ÜNİVERSİTELERİN LİSANS PROGRAMLARINDAKİ PROGRAM ÇIKTILARININ BAŞARI DÜZEYLERİ İLE ÖĞRENCİLERİN EDİNİM DÜZEYLERİNİN ÖLÇÜMÜ İÇİN BİR İZLEME VE KARAR DESTEK SİSTEMİ

Abstract

Türkiye’de lisans programlarının sayısındaki artış, beraberinde program kalitesinin güvence altına alınmasını zorunlu kılmış ve bu durum, birçok üniversiteyi ulusal ve uluslararası akreditasyon süreçlerine yönlendirmiştir. Bu süreçlerin merkezinde, programların tanımladığı öğrenme çıktılarının tüm öğrencilere ne ölçüde kazandırıldığını gösteren ölçülebilir kanıtların sunulması yer almaktadır. Ancak mevcut sistemler çoğu zaman karmaşık, maliyetli ya da esneklikten uzak olabilmektedir. Bu çalışmada, bu ihtiyaca yönelik olarak geliştirilen, Microsoft Excel tabanlı, kullanıcı dostu ve esnek bir karar destek sistemi tanıtılmaktadır. Geliştirilen sistem, lisans programlarındaki öğrenme çıktılarının başarı düzeylerinin izlenmesini, belgelenmesini ve analiz edilmesini kolaylaştırmaktadır. Sistem, öğretim elemanlarının girdiği ders bazlı değerlendirme verilerini kullanarak program çıktıları bazında bütüncül bir başarı değerlendirmesi sunmakta ve iyileştirme alanlarını belirlemeye yardımcı olmaktadır. Esnek yapısı sayesinde farklı fakültelerdeki lisans programlarına kolayca uyarlanabilme potansiyeline sahip olan sistemin yapısı, uygulama adımları ve sağladığı çıktılar detaylı biçimde ele alınmış; bir lisans programının beş yıllık değerlendirilmesi üzerinden bir uygulama örneği üzerinden sürekli iyileştirme bileşenlerinde etkili bir araç olarak kullanılabileceği gösterilmiştir.

Keywords

• Program öğrenme çıktıları ölçme
• Karar destek sistemi
• Akreditasyon
• Yükseköğretimde program değerlendirme

A Monitoring and Decision Support System for Assessing the Achievement Levels of Program Learning Outcomes and Student Attainment in Undergraduate Programs of Universities

Abstract

The growing number of undergraduate programs in Türkiye has led to an increasing need for quality assurance, prompting many universities to pursue national and international accreditation. A key requirement of these accreditation processes is the provision of measurable and traceable evidence demonstrating the extent to which program learning outcomes are achieved by all students. However, existing monitoring systems are often complex, costly, or lack adaptability. This study introduces a flexible, user-friendly, and Microsoft Excel-based decision support system developed to address this need. The proposed system enables systematic monitoring, documentation, and analysis of the achievement levels of learning outcomes in undergraduate programs. By utilizing course-level evaluation data entered by instructors, it generates a comprehensive performance overview at the program level and helps identify areas for improvement. With its flexible structure, the system possesses the potential to be seamlessly adapted to undergraduate programs across various faculties. This study provides a detailed account of the system's architecture, implementation procedures, and the types of outputs it generates. A case study based on a five-year evaluation of a specific undergraduate program is presented to illustrate how the system can function as an effective tool within the continuous improvement component of accreditation processes. 

Keywords

• Measuring program learning outcomes
• Decision support system
• Accreditation
• Program evaluation in higher education

References

1. Angeioplastis, A., Aliprantis, J., Konstantakis, M. and Tsimpiris, A. (2025). Predicting student performance and enhancing learning outcomes: a data-driven approach using educational data mining techniques, Computers, 14(3), 83. doi:10.3390/computers14030083
2. Bhatia, J., Girdhar, A. and Singh, I. (2017) An automated survey designing tool for indirect assessment in outcome based education using data mining, 5th IEEE International Conference on MOOCs, Innovation and Technology in Education (MITE), Bangalore, 95-100. doi: 10.1109/MITE.2017.00023
3. Brunton, J., Brown, M., Costello, E. and Walsh, E. (2016) Designing and developing a programme-focused assessment strategy: a case study, Open Learning: The Journal of Open, Distance and e-Learning, 31(2), 176-187. doi: 10.1080/02680513.2016.1187593
4. Charlton, N. and Newsham-West, R. (2024) A conceptual model for program-level assessment, Higher Education Research and Development, 43(8), 1721-1736. doi: 10.1080/07294360.2024.2364094
5. Danley-Scott, J. and Scott, G. (2014) The other half: non-tenure track faculty thoughts on student learning outcomes assessment, Research & Practice in Assessment, 9, 31-44.
6. Garfolo, B. T. and L'Huillier, B. (2015) Demystifying assessment: the road to accreditation, Journal of College Teaching & Learning, 12(4), 151-170.
7. Gutiérrez, F., Seipp, K., Ochoa, X., Chiluiza, K., De Laet, T. and Verbert, K. (2020) LADA: A learning analytics dashboard for academic advising, Computers in Human Behavior, 107, 105826. doi: 10.1016/j.chb.2018.12.004
8. Herodotou, C., Rienties, B., Boroowa, A., Zdrahal, Z. and Hlosta, M. (2019) A large-scale implementation of predictive learning analytics in higher education: the teachers’ role and perspective, Educational Technology Research and Development, 67, 1273-1306. doi: 10.1007/s11423-019-09685-0

9. INQAAHE, (2025). The International Network for Quality Assurance Agencies in Higher Education (INQAAHE) Mission, Values and Purposes. Erişim Adresi: https://www.inqaahe.org/about-us/mission-values-and-purposes (Erişim Tarihi: 15.06.2025)
10. Judd, T. P., Pondish, C. and Secolsky, C. (2013) Issues in institutional benchmarking of student learning outcomes using case examples, Research in Higher Education Journal, 20, 1-15.
11. Larrabee Sønderlund, A., Hughes, E. and Smith, J. (2019) The efficacy of learning analytics interventions in higher education: a systematic review. British Journal of Educational Technology, 50(5), 2594-2618. doi: 10.1111/bjet.12720
12. Li, Y., Gao, Z. and Xu, X. (2024) Higher education management based on intelligent decision support system, 3rd International Conference on Internet Technology and Educational Informatization (ITEI 2023), November 24–26, Zhengzhou, People's Republic of China. doi: 10.4108/eai.24-11-2023.2343592
13. Mühendislik Eğitim Programları Değerlendirme ve Akreditasyon Derneği (MÜDEK), (2023). Mühendislik Lisans Programları Değerlendirme Ölçütleri 3.0. Erişim Adresi: https://www.mudek.org.tr/doc/tr/MUDEK-Degerlendirme_Olcutleri_(3.0-08.11.2023).pdf (Erişim Tarihi: 12.06.2025)
14. Nusche, D. (2008) Assessment of learning outcomes in higher education: a comparative review of selected practices, OECD Education Working Papers, No. 15. OECD Publishing (NJ1). doi: 10.1787/244257272573
15. Papadogiannis, I., Wallace, M. and Karountzou, G. (2024) Educational data mining: a foundational overview, Encyclopedia, 4(4), 1644-1664. doi: 10.3390/encyclopedia4040108
16. Traikova, A. (2019) A systematic approach for tool-supported performance management of engineering education (Doctoral dissertation, Université d'Ottawa/University of Ottawa)
17. Wong, B. T., Li, K. C. and Liu, M. (2025) The role of learning analytics in evaluating course effectiveness, Sustainability, 17(2), 559. doi: 10.3390/su17020559
18. Yorulmaz, M., Keçeci, B., Tansel İç, Y., Gülşen, M. and Dengiz, B. (2025) A monitoring tool for the evaluation of program outcomes in engineering education, Computer Applications in Engineering Education, 33(1), e22812. doi: 10.1002/cae.22812
19. Yükseköğretim Kurulu (YÖK), (2024). Yükseköğretim Akredite Programları. Erişim Adresi: https://web.yok.gov.tr/tr/news/turk-yuksekogretiminde-akredite-olan-programlarin-sayisi-artiyo-r-2Ak59 (Erişim Tarihi: 04.03.2026)