Efficiency Evaluation of Education Management Activities of Provinces in Turkey Using Integration of Clustering and Data Envelopment Analysis

Yıl 2025, Cilt: 10 Sayı: 2, 661 - 705, 30.06.2025

Aydın Özdemir

https://doi.org/10.25229/beta.1622325

Öz

This study aims to evaluate the education management activities of 81 (eighty-one) provinces in Turkey using the integration of Data Envelopment Analysis and Cluster Analysis. In the first stage of the analysis, K-Means Clustering Algorithm was executed to group 81 (eighty-one) provinces in Turkey according to the determined variables. In the second stage, the education management activities of 81 (eighty-one) provinces in Turkey were evaluated using Data Envelopment Analysis based on the groups obtained in the first stage. In addition, reference sets were defined for inefficient provinces and improvement suggestions were given to make them efficient. According to the analysis results, 81 provinces in Turkey were divided into 6 clusters and in Cluster-1; It was observed that the pure technical efficiency scores of Amasya (05), Artvin (08), Bolu (14), Burdur (15), Çankırı (18), Edirne (22), Erzincan (24), Kırklareli (39), Rize (53), Tunceli (62) and Kırıkkale (71) in Cluster-2; Antalya (07), Bursa (16) and Kocaeli (41) in Cluster-3; Ankara (06) and İzmir (35) in Cluster-4; Balıkesir (10), Denizli (20) and Tekirdağ (59) in Cluster-5; Çanakkale (17), Eskişehir (26) and Trabzon (61) in Cluster-6; İstanbul (34) were all 1 and had relative efficiency.

Anahtar Kelimeler

Data Envelopment Analysis , Cluster Analysis , Efficiency

Türkiye’deki İllerin Eğitim Yönetimi Etkinliklerinin Kümeleme ve Veri Zarflama Analizi Entegrasyonu Kullanılarak Değerlendirilmesi

Öz

Bu çalışma Türkiye’deki 81 (seksenbir) adet ilin eğitim yönetimi etkinlikleri Veri Zarflama Analizi ve Kümeleme Analizi entegrasyonu kullanılarak ölçmeyi amaçlamaktadır. Analizin ilk aşamasında Türkiye’deki 81 (seksenbir) adet ili belirlenen değişkenlere göre gruplandırmak için K-Ortalamalar Kümeleme Algoritması uygulanmıştır. İkinci aşamada ise ilk aşamada elde edilen gruplar bazında Veri Zarflama Analizi kullanılarak Türkiye’deki 81 (seksenbir) adet ilin eğitim yönetimi etkinlikleri değerlendirilmiştir. Ayrıca etkin olmayan iller için referans setleri tanımlanarak etkin hale gelebilmeleri için iyileştirme önerileri verilmiştir. Analiz sonuçlarına göre Türkiye’deki 81 adet il 6 kümeye ayrılmış olup Küme-1’deki; Amasya (05), Artvin (08), Bolu (14), Burdur (15), Çankırı (18), Edirne (22), Erzincan (24), Kırklareli (39), Rize (53), Tunceli (62) ve Kırıkkale (71)’nin; Küme-2’deki; Antalya (07), Bursa (16) ve Kocaeli (41)’nin; Küme-3’deki; Ankara (06) ve İzmir (35)’in; Küme-4’teki; Balıkesir (10), Denizli (20) ve Tekirdağ (59)’ın; Küme-5’deki; Çanakkale (17), Eskişehir (26) ve Trabzon (61)’un; Küme-6’deki; İstanbul (34)’un saf teknik etkinlik skorlarının 1 olduğu ve göreli etkinliğe sahip oldukları görülmüştür.

Anahtar Kelimeler

Veri Zarflama Analizi , Kümeleme Analizi , Etkinlik

Kaynakça

• Acar, S., Caner, M., Kazancık, L. B., & Işık, M. (2019). İllerin ve bölgelerin sosyo-ekonomik gelişmişlik sıralaması araştırması (SEGE-2017) (Araştırma Raporu No. 3). T.C. Sanayi ve Teknoloji Bakanlığı, Kalkınma Ajansları Genel Müdürlüğü.
• Ahmed, M., Seraj, R., & Islam, S. M. S. (2020). The k-means algorithm: A comprehensive survey and performance evaluation. Electronics, 9(8), 1295. https://doi.org/10.3390/electronics9081295
• Aslan, M., & Uygun, N. (2019). Evaluation of preschool curriculum by Stufflebeam’s context, input, process and product (CIPP) evaluation model. Eğitim ve Bilim, 44(198). https://doi.org/10.15390/EB.2019.7717
• Avkiran, N. K. (2011). Applications of data envelopment analysis in the service sector. In W. W. Cooper, L. M. Seiford, & J. Zhu (Eds.), Handbook on data envelopment analysis (Vol. 164, pp. 403–443). Springer US. https://doi.org/10.1007/978-1-4419-6151-8_15
• Badri, M., Mohaidat, J., & El Mourad, T. (2014). Measuring the efficiency of public schools using data envelopment analysis – An exploratory study. Journal of Education and Practice, 5(37), 215–232.
• Bal, V., & Karahan, M. (2012). Performance evaluation of high schools in Gaziantep using data envelopment analysis. Reforma, 4(56), 74–79.
• Baysal, M. E., & Toklu, B. (2001). Veri zarflama analizi ile bazı orta öğretim kurumlarının performanslarının değerlendirilmesi. Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 6(2), 203–220.
• Belyadi, H., & Haghighat, A. (2021). Unsupervised machine learning: Clustering algorithms. In Machine learning guide for oil and gas using Python (pp. 125–168). Elsevier. https://doi.org/10.1016/B978-0-12-821929-4.00002-0
• Bhutoria, A., & Aljabri, N. (2022). Managerial practices and school efficiency: A data envelopment analysis across OECD and MENA countries using TIMSS 2019 data. Large-Scale Assessments in Education, 10(1), 24. https://doi.org/10.1186/s40536-022-00147-3
• Cinaroglu, S. (2020). Integrated k-means clustering with data envelopment analysis of public hospital efficiency. Health Care Management Science, 23(3), 325–338. https://doi.org/10.1007/s10729-019-09491-3
• Coll-Serrano, V., Benítez, R., & Bolós, V. (2018). Data envelopment analysis with deaR [Software]. R package version 1.2.0.
• Cooper, W. W., Seiford, L. M., & Tone, K. (2006). Introduction to data envelopment analysis and its uses with DEA-solver and references. Springer.
• Çakmak, Z., Uzgören, N., & Keçek, G. (2005). Kümeleme analizi teknikleri ile illerin kültürel yapılarına göre sınıflandırılması ve değişimlerin incelenmesi. Dumlupınar Üniversitesi Sosyal Bilimler Dergisi, 12, 15–36.
• Emrouznejad, A., & Cabanda, E. (2014). Managing service productivity using data envelopment analysis. In A. Emrouznejad & E. Cabanda (Eds.), Managing service productivity using frontier efficiency methodologies and multicriteria decision making for improving service performance (pp. 1–19). Springer.
• Erdoğan, İ. (2021). Yeniden yeni eğitim sistemi. İnsan ve İnsan, 8(27), 13–25. https://doi.org/10.29224/insanveinsan.814514
• Ergülen, A., Harmankaya, İ., & Ünal, Z. (2019). Türkiye’deki orta öğretim kurulumlarının performanslarının veri zarflama analizi ile değerlendirilmesi. International Journal of Arts and Social Studies, 2(3), 45–59.
• Göktolga, Z. G., & Artut, A. (2011). Sivas ilinde liselerin veri zarflama analizi ile değerlendirilmesi. Cumhuriyet Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 12(2), 63–78.
• Han, J., Kamber, M., & Pei, J. (2012). Cluster analysis. In Data mining (pp. 443–495). Elsevier. https://doi.org/10.1016/B978-0-12-381479-1.00010-1
• İstanbul Üniversitesi Şehir Araştırmaları Uygulama ve Araştırma Merkezi. (2023). İller arası rekabet endeksi 2021–2022 (Şehir Araştırma Notları-6). https://cdn.istanbul.edu.tr/FileHandler2.ashx?f=iller-arasi-rekabet-endeksi-2023.pdf
• Jin, X., & Han, J. (2011). K-means clustering. In C. Sammut & G. I. Webb (Eds.), Encyclopedia of machine learning (pp. 563–564). Springer US. https://doi.org/10.1007/978-0-387-30164-8_425
• Kaffenberger, M., Silberstein, J., & Spivack, M. (2022). Evaluating systems: Three approaches for analyzing education systems and informing action. Research on Improving Systems of Education (RISE). https://doi.org/10.35489/BSG-RISE-WP_2022/093
• Li, Y., & Wu, H. (2012). A clustering method based on k-means algorithm. Physics Procedia, 25, 1104–1109. https://doi.org/10.1016/j.phpro.2012.03.206
• Meral, İ. G., Yıldırım, U., & Aytekin, İ. (2023). Türkiye’de iller bazında insani gelişim endeksi değerlerinin hesaplanması ve insani gelişim açısından Türkiye’nin değerlendirilmesi. Politik Ekonomik Kuram, 7(2), 412–426. https://doi.org/10.30586/pek.1352455
• Milli Eğitim Bakanlığı. (2024). Milli eğitim istatistikleri örgün eğitim, 2023/’24 (No. ISSN: 1300-0993). Milli Eğitim Bakanlığı Strateji Geliştirme Daire Başkanlığı.
• Na, S., Xumin, L., & Yong, G. (2010). Research on k-means clustering algorithm: An improved k-means clustering algorithm. In 2010 Third International Symposium on Intelligent Information Technology and Security Informatics (pp. 63–67). https://doi.org/10.1109/IITSI.2010.74
• Ozcan, Y. A. (2009). Quantitative methods in health care management: Techniques and applications (2nd ed.). John Wiley & Sons.
• Ozcan, Y. A. (2014). Health care benchmarking and performance evaluation: An assessment using data envelopment analysis (DEA). Springer.
• Özdemir, A., & Can Sağlam, Y. (2024). Kümeleme ve veri zarflama analizi entegrasyonu: İSO 500’deki tekstil firmalarının performans değerlendirmesi. Journal of Business Research - Turk, 16(1), 1–13. https://doi.org/10.20491/isarder.2024.1772
• Özdemir, Y., Demir, A., & Seyhanlioğlu, H. Ö. (2019). Türkiye’deki ortaokulların verimliliklerinin veri zarflama yöntemi ile analizi. Uluslararası Yönetim Bilişim Sistemleri ve Bilgisayar Bilimleri Dergisi, 3(1), 1–10. https://doi.org/10.33461/uybisbbd.550782
• Ramanathan, R. (2003). An introduction to data envelopment analysis: A tool for performance measurement. Sage Publications India.
• Ray, S. C. (2004). Data envelopment analysis: Theory and techniques for economic and operations research. Cambridge University Press.
• Rousseeuw, P. J. (1987). Silhouettes: A graphical aid to the interpretation and validation of cluster analysis. Journal of Computational and Applied Mathematics, 20, 53–65. https://doi.org/10.1016/0377-0427(87)90125-7
• Tone, K. (2017). Radial DEA models. In K. Tone (Ed.), Advances in DEA theory and applications (pp. 1–10). John Wiley & Sons. https://doi.org/10.1002/9781118946688.ch1
• TÜİK. (2023). İl bazında gayrisafi yurt içi hasıla, 2022. https://data.tuik.gov.tr/Bulten/Index?p=Il-Bazinda-Gayrisafi-Yurt-Ici-Hasila-2022-45867
• TÜİK. (2024). Adrese dayalı nüfus kayıt sistemi sonuçları, 2023 (No. 49684). Türkiye İstatistik Kurumu. https://data.tuik.gov.tr/Bulten/Index?p=Adrese-Dayali-Nufus-Kayit-Sistemi-Sonuclari-2023-49684
• Wu, J. (2012). Advances in K-means clustering: A data mining thinking. Springer. https://doi.org/10.1007/978-3-642-29807-3
• Yeşilyurt, C., & Alan, M. A. (2003). Fen liselerinin 2002 yılı göreceli etkinliğinin veri zarflama analizi (VZA) yöntemi ile ölçülmesi. Cumhuriyet Üniversitesi İktisadi ve İdari Bilimler Dergisi, 4(2), 91–104.
• Zhu, J. (2014). Quantitative models for performance evaluation and benchmarking. Springer. https://doi.org/10.1007/978-3-319-06647-9