Ülkelerin Yükseköğretim Performanslarının Bulanık C-Ortalamalar Kümeleme Algoritması ile Değerlendirilmesi

Öz

Yükseköğretim, bireylerin uzmanlaşarak belirli alanlarda faaliyet göstermeye başlamasına ortam hazırlaması bakımından eğitim sistemi içerisinde oldukça önemli bir yere sahiptir. Her ülke yükseköğretim yapısını kendi sosyal ve kültürel değerlerini de katarak çağın gereksinimlerine cevap verebilecek şekilde dizayn etme amacındadır. Bu kapsamda Türkiye’nin yükseköğretim sisteminin var olan mevcut sorunlarına rağmen süreç içerisinde önemli bir gelişme gösterdiğini ifade etmek yerinde olacaktır. Bu çalışmada bulanık c-ortalamalar kümeleme algoritması kullanılarak, seçilen 32 ülkenin yükseköğretim performanslarına göre gruplandırılması amaçlanmıştır. Ülkelerin yükseköğretim performansları, eğitim, istihdam ve ekonomi kategorilerinde seçilen değişkenler aracılığıyla kümeleme algoritmasında analiz edilmiştir. Çalışma sonucunda Norveç ve İsviçre ile birlikte AB üye ve aday ülkeleri (Türkiye, Kuzey Makedonya, Sırbistan) dört küme içerisinde gruplandırılmıştır. Bu kümeler aracılığıyla yükseköğretim performansları bakımından benzer niteliklere sahip olan ülkeler birlikte değerlendirilmiş ve ilgili ülkelerin yükseköğretim rekabet edebilirlikleri karşılaştırılmıştır. Karşılaştırmalar sonucunda ülkelerin yükseköğretim sistemlerine ilişkin birtakım çıkarımlar yapılmış ve Türkiye’nin mevcut durumu ile birlikte bu durumunun iyileştirilmesine yönelik çeşitli öneriler sunulmuştur.

Anahtar Kelimeler

• yükseköğretim
• kümeleme algoritması
• bulanık c-ortalamalar

Assessment of Countries’ Higher Education Performances with Fuzzy C-Means Clustering Algorithm

Abstract

Higher education has a very important place in the education system in terms of preparing an environment for individuals to specialize and start operating in certain areas. Each country aims to design its higher education structure in a way that can meet the needs of the age by adding its own social and cultural values. In this context, it would be appropriate to express that showed a significant improvement in existing processes, despite the current problems of Turkey’s higher education system. This study is aimed to group 32 selected countries according to their higher education performances using the fuzzy c-means clustering algorithm. The higher education performances of the countries were analyzed in the clustering algorithm through the variables selected in education, employment, and economy categories. As a result of the study, the EU member and candidate countries (Turkey, Northern Macedonia, Serbia), together with Norway and Switzerland, were grouped into four clusters. Through these clusters, countries have been evaluated together with countries that have similar qualifications in terms of higher education performance, and the higher education competitiveness of the relevant countries has been compared. Thanks to the comparisons, some inferences were made regarding the higher education systems of the countries, and along with the current situation of Turkey, various suggestions have been presented to improve this situation.

Keywords

• higher education; clustering algorithm; fuzzy c-means.

References

1. Adem, M. (1982). Kalkınma planlarında eğitimimizin hedefleri ve finansmanı. Ankara: Sevinç Matbaası.
2. Al Kindhi, B., Sardjono, T. A., Purnomo, M. H., & Verkerke, G. J. (2019). Hybrid k-means, fuzzy c-means, and hierarchical clustering for DNA hepatitis c virus trend mutation analysis. Expert Systems with Applications, 121, 373-381.
3. Bezdek, J. C. (1981). Fuzzy mathematics in pattern classification (PhD Dissertation). Applied Mathematics Center, Cornell University, Ithaca, NY.
4. Bulajeva, T., & Hogan-Brun, G. (2014). Internationalisation of higher education and nation building: Resolving language policy dilemmas in Lithuania. Journal of Multilingual and Multicultural Development, 35(4), 318-331.
5. Büyükgöze, H., & Özdemir, M. (2016). Avrupa Yükseköğretim Alanı (AYA) Yükseköğretime erişimi ve katılımı genişletme politikalarının değerlendirilmesi. Yükseköğretim Dergisi, 6(1), 40-46.
6. Çalışkan, A. (2001). Sosyal refahın sağlanmasında devletin etkinliği ve Türkiye örneği (Yayımlanmamış doktora Tezi). Dokuz Eylül Üniversitesi Sosyal Bilimler Enstitüsü, İzmir.
7. Çavdar, A. (1994). Dünya’da ve Türkiye’de bilim, etik ve üniversite. İçinde Türkiye bilimler akademisi (ss.3-4). Ankara: TÜBA.
8. Çömlekçi, N. (1971). Türkiye’nin iktisadi kalkınmasında eğitimin rolü. Ankara: Sevinç Matbaası.

9. Deem, R., Mok, K. H., & Lucas, L. (2008). Transforming higher education in whose image? Exploring the concept of the ‘world-class’ university in Europe and Asia. Higher Education Policy, 21(1), 83-97.
10. Dunn, J. C. (1973). A fuzzy relative of the ISODATA process and its use in detecting compact well-separated clusters. Journal of Cybernetics 3, 32-57.
11. European Higher Education Area (2015). European higher education area and bologna process. https://ehea.info/ Erişim tarihi: 15.02.2021.
12. Gedikoğlu, T. (2005). Avrupa Birliği sürecinde Türk eğitim sistemi: sorunlar ve çözüm önerileri. Mersin Üniversitesi Eğitim Fakültesi Dergisi, 1(1), 66-80.
13. Gemmell, N. (1998). Reviewing the new growth literature. New Political Economy, 3(1), 129-134.
14. Ghosh, S., & Dubey, S. K. (2013). Comparative analysis of k-means and fuzzy c-means algorithms. International Journal of Advanced Computer Science and Applications, 4(4), 35-39.
15. International Ranking Expert Group (2006). Berlin principles on ranking of higher education institutions. http://www.ihep.org/sites/default/files/uploads/docs/pubs/berlinprinciplesranking.pdf Erişim tarihi: 08.02.2021.
16. Izakian, H., & Abraham, A. (2011). Fuzzy c-means and fuzzy swarm for fuzzy clustering problem. Expert Systems with Applications, 38(3), 1835-1838.
17. Joumady, O., & Ris, C. (2005). Performance in European higher education: a non‐parametric production frontier approach. Education Economics, 13(2), 189-205.
18. Kabók, J., Radišić, S., & Kuzmanović, B. (2017). Cluster analysis of higher-education competitiveness in selected European countries. Economic Research, 30(1), 845-857.
19. Küçükcan, T., & Gür, B. S. (2010). Türkiye’de yükseköğretim karşılaştırmalı bir analiz. Ankara: Seta Yayınları.
20. Melnikova, J., & Zaščerinska, J. (2016). Integration of entrepreneurship into higher education (educational sciences) in Lithuania and Latvia: focus on students’ entrepreneurial competencies. Regional Formation and Development Studies, 1(18), 100-109.
21. OECD/Eurostat/UNESCO Institute for statistics (2015). “Tertiary education”. In ISCED 2011 Operational Manual: guidelines for classifying national education programmes and related qualifications (s.69). Paris: OECD Publishing.
22. Ross, T. J. (2010). Fuzzy logic with engineering applications (3rd ed). United Kingdom: John Wiley & Sons, Ltd.
23. Sefidian, A. M., & Daneshpour, N. (2019). Missing value imputation using a novel grey based fuzzy c-means, mutual information based feature selection, and regression model. Expert Systems with Applications, 115, 68-94.
24. Sorbonne Joint Declaration. 1998. Joint declaration on harmonisation of the architecture of the European higher education system. http://www.bologna-berlin2003.de/pdf/Sorbonne_declarati on.pdf Erişim tarihi: 13.02.2021.
25. Sursock, A., Smidt, H., & Davies, H. (2010). Trends 2010: a decade of change in European higher education. Brussels: European University Association.
26. Tatlıdil, H. (2002). Uygulamalı çok değişkenli istatistiksel analiz. Ankara: Ziraat Matbaacılık.
27. Tomusk, V. (2000). When east meets west: decontextualizing the quality of East European higher education. Quality in Higher Education, 6(3), 175-185.