Veri Madenciliği ile Üniversite Bilişim Teknik Servis Hizmetleri Analizi
Abstract
Bu çalışmada Düzce Üniversitesi Teknik Servis Otomasyonu verileri üzerinde, birim personelinin performansını değerlendirmek ve yöneticiye karar destek sürecinde yardımcı olması için Veri Madenciliği (VM) bilimi kullanılmıştır. VM büyük ölçekli verilerden, anlamlı bilgi çıkarma veya geleceğe yönelik tahminlerde bulunma işi olarak adlandırılabilir. Sınıflandırma ise mevcut veriden geleceğe yönelik tahminlerde bulunma tekniğidir. Kurumsal işletmelerde ve kamu kurumlarında personel performans analizi yapabilmek ve ileriye yönelik karar destek süreçlerinde kullanmak için çok sayıda veri bulunmaktadır. Ancak yöneticilerin bu verileri ham hali ile, performans süreçlerinde kullanmaları çok zordur. Bu çalışmada birim yöneticilerine, VM’nin sınıflandırma tekniği ile personelin performans değerlendirmesi ve karar destek sürecinde yardımcı olunması hedeflenmiştir. VM’nin sınıflandırma yöntemleri bu veriler üzerinde uygulanmış ve Derin Öğrenme yönteminin başarısı ortaya konulmuştur.
Keywords
References
- [1] M. J. A. Berry ve G. S. Linoff, "Data mining techniques: For marketing, sales, and customer relationship management," 2. baskı, Indianapolis, USA: Wiley, ss. 1-19, 2004.
- [2] S. N. Sumathi, S., Sivanandam, Introduction to data mining and its application, Berlin, Germany: Springer, 2006. ss. 325-327.
- [3] Talep Bildirim Sistemi. (2013). http://www.bidbtalep.duzce.edu.tr/.
- [4] X. Chen ve F. Wang, “Application of data mining on enterprise human resource performance management,” 3rd International Conference on Information Management, Innovation Management and Industrial Engineering, Kunming, China, 2010, ss. 151–153.
- [5] X. D. Hou, Y. F. Dong, H. P. Liu, ve J. H. Gu, “Application of fuzzy data mining in staff performance assessment,” Proc. Sixth Int. Conf. Mach. Learn. Cybern. ICMLC 2007, Hong Kong, China, 2007, ss. 835–838.
- [6] Y. Kurniawan ve E. Halim, “Use data warehouse and data mining to predict student academic performance in schools: A case study (perspective application and benefits),” IEEE International Conference on Teaching, Assessment and Learning for Engineering (TALE), Kuta, Indonesia, 2013, ss. 98–103.
- [7] M. Ağaoglu, “Predicting ınstructor performance using data mining techniques in higher education,” IEEE Access, c. 4, ss. 2379–2387, 2016.
- [8] K. Yaralıoğlu, “Performans değerlendirmede analitik hiyerarşi proses,” Dokuz Eylül Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, c. 1, s. 16, ss. 129–142, 2001.
- [9] P. T. Costa, R. R. Mccrae, ve G. G. Kay, “Persons, places, and personality: career assessment using the revised NEO personality inventory,” Journal of Career Assessment., c. 3, s. 2, ss. 123–139, 1995.
- [10] A. Yelboğa, “İnsan kaynakları yönetiminde performans değerlendirilmesi için geliştirilen bir ölçeğin psikometrik özelliklerinin incelenmesi,” Yüksek lisans tezi, Eğitim Bilimleri, Eğitim Bilimleri Enstitüsü, Ankara Üniversitesi, Ankara, Türkiye, 2003.