AI Summary & Key Takeaways
AI InsightIt serves as an effective decision-support mechanism, guiding program managers in identifying areas for continuous improvement based on historical data trends.
📌 3 Key Takeaways
Abstract
Accreditation bodies require engineering programs to systematically measure and prove the achievement of Program Educational Objectives (PEOs). However, the lack of structured assessment systems and data-driven evidence remains one of the most common inadequacies in accreditation evaluations. This study introduces a systematic monitoring tool designed to measure, evaluate, and document the achievement levels of PEOs to support continuous improvement and provide concrete evidence for accreditation processes. A custom database tool was developed to track alumni data. Multi-criteria decision-making (MCDM) methods were integrated into the assessment process. The Analytic Hierarchy Process (AHP) was used to determine the relative importance weights of PEOs. Subsequently, the Multi-Objective Optimization Method by Ratio Analysis (MOORA) was employed to calculate and rank PEO achievement scores across different graduation years. To eliminate the bias caused by varying cohort sizes, normalized proportional values were used rather than raw integers in the decision matrix. The developed tool successfully generates instant statistical reports and graphical representations of both main and sub-PEO achievement levels. It allows program managers to monitor historical trends and objectively track performance from the first graduating cohort to the present. The proposed tool provides robust, evidence-based documentation for accreditation and significantly reduces the administrative workload of monitoring PEOs. It serves as an effective decision-support mechanism, guiding program managers in identifying areas for continuous improvement based on historical data trends.
Özet
Akreditasyon kuruluşları, mühendislik programlarının Program Eğitim Amaçlarına (PEA) ulaşma düzeylerini sistematik olarak ölçmelerini ve kanıtlamalarını şart koşmaktadır. Ancak, yapılandırılmış ölçme-değerlendirme sistemlerinin ve veriye dayalı kanıtların eksikliği, akreditasyon değerlendirmelerinde en sık karşılaşılan yetersizliklerden biri olmaya devam etmektedir. Bu çalışma, sürekli iyileştirme süreçlerini desteklemek ve akreditasyon denetimleri için somut kanıtlar sunmak amacıyla, PEA'ların başarı düzeylerini ölçmek, değerlendirmek ve belgelendirmek için tasarlanmış sistematik bir izleme aracı sunmaktadır. Mezun verilerini izlemek amacıyla kuruma özel bir veritabanı aracı geliştirilmiştir. Değerlendirme sürecine çok kriterli karar verme (ÇKKV) yöntemleri entegre edilmiştir. PEA'ların göreceli önem ağırlıklarını belirlemek için Analitik Hiyerarşi Süreci (AHP) kullanılmıştır. Ardından, farklı mezuniyet yıllarına göre PEA başarı puanlarını hesaplamak ve sıralamak için MOORA yöntemi uygulanmıştır. Değişen mezun büyüklüklerinin yarattığı yanlılığı ortadan kaldırmak için, karar matrisinde ham tam sayılar yerine normalize edilmiş oransal değerler kullanılmıştır. Geliştirilen araç, hem ana hem de alt PEA başarı düzeylerinin anlık istatistiksel raporlarını ve grafiksel gösterimlerini başarıyla üretmektedir. Araç, program yöneticilerinin ilk mezunlardan günümüze kadar olan geçmiş eğilimleri nesnel bir şekilde izlemelerine ve performansı takip etmelerine olanak tanımaktadır. Önerilen araç, akreditasyon için sağlam, kanıta dayalı bir belgelendirme altyapısı sunarken, PEA'ları izlemenin getirdiği idari iş yükünü önemli ölçüde hafifletmektedir. Araç, program yöneticilerine geçmiş veri eğilimlerine dayanarak sürekli iyileştirmeye açık alanları belirlemede rehberlik eden etkili bir karar destek mekanizması olarak hizmet etmektedir.