Literatür Taraması Nasıl Yapılır? (Scopus + Google Scholar + Anahtar Kelime Stratejisi)

Özet

Literatür taraması, bir konuda “kim ne demiş?” listesinden ibaret değildir. İyi yapılmış bir tarama; araştırma problemini keskinleştirir, kavramları netleştirir, yöntemi gerekçelendirir ve çalışmanın özgün katkısını görünür kılar. Bu yazı; Scopus ve Google Scholar’ı birlikte kullanarak, anahtar kelime stratejisinden başlayıp arama sorgusu tasarlamaya, sonuçları eleme/kodlamaya, taramayı raporlamaya (gerekirse PRISMA mantığıyla) kadar uzanan sistematik ve uygulanabilir bir yol haritası sunar. Scopus’un alan kodları ve Boolean mantığıyla daraltma gücü ile Google Scholar’ın geniş kapsama ve “atıf zinciri” (citation chasing) avantajını bir araya getirerek, hem kapsamlı hem yönetilebilir bir literatür havuzu oluşturmayı hedefler.

1. Literatür taraması “niye” yapılır?

Akademik yazımda literatür taraması dört kritik işleve sahiptir:

1. Problem tanımlama ve gerekçelendirme: Konunun gerçekten “araştırılmaya değer” kısmı neresi?

2. Kavramsal netlik: Temel kavramlar nasıl tanımlanmış, hangi çerçeveler var, hangi kavramlar karıştırılıyor?

3. Yöntemsel konumlanma: Daha önce hangi yöntemler kullanılmış, senin yöntem seçimin neden mantıklı?

4. Boşluk ve katkı (gap & contribution): Senin çalışmanın “yeni” dediği şey tam olarak ne?

Burada kritik bir akademik ayrım var:

• Anlatı taraması (narrative review): Daha esnek; literatürü temalarla tartışır.

• Sistematik tarama (systematic review): Daha kuralcı; arama–seçme–eleme adımlarını açıkça raporlar; şeffaflık şarttır (PRISMA gibi).

Tez/makale yazanların çoğu “anlatı taraması” yapıyor ama bunu sistematik mantıkla beslediğinde kalite sıçrar: Aramanı kayıt altına alırsın, seçimini savunursun, “ben öyle hissettim” yerine “ben böyle filtreledim” dersin.

2. Başlamadan önce: Araştırma sorunu “arama dili”ne çevir

Literatür taramasında ilk hata şudur: “Konu başlığını” arama sorgusu sanmak.

2.1. Araştırma sorusu → kavram setleri

Araştırma sorununu 2–4 ana kavram setine böl:

• Çekirdek olgu / ana değişken (örn. “investor sentiment”)

• Bağlam / alan (örn. “stock returns” veya “education policy”)

• Yöntem / yaklaşım (örn. “text mining”, “survey”, “qualitative”)

• Popülasyon / coğrafya / dönem (örn. “Turkey”, “emerging markets”, “2020–2025”)

2.2. Kavramları eşanlamlı ve varyantlarla genişlet

Bir kavramın literatürde tek adı yoktur. Örn. “investor sentiment” aynı zamanda “market sentiment”, “investor mood”, “bullishness” gibi geçebilir. Bu noktada anahtar kelime matrisi kurmak işini kolaylaştırır:

Kavram Seti	Çekirdek Terim	Eşanlamlılar / Yakın Terimler	Yazım Varyantları
A (Olgu)	investor sentiment	market sentiment, investor mood	sentiment index, sentiment-based
B (Sonuç)	stock returns	equity returns, abnormal returns	performance
C (Yöntem)	social media	Twitter, X, online forums	text mining, NLP
D (Bağlam)	emerging markets	developing markets	Turkey, BIST

Bu tabloyu tez dosyana eklemesen bile, arama tasarımının beyni bu.

3. Scopus ve Google Scholar’ı birlikte kullanmanın mantığı

Tek bir veritabanıyla literatür taraması yapmak, “tek gözle derinlik algısı” gibidir: idare eder ama hataya açıktır.

Scopus (yüksek kontrol)

Scopus; aramayı daraltmak, alan kodlarıyla hedeflemek, filtrelemek ve sonuçları analiz etmek için güçlüdür. Özellikle advanced search, field code’lar ve Boolean/proximity operatörleriyle kapsamı yönetmeyi kolaylaştırır.

Google Scholar (yüksek kapsama)

Google Scholar; çok geniş kaynak havuzu (makale, tez, kitap bölümü, rapor, preprint vs.), hızlı keşif ve “atıflar üzerinden iz sürme” için idealdir. Ancak içerik kalitesi heterojendir; bu yüzden filtre–eleme disiplini şarttır. Scholar’ın arama ipuçları ve sonuçların tarih/sıralama mantığı gibi noktaları bilmek gerekir.

Altın kural:

• Önce Scopus ile çekirdek literatürü çıkar (kontrollü havuz)

• Sonra Scholar ile boşlukları yakala (gri literatür, tezler, yeni preprint’ler, atıf zinciri)

4. Anahtar kelime stratejisi: “3 katmanlı sorgu” yaklaşımı

Bir sorgu tek seferde mükemmel olmaz. Bilim insanları da ilk denemede doğru teleskobu nereye çevireceklerini bilemez; önce kaba tarar, sonra odaklar.

Katman 1: Keşif sorgusu (broad)

Amaç: Kavramların literatürde hangi terimlerle geçtiğini görmek.

Örnek (Google Scholar):

• "investor sentiment" stock returns

• "migrant students" absenteeism school principals

Katman 2: Odak sorgusu (targeted)

Amaç: Kavram setlerini Boolean mantıkla birleştirmek.

Örnek mantık:

• (A) AND (B) AND (C)

Katman 3: Keskin sorgu (precision)

Amaç: Alan/bağlam/yöntem sınırı eklemek, gürültüyü azaltmak.

Örnek:

• (A) AND (B) AND (C) AND (D)

• veya yıl, konu alanı, doküman türü filtreleri

5. Scopus’ta arama: Advanced Search ile “operasyonel” tarama

Scopus’un güçlü yanı, arama alanlarını hedefleyebilmen: başlık/özet/anahtar kelimeler gibi. Scopus’ta yaygın kullanılan alan hedeflerinden biri TITLE-ABS-KEY (başlık–özet–anahtar kelime) yaklaşımıdır ve advanced search’te Boolean operatörlerle birlikte kullanılabilir.

5.1. Scopus sorgu iskeleti

Aşağıdaki “iskeleti” kendi konuna uyarlayabilirsin:

TITLE-ABS-KEY( A_terimleri ) AND TITLE-ABS-KEY( B_terimleri ) AND TITLE-ABS-KEY( C_terimleri )

Örnek (mantık gösterimi):

• TITLE-ABS-KEY("investor sentiment" OR "market sentiment" OR "sentiment index")

• AND TITLE-ABS-KEY("stock return*" OR "equity return*" OR "abnormal return*")

• AND TITLE-ABS-KEY("social media" OR twitter OR "text mining" OR nlp

Not: Tam alan kodları ve operatör kullanım biçimleri arayüz ve erişime göre küçük farklılıklar gösterebilir; Scopus’un advanced search yaklaşımı ve field code + Boolean/proximity mantığı temel çerçevedir.

5.2. Boolean operatörleri: AND–OR–NOT (bilimsel süzgeç)

• OR: eşanlamlıları genişletir (kapsamı artırır)

• AND: kavram setlerini kesiştirir (kapsamı daraltır)

• NOT: istemediğin alanları dışlar (dikkatli kullan; gereksiz kayıp yaratabilir)

5.3. Proximity (yakınlık) operatörleri: “yan yana yakala”

Scopus, proximity operatörlerini destekleyerek “bu iki kelime yakın geçsin” gibi daha akıllı daraltmalar yapmana izin verir (kullanım biçimi arayüzde gösterilir). Bu, özellikle iki kelimenin birlikte anlam kazandığı kavramlarda değerlidir.

5.4. Filtreleme: yıl, alan, doküman türü

Scopus’ta arama yaptıktan sonra filtrelerle yönet:

• Yıl aralığı (örn. son 5–10 yıl + klasik çalışmalar)

• Doküman türü (article, review)

• Konu alanı (subject area)

• Dil (çoğu zaman İngilizce baskın; ama alana göre değişir)

Ama dikkat: “Son 5 yıl” filtresi bazen seni kurucu (seminal) çalışmalardan koparır. İyi tarama, yeni + kurucu literatürü birlikte taşır.

6. Google Scholar’da arama: geniş ağ, güçlü iz sürme

Scholar’ın büyük avantajı; hızlı keşif, çok geniş kapsama ve atıf zinciri.

6.1. Scholar arama ipuçları

Scholar sonuçları genelde “en alakalı”ya göre sıralar; yeni çalışmaları görmek için tarih filtreleri/sıralama seçeneklerini kullanmak gerekir.

Pratik hamleler:

• Tırnak içinde arama: "literature review" gibi (tam ifade)

• Yazar araması: belirli araştırmacıların profilleri üzerinden izleme (Google Scholar Profiles)

• Atıflar: Bir “çekirdek makaleyi” bulup “cited by” üzerinden genişletme

• “Related articles”: benzer çalışmaları yakalama

• Alert kurma: aynı sorgu için e-posta bildirimleri

6.2. Scholar’da kalite kontrol: her PDF “makale” değildir

Scholar; tez, preprint, ders notu, sunum, predatory kaynaklar… hepsini aynı ekranda gösterebilir. Bu yüzden şu iki filtrematik refleks şart:

• Kaynağın yayın türü ve hakemlilik durumu

• Dergi/konferansın güvenilirliği (endeks, yayınevi, editoryal şeffaflık)

Google Scholar’ın indeksleme mantığı ve kapsama biçimi web tabanlı olduğundan, platformun “neye göre indekslediği” konusu bile kalite değerlendirmesinde ipucu verebilir.

7. Kayıt tutma: iyi tarama = iyi dokümantasyon

İyi literatür taraması “çok okudum” değil, kanıtlanabilir şekilde taradım demektir. Burada iki şey yap:

7.1. Arama günlüğü (search log) tut

Şu alanlarla basit bir tablo aç:

• Veritabanı (Scopus / Scholar)

• Tarih

• Sorgu (tam metin)

• Filtreler (yıl, alan, doküman türü)

• Sonuç sayısı

• Not (revizyon gerekçesi)

Bu, tez savunmasında “nasıl taradın?” sorusunu tek hamlede çözer.

7.2. Referans yönetimi şart: Zotero/EndNote/Mendeley

Literatür taraması, referans yönetim aracı olmadan yapılırsa eninde sonunda “kaynakça cehennemi”ne düşersin.

Zotero’nun Word eklentisi; metin içinde atıf ekleme ve kaynakçayı dinamik güncelleme gibi işlevlerle süreci hızlandırır.

8. Eleme ve dahil etme: kriter koymazsan tarama “sonsuz” olur

Literatür taraması bir noktada bitmeli. Bitmesi için de dahil etme/dışlama kriterleri olmalı.

8.1. Dahil etme kriterleri (örnek)

• Hakemli makale / belirli endeks

• Belirli yıl aralığı

• Belirli yöntem (örn. nicel çalışmalar)

• Belirli bağlam (örn. OECD ülkeleri)

• Dil (örn. İngilizce + Türkçe)

8.2. Dışlama kriterleri (örnek)

• Konu dışı (kavram aynı kelime ama başka anlam)

• Yöntem dışı

• Tam metin erişilemeyen (bazı alanlarda bu tartışmalı)

• Tekrarlanan kayıt

8.3. PRISMA mantığı (özellikle sistematik taramada)

Sistematik tarama yapıyorsan, “kaç kayıt bulundu, kaç tanesi elendi, neden elendi” gibi adımları şeffaf raporlamak için PRISMA çerçevesi yaygın bir referanstır. PRISMA 2020; checklist ve akış şeması gibi öğeler sunar.

Bu yazı bir “tam sistematik tarama protokolü” değildir; ama PRISMA mantığını anlatı taramasına bile uyarlarsan taramanın bilimsel güvenilirliği artar.

9. Okuma ve not alma: “özet çıkarma” değil, “argüman haritalama”

Literatürü okurken hedefin “makaleyi anladım” değil; literatürün haritasını çıkarmak.

Her çalışma için şu 8 soruyu standartlaştır:

1. Araştırma sorusu ne?

2. Kuramsal çerçeve ne?

3. Veri/örneklem ne?

4. Yöntem ne?

5. Ölçümler/araçlar ne?

6. Bulgular ne?

7. Sınırlılıklar ne?

8. Senin çalışmana katkısı/çatışması ne?

Bu standart not şablonu, literatür bölümünü yazarken sana “hazır paragraf malzemesi” verir.

10. Yazım kurgusu: literatürü “tema” ve “tartışma” üzerinden yaz

Akademik yazımda literatür taraması genellikle şu iki hatayı yapar:

• “Makale 1 şunu dedi, Makale 2 bunu dedi…” (listeleme)

• “Her şeyi yazma” (dağılma)

Bunun yerine tematik iskelet kur:

• Tema 1: Kavramsal tanımlar ve yaklaşımlar

• Tema 2: Yöntemsel gelenekler (nicel/nitel/karma)

• Tema 3: Bulguların ortak yönleri ve çelişkiler

• Tema 4: Boşluklar ve senin konumun

Her temada şu üç hamle olsun:

• Sentez (ortak nokta)

• Ayrışma (çelişki/uyuşmama)

• Boşluk (neden hâlâ araştırma gerekiyor)

Bu, akademik yazım kurallarının kalbidir: sentez yap, gerekçe üret, konumlan.

11. Uygulanabilir mini örnek: 30 dakikada ilk sorgu seti

Diyelim konun “X üzerinde Y’nin etkisi” (genel bir şablon). Hızlı uygulama:

1. 10 dakika: Anahtar kelime matrisi çıkar (A–B–C–D).

2. 10 dakika: Scopus’ta TITLE-ABS-KEY ile odak sorgu yap; ilk 200 sonucu yıl/alan filtreleriyle 80–120’ye indir.

3. 10 dakika: Scholar’da aynı sorgunun daha geniş versiyonunu çalıştır; “cited by” ile 2 çekirdek makaleden zincir başlat; 20 ek kayıt çıkar.

Sonuç: İlk günün sonunda elinde “çekirdek + genişleme” karması, yönetilebilir bir havuz olur.

12. Akademik etik: literatür taraması “kopyala-yapıştır” değildir

Literatür taramasında etik riskler iki noktada büyür:

• Paragrafları kaynaklardan “parça parça” taşıyıp mozaik üretmek

• Atıf verip yine de metni fazla yaklaştırmak (yakın paraphrase)

Çözüm:

• Kaynağı okuduktan sonra metni kapatıp kendi cümlenle yaz

• Her iddia için uygun atıf ver

• Aynı paragrafta gereksiz “atıf yağmuru” yapma; seçici ve temsilî ol

Sonuç: iyi tarama = iyi soru + iyi sorgu + iyi kayıt + iyi sentez

Literatür taraması bir “arama motoru becerisi” değil; metodolojik bir disiplindir. Scopus’la kontrollü çekirdek literatürü çıkarır, Google Scholar’la genişleyip atıf zincirleriyle boşlukları yakalarsın. Anahtar kelime stratejisini (eşanlamlılar + Boolean + alan hedefleme) oturttuğunda tarama hem hızlanır hem bilimsel olarak savunulabilir hale gelir. Üstüne bir de arama günlüğü + referans yönetimi eklersen, literatür bölümü yazımı “kabus” olmaktan çıkar, çalışmanın omurgasına dönüşür.