Veriye dayalı çok kriterli karar verme yöntemleri ve Ankara Üniversitesinde araştırma görevlisi istihdamı için bir uygulama

Yıl 2025, Cilt: 18 Sayı: 2, 50 - 67, 25.12.2025

Özlem Türkşen , Evrim Ağaçdelen , Ümit Can İnözü , E. Ebru Onbaşılar , Kaan Orhan , Necdet Ünüvar

Öz

Veriye dayalı karar verme, yükseköğretimde yönetimsel süreçlerin etkin yürütülmesinde ve akademik verimliliğin artırılmasında stratejik insan kaynakları yönetimi açısından kritik bir rol üstlenmektedir. Bu çalışmanın amacı, yükseköğretimde veriye dayalı karar süreçlerinin yönetimine yönelik olarak, Ankara Üniversitesi’nde Araştırma Görevlisi (Arş. Gör.) istihdamının nesnel ölçütlere dayalı biçimde belirlenmesinde çok kriterli karar verme (ÇKKV) yöntemlerinin uygulanabilirliğini ortaya koymaktır. Çalışma kapsamında, Ankara Üniversitesi Fen, Mühendislik ve Ziraat Fakülteleri dikkate alınarak toplam 71 Anabilim Dalı için belirlenen 12 özgün kritere dayalı bir karar süreci tasarlanmıştır. Kriter ağırlıkları, objektif bir ÇKKV yöntemi olan IDOCRIW ile belirlenirken alternatifleri oluşturan Anabilim dalları için Arş. Gör. istihdam sıralaması ise TOPSIS, COPRAS, EDAS ve MABAC yöntemleri kullanılarak yapılmıştır. Sıralama yöntemlerine göre farklı sıralama sonuçları elde edilmesi nedeniyle uzlaşıya dayalı nihai sıralamanın oluşturulmasında Copeland yöntemi kullanılmıştır. Önerilen sıralama yaklaşımı doğrultusunda yapılacak Arş. Gör. istihdam planlamasında, fakültelere ilişkin yüksek ağırlık değerli kriterlerle birlikte birimlerdeki Arş. Gör. oranı ve birimlerin performans göstergesi olarak kabul edilebilecek yayın ve proje oranları gibi kriterlerin de karar sürecini etkileyen kriterler olduğu gözlenmiştir. ÇKKV yöntemleri ile veriye dayalı karar verme yaklaşımının, üniversitenin insan kaynakları yönetimi çerçevesinde stratejik kararların alınmasında nesnel bir bakış açısı sağlayacağı düşünülmektedir.

Anahtar Kelimeler

Keşfedici Veri Analizi , Çok Kriterli Karar Verme Yöntemleri , Araştırma Görevlisi İstihdamı , Yükseköğretim

Data-driven Multi-Criteria Decision Making Methods and an application of research assistant employment at Ankara University

Öz

Data-driven decision-making plays a critical role in the effective management of administrative processes in higher education and in enhancing academic productivity from the perspective of strategic human resource management. The aim of this study is to reveal the applicability of multi-criteria decision-making (MCDM) methods in the management of data-driven decision processes for determining the employment of Research Assistants (Res. Asst.) at Ankara University on the basis of objective criteria. Within the scope of the study, a decision-making process was designed for 71 departments across the Faculties of Science, Engineering, and Agriculture at Ankara University, based on 12 original criteria. Criterion weights were determined using IDOCRIW, an objective MCDM method, while Res. Asst. employment rankings for the departments were obtained using the TOPSIS, COPRAS, EDAS and MABAC methods. Since different ranking outcomes were produced by the individual methods, the Copeland method was applied to generate a consensus-based final ranking. The proposed ranking approach demonstrated that criteria with high weighting values related to the faculties, as well as factors such as the proportion of Res. Asst. within departments and performance indicators including publication and project ratios, significantly influenced the decision-making process for Res. Asst. employment planning. It is concluded that the integration of MCDM methods with data-driven decision-making can provide an objective perspective in strategic decision-making processes within the framework of university human resource management.

Anahtar Kelimeler

Statistical Exploratory Data Analysis , Multi-Criteria Decision Making Methods , Research Assistant Employment , Higher Education

Kaynakça

• H. Bircan, 2020, Çok Kriterli Karar Verme Problemlerinde Kriter Ağırlıklandırma Yöntemleri, Nobel Yayınevi.
• G. Demir, A.T. Özyalçın, H. Bircan, 2021, Çok Kriterli Karar Verme Yöntemleri ve ÇKKV Yazılımı İle Problem Çözümü, Nobel Yayınevi.
• N. G. Akın, 2016, Personel Seçiminde Çok Kriterli Karar Verme: Bulanık TOPSIS Uygulaması. İşletme Araştırmaları Dergisi, 8(2), 224-254.
• M. Öneren, T. Arar, E. S. Çelebioğlu, 2017, Akademinin Temelini Güçlü Kılmak: Araştırma Görevlisi Alımındaki Faktörlerin AHP İle Belirlenmesi, Aksaray Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 9(1), 39-50.
• M. Bayrakçı Arslan, 2022, Çok Kriterli Karar Verme Yöntemleri ile Akademik Personel Seçim Kriterlerinin Değerlendirilmesi, Yüksek Lisans Tezi, Konya.
• E. Eroğlu, B.F. Yıldırım, M. Özdemir, 2014, Çok Kriterli Karar Vermede ORESTE Yöntemi ve Personel Seçiminde Uygulanması, İ.Ü. İşletme Fakültesi İşletme İktisadı Enstitüsü Yönetim Dergisi, 25(76), 81-95.
• E. H. Özder, N. Bedir, T. Eren, 2019, Yükseköğretimde Araştırmacı Seçiminde Çok Ölçütlü Karar Verme Yöntemlerinin Kullanılması: Bir İnceleme, Alanya Akademik Bakış, 3(1), 19-33.
• T. Şimşek, 2022, Personel Seçiminde Çok Kriterli Karar Verme Teknikleri Kullanımının İnsan Kaynakları Yönetimi Perspektifinden Değerlendirilmesi, Üçüncü Sektör Sosyal Ekonomi Dergisi, 57(3), 1514-1532.
• P. S. Chen, Y. J. Lin, N. C. Peng, 2016, A two-stage method to determine the allocation and scheduling of medical staff in uncertain environments, Computers & Industrial Engineering, 99, 174-188.
• M. Ada, H. Çakır, 2022, TOPSIS VE AHP çok kriterli karar verme yöntemlerinin personel seçim sürecine uygulanması, International Journal of 3D Printing Technologies and Digital Industry, 6(2), 186-200.
• T. Arsu, Ş. Uğuz Arsu, 2021. Personel Seçim Sürecinde Kullanılan Kriterlerin BEST-WORST Metodu (BWM) İle Değerlendirilmesi. Üçüncü Sektör Sosyal Ekonomi Dergisi, 56(3), 1949-1967.
• B. Kizielewicz, A. Shekhovtsov, W. Sałabun, 2023, Pymcdm—The universal library for solving multi-criteria decision-making problems, SoftwareX, 22, 101368.
• E. K. Zavadskas, V. Podvezko, 2016, Integrated determination of objective criteria weights in MCDM, International Journal of Information Technology & Decision Making, 15(02), 267-283.
• C. L. Hwang, K. Yoon, 1981, Multiple Attribute Decision Making: Methods and Applications, Springer-Verlag, New York.
• E. K. Zavadskas, A. Kaklauskas, V. Šarka, 1994, The new method of multicriteria complex proportional assessment of projects, Technological and Economic Development of Economy, 1(3).
• A. Čereška, V. Podvezko, E. K. Zavadskas, 2016, Operating characteristics analysis of rotor systems using MCDM methods. Studies in Informatics and Control, 25(1), 60.
• Y. Luo, X. Zhang, Y. Qin, Z. Yang, Y. Liang, 2021, Tourism attraction selection with sentiment analysis of online reviews based on probabilistic linguistic term sets and the IDOCRIW-COCOSO model. International Journal of Fuzzy Systems, 23(1), 295-308.
• M. A. Alao, O. M. Popoola, T. R. Ayadole, 2021, Selection of waste-to-energy technology for distributed generation using IDOCRIW-Weighted TOPSIS method: A case study of the City of Johannesburg, South Africa. Renewable Energy, 178, 162-183.
• E. M. Zarch, R. T. Moghaddam, K. D. Sanej, A. Kaboli, 2022, Prioritizing the effective strategies for construction and demolition waste management using fuzzy IDOCRIW and WASPAS methods. Engineering, Construction and Architectural Management, 29(3), 1109-1138.
• Ş. Kırhasanoğlu, M. Özdemir, 2022, BIST’te işlem gören futbol kulüplerinin Covid-19 dönemi finansal performanslarinin Idocriw temelli analizi. Enderun, 6(1), 44-65.
• M. K. Keshavarz-Ghorabaee, E. K. Zavadskas, L. Olfat, Z. Turskis, 2015, Multi-criteria inventory classification using a new method of evaluation based on distance from average solution (EDAS), Informatica, 26(3), 435-451.
• D. Pamučar, G. Ćirović, 2015, The selection of transport and handling resources in logistics centers using Multi-Attributive Border Approximation area Comparison (MABAC), Expert Systems with Applications, 42(6), 3016-3028.
• A.H. Copeland, 1951, A 'reasonable' social welfare function, Notes from a seminar on applications of mathematics to the social sciences. University of Michigan.