26509 research outputs found
Sort by
Algorithmic surveillance in the context of freedom and security
No full textDijital teknolojilerin yaygınlaşmasıyla birlikte gözetim ve denetim süreçleri daha geniş bir alana yayılmış yeni tehditler ortaya çıkmıştır. Dijital gözetim süreçleri, bireylerin çevrimiçi faaliyetlerinden büyük miktarda veri toplanması, bu verilerin analiz edilmesi ve belirli amaçlar doğrultusunda kullanılmasına dayanmaktadır. Algoritmaların giderek daha fazla alanı belirlediği dijital çağda, bu teknolojik yapılar aracılığıyla yeni bir tahakküm biçimi oluşmaktadır. Bu bağlamda ‘algoritmik gözetim’, günümüz toplumlarında denetim ve disiplinin yeni aracı olarak değerlendirilmektedir. Algoritmalar, teknik araçlar olmanın ötesine geçerek insanların davranışlarını şekillendiren, tercihlerini etkileyen, karar verme özgürlüklerini sınırlayan ve güvenliklerini tehdit eden bir güç hâline gelmiştir. Algoritmalar, aynı zamanda bireyler üzerinde sosyal, politik ve ekonomik denetim kuran araçlara dönüşmüştür. Bu çalışmada, dijital toplumda insanların nasıl gözetlendiği, verilerinin nasıl toplandığı, baskı ve yönlendirmelere nasıl maruz kaldıkları, özgürlükleri ve güvenlikleri açısından nasıl bir durum yaşandığını ortaya konulması amaçlanmaktadır. Çalışma, nitel yöntem ve literatür taramasıyla yürütülmüş ve algoritmik gözetimin nasıl ortaya çıktığı, nasıl işlediği ve özgürlük ile güvenlik üzerindeki etkileri kuramsal eleştirel bir perspektifle ele alınmıştır. Dijital çağın belirleyici unsurlarından biri hâline gelen algoritmaların nasıl bir tahakküm mekanizması oluşturduğu, bu mekanizmanın hangi dinamiklerle işlediği ve bireyler üzerindeki etkileri kuramsal bir çerçevede ele alınarak incelenmiştir. Çalışmada algoritmların birçok alanda özgürlük ve güvenlik ile ilgili etkileri olduğu belirlenmiştir.With the proliferation of digital technologies, surveillance and control processes have expanded into wider domains, leading to the emergence of new threats. Digital surveillance processes are based on the collection of large amounts of data from individuals’ online activities, the analysis of this data, and its utilization for specific purposes. In the digital age, where algorithms increasingly shape various domains, a new form of domination is emerging through these technological structures. In this context, “algorithmic surveillance” is regarded as a new tool of control and discipline in contemporary societies. Algorithms have evolved beyond being merely technical instruments; they have become forces that shape human behavior, influence preferences, limit decision-making freedom, and threaten personal security. Furthermore, algorithms have transformed into tools that exert social, political, and economic control over individuals. This study aims to reveal how people are surveilled in the digital society, how their data is collected, how they are subjected to pressure and manipulation, and the implications of these processes for their freedom and security. The research was conducted using qualitative methods and a literature review, and it critically examines the emergence and functioning of algorithmic surveillance, along with its impact on freedom and security, within a theoretical framework. The study investigates how algorithmsnow one of the defining elements of the digital ageconstruct a mechanism of domination, how this mechanism operates, and its effects on individuals, through a theoretical and critical lens. It has been determined that algorithms have significant effects on freedom and security across various domains
Koyun ve keçilerin pnömonik akciğer örneklerinden bazı bakteriyel patojenlerin izolasyonu ve antimikrobiyal duyarlılığı
No full textPneumonia cases in sheep and goats lead to significant economic losses around the world. The aim of this study is to isolate and identify Pasteurella multocida, Mannheimia haemolytica, Escherichia coli, Klebsiella pneumoniae, Histophilus somni and Trueperella pyogenes as well as to determine their antimicrobial susceptibilities in lung samples of sheep and goats that were delivered to the Siirt Municipal slaughterhouse and were detected to have pneumonic lesions in their lungs after slaughter. In the study, 429 lung samples were collected from 270 goats and 159 sheep slaughtered in the Siirt Municipal Slaughterhouse. P. multocida was identified in 8 (1.86%) out of the lung samples, M. haemolytica in 8 (1.86%), E. coli in 10 (2.33%), T. pyogenes in 2 (0.46%), and Klebsiella spp. in 1 (0.23%), while H. somni was not identified. According to antimicrobial susceptibility test results, it was determined that all P. multocida and M. haemolytica isolates were sensitive to cefpodoxime, ceftiofur, enrofloxacin, florfenicol, and spectinomycin; all T. pyogenes isolates were determined to be susceptible to danofloxacin, amoxicillin, clavulanic acid, oxytetracycline, erythromycin, ceftiofur, florfenicol, sulfamethoxazole/trimethoprim; and all E. coli isolates were susceptible to ertapenem, piperacillin/tazobactam, and cefoxitin. Consequently, it was determined that especially P. multocida, M. haemolytica and E. coli strains may cause pneumonia cases in sheep and goats raised in the Siirt region. Furthermore, the isolated strains were generally susceptible to antibiotics as a result of antimicrobial susceptibility tests.Koyun ve keçilerde meydana gelen pnömoni vakaları dünya çapında önemli ekonomik kayıplara neden olmaktadır. Bu araştırmada amaç; Siirt Belediye mezbahasına getirilen ve kesim sonrası akciğerlerinde pnömonik lezyonlar görülen koyun ve keçilerin akciğer örneklerindeki Pasteurella multocida, Mannheimia haemolytica, Esherichia coli, Klebsiella pneumoniae, Histophilus somni ve Trueperella pyogenes izole ve identifiye etmek ve antimikrobiyal duyarlılıklarını belirlemektir. Çalışma kapsamında Siirt Belediye mezbahasında kesimi yapılan 270 keçi ve 159 koyundan 429 akciğer örneği alındı. Alınan akciğer örneklerinin 8 (%1.86)’inden P. multocida, 8 (%1.86)’inden M. haemolytica, 10 (%2.33)’undan E. coli, 2 (%0.46)’sinden T. pyogenes, 1 (% 0.23)’inde de Klebsiella spp. identifiye edilirken, örneklerde H. somni belirlenmedi. Antimikrobiyal duyarlılık test sonuçlarına göre; P. multocida ve M. haemolytica izolatlarının tamamı sefpodoksim, seftiofur, enrofloksasin, florfenicol ve spektinomisine, T. pyogenes izolatlarının tamamı danofloksasin, amoksisilin klavulanik asit, oksitetrasiklin, eritromisin, seftiofur, florfenikol, sulfametoksazol/trimetoprime; E. coli izolatlarının tamamı ise; ertapenem, piperasilin/tazobaktam ve sefoksitine duyarlı olduğu belirlendi. Sonuç olarak bu çalışmada Siirt bölgesinde yetiştiriciliği yapılan koyun ve keçilerde meydana gelen pnömoni olgularına özellikle P. multocida, M. haemolytica ve E. coli suşlarının neden olabileceği belirlendi. Ayrıca izole edilen suşların yapılan antimikrobiyal duyarlılık testleri sonucunda antibiyotiklere genel olarak duyarlı olduğu sonucuna varıldı
Determination of flood susceptible areas with GIS-based entropy method: Akarçay Basin (Afyonkarahisar)
No full textTaşkınlar, özellikle yerleşim alanlarını ve tarım arazilerini etkileyerek maddi zararlara ve can kayıplarına yol açabilmektedir. Taşkın risk haritaları, taşkınların olası etkilerini önceden belirleyerek, risk altında kalabilecek alanlarda taşkın öncesi önlemler almayı ve kararların doğru bir şekilde verilmesini mümkün kılar. Bu nedenle, taşkın risk haritalarının oluşturulması, taşkınların zararlarının en aza indirilebilmesi ve taşkın öncesi tedbirlerin alınabilmesi için kritik öneme sahiptir. Yapılan bu çalışma CBS kullanılarak Akarçay Havzası'nın Afyonkarahisar il sınırları içerisinde kalan kısmı için taşkın risk alanlarını belirlemek ve haritalarını oluşturmak amacı ile yapılmıştır. Çalışmada CBS tabanlı ÇÖKA uygulanmış ağırlıklandırma aşamasında Entropi yöntemi kullanılmıştır. Taşkın analizinin yapılabilmesi için akış, eğim, drenaj yoğunluğu, alt havza büyüklüğü ve bakı ölçütleri ele alınmıştır. Ağırlıklandırma aşamasında, Entropi yöntemi ile her bir ölçüt için ağırlık değerleri hesaplanarak taşkın duyarlılık haritası oluşturulmuştur. Oluşturulan taşkın duyarlılık haritası Rasyonel yönteme göre 500 yıllık oluşabilecek debiye göre belirlenen taşkın sınırları (Q500) karşılaştırılmıştır. Karşılaştırmalara göre, Q500 taşkın sınırları içinde, Entropi yöntemine göre belirlenen duyarlılık sınıflarının %79'u Çok Yüksek riskli alanlar, %16'sı Yüksek riskli alanlar, %4'ü orta riskli alanlar kalmakla birlikte düşük ve çok düşük riskli alanlar %1 oranındadır.Floods can cause material damage and loss of life, especially by affecting residential areas and agricultural lands. Flood risk maps enable taking pre-flood precautions and making correct decisions in areas that may be at risk by determining the possible effects of floods in advance. Therefore, the creation of flood risk maps is of critical importance in minimizing the damage caused by floods and taking pre-flood precautions. This study was conducted to determine flood risk areas and create maps for the part of the Akarçay Basin within the borders of Afyonkarahisar province using GIS. In the study, GIS-based Multi-Criteria Decision Analysis was applied and the Entropy method was used in the weighting phase. In order to perform flood analysis, flow, slope, drainage density, sub-basin size and aspect criteria were considered. In the weighting phase, the flood susceptibility map was created by calculating the weight values for each criterion with the Entropy method. The generated flood susceptibility map was compared with the flood boundaries (Q500) determined according to the 500-year flow rate that could occur according to the Rational method. According to the comparisons, within the Q500 flood boundaries, 79% of the sensitivity classes determined according to the Entropy method are Very High risk areas, 16% are High risk areas, 4% are medium risk areas, and low and very low risk areas are 1%
Design of a Dynamic Weighing System and AI-Based Sorting Process for Egg Sorting Machines
Get PDFEggs are one of the world's most significant food sources since they include numerous critical nutrients such as protein, vitamins, minerals, and omega-3 fatty acids. Egg production and consumption have expanded dramatically in the previous two decades because of population growth and industrialization. To fulfill rising demand, automating of egg production facilities has become necessary. To distribute eggs to consumers and maintain quality requirements, eggs must be divided into weight categories. Due to production capacity, this process must be carried out using machines. High production volumes necessitate a rapid weighing process; hence eggs are weighed dynamically in machines. The weighing signal obtained from the load cell is filtered to determine the stable weight, which is then used to calculate the egg's weight class. In this paper, instead of performing all of these processes using classical approaches, a Stacked Autoencoder (SAE) based classification system is developed that will predict the egg's class using only raw weight data. To assess the effectiveness of the suggested method, classification performance was compared using support vector machines (SVM), knearest neighbors (kNN), and decision trees (DT). The suggested approach determines the weight class of the egg in roughly 0.084 sec with 100% accuracy. Given the increasing egg demand, the proposed technology allows for a considerably faster egg categorization procedure, boosting production speed and lowering production costs
A DYNAMIC ANALYSIS OF AN INDUSTRIAL C-TYPE ECCENTRIC PRESS THROUGH MODELING, SIMULATION, AND EXPERIMENTAL TESTING
Get PDFThis study provides a comprehensive analysis of the dynamic behavior, modeling, simulation, and experimental validation of industrial C-type eccentric presses, offering critical insights into the optimization of press ground vibration. Through detailed modeling, the forces and vibrations experienced during operation were mathematically characterized, while simulations effectively demonstrated the system's behavior under varying operational conditions, and experimental studies confirmed the reliability of these models. The investigation also examined the impact of dynamic loads on machine foundations, analyzing single and double mass-spring systems using MATLAB simulations and analytical solutions to assess the influence of ground-foundation characteristics on the press's dynamic response. Prior to vibration isolation, the average peak ground displacement (PGD) was measured at 5.075 x 10-2 mm, which decreased to 3.46 x 10-2 mm and 2.7 x 10-2 mm with the application of VI-1 and VI-3 isolators, respectively. The VI-3 isolator proved most effective, reducing transmitted dynamic forces to 2.57 x 104 N. Parametric analyses highlighted the system's sensitivity to isolator stiffness and damping ratios, with a stiffness ratio of 0.01 between the isolator and ground reducing foundation vibrations by approximately 46.8%. This research emphasizes the importance of dynamic modeling in designing and optimizing vibration isolation systems, making a significant contribution to enhancing vibration control in industrial applications
A novel approach to solar radiation forecasting
Get PDFBu çalışmada iklim değişikliği ile mücadele etmek, güneş enerjisinin istikrarlı ve güvenilir bir şekilde kullanılmasını sağlamak ve güneş enerjisi projeleri için fizibilite çalışmalarını yürütebilmek amacıyla saatlik güneş ışınımı tahmin çalışması gerçekleştirilmiştir. Bu bağlamda Afyonkarahisar Meteoroloji Müdürlüğü'nden temin edilen 2018-2022 yılları arası saatlik olarak ölçülen güneş ışınımı değerleri ile bir zaman serisi oluşturulmuştur. Tahmin modeli için, güneş ışınımı zaman serisindeki doğrusal ilişkileri etkili bir şekilde açıklayan SARIMA yöntemi ile doğrusal olmayan bağımlılıkları yakalamada başarılı olan LSTM derin sinir ağını birleştiren mevsimsel-eğilim ayrıştırması (STL) tabanlı bir hibrit yaklaşım geliştirilmiştir. Özellikle yüksek mevsimsel değişkenliğe sahip zaman serileri için etkili olan STL metodu, güneş ışınımı zaman serisinin alt bileşenlerinin ayrı olarak modellenmesi imkânı sağlamıştır. Güneş ışınımı verilerine 10-katlı çapraz doğrulama uygulanarak geliştirilen hibrit modelin tüm mevsimsel dönemlerdeki kararlılığı ve tahmin yeteneği değerlendirilmiştir.In this study, an hourly solar radiation forecasting approach was developed to combat climate change, ensure the stable and reliable use of solar energy, and conduct feasibility studies for solar energy projects. For this purpose, a time series was constructed using hourly solar radiation measurements recorded between 2018 and 2022, obtained from the Afyonkarahisar Meteorology Service. The proposed forecasting model employs a hybrid approach based on Seasonal-Trend Decomposition (STL), combining the SARIMA method, which effectively captures linear relationships in the solar radiation time series, and the Long Short-Term Memory (LSTM) neural network, known for its ability to model nonlinear dependencies. The STL method, particularly effective for time series with high seasonal variability, enables the decomposition of the solar radiation series into distinct components for separate modeling. The stability and predictive performance of the developed hybrid model were evaluated across all seasonal periods using 10-fold cross-validation applied to the solar radiation data
Blockchain applications in healthcare data management: requirements, potential and challenges
Get PDFNowadays, healthcare data is constantly produced everywhere, always. So, the large data stacks that already exist in the healthcare sector are growing larger every moment. Therefore, this big data needs to be stored and managed securely. At the same time, it is necessary to ensure data security of these data, to create an environment that can work with stakeholders by protecting the confidentiality of big data, and to protect patient privacy in healthcare institutions while doing these. The basic features of blockchain technology can meet these requirements. For this reason, recently many researchers have been conducting intensive research on the use of this technology in managing big data such as electronic medical records existing in healthcare services and patient information in healthcare institutions. The main purpose of this chapter is to investigate the use of blockchain technology in the management of big data in healthcare. The aim is to present the requirements, difficulties encountered and solution suggestions that arise during the application of this technology to the field of healthcare. As a result, the main benefits of using blockchain technology in the management of health data and solution suggestions for the difficulties that may be encountered in practice have been tried to be put forward. © 2025 Elsevier Inc. All rights are reserved, including those for text and data mining, AI training, and similar technologies
Convolutional neural network based early detection of breast cancer using mammography images
Get PDFDünya Sağlık Örgütü (WHO) verilerine göre, meme kanseri kadınlarda en yaygın kanser türüdür ve bu türden kaynaklanan ölüm oranları da oldukça yüksektir. Meme kanserinin doğru ve zamanında tespiti, tedavi sürecinin başarısını doğrudan etkileyen kritik bir faktördür. Geleneksel mamografi ve görüntüleme yöntemleri, radyologların deneyimlerine bağlı olarak farklılık gösterebilir; bu da yanlış pozitif veya negatif sonuçların ortaya çıkmasına yol açabilir. Bu bağlamda, yapay zeka ve derin öğrenme teknolojilerinin entegrasyonu, kanser teşhisinde önemli bir gelişme sağlamaktadır. Derin öğrenme algoritmaları, büyük veri setlerini işleyebilme ve öğrenme yetenekleri sayesinde, mamografi görüntülerindeki anormallikleri tanımada yüksek doğruluk oranları sunmaktadır. Bu çalışmanın amacı, meme kanseri teşhisinde derin öğrenme tabanlı sınıflandırma sistemlerinin doğruluğunu ve güvenilirliğini artıran yeni bir model geliştirmektir. Breast Cancer Ensemble Convolutional Neural Network (BCECNN) modeli, AISSLab veri kümesi kullanılarak geliştirilmiştir. Model, beş farklı derin öğrenme mimarisinin (AlexNet, VGG16, ResNet-18, EfficientNetB0, XceptionNet) çıktılarının çoğunluk oylaması (majority voting) yöntemiyle birleştirildiği üçlü (TECNN) ve beşli (FECNN) ensemble yapıları kullanmaktadır. Bu metodoloji, her bir ağın güçlü yönlerini bir araya getirerek daha doğru ve güvenilir tahminler elde etmeyi amaçlamaktadır. Model, aşırı öğrenme problemini engellemek ve genelleme kapasitesini artırmak için transfer öğrenme teknikleri ile optimize edilmiştir. Transfer öğrenme, modelin sınırlı veri ile daha iyi sonuçlar elde etmesini sağlayarak, eğitimin daha verimli hale gelmesine katkı sağlamaktadır. BCECNN modelinin performansı, AISSLab veri kümesinden beş farklı sınıflandırma alt kümesi oluşturularak (AISSLab-v1, AISSLab-v2, AISSLab-v3, AISSLab-v4, AISSLab-v5) kapsamlı bir şekilde değerlendirilmiştir. Bu testler, modelin doğruluğunu, güvenilirliğini ve genellenebilirliğini farklı klinik senaryolar altında analiz etmeyi sağlamıştır. Sonuçlar, BCECNN modelinin %98,75 doğruluk oranına ulaştığını ve mevcut literatürdeki en başarılı modellerden biri olduğunu göstermektedir. Bu, modelin meme kanseri teşhisinde oldukça etkili bir araç olabileceğini ve klinik uygulamalarda güvenle kullanılabileceğini ortaya koymaktadır. Modelin önemli katkılarından biri de Açıklanabilir Yapay Zeka (XAI) tekniklerinin entegrasyonudur. Gradyan Ağırlıklı Sınıf Aktivasyon Haritalama (Grad-CAM) ve Yerel Yorumlanabilir Modelden Bağımsız Açıklamalar (LIME) gibi açıklanabilirlik yöntemleri kullanılarak, modelin karar süreçleri şeffaflaştırılmıştır. Bu sayede klinik uzmanlar, modelin hangi görüntü bölgelerini kritik olarak değerlendirdiğini görselleştirebilmiş ve modelin kararlarının güvenilirliğini daha iyi analiz edebilmiştir. Açıklanabilir yapay zeka desteği, klinik uzmanların modelin sonuçlarına duyduğu güveni artırmakta ve modelin klinik karar destek sistemlerinde kullanılabilirliğini kolaylaştırmaktadır. Sonuç olarak, BCECNN modeli, yüksek doğruluk oranı, açıklanabilir yapay zekâ desteği ve klinik uygulanabilirlik açısından önemli avantajlar sunmaktadır. Modelin, yapay zekâ tabanlı klinik karar destek sistemlerinin gelecekteki kullanımına katkı sağlayacak büyük bir potansiyeli vardır. Bu çalışma, derin öğrenme tekniklerinin meme kanseri teşhisi gibi kritik sağlık sorunlarında etkili bir şekilde kullanılabileceğini ve yapay zekâ uygulamalarının sağlık sektöründe nasıl daha verimli hale getirilebileceğini ortaya koymaktadır. Bu bağlamda, geliştirilen BCECNN modeli, sağlık alanında yapay zekâ tabanlı sistemlerin klinik uygulamalara entegrasyonunu destekleyecek önemli bir adım teşkil etmektedir.According to World Health Organisation (WHO) data, breast cancer is the most common type of cancer in women and the mortality rate from this type is very high. Accurate and timely detection of breast cancer is a critical factor that directly affects the success of the treatment process. Traditional mammography and imaging methods can vary depending on the experience of radiologists, which can lead to false positive or negative results. In this context, the integration of artificial intelligence and deep learning technologies provides a significant improvement in cancer diagnosis. Deep learning algorithms offer high accuracy rates in recognising abnormalities in mammography images thanks to their ability to process and learn from large data sets. The aim of this study is to develop a new model that improves the accuracy and reliability of deep learning based classification systems in breast cancer diagnosis. The Breast Cancer Ensemble Convolutional Neural Network (BCECNN) model was developed using the AISSLab dataset. The model uses triple (TECNN) and quintuple (FECNN) ensemble structures in which the outputs of five different deep learning architectures (AlexNet, VGG16, ResNet-18, EfficientNetB0, XceptionNet) are combined by majority voting. This methodology aims to obtain more accurate and reliable predictions by combining the strengths of each network. The model is optimised with transfer learning techniques to avoid the overfitting problem and to increase its generalisation capacity. Transfer learning enables the model to obtain better results with limited data, thus contributing to more efficient training. The performance of the BCECNN model was extensively evaluated by creating five different classification subsets from the AISSLab dataset (AISSLab-v1, AISSLab-v2, AISSLab-v3, AISSLab-v4, AISSLab-v5). These tests allowed to analyse the accuracy, reliability and generalisability of the model under different clinical scenarios. The results show that the BCECNN model achieves an accuracy of 98.75% and is one of the most successful models in the current literature. This shows that the model can be a highly effective tool in breast cancer diagnosis and can be used safely in clinical applications. One of the important contributions of the model is the integration of Explainable Artificial Intelligence (XAI) techniques. By using explainability methods such as Gradient Weighted Class Activation Mapping (Grad-CAM) and Locally Interpretable Model Independent Explanations (LIME), the decision processes of the model are made transparent. In this way, clinical experts were able to visualise which image regions were considered critical by the model and better analyse the reliability of the model's decisions. The support of explainable artificial intelligence increases the confidence of clinical experts in the results of the model and facilitates the use of the model in clinical decision support systems. In conclusion, the BCECNN model offers significant advantages in terms of high accuracy, explainable artificial intelligence support and clinical applicability. The model has great potential to contribute to the future use of artificial intelligence-based clinical decision support systems. This study demonstrates how deep learning techniques can be effectively used in critical health problems such as breast cancer diagnosis and how artificial intelligence applications can be made more efficient in the health sector. In this context, the developed BCECNN model constitutes an important step to support the integration of artificial intelligence-based systems into clinical applications in healthcare
Relationship between cryptocurrencies and West Texas intermediate crude oil returns: Investigation with Granger and Toda Yamamoto causality analyses
No full textBu çalışmada ortaya ilk çıkarılan on kripto para getiri ve işlem hacimleri ile birlikte varil başına Batı Teksas (WTI) ham petrol getirileri arasındaki ilişki test edilmiştir. Analiz için 29 Nisan 2013 – 04 Ağustos 2024 arası günlük veriler kullanılmıştır. Çalışmada ampirik olarak Granger ve Toda Yamamoto Nedensellik Analizi' nden yararlanılmıştır. Her iki analize göre WTI ile Bitcoin (BTC) arasında negatif tek yönlü ilişkiye rastlanmıştır. Granger nedensellik analizine göre WTI ile Ethereum (ETH) arasında, Toda Yamamoto nedensellik analizine göre ise WTI ile Filecoin (FIL) getirisi arasında negatif çift yönlü bir nedensellik ilişkisi olduğu sonucuna ulaşılmıştır. Elde edilen bulgular enerji fiyatlarında yaşanan dalgalanmaların küresel finansal istikrara etkilerini ortaya koymuştur. Enerji piyasalarındaki sürdürülebilirlik hedefleri ile blok zinciri teknolojisinin çevresel etkilerini en aza indirgemek için uluslararası regülasyonların geliştirilmesi ve bütüncül politikalar oluşturulması gerekmektedir. Bu öneriler kripto para birimlerinin, enerji piyasalarından kaynaklanan volatiliteye karşı daha dayanıklı hale getirilmesi için stratejik bir yol haritası sunmaktadır.In this study, the relationship between the first ten cryptocurrency yields and transaction volumes and West Texas Intermediate (WTI) crude oil yields per barrel was tested. Daily data between April 29, 2013 and August 04, 2024 was used for the analysis. Granger and Toda&Yamamoto Causality Analysis were used empirically in the study. According to both analyzes, a negative unidirectional relationship was found between WTI and Bitcoin (BTC). In accordance with Granger causality analysis, a negative bidirectional causality relationship was found between WTI and Ethereum (ETH), and according to Toda Yamamoto causality analysis, a negative bidirectional causality relationship was found between WTI and Filecoin (FIL) yield. The findings revealed the effects of fluctuations in energy prices on global financial stability. In order to minimize the environmental impacts of blockchain technology with sustainability goals in energy markets, international regulations should be developed and holistic policies should be established. These recommendations provide a strategic roadmap for making cryptocurrencies more resilient to volatility originating from energy markets
Influence of ulexite content on radiation shielding properties of siderite aggregated concretes
Get PDFThis study evaluates the gamma radiation shielding performance of concretes incorporating varying ratios of siderite and ulexite, with a focus on quantifying the impact of ulexite content on shielding efficiency. Since personnel working in environments such as X-ray facilities and surgical suites are routinely exposed to ionizing radiation, the construction of radiation-shielded spaces is both a legal requirement and a practical necessity. To explore their potential for use in such applications, six concrete mixtures with different siderite-ulexite proportions were prepared in accordance with TSE EN 206+A2 standards. The linear attenuation coefficients (mu) of the samples were experimentally measured using a NaI(Tl)-based gamma spectroscopy system at photon energies of 662, 1173, and 1332 keV (emitted by 137Cs and 60Co sources), and theoretically calculated over the 15 keV to 15 MeV energy range using the Phy-X/PSD code. A strong agreement was observed between the experimental and theoretical mu values. The experimentally determined mu values were subsequently used to calculate the mass attenuation coefficients (MAC). The results demonstrate a clear correlation between the mu values and the siderite/ulexite ratio: increasing siderite content improves shielding effectiveness, while increasing ulexite content reduces it. Overall, concretes containing siderite aggregates exhibit superior gamma-ray shielding performance. Additionally, the Phy-X/PSD code has proven to be an effective tool for predicting the radiation shielding parameters of concrete materials.Afyon Kocatepe University Scientific Research Projects Coordination Unit [22, FEN.BI bull; L.43]This work was supported by Afyon Kocatepe University Scientific Research Projects Coordination Unit (Grant No. 22. FEN.BI center dot L.43)