Sözlü Tarih Araştırmaları
Toplumsal hafızayı dijital bir veritabanına dönüştürmesiyle sosyal bilimler alanında eşsiz bir proje sunmaktadır. Kullanıcı deneyimi, kayıtların kolayca taranabilir olması ve akademik atıf yapılabilen altyapısı ile dijitalleşen tarih araştırmaları için örnek bir modeldir.
- Görsel ve işitsel tarih arşivi
- Mekansal tarih haritalaması
- Kapsamlı sözlü tarih veritabanı

Sözlü Tarih Araştırmaları, akademik tasarım denetiminde 61/100 puan alarak bağımsız denetimden geçti. En güçlü yönleri akıcılık (100) ve görsel kararlılık (82); görece geliştirilebilir alanları hareket tasarımı (28) ve marka kimliği (39).
Sözlü Tarih Araştırmaları, tarafından tasarlanan bu Tarih & Kültürel Çalışmalar platformu olarak 61/100 puan ve "Güçlü Temel" sertifikasyonuyla değerlendirilmiştir. Sözlü Tarih Araştırmaları, 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.
Kırmızı enerji, aciliyet ve güçlü eylem çağrısı iletir. E-ticaret ve sağlık sektörlerinde dikkat çekici etkisi deneysel psikoloji çalışmalarıyla kanıtlanmıştır. (Birren, 1969)
5 teknoloji bileşeni tespit edildi.
"Minimalist sıcak palet odak ve netliği ön plana çıkarıyor; sözsüz lüks çağrışımı var."
Karşılaştır & İzle
Sektör ortalamasıyla karşılaştırma ve tarihsel skor değişimi.
Tarih & Kültürel Çalışmalar
Sözlü Tarih Araştırmaları bu kategoride 12 puan üzerinde — sektör ortalaması 49/100. En iyi %37 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.

