ÇEKÜL Vakfı
Türkiye'de koruma bilincinin yerleşmesinde öncü bir role sahiptir. Yerel yönetimlerle kurduğu 'Tarihi Kentler Birliği' iş birliği, koruma stratejilerinin yerel ölçekte uygulanmasını sağlayan en güçlü modeldir. Vakfın dijital platformu, kapsamlı bir arşiv ve eğitim merkezi (ÇEKÜL Akademi) işlevi görerek sektörel bilgi birikimini sistematik bir şekilde sunar.
- Doğa-kültür-insan bütüncül koruma yaklaşımı
- ÇEKÜL Akademi ile uzman kapasite geliştirme
- Anadolu genelinde yaygın saha projeleri ve gönüllülük ağı

ÇEKÜL Vakfı, akademik tasarım denetiminde 58/100 puan alarak bağımsız denetimden geçti. En güçlü yönleri görsel kararlılık (93) ve akıcılık (88); görece geliştirilebilir alanları marka kimliği (31) ve estetik (38).
ÇEKÜL Vakfı, Karmarama tarafından tasarlanan bu Tarihi Miras Koruma platformu olarak 58/100 skorla "Gelişime Açık" kategorisinde yer almaktadır. kullanıcıların bakış açısından genel kullanıcı deneyimini kısıtlayan çeşitli tasarım kararları gözlemlenmiştir. Hasler-Süsstrunk renk metriği alt sınırlarda seyrederken Fitts Yasası etkileşim verimliliği yetersiz bulunmuştur; hedefli bir UX dönüşümüyle önemli kazanımlar elde edilebilir.
Tasarım Denetimi
Hasler-Süsstrunk renk teorisi, Gestalt ilkeleri ve Fitts Yasası ile hesaplamalı analiz.
Camgöbeği tazelik ve yenilik hissi verir. Teknoloji girişimlerinde geleneksel maviden farklılaşarak özgün ve çağdaş bir marka sesi oluşturur. (Birren, 1969)
Modern React framework (Next.js). SSR veya SSG ile sunuluyor.
"Dengeli soğuk tonlar profesyonellik ve güvenilirlik mesajı iletiyor; kurumsal algı başarılı."
Bu siteye 2 ajans katkı verdi
Karşılaştır & İzle
Sektör ortalamasıyla karşılaştırma ve tarihsel skor değişimi.
Tarihi Miras Koruma
ÇEKÜL Vakfı bu kategoride 4 puan altında — sektör ortalaması 62/100. En iyi %70 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.

