EN İYİ YAŞAM KOŞULLARINA SAHİP AVRUPA ÜLKELERİNİN WASPAS YÖNTEMİ İLE SIRALANMASI

Öz

Bireyler yaşamlarını sürdürecekleri bölgenin yaşam kalitesi olarak iyi bir düzeyde olmasını talep ederler. Bundan dolayı yaşanılan yerin birçok açıdan gereksinimleri ve arzuları karşılayabilecek yeterlilikte olması istenmektedir. Bu çalışmanın amacı, yaşam koşullarına göre Avrupa ülkelerinin sıralamasını elde etmek ve en iyi koşullara sahip olanı belirlemektir. Avrupa ülkelerini iyiden daha az iyiye doğru sıralayabilmek amacıyla Çok Kriterli Karar Verme yöntemlerinden biri olan WASPAS (Ağırlıklandırılmış Bütünleşik Toplam ve Çarpım Değerlendirilmesi) Yöntemi kullanılmıştır. Yöntem elde edilen sıralamada oluşabilecek hataları en düşük seviyeye indirgemeyi, değerlendirmeyi üst düzeye çıkarmayı ve sıralamadaki tutarlılığı arttırmayı amaçladığından dolayı tercih edilmiştir. Çalışmanın birinci aşamasında 36 Avrupa ülkesine ait yaşam koşullarının göstergesi olarak kabul edilen kriterlerin önem ağırlıkları Entropi yöntemi ile elde edilmiştir. İkinci aşamada ise çalışmada yer alan kriterlerden hareketle Avrupa ülkeleri WASPAS yöntemi kullanılarak sıralanmıştır. Elde edilen bulgular ışığında ilk beş ülke sırasıyla Danimarka, Norveç, İsviçre, Finlandiya, Hollanda olurken, son sıralarda ise Romanya, Rusya ve Ukrayna yer almıştır. Yaşanabilecek ülke seçiminde yaşam koşullarını etkileyen finansal sebepler, yaşam kalitesini etkileyen çevresel faktörler ve ek olarak cinsiyet eşitsizliğinin de oldukça önemli bir yere sahip olduğu çalışmada ortaya çıkarılmıştır.

Anahtar Kelimeler

• Çok Kriterli Karar Verme
• WASPAS Yöntemi
• Yaşam Kalitesi

Selection of the European Country with the Best Living Conditions by WASPAS Method

Öz

Individuals demand a good quality of life in the region where they will sustain their lives. Therefore, it is desired that the place of residence is sufficient to meet the needs and desires in many aspects. The aim of this study is to obtain the ranking of European countries according to living conditions and to determine the one with the best conditions. In order to rank European countries from good to less good, WASPAS (Weighted Integrated Sum and Product Assessment) Method, one of the Multi-Criteria Decision Making methods, was used. The method was chosen because it aims to minimize errors in the obtained ranking, maximize the evaluation, and increase consistency in the ranking. In the first stage of the study, the importance weights of criteria considered as indicators of living conditions for 36 European countries were obtained using the Entropy method. In the second stage, European countries were ranked using the WASPAS method based on the criteria included in the study. According to the findings, the top five countries are Denmark, Norway, Switzerland, Finland, and the Netherlands, while Romania, Russia, and Ukraine were in the last places. The study reveals that in the selection of a country to live in, financial reasons influencing living conditions, environmental factors affecting the quality of life, and gender inequality additionally play a significant role.

Anahtar Kelimeler

• Multi-Criteria Decision Making
• WASPAS Method
• Quality of Life

Kaynakça

1. BAYKAL, K. B. & AKILLI, K. (2023). Türkiye’de Faaliyet Gösteren Hayat ve Emeklilik Sigorta Şirketlerinin Finansal Performanslarının Entropi Tabanlı WASPAS Yöntemi ile Değerlendirilmesi. Sosyal Bilimler Araştırma Dergisi, 12(1), s. 63-80.
2. BRODNY, J. & TUTAK, M. (2023). Assessing the Energy and Climate Sustainability of European Union Member States: An MCDM-Based Approach. Smart Cities, 6(1), s. 339-367. https://doi.org/10.3390/smartcities6010017
3. CHAKRABORTY, S. & ZAVADSKAS, E. K. (2014). Applications of WASPAS Method in Manufacturing. Informatica, 25(1),s. 1-20. http://dx.doi.org/10.15388/Informatica.2014.01
4. FOGLIA, C., PARISI, M. L. & PONTAROLLO, N. (2023). A Senior Liveability Index for European Cities. Regional Science Policy & Practice, 15(4), s. 769-793. https://doi.org/10.1111/rsp3.12634
5. HANDAYANI, N., HERIYANI, N., SEPTIAN, F. & ALEXANDER, A. (2023). MCDM Using the WASPAS Method for Online English Course Selection. Jurnal Teknoinfo, 17(1), s. 260-270. https://ejurnal.teknokrat.ac.id/index.php/teknoinfo/index
6. KUTTY, A. A., KUCUKVAR, M., ONAR, N. C., AYVAZ, B. & ABDELLA, G. M. (2023). Measuring Sustainability, Resilience and Livability Performance of European Smart Cities: A Novel Fuzzy Expert-Based Multi-Criteria Decision Support Model. Cities, 137, 104293. https://doi.org/10.1016/j.cities.2023.104293
7. MANAVGAT, G. & DEMİRCİ, A. (2022). G20 Ülkelerinin Yaşanabilirlik Sıralamasının Electre Yöntemiyle Belirlenmesi. Tarsus Üniversitesi Uygulamalı Bilimler Fakültesi Dergisi, 2(1), s. 28-41.
8. Mercer. (2019). Mercer tarafından 2019 yılında yapılan “Quality of Living” araştırmasında şehirlerin sıralanması bilgisi https://mobilityexchange.mercer.com/Insights/quality-of-living-rankings adresinden alındı.

9. MURAT, D. & GÜZEL, S. (2023). SAARC ve OECD Ülkelerinde Sağlık Göstergeleri Yeterliliğinin ARAS ve WASPAS ile Analizi. Afyon Kocatepe Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 25(1), s.53-75. https://doi.org/10.33707/akuiibfd.1233313
10. ÖZDEN, Ü. H. & ERİŞLİK, K. (2022). Stokastik Çok Kriterli Kabul Edilebilirlik Analizi (SMAA-2) ile Yaşanabilir En İyi Ülkelerin Sıralanması. Social Sciences Research Journal, 11 (1), s. 31-43.
11. ÖZBEK, A. (2019). Türkiye’deki İllerin EDAS ve WASPAS Yöntemleri ile Yaşanabilirlik Kriterlerine Göre Sıralanması. Kırıkkale Üniversitesi Sosyal Bilimler Dergisi, 9(1), s. 177-200.
12. PRICOPE, L. N. (2022). The Global Liveability Index and Smart Cities across Europe. Annals of “Dunarea de Jos” University of Galati Fascicle I. Economics and Applied Informatics, 28(3), s. 81-90. https://doi.org/10.35219/eai15840409291
13. SHARMA, M. & JOSHI, S. (2023). Digital Supplier Selection Reinforcing Supply Chain Quality Management Systems To Enhance Firm's Performance. The TQM Journal, 35(1), s. 102-130. https://doi.org/10.1108/TQM-07-2020-0160
14. SHANNON, C.E. (1948). A Mathematical Theory of Communication, The Bell System Technical Journal, 27(3), s. 379-423.
15. ŞAHİN, C. & ÖZTEL, A. (2017). Ülkelerin Yaşanabilirlik Düzeylerinin COPRAS Yöntemiyle Karşılaştırmalı Analizi: BRICS Ülkeleri ve Türkiye. Uluslararası Batı Karadeniz Sosyal ve Beşerî Bilimler Dergisi, 1 (1), s. 75-84. https://doi.org/10.46452/baksoder.370487
16. The Global Liveability Index. (2022). Economist Intelligence Unit tarafından 2022 yılında yapılan “Global Liveability Index” adlı araştırmadan elde edilen sonuçlar https://www.eiu.com/n/campaigns/global-liveability-index 2023/?utm_source=google&utm_medium=paid adresinden alındı.
17. TURANLI, R., ÖZDEN, Ü. H. & GERÇEKER, D. (2023). Cocoso Yöntemi ile En İyi Yaşanabilir Avrupa Ülkeleri Başkentlerinin Sıralanması. Balkan & Near Eastern Journal of Social Sciences (BNEJSS), 9(1), s. 84-94.
18. WANG, T. C. & LEE, H. D. (2009). Developing a Fuzzy Topsis Approach Based on Subjective Weights and Objective Weights. Expert systems with applications, 36(5), s. 8980-8985. https://doi.org/10.1016/j.eswa.2008.11.035
19. WU, J., SUN, J., LIANG, L. & ZHA, Y. (2011). Determination of Weights for Ultimate Cross Efficiency Using Shannon Entropy. Expert Systems with Applications, 38(5) s. 5162-5165. https://doi.org/10.1016/j.eswa.2010.10.046
20. YASHWANT, P. S. (2021). Analysis of Cloud Service Selection Using WASPAS Method. Data Analytics and Artificial Intelligence, 1(2), s. 111-117.
21. YÜCENUR, G. N. & İPEKÇİ, A. (2021). SWARA/WASPAS Methods for a Marine Current Energy Plant Location Selection Problem. Renewable Energy, 163, s. 1287-1298. https://doi.org/10.1016/j.renene.2020.08.131
22. ZAVADSKAS, E. K., TURSKIS, Z., ANTUCHEVICIENE, J. & ZAKAREVICIUS, A. (2012). Optimization of Weighted Aggregated Sum Product Assessment. Elektronika Ir Elektrotechnika, 122(6), s. 3-6. https://doi.org/10.5755/j01.eee.122.6.1810
23. ZAVADSKAS, E., ANTUCHEVICIENE, J. & SAPARAUSKAS, J. (2013). MCDM Methods WASPAS and MULTIMOORA: Verification of Robustness of Methods when Assessing Alternative Solutions. Journal of Economic Computation and Economic Cybernetics Studies and Research, 47(2), s. 5-20.
24. ZHANG, H., GU, C. L., GU, L. W. & ZHANG, Y. (2011). The Evaluation of Tourism Destination Competitiveness by Topsis & Information Entropy–A case in the Yangtze River Delta of China. Tourism Management, 32(2), s. 443-451. https://doi.org/10.1016/j.tourman.2010.02.007