Bu çalışma, Endüstri 5.0 ile ilişkili dijital çalışma ortamlarında çalışan iyi oluşu, iş tatmini ve örgütsel performans arasındaki dağınık literatürü bütünleştirmeyi amaçlıyor. Araştırmacılar 2015–2025 dönemindeki çalışmaları PRISMA 2020 rehberliğinde taramış, nihai olarak 84 çalışmayı indüktif tematik sentezle incelemiştir. Ana sonuç, yapay zekâ, algoritmik yönetim, cobotlar ve diğer dijital teknolojilerin çalışan deneyimi üzerinde tek yönlü etki göstermediğidir: aynı teknoloji özerklik, anlamlı iş ve bilişsel destek sağlarken teknostres, dijital yorgunluk, algoritmik kontrol ve bilişsel aşırı yük de yaratabilir. Çalışan iyi oluşu, iş tatmini ve performans arasındaki ilişkiler bu nedenle doğrusal ve evrensel değil; bağlama ve teknolojinin nasıl tasarlanıp yönetildiğine bağlıdır. Bu çalışma yeni bir deney, meta-analiz veya nedensel etki tahmini sunmadığından sonuçlar, literatürün yorumlayıcı sentezi olarak değerlendirilmelidir.

Derlemenin en dikkat çekici bulgularından biri, yüksek performans ile düşük çalışan iyi oluşunun aynı anda bulunabilmesidir. Kısa vadede artan çaba, algoritmik yönlendirme, dışsal teşvikler veya bilişsel destek üretkenliği koruyabilir; ancak aynı ortamda yorgunluk, tatminsizlik veya teknostres gelişebilir. Bu nedenle yalnız çıktı veya verimlilik metriğine bakmak, Endüstri 5.0 sistemlerinin çalışanlar üzerindeki gerçek etkisini açıklamak için yeterli olmayabilir.

Yazarlar bu karmaşık tabloyu açıklamak için İnsan Merkezli Operasyonel Mükemmellik kavramını (Human-Centric Operational Excellence, HCOE) bütünleştirici bir yorumlama çerçevesi olarak geliştiriyor. HCOE; anlamlı iş tasarımı, etik ve şeffaf teknoloji yönetişimi, çalışan katılımı ve söz hakkı ile dijital yetkinlik geliştirme ilkelerini aynı çatı altında topluyor. Ancak çalışma HCOE'nin performansı nedensel olarak artırdığını test etmiş değildir; HCOE gelecekte ampirik olarak sınanması gereken kavramsal bir çerçevedir.

Endüstri 5.0 burada ne anlama geliyor?

Çalışmada Endüstri 5.0, Endüstri 4.0'ın yalnız otomasyon, teknoloji ve verimlilik merkezli yaklaşımından insan merkezli, sürdürülebilir ve dirençli iş sistemlerine doğru bir yön değişimi olarak ele alınıyor. Yapay zekâ, işbirlikçi robotlar, gerçek zamanlı sensör altyapıları ve bilişsel destek teknolojileri bu çerçevede insan emeğinin otomatik olarak yerine geçmesi gereken araçlar olarak değil, insan kapasitesini destekleyebilecek sosyo-teknik bileşenler olarak değerlendiriliyor.

Bu yaklaşımın merkezindeki soru, “teknoloji ne kadar gelişmiş?” sorusundan çok, “teknoloji çalışanla nasıl ilişki kuruyor ve iş sistemi nasıl tasarlanıyor?” sorusudur. Araştırma bu nedenle teknolojinin teknik performansından çok çalışan deneyiminin nasıl değiştiğini inceleyen literatürü bir araya getiriyor.

Araştırmanın üç temel sorusu nedir?

• RQ1: Endüstri 5.0 literatüründe çalışan iyi oluşu ve iş tatmini nasıl kavramsallaştırılıyor ve çalışmalar arasında hangi kavramsal parçalanmalar bulunuyor?
• RQ2: Çalışan iyi oluşu ve iş tatmini örgütsel performansla nasıl ilişkilendiriliyor ve bu ilişkileri hangi bağlamsal koşullar şekillendiriyor?
• RQ3: İnsan merkezli operasyonel mükemmellik, çalışan iyi oluşu, iş tatmini ve performans arasındaki ilişkileri anlamak için nasıl bir yorumlama çerçevesi sağlayabilir?

Çalışan iyi oluşu tek boyutlu değil

Derleme, çalışan iyi oluşunun yalnız “kendini iyi hissetmek” veya iş stresinin düşük olmasıyla açıklanamayacağını gösteriyor. Literatürde iki klasik yaklaşım özellikle öne çıkıyor. Hedonik iyi oluş, olumlu duygu, memnuniyet ve düşük zorlanmaya odaklanırken eudaimonik iyi oluş anlamlı iş, kişisel gelişim, amaç ve kişinin potansiyelini gerçekleştirmesiyle ilgilidir.

Endüstri 5.0 bağlamında bu iki boyuta psikolojik, sosyal ve bilişsel deneyimler de ekleniyor. Dijital bir sistem çalışana rol açıklığı, yetkinlik ve özerklik kazandırıyorsa psikolojik iyi oluşu destekleyebilir. Aynı sistem yoğun gözetim, sürekli uyarı, karmaşık ekranlar ve belirsiz algoritmik kararlarla kullanılıyorsa bilişsel yükü ve psikolojik zorlanmayı artırabilir.

İş tatmini ile iş tatminsizliği aynı eksenin iki ucu olmak zorunda mı?

İncelenen literatür, iş tatmini ve tatminsizliğinin her zaman birbirinin tam karşıtı olmayabileceğine dikkat çekiyor. Bir çalışan işinin bazı yönlerinden memnun olurken başka yönlerinden aynı anda rahatsız olabilir. Örneğin yapay zekâ destekli bir sistem işi hızlandırıp rutini azaltabilir; fakat çalışanın kontrol hissini veya karar sürecindeki söz hakkını azaltabilir.

Bu nedenle Endüstri 5.0 ortamındaki çalışan deneyimini yalnız “memnun” ve “memnun değil” şeklinde iki kutba indirmek, teknolojinin yarattığı çelişkili deneyimleri gözden kaçırabilir.

Anlamlı iş neden merkezi bir konu?

Derlemede anlamlı iş, çalışan iyi oluşunun özellikle eudaimonik boyutuyla ilişkilendiriliyor. Teknoloji insanın yeteneğini genişletiyor, beceri geliştirmesini sağlıyor ve çalışanı daha yüksek düzeyli problemlere yönlendiriyorsa işin anlamı ve kişisel gelişim algısı güçlenebilir.

Buna karşılık teknolojinin yalnız üretimi hızlandırmak, çalışanı sürekli izlemek veya rolünü daraltmak amacıyla kullanılması anlamlılık hissini azaltabilir. Dolayısıyla aynı otomasyon veya yapay zekâ teknolojisinin çalışan deneyimi üzerindeki sonucu, teknolojinin varlığından çok nasıl uygulandığına bağlıdır.

Teknostres ve dijital yorgunluk nasıl ortaya çıkıyor?

Literatürde teknostres; teknoloji kaynaklı aşırı iş yükü, sürekli erişilebilir olma baskısı, teknolojik karmaşıklık ve sistemlerin sürekli öğrenilmesi gereksinimiyle ilişkilendiriliyor. Bu koşullar duygusal tükenme, stres ve psikolojik iyi oluşta gerilemeyle birlikte görülebiliyor.

Dijital yorgunluk ise uzun süreli ekran kullanımı, yoğun bildirim akışı, karmaşık arayüzler, sürekli dijital etkileşim ve algoritmik izleme gibi koşullar altında biriken bilişsel tükenmeyi ifade ediyor. Özellikle veri yoğun ve cobot destekli işlerde çalışanların aynı anda sistemi izlemek, görevlerini yürütmek ve dijital uyarıları yorumlamak zorunda kalması zihinsel yükü artırabilir.

Derlemeye göre düşük dijital okuryazarlık, algoritmik kararların belirsizliği, yetersiz dinlenme imkânı ve zayıf örgütsel destek zorlanmayı artıran koşullar arasındadır. Şeffaf sistem tasarımı, uyarlanabilir arayüzler ve sürekli yetkinlik geliştirme ise bu yükü azaltabilecek uygulamalar olarak literatürde öne çıkmaktadır.

Özerklik–kontrol paradoksu nedir?

Algoritmik yönetim, çalışanlara bazı konularda daha fazla serbestlik verirken başka konularda kontrolü merkezileştirebilir. Derlemenin incelediği çalışmalarda çevrimiçi platform çalışanlarının işin nasıl yapılacağı konusunda belirli özgürlüklere sahip olabildiği; ancak algoritmik puanlama, görev seçimi, fiyat bilgisi veya performans kriterleri konusunda sınırlı kontrole sahip olabildiği görülüyor.

Bu durum “özerklik–kontrol paradoksu” olarak ele alınıyor. Çalışan günlük görevin uygulanmasında taktiksel serbestliğe sahip olabilirken görev tanımı, performans standardı veya algoritmik karar mekanizması üzerinde stratejik söz hakkını kaybedebilir.

Literatürün sentezi, çalışan katılımı, algoritmik şeffaflık, açıklanabilir yapay zekâ ve çalışan söz hakkının bulunduğu ortamlarda teknolojinin daha destekleyici algılanabildiğini; tepeden inme ve opak uygulamalarda ise direnç ve kontrol kaybı algısının daha güçlü olabildiğini gösteriyor.

İnsan–cobot işbirliğinin paradoksu nedir?

İşbirlikçi robotlar yani cobotlar ağır, tekrarlayıcı veya fiziksel açıdan zorlayıcı görevleri üstlenerek insanın daha yaratıcı ve karmaşık işlere yönelmesini sağlayabilir. Böyle bir iş bölümü görev çeşitliliğini, beceri kullanımını ve işin anlamını geliştirebilir.

Ancak aşırı otomasyon veya insanın bilişsel görevlerinin de sistematik biçimde robota aktarılması, beceri kaybı, profesyonel gelişimin zayıflaması ve işin geleceğine ilişkin güvensizlik yaratabilir. Derleme bu nedenle insan–robot işbirliğini otomatik olarak çalışan lehine bir gelişme olarak değerlendirmiyor.

Yüksek performans her zaman yüksek iyi oluş anlamına gelmiyor

Çalışmanın en önemli sentezlerinden biri, performans ile çalışan iyi oluşu arasındaki ilişkinin doğrusal olmamasıdır. Çalışan iyi oluşu ve tatmini yaratıcılık, psikolojik direnç, öğrenme ve sürdürülebilir üretkenlikle olumlu ilişkiler gösterebilir. Buna rağmen yüksek performans bazı ortamlarda yoğun iş yükü, dışsal teşvikler, algoritmik yönlendirme veya sürekli yüksek çaba sayesinde çalışan zorlanmasıyla birlikte devam edebilir.

Bu nedenle kısa dönemli üretkenlik artışı tek başına sürdürülebilir örgütsel performans göstergesi olarak görülmemelidir. Derlemenin yorumuna göre çalışanların tükenme, dijital yorgunluk veya tatminsizlik sinyalleri aynı anda izlenmediğinde yüksek çıktı, sistemde biriken insan maliyetlerini gizleyebilir.

İnsan Merkezli Operasyonel Mükemmellik nedir?

Yazarların geliştirdiği İnsan Merkezli Operasyonel Mükemmellik yaklaşımı, operasyonel verimlilik ile insan gereksinimlerini aynı tasarım problemi içinde değerlendiren bir yönetim felsefesi olarak sunuluyor. HCOE, klasik operasyonel mükemmellik anlayışındaki süreç ve maliyet optimizasyonunun yanına çalışan özerkliği, etik teknoloji kullanımı, anlamlı iş ve katılımı ekliyor.

Derlemenin oluşturduğu HCOE çerçevesi dört temel boyut içeriyor:

1. Anlamlı iş tasarımı ve job crafting: çalışanların görev ve rollerini amaç, özerklik ve beceri gelişimini destekleyecek biçimde şekillendirebilmesi.
2. Etik ve şeffaf teknoloji yönetişimi: algoritmik kararların açıklanabilirliği, veri koruması, hesap verebilirlik ve gözetim sınırları.
3. Çalışan sesi, katılımı ve ortak tasarım: çalışanların teknolojinin seçimi, tasarımı ve uygulanmasında söz sahibi olması.
4. Dijital okuryazarlık ve yetkinlik geliştirme: yeniden beceri kazanma, sürekli eğitim ve gelişmiş teknolojilerle uyumlu çalışma kapasitesinin geliştirilmesi.

HCOE için hangi araştırma önermeleri geliştirildi?

Çalışma HCOE'yi henüz doğrulanmış bir nedensel model olarak sunmuyor. Bunun yerine gelecekte test edilmek üzere dört kavramsal önerme geliştiriyor:

• HCOE düzeyi yükseldikçe teknostres ile çalışan iyi oluşu arasındaki negatif ilişkinin zayıflaması beklenmektedir.
• HCOE, anlamlı iş tasarımının yaratıcılık ve direnç gibi bireysel performans sonuçlarıyla ilişkisini şekillendirebilir.
• HCOE'nin yüksek olduğu örgütlerde yüksek performans ile düşük çalışan iyi oluşunun aynı anda görülmesi daha az yaygın olabilir.
• Etik yönetişim ve çalışan katılımı, algoritmik yönetim altında özerklik–kontrol paradoksunun nasıl deneyimlendiğini etkileyebilir.

Bunlar çalışmanın ampirik olarak kanıtladığı sonuçlar değil, literatür sentezinden türetilen ve gelecek araştırmalar için önerilen hipotez benzeri kavramsal önermelerdir.

Çalışmanın desteklediği sonuçlar

• Endüstri 5.0 literatüründe çalışan iyi oluşu çok boyutlu ve bağlama bağlı biçimde ele alınmaktadır.
• Dijital teknolojiler aynı anda hem çalışan kapasitesini destekleyebilir hem de yeni zorlanma kaynakları yaratabilir.
• Teknostres, bilişsel yük, algoritmik kontrol ve iş güvencesi kaygıları literatürde tekrarlanan sorunlardır.
• Anlamlı iş, çalışan katılımı, şeffaflık ve dijital yetkinlik insan merkezli uygulamalarda öne çıkan koşullardır.
• İyi oluş, iş tatmini ve performans arasındaki ilişkiler her bağlamda doğrusal değildir.
• Yüksek örgütsel performans bazı koşullarda çalışan zorlanmasıyla aynı anda görülebilir.

Çalışmanın kanıtlamadığı veya test etmediği sonuçlar

• HCOE'nin işletme performansını belirli bir yüzdeyle artırdığını göstermemektedir.
• Yapay zekânın veya cobotların çalışanları mutlaka daha mutlu ya da daha mutsuz yaptığını kanıtlamamaktadır.
• Teknostres ile şirket performansı için tek ve evrensel bir etki büyüklüğü hesaplamamaktadır.
• Belirli bir algoritmik yönetim platformunun diğerlerinden daha güvenli veya etik olduğunu test etmemektedir.
• Yüksek çalışan iyi oluşunun bütün sektörlerde otomatik olarak yüksek kârlılık oluşturduğunu göstermemektedir.
• HCOE çerçevesini yeni firma veya çalışan verileri üzerinde ampirik olarak doğrulamamaktadır.

Türkiye açısından nasıl okunmalı?

Derlemede Türkiye'ye özgü ayrı bir çalışan veya işletme örneklemi bulunmuyor. İncelenen literatürün %56'sı Avrupa, %26'sı Asya, %11'i Kuzey Amerika ve %7'si çok bölgeli çalışmalardan oluşuyor. Dolayısıyla sonuçların Türkiye'deki fabrikalara, hizmet işletmelerine veya kamu kurumlarına doğrudan uygulanması için yerel doğrulama gerekir.

Bununla birlikte çalışma Türkiye'deki sanayi kuruluşları açısından önemli araştırma soruları ortaya koyuyor: Yapay zekâ ve cobot entegrasyonu çalışanların gerçek özerkliğini nasıl değiştiriyor? Algoritmik performans takibi ne kadar şeffaf? Dijitalleşme kısa dönem üretkenliğini artırırken uzun dönem zihinsel yükü yükseltiyor mu? Çalışanların teknoloji seçim ve uygulama süreçlerinde söz hakkı bulunuyor mu? Bu sorular Türkiye bağlamında firma ve çalışan verileriyle ayrıca test edilmelidir.

Çalışmanın Yöntemi ve Bulguları

Derleme tasarımı

Araştırma klasik meta-analiz yerine bütünleştirici literatür derlemesi kullanıyor. Bunun nedeni, Endüstri 5.0 literatüründeki yöntemlerin, kavramların ve araştırma tasarımlarının birbirinden oldukça farklı olmasıdır. Yazarlar nicel etki büyüklüklerini birleştirmek yerine çalışmalar arasındaki ortak örüntüleri, çelişkileri ve kavramsal ilişkileri yorumlayıcı biçimde sentezlemeyi amaçlamıştır.

Çalışmada PRISMA 2020, analiz yöntemi olarak değil, literatürün bulunması, elenmesi ve raporlanmasının şeffaflaştırılması için kullanılan seçim ve raporlama rehberi olarak konumlandırılmıştır.

Veri tabanları ve arama stratejisi

Ana aramanın Ocak–Şubat 2025 döneminde Scopus, Web of Science Core Collection, ScienceDirect ve IEEE Xplore üzerinde yürütüldüğü belirtilmektedir. Google Scholar'ın ileri ve geri atıf takibi amacıyla kullanıldığı ifade edilmektedir. Arama penceresi 2015–2025 olarak belirlenmiştir.

Arama dizgeleri beş kavramsal bloktan oluşturulmuştur:

• Endüstri 5.0 ve teknoloji
• Çalışan iyi oluşu
• İş tatmini/tatminsizliği ve çalışan tutumları
• Performans sonuçları
• İnsan merkezli operasyonel mükemmellik

Arama terimleri arasında “Industry 5.0”, cobot, human-machine collaboration, artificial intelligence, digital transformation, technostress, employee well-being, burnout, job satisfaction, performance, productivity, human-centric, employee participation, ethical technology ve digital literacy gibi kavramlar bulunuyor.

PRISMA seçim süreci

PRISMA diyagramında kaynaklara göre başlangıç kayıtları Web of Science için 642, Scopus için 450, ScienceDirect için 185, IEEE Xplore için 117 ve Google Scholar için 68 olarak gösteriliyor. Toplam 1462 kayıttan 384 mükerrer çıkarılmış, 1078 kayıt başlık ve özet taramasına alınmıştır. Bu aşamada 924 kayıt dışlandıktan sonra 154 tam metin değerlendirilmiş, 70 çalışma daha elenmiş ve nihai örneklem 84 çalışma olarak raporlanmıştır.

Nihai 84 çalışmanın özellikleri

Örneklemin yaklaşık yarısının 2024–2025 yayınlarından oluşması, Endüstri 5.0 alanının oldukça yeni ve hızlı gelişen bir literatüre sahip olduğunu gösteriyor. Aynı zamanda 84 çalışmanın 32'sinin kavramsal/çerçeve çalışması olması, alanın ampirik doğrulama açısından henüz olgunlaşma sürecinde olduğuna işaret ediyor.

Kalite değerlendirmesi ve kodlama

Yöntem bölümünde farklı araştırma tasarımlarını değerlendirebilmek amacıyla Mixed Methods Appraisal Tool (MMAT) kullanıldığı belirtiliyor. Her çalışma tasarımına uygun beş ölçüt üzerinden değerlendirildiği ve %60'ın altında kalanların elendiği yazılıyor.

Veri çıkarımı yapılandırılmış bir şablonla yürütülmüş, kodlama kararlarının ve audit trail kayıtlarının yönetiminde MAXQDA sürüm 24 kullanılmıştır. Analiz açık kodlama, sürekli karşılaştırma, eksenel kodlama ve üst düzey tema haritalama aşamalarından oluşmaktadır.

Ek A'ya göre açık kodlama sonucunda toplam 283 kodlanmış bölüm elde edilmiştir.

En sık görülen tanımlayıcı kodlar

Tablo 3, çalışmalarda en sık görülen kavramları raporluyor. Aynı çalışma birden fazla kod içerebildiği için sayıların toplamı 84'ü aşabilir; bu değerler etki büyüklüğü değil, literatürdeki görünme sıklığıdır.

Ek A'daki 12 ana tema

Bu frekanslar aynı çalışmanın farklı temalarda kodlanabilmesi nedeniyle bağımsız gruplar değildir. Dolayısıyla sayılar toplanarak “toplam çalışma” hesaplanmamalı ve tema sıklığı etki büyüklüğü olarak yorumlanmamalıdır.

Şekil 6'daki bütünleştirici model ne anlatıyor?

Çalışmanın bütünleştirici kavramsal modeli HCOE'yi çalışan iyi oluşu, iş tatmini, iş tatminsizliği ve sürdürülebilir/dirençli örgütsel performans arasında bağlamı şekillendiren bir moderatör ve tampon olarak konumlandırıyor. Modelde çalışan iyi oluşu psikolojik, sosyal ve bilişsel boyutlarıyla ele alınıyor; iyi oluş ile iş tutumları arasında hem olumlu hem paradoksal yollar bulunabileceği gösteriliyor.

Şeklin üzerindeki önemli metodolojik uyarı, okların yalnız literatürde tartışılan kavramsal ilişkileri temsil ettiği ve nedensel ilişki varsayılmadığı yönündedir. Bu nedenle model, yapısal eşitlik modeli veya deneysel olarak doğrulanmış nedensel ağ gibi yorumlanmamalıdır.

Kaynak içindeki metodolojik uyuşmazlıklar

Derleme ciddi ve ayrıntılı bir yöntem çerçevesi sunsa da raporlama içinde birkaç uyuşmazlık bulunmaktadır.

• Yöntem kısmı yalnız hakemli İngilizce dergi makalelerinin tutulduğunu söylerken sonuç kısmı 84 çalışmanın dergi makaleleri ve konferans bildirilerinden oluştuğunu, ayrıca altı gri literatür kaynağıyla desteklendiğini belirtmektedir.
• Google Scholar yöntem metninde yalnız atıf takibi aracı olarak tanımlanırken PRISMA diyagramında Google Scholar'dan 68 kayıt başlangıç havuzuna dahil edilmiştir.
• Kalite değerlendirme bölümünde MMAT'ın kullanıldığı ve %60'ın altında kalan çalışmaların elendiği belirtilirken sınırlılıklar bölümünde standartlaştırılmış MMAT eşiklerinin uygulanmadığı yönünde aksi bir ifade bulunmaktadır.

Bu farklar Verianla tarafından düzeltilmemiştir. Özellikle nihai örneklemin tam bileşimi ve kalite elemesinin uygulanma biçimi yorumlanırken kaynak içindeki bu raporlama belirsizlikleri dikkate alınmalıdır.

Çalışmanın diğer sınırlılıkları

Alan henüz genç: Endüstri 5.0 literatürünün önemli bölümü kavramsal veya kesitsel çalışmalardan oluşuyor. Uzunlamasına ve deneysel kanıt sınırlıdır.

Coğrafi dağılım dengeli değil: İncelenen araştırmaların çoğu Avrupa ve Asya bağlamındadır; farklı kültürel ve ekonomik koşullara genelleme sınırlıdır.

İngilizce ve seçili kaynaklarla sınırlılık: İngilizce olmayan veya kullanılan veri tabanlarında indekslenmeyen çalışmalar dışarıda kalmış olabilir.

Tematik sentez yorumlayıcıdır: Açık kodlama ve tema geliştirme süreci yapılandırılmış olsa da yorumlayıcı sentez araştırmacı değerlendirmesi içerir.

Etki büyüklüğü hesaplanmamıştır: Çalışma meta-analiz olmadığı için teknolojilerin iyi oluş veya performans üzerindeki ortak nicel etkisini tahmin etmez.

2025 yılının kapsamı: Kaynak aramanın Ocak–Şubat 2025'te yapıldığını bildirdiğinden 2025 yılının tamamındaki yayınların kapsandığı varsayılamaz. Bu durum 2015–2025 olarak tanımlanan yayın penceresinin son yılı yorumlanırken dikkate alınmalıdır.

Kaynak ve Yöntem Notu

Tam özgün çalışma adı: Employee Well-Being, Job Satisfaction and Organizational Performance: An Integrative Review Through the Lens of Industry 5.0

Yazarlar: Zahra Amiri; João Carlos O. Matias; Carina O. Pimentel.

Yazar sırası: Zahra Amiri birinci, João Carlos O. Matias ikinci, Carina O. Pimentel üçüncü yazardır.

Eş katkı/eş birinci yazar: Kaynakta eş katkı veya eş birinci yazarlık bildirimi bulunmamaktadır.

Sorumlu yazar: João Carlos O. Matias.

Kurumlar: Zahra Amiri ve João Carlos O. Matias — DEGEIT, Department of Economics, Management, Industrial Engineering and Tourism, University of Aveiro, 3810-193 Aveiro, Portugal. Carina O. Pimentel — DPS, Department of Production and Systems, University of Minho, 4710-057 Braga, Portugal.

Dergi: Administrative Sciences.

Yayınevi: MDPI, Basel, Switzerland.

Cilt / sayı / makale: 16(6), 247.

DOI: 10.3390/admsci16060247

Gönderim tarihi: 16 Mart 2026.

Revizyon tarihi: 27 Nisan 2026.

Kabul tarihi: 14 Mayıs 2026.

Yayın tarihi: 23 Mayıs 2026.

Kaynak türü: Bütünleştirici literatür derlemesi ve indüktif tematik sentez.

Hakemlik durumu: Çalışma hakemli Administrative Sciences dergisinde yayımlanmış bir derleme makalesidir.

Resmî yayın bağlantısı:Resmî DOI sayfası

Lisans: Creative Commons Attribution (CC BY).

Finansman: Çalışma UID/04058 — Research Unit on Governance, Competitiveness and Public Policies ile UID/00319/2025 — Centro ALGORITMI araştırma birimi projesi kapsamında desteklenmiştir.

Etik kurul: Kaynakta “Not applicable” olarak belirtilmiştir.

Bilgilendirilmiş onam: Kaynakta “Not applicable” olarak belirtilmiştir.

Veri erişilebilirliği: Çalışmada yeni ampirik veri oluşturulmadığı; bulguların kaynakçada listelenen daha önce yayımlanmış literatüre dayandığı belirtilmektedir.

Çıkar çatışması: Yazarlar çıkar çatışması olmadığını bildirmiştir.

Yazar katkıları: Kavramsallaştırma, yöntem, yazılım, araştırma, kaynaklar, veri kürasyonu ve görselleştirme Zahra Amiri; doğrulama ve formal analiz João Carlos O. Matias ile Carina O. Pimentel; danışmanlık, proje yönetimi ve finansman edinimi João Carlos O. Matias ile Carina O. Pimentel tarafından gerçekleştirilmiştir. Yazımın ilk taslağı Zahra Amiri'ye, gözden geçirme/düzenleme ise Zahra Amiri ve João Carlos O. Matias'a atfedilmiştir.

Bu Verianla makalesindeki bilimsel içerik yüklenen özgün derlemeye dayanmaktadır. Dış kaynak kullanımı yalnız başlık, DOI, dergi ve yayın kimliğinin bibliyografik doğrulanmasıyla sınırlandırılmış; ana bilimsel anlatıya dışarıdan yeni deneysel bulgu, çalışan verisi, etki büyüklüğü veya nedensel mekanizma eklenmemiştir.

Çalışma yeni deneysel veri üretmemektedir. HCOE, literatür sentezinden geliştirilen yorumlayıcı bir çerçevedir ve bu makalede bağımsız bir çalışan veya şirket veri seti üzerinde ampirik olarak test edilmemiştir. HCOE ile çalışan iyi oluşu veya performans arasındaki ilişkiler bu nedenle doğrulanmış nedensel etkiler olarak yorumlanmamalıdır.

Kaynak içinde nihai örneklemin türü, Google Scholar'ın aramadaki rolü ve MMAT kalite eşiğinin uygulanması konusunda raporlama uyuşmazlıkları bulunmaktadır. Bu tutarsızlıklar bilimsel kaynak sadakati gereği Verianla metninde görünür tutulmuştur.