KADES (Kadın Destek Uygulaması)
Türkiye'nin şiddetle mücadeledeki en somut dijital başarısıdır. Resmiyet taşıması ve doğrudan müdahale mekanizmasını tetiklemesi, onu en kritik platform yapmaktadır. Tasarımda işlevsellik, hız ve kullanıcı gizliliği en ön planda tutulmuştur.
- Tek tuşla acil yardım
- GPS tabanlı konum tespiti
- Resmi emniyet entegrasyonu

KADES (Kadın Destek Uygulaması), akademik tasarım denetiminde 71/100 puan alarak bağımsız denetimden geçti. En güçlü yönleri akıcılık (96) ve görsel kararlılık (76); görece geliştirilebilir alanları etkileşim tasarımı (47) ve marka kimliği (51).
KADES (Kadın Destek Uygulaması), tarafından tasarlanan bu Kadına Şiddet Önleme platformu olarak 71/100 puan ve "Üst Düzey" sertifikasıyla değerlendirilmiştir. Sağlam bir teknik altyapı üzerine kurulu KADES (Kadın Destek Uygulaması), dijital platformlar arasında tatmin edici bir kullanıcı deneyimi sunmaktadır. genel kullanıcı deneyimini iyileştirmeye yönelik net fırsatlar tespit edilmiş olmakla birlikte, mevcut tasarım dili tutarlı ve işlevseldir.
Tasarım Denetimi
Hasler-Süsstrunk renk teorisi, Gestalt ilkeleri ve Fitts Yasası ile hesaplamalı analiz.
Nötr ve dengeli bir renk paleti benimseniyor. Minimalist yaklaşım profesyonellik, içerik önceliği ve zamansız bir estetik iletir. Birden fazla renkli sektörde bu duruşun güven artırıcı etkisi gözlemlenmektedir. (Birren, 1969)
2 teknoloji bileşeni tespit edildi.
"Minimalist nötr palet zamansız estetik sunar; içeriğin öne çıkmasına izin veriyor."
Karşılaştır & İzle
Sektör ortalamasıyla karşılaştırma ve tarihsel skor değişimi.
Kadına Şiddet Önleme
KADES (Kadın Destek Uygulaması) bu kategoride 17 puan üzerinde — sektör ortalaması 54/100. En iyi %11 dilimindedir.
Benzer Skorlu Siteler
Ölçüm ortamı hakkında: Teknik performans için öncelik CrUX (Chrome User Experience Report — gerçek kullanıcıların canlı saha verisi); CrUX verisi yoksa Lighthouse(kontrollü lab/test ortamı) kullanılır. Bu iki ortam farklı koşullarda ölçtüğü için bazı metrikler birbirinden ayrışabilir — örneğin sunucu yanıtı (TTFB) lab'da hızlı görünürken, gerçek kullanıcıların içerik boyaması (LCP) ağ ve cihaz koşulları nedeniyle daha yavaş çıkabilir. Her iki değer de doğrudur; yalnızca farklı pencerelerden bakar.

