Akademik Veri Yönetim Sistemi
12th International Management Information Systems Conference, Ankara, Türkiye, 23 - 25 Ekim 2025, (Yayınlanmadı)
The objective of this study is to identify cross-country similarities and latent clusters based on Government AI Readiness Index (GAIRI) 2024 profiles and to evaluate the extent to which these groups align with established economy categories. GAIRI covers 188 countries across government, technology sector, and data & infrastructure pillars. Descriptive statistics, box plots, and bar charts reveal that G7 countries record the highest readiness levels, while Sub-Saharan Africa remains lowest. Türkiye, ranked 53rd with a score of 60.63, lags behind advanced economies, particularly in technology and infrastructure. To uncover hidden patterns, k-means clustering was applied, and average Silhouette index values indicated that the most meaningful solution was , broadly corresponding to Advanced versus Emerging & Developing Economies. Principle Component Analysis (PCA) visualization and mapping results show partial alignment between GAIRI-based clusters and International Monetary Fund (IMF) classifications, though boundary cases such as Türkiye, Indonesia, and Qatar exhibit ambiguous memberships in clusters. Findings highlight structural disparities in AI readiness across regions and income levels.
Bu çalışmanın amacı, Government AI Readiness Index (GAIRI) 2024 profillerine dayanarak ülkeler arasındaki benzerlikleri ve gizil kümeleri belirlemek ve bu grupların yerleşik ekonomi kategorileri ile ne ölçüde örtüştüğünü değerlendirmektir. GAIRI, kamu yönetişimi, teknoloji sektörü ve veri ile altyapı başlıkları çerçevesinde 188 ülkeyi kapsamaktadır. Tanımlayıcı istatistikler, kutu-bıyık ve sütun grafikleri, G7 ülkelerinin en yüksek hazırlık düzeylerine sahip olduğunu; Sahra Altı Afrika ülkelerinin ise en düşük düzeyde kaldığını göstermektedir. Türkiye, 60.63 puanla 53. sırada yer almakta ve özellikle teknoloji ile altyapı boyutlarında gelişmiş ekonomilerin gerisinde kalmaktadır. Verideki gizli örüntüleri ortaya çıkarmak amacıyla k-ortalamalar algoritması ile kümeleme analizi gerçekleştirilmiş; ortalama Silhouette indeks değerleri en iyi küme sayısının olduğunu ve bunun kabaca Gelişmiş Ekonomiler ile Yükselen ve Gelişmekte Olan Ekonomiler ayrımına karşılık geldiğini göstermiştir. Temel Bileşenler Analizi (TBA) görselleştirmesi ve haritalama sonuçları, GAIRI temelli kümeler ile IMF (International Monetary Fund) sınıflandırmaları arasında kısmi bir uyuma işaret etmekte; ancak kümelerde Türkiye, Endonezya ve Katar gibi sınır ülkelerin üyeliklerin belirsizleştiğini göstermektedir. Bulgular, bölgeler ve gelir düzeyleri arasında yapay zekâ hazırlığına ilişkin yapısal farklılıkların altını çizmektedir.