AI Summary & Key Takeaways
AI InsightIt 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.
📌 3 Key Takeaways
Abstract
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.
Özet
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.