsel və mətn arasındakı tutarsızlık açıkça bildirilmişdir.

Bu Verianla məzmunundakı elmi nəticələr, yöntem ayrıntıları, araşdırma boşluqları və məhdudiyyətlər yalnız incələnən çalışmaya dayanır. Dış kaynak yalnız bibliyografik kimliği və derginin yayın/hakemlik durumunu doğrulamak amacıyla istifadə edilmişdir.