Demokrasi Araştırmaları Merkezi (CDR)
Referandom gibi yapay zeka ve veri destekli izleme araçları sayesinde TBMM ve yerel meclislerin şeffaflığını artırmayı hedefler. Sivil toplumun dijitalleşmesi ve demokratik katılımın artırılması için yenilikçi çözümler sunar.
- Yapay zeka destekli izleme araçları
- Politika verisi görselleştirme
- Gençlik katılım programları

Demokrasi Araştırmaları Merkezi (CDR), akademik tasarım denetiminde 66/100 puan alarak bağımsız denetimden geçti. En güçlü yönleri akıcılık (100) ve görsel kararlılık (97); görece geliştirilebilir alanları hareket tasarımı (28) ve etkileşim tasarımı (55).
Demokrasi Araştırmaları Merkezi (CDR), tarafından tasarlanan bu Azınlık & Etnik Haklar platformu olarak 66/100 puan ve "Güçlü Temel" sertifikasyonuyla değerlendirilmiştir. Demokrasi Araştırmaları Merkezi (CDR), dijital platformlar arasında gelişim potansiyeli yüksek bir konumda yer almaktadır. WCAG 2.1 erişilebilirlik kriterleri ve Lighthouse performans metrikleri temel uyumluluğu sağlarken, kullanıcıların uzun vadeli memnuniyetini artıracak derinlikli iyileştirmeler için net fırsatlar mevcuttur.
Tasarım Denetimi
Hasler-Süsstrunk renk teorisi, Gestalt ilkeleri ve Fitts Yasası ile hesaplamalı analiz.
Sarı iyimserlik ve yeniliği simgeler. Yüksek parlaklığı kontrast yönetimini kritik kılar; arka plan kullanımında okunabilirlik titizlik gerektirir. (Birren, 1969)
Modern React framework (Next.js). SSR veya SSG ile sunuluyor.
"Minimalist nötr palet zamansız estetik sunar; içeriğin öne çıkmasına izin veriyor."
Karşılaştır & İzle
Sektör ortalamasıyla karşılaştırma ve tarihsel skor değişimi.
Azınlık & Etnik Haklar
Demokrasi Araştırmaları Merkezi (CDR) bu kategoride 6 puan üzerinde — sektör ortalaması 60/100. En iyi %29 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.

