TÜRK TILSIMI VE KAMU DİPLOMASİSİ: ORTA DOĞU ÜLKELERİNDE TÜRKİYE'NİN YUMUŞAK GÜCÜNE İLİŞKİN BİR LİTERATÜR İNCELEMESİ VE ELEŞTİREL DEĞERLENDİRME

Tarih, siyasi değerler, ekonomi, dış politika, kültür ve coğrafya, Türkiye'nin yumuşak gücünün “tarihinden, kültüründen ve coğrafyasından” gelen bu tür bir kapasiteye sahip olduğu dünyada tutarlı yumuşak güç politikası ve stratejisini uygulamak için çok önemli bir araçtır. Türkiye’nin yeni iç ve dış politikası, mevcut Türk hükümet politikasının, dış politika yapımında ülkenin çekiciliğini çok etkili ve stratejik olarak kullanıldığını göstermektedir. Balkanlar, Kafkaslar, Ortadoğu, Afrika, Güney/ Güneydoğu Asya ve Güney Amerika bölgeleri, Türkiye’nin yumuşak gücünün etkileri dışında kalmamaktadır. Türkiye yeni kamu diplomasisinin kapsayıcılığı, angajmanı ve katılımı etkin bir şekilde toplumu kapsamakta ve genişlemektedir. Son on yılın Türk politikası, eski müttefikleriyle ilişki kuruyor ve sayısız yumuşak güç politikası ve stratejisi kullanarak ilişkilerini sürdürüyor, bu da Türkiye'nin bölgesel ve küresel bağlamda yeni ortaya çıkan bir aktör olduğunu gösteriyor. Bu makalenin ana argümanı, Türkiye'nin Ordatoğu Bölgesiyle olan ortak tarihi, coğrafi, dini, kültürel, ekonomik ve siyasi bağlarını belirleyerek, Türkiye’nin Ortadoğu ülkelerine yönelik yumuşak güç politikasını göstermektir. Buna göre, bu makale, bir ölçüde demokratik ve ekonomik bir model gibi ekonomik, siyasi ve kültürel etkileri özellikle mevcut hükümetin yumuşak güç politikaları çerçevesinde araştırmak üzere literatürdeki vaka değerlendirmelerini ve incelemeleri alarak Türk Yumuşak Güç Politikasını daha ileri düzeyde AKP modelinde tarihi bağlar, Türkiye'nin insani yardımları, TİKA'nın kalkınma çalışmaları, Yunus Emre Enstitüsü faaliyetleri, YTB bursu, Türkiye Diyanet Vakfı (Diyanet Vakfı) insani ve dini rolleri gibi yumuşak güç politikaları, uygulamaları ve stratejileri ve ayrıca Türk Drama Dizisinin Ortadoğu toplumlarına etkisini analiz etmekte ve tartışmaktadır.

PDF

___

AKTOB, (2014). 2023’e Doğru Türkiye’de Turizmin 100 Yılı, Araştırma Raporu. Accessed date: 02.02.2021, https:// docplayer.biz.tr/7919989-Turizm-sektorunun-yapisi-buyuklugu-ve-ekonomiye-katkisi.html.
Aliyev, R., Salehi, S., and Aliyev, R. (2019). “Development of Fuzzy Time Series Model for Hotel Occupancy Forecasting”, Sustainability, 11/3, 793.
Andrew, W. P., Cranage, D. A., and Lee, C. K. (1990). “Forecasting hotel occupancy rates with time series models: An empirical analysis”, Hospitality Research Journal, 14/2, 173-182.
Arı, A., and Berberler, M. E. (2017). “Yapay Sinir Ağları ile Tahmin ve Sınıflandırma Problemlerinin Çözümü İçin Arayüz Tasarımı”, Acta INFOLOGICA, 1/2, 55-73.
Assaf, A. G., and Tsionas, M. G. (2019). “Forecasting occupancy rate with Bayesian compression methods”, Annals of Tourism Research, 75, 439-449.
Baldigara, T., and Koic, M. (2015). “Modelling Occupancy Rates in Croatian Hotel Industry”, International Journal of Business Administration, 6/3, 121.
Caicedo-Torres, W., and Payares, F. (2016). “A machine learning model for occupancy rates and demand forecasting in the hospitality industry”, Ibero-American Conference on Artificial Intelligence, 201-211.
Chow, W. S., Shyu, J. C., and Wang, K. C. (1998). “Developing a forecast system for hotel occupancy rate using integrated ARIMA models”, Journal of international hospitality, leisure & tourism management, 1/3, 55-80.
Constantino, H. A., Fernandes, P. O., and Teixeira, J. P. (2016). Tourism demand modelling and forecasting with artificial neural network models: the Mozambique case study. Tékhne, 14(2), 113-124.
Çuhadar, M., and Kayacan, C. (2005). “Yapay Sinir Ağları Kullanılarak Konaklama İşletmelerinde Doluluk Oranı Tahmini: Türkiye’deki Konaklama İşletmeleri Üzerine Bir Deneme”, Anatolia: Turizm Araştırmaları Dergisi, 16/1, 24-30.
Çuhadar, M., and Kervankıran, İ. (2016). “Nevşehir ili konaklama işletmelerine yönelik turizm talebinin analizi, modellenmesi ve tahminleri”, Muğla Sıtkı Koçman Üniversitesi İktisadi Ve İdari Bilimler Fakültesi Ekonomi Ve Yönetim Araştırmaları Dergisi, 5/2, 343-352.
Golcuk, A., Yasak, M. S., and Dalmizrak, M. B. (2020). “Forecasting with Multilayer Perceptron Algorithm the Occupancy Rate of Accommodation Establishmentsin Turkey”, International Journal of Intelligent Systems and Applications in Engineering, 8/2, 66-70.
Güngör, İ., and Çuhadar, M.. (2005). “Antalya İline Yönelik Alman Turist Talebinin Yapay Sinir Ağları Yöntemiyle Tahmini “, Gazi Üniversitesi Ticaret ve Turizm Eğitim Fakültesi Dergisi, 1, 84-98.
Karaatlı, M., Helvacıoğlu, Ö. C., Ömürbek, N., and Tokgöz, G. (2012). “Yapay sinir ağları yöntemi ile otomobil satış tahmini”, Uluslararası Yönetim İktisat ve İşletme Dergisi, 8/17, 87-100.
Kaynar, O., and Taştan, S. (2009). “Zaman Serisianalizinde MLP Yapay Sinir Ağları ve Arıma Modelinin Karşılaştırılması”, Erciyes Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 33, 161-172.
Kaynar, O., Taştan, S., and Demirkoparan, F. (2011). “Yapay sinir ağlari ile doğalgaz tüketim tahmini”, Atatürk Üniversitesi İktisadi ve İdari Bilimler Dergisi, 25, 463-474.
KTB, (2019). T.C. Kültür ve Turizm Bakanlığı Yatırım ve İşletmeler Genel Müdürlüğü, 2019 Turizm İstatistikleri Raporu. Accessed date: 02.02.2021, https://yigm.ktb.gov.tr/Eklenti/69320,turizmistatistikleri2019-4pdf. pdf?0.
Law, R. (1998). “Room occupancy rate forecasting: a neural network approach”, International Journal of Contemporary Hospitality Management, 10/6, 234-239.
Law, R. (2004). “Initially testing an improved extrapolative hotel room occupancy rate forecasting technique”, Journal of Travel & Tourism Marketing, 16/2-3, 71-77.
Law, R., and Au, N. (1999). “A neural network model to forecast Japanese demand for travel to Hong Kong”, Tourism Management, 20/1, 89-97.
Öztemel, E. (2012). Yapay Sinir Ağları, 3. Baskı, Papatya Yayıncılık, İstanbul, 57.
Pan, B., and Yang, Y. (2017). “Forecasting destination weekly hotel occupancy with big data”, Journal of Travel Research, 56/7, 957-970.
Schwartz, Z., Uysal, M., Webb, T., and Altin, M. (2016). “Hotel daily occupancy forecasting with competitive sets: a recursive algorithm”, International Journal of Contemporary Hospitality Management, 28/2, 267-285.
Soysal, M., and Ömürgönülşen, M. (2010). “Türk Turizm Sektöründe Talep Tahmini Üzerine Bir Uygulama”,Anatolia: Turizm Araştırmaları Dergisi, 21/1, 128-136.
Suzuki, K., (2011). Artificial neural networks: methodological advances and biomedical applications, In Tech, Croatia, 3-18.
Taşdelen, B., Helvaci, S., Kaleağasi, H., and Özge, A. (2009). “Artificial neural network analysis for prediction of headache prognosis in elderly patients”, Turkish Journal of Medical Sciences, 39/1, 5-12.
Warren, R. N. (2017). Occupancy forecasting methods and the use of expert judgement in hotel revenue management, Graduate Theses and Dissertations, Iowa State University, 18-37.
World Travel and Tourism Council, (2020). Accessed date: 02.02.2021, https://wttc.org/en-gb/.
Wu, E. H., Law, R., and Jiang, B. (2010). “Data mining for hotel occupancy rate: an independent component analysis approach”, Journal of travel & tourism marketing, 27/4, 426-438.
Zakhary, A., El Gayar, N., and Ahmed, S. E. O. H. (2010). “Exploiting neural networks to enhance trend forecasting for hotels reservations”, Workshop on Artificial Neural Networks in Pattern Recognition, 241-251.
Zhang, M., Li, J., Pan, B., and Zhang, G. (2018). “Weekly Hotel Occupancy Forecasting of a Tourism Destination”, Sustainability, 10/12, 4351.
Beyan ve Açıklamalar (Disclosure Statements)
1. Bu çalışmanın yazarları, araştırma ve yayın etiği ilkelerine uyduklarını kabul etmektedirler (The authors of this article confirm that their work complies with the principles of research and publication ethics).
2. Yazarlar tarafından herhangi bir çıkar çatışması beyan edilmemiştir (No potential conflict of interest was reported by the authors).
3. Bu çalışma, intihal tarama programı kullanılarak intihal taramasından geçirilmiştir (This article was screened for potential plagiarism using a plagiarism screening program).
4. Bu makale için etik kurul izni gerekmemektedir (Ethics committee permission is not required for this article).