Sonuç Bu çalışma, elektrikli araç (EV) tahmin literatürünün kapsamlı bir bibliyometrik ve metodolojik sentezini sunmak amacıyla 56 çalışmayı incelemiş ve alanın zaman içindeki gelişimini açıklığa kavuşturmayı hedeflemiştir. İnceleme, uzun vadeli tahminler yapamama, gerçek zamanlı verileri kullanamama ve modellerin farklı bölgesel ortamlarda çalışamama gibi bazı önemli boşluklara işaret etmektedir. Bu çalışma, öncelikle teknik optimizasyona odaklanan mevcut literatürün aksine, ortaya çıkan eğilimleri, yaygın tahmin metodolojilerini ve gelecekteki araştırmalar için olası yolları vurgulayan özlü bir bibliyometrik ve metodolojik sentez sunmaktadır. Bu çalışmanın analitik katkılarından biri, küresel EV tahmininde "merkez" ve "çevre" arasında bir dengesizliğin belirlenmesidir. Gelişmiş pazarlarda yoğunlaşan coğrafi dağılım, tahmin çerçevelerinin Türkiye gibi gelişmekte olan ekonomilerin benzersiz dinamiklerine uyarlanmasının gerekliliğini vurgulamaktadır. Bu sonuç, küresel modellerin yerel üretim ve hızlı altyapı değişiklikleri gibi doğrusal olmayan faktörleri hesaba katmak için 'bağlamsal kalibrasyona' ihtiyaç duyduğunu vurgulamaktadır. Sonuç olarak, bu çalışma, elektrikli araç tahminlerinin geleceğinin, istatistiksel büyüme modellerinin yorumlanabilirliğini yapay zekanın tahmin doğruluğuyla birleştirmeyi amaçlayan hibrit yaklaşımlardan giderek daha fazla fayda sağlayabileceğini öne sürmektedir. Gelecekteki araştırmalar, bağlamsal değişkenleri, gerçek zamanlı veri kümelerini ve hibrit modelleme çerçevelerini entegre ederek tahmin doğruluğunu artırmalı ve böylece elektrikli araç benimseme projeksiyonlarının küresel uygulanabilirliğini güçlendirmelidir.

Conclusion This study examined 56 studies to provide a comprehensive bibliometric and methodological synthesis of the electric vehicle (EV) forecasting literature and aims to clarify the evolution of the field over time. The review points out some key gaps, such as the inability to make long-term forecasts, the inability to use real-time data, and the inability of models to work in different regional environments. This study provides a concise bibliometric and methodological synthesis that highlights emerging trends, common forecasting methodologies, and possible avenues for future research, in contrast to existing literature that focuses primarily on technical optimization. One of the analytical contributions of this study is the identification of an imbalance between “core” and “periphery” in global EV forecasting. The geographic dispersion concentrated in developed markets emphasizes the need to adapt forecasting frameworks to the unique dynamics of developing economies such as Türkiye.This result highlights that global models need 'contextual calibration' to account for non-linear factors such as local production and rapid infrastructure changes. In conclusion, this study suggests that the future of electric vehicle forecasting may increasingly benefit from hybrid approaches that aim to combine the interpretability of statistical growth models with the forecast accuracy of artificial intelligence. Future research should improve forecast accuracy by integrating contextual variables, real-time datasets, and hybrid modeling frameworks, thereby strengthening the global applicability of electric vehicle adoption projections.