TEGV - Türkiye Eğitim Gönüllüleri Vakfı
TEGV, vakıf dijitalleşme süreçlerinde öncü bir rol üstlenerek, eğitim materyallerini ve gönüllülük süreçlerini modern bir web altyapısına taşımıştır. Kullanıcı dostu arayüzü ve net bağış/gönüllülük odaklı tasarımı ile sosyal sorumluluk bilincini dijital dünyaya başarıyla aktarmaktadır.
- Etkileşimli eğitim portalları
- Kolay yönetilebilir bağış süreci
- Gönüllü takip sistemi

TEGV - Türkiye Eğitim Gönüllüleri Vakfı, akademik tasarım denetiminde 51/100 puan alarak bağımsız denetimden geçti. En güçlü yönleri akıcılık (98) ve görsel kararlılık (74); görece geliştirilebilir alanları marka kimliği (31) ve estetik (38).
TEGV - Türkiye Eğitim Gönüllüleri Vakfı, tarafından tasarlanan bu Kamu Yararı Vakfı platformu olarak 51/100 puan ve "Gelişime Açık" değerlendirmesiyle raporlanmıştır. TEGV - Türkiye Eğitim Gönüllüleri Vakfı, dijital rekabetçi ortamda kullanıcıların deneyimini zorlaştıran görsel ve teknik engeller barındırmaktadır. Tipografik düzensizlik, renk hiyerarşisi eksikliği ve sayfa yükleme performansı öncelikli iyileştirme alanları olarak öne çıkmaktadır.
Tasarım Denetimi
Hasler-Süsstrunk renk teorisi, Gestalt ilkeleri ve Fitts Yasası ile hesaplamalı analiz.
Mavi güvenilirlik, otorite ve sakinliği kodlar. B2B ve kurumsal kimlikte dünya genelinde en yaygın tercih edilen tonlamadır; bilinçsiz güven oluşturma gücü yüksektir. (Birren, 1969)
5 teknoloji bileşeni tespit edildi.
"Canlı soğuk palet dinamizm ve modernlik mesajı veriyor; teknoloji çağrışımı güçlü."
Karşılaştır & İzle
Sektör ortalamasıyla karşılaştırma ve tarihsel skor değişimi.
Kamu Yararı Vakfı
TEGV - Türkiye Eğitim Gönüllüleri Vakfı bu kategoride 11 puan altında — sektör ortalaması 62/100. En iyi %91 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.

