KaydedilenlerDerginizi ekleyin

Dergiler / Yükseköğretim Dergisi / 2026 / Cilt: 15 Sayı: Special Issue Özel Sayı

Yükseköğretimde Kalitenin Tamamlayıcı Haritası: Eksik Veriler ve Değerlendirme Stratejileri

Complementary Map of Quality in Higher Education: Missing Data and Evaluation Strategies

Gözde Bozkurt(BEYKENT ÜNİVERSİTESİ)0000-0001-8413-1099
Volkan Öngel(BEYKENT ÜNİVERSİTESİ)0000-0001-8881-2465
Sayfa
141–149
Yayın Tarihi
2025-06-30
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Bulgular, eksik verilerin ağırlıklı olarak rastgele bir yapıya sahip olduğunu göstermektedir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Bu çalışmada, Yükseköğretim Kalite Kurulu’nun (YÖKAK) resmi internet sitesinde paylaşılan Gösterge Değerlendirme Raporu kapsamındaki üniversitelerin temel göstergelerindeki eksik veriler incelenmiştir.
📊
Temel Bulgular & Veri:Üniversitelerin gösterge raporları, stratejik yönetim ve kalite güvencesi açısından önemli bir yer tutmaktadır.
💡
Sonuç & Katkı:Bulgular, eksik verilerin ağırlıklı olarak rastgele bir yapıya sahip olduğunu göstermektedir.
🔬Tür:Araştırma Makalesi
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Yükseköğretimde Kalite · Eksik Veri Analizi · Gösterge Değerlendirme

Özet

Bu çalışmada, Yükseköğretim Kalite Kurulu’nun (YÖKAK) resmi internet sitesinde paylaşılan Gösterge Değerlendirme Raporu kapsamındaki üniversitelerin temel göstergelerindeki eksik veriler incelenmiştir. Üniversitelerin gösterge raporları, stratejik yönetim ve kalite güvencesi açısından önemli bir yer tutmaktadır. Bu bağlamda, eksik verilerin yapısı tamamen rastgele kayıp (MCAR), rastgele eksik (MAR) ve rastgele olmayan kayıp (MNAR) kategorileri çerçevesinde oluşturulan panel veri seti aracılığıyla analiz edilmiştir. Bulgular, eksik verilerin ağırlıklı olarak rastgele bir yapıya sahip olduğunu göstermektedir. Çalışmada, eksik verilerin rastgele veya sistematik olup olmadığının belirlenmesinin, analiz sürecinde doğru yöntemlerin seçilmesi açısından kritik olduğu vurgulanmaktadır. Bu doğrultuda, yükseköğretim kurumlarının performanslarını daha sağlıklı değerlendirebilmesi ve kaliteyi artırmaya yönelik stratejiler geliştirebilmesi için uygun veri tamamlama yöntemleri üzerine bir tartışma yürütülmüştür.

Abstract

In this study, missing data in the basic indicators of universities within the scope of the Indicator Evaluation Report shared on the official website of the Higher Education Quality Council (YÖKAK) were examined. Indicator reports of universities have an important place in terms of strategic management and quality assurance. In this context, the structure of missing data was analyzed through a panel data set created within the framework of completely missing at random (MCAR), missing at random (MAR) and non-random missing (MNAR) categories. The findings show that the missing data predominantly have a random structure. The study emphasizes that determining whether the missing data is random or systematic is critical in terms of choosing the right methods in the analysis process. In this context, a discussion was carried out on appropriate data completion methods so that higher education institutions can evaluate their performance more accurately and develop strategies to increase quality.

🔖

Bu Makaleye Atıf Yap

Bozkurt, G., Öngel, V. (2025). Yükseköğretimde Kalitenin Tamamlayıcı Haritası: Eksik Veriler ve Değerlendirme Stratejileri. Yükseköğretim Dergisi, Cilt: 15 Sayı: Special Issue Özel Sayı, 141–149. https://doi.org/10.53478/yuksekogretim.1538863

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (27)

  1. Allison, P. D. (2002). Missing data. Sage Publications.
  2. Anahideh, H., Ye, X., Vate-U-Lan, P., & Ouyang, Y. (2021). Auditing the imputation effect on fairness of predictive analytics in higher education. arXiv preprint, arXiv:2109.07908. https://doi.org/10.48550/arXiv.2109.07908
  3. Batini, C., & Scannapieca, M. (2016). Data and information quality: Dimensions, principles and techniques. Springer International Publishing.
  4. Baydemir, M., & Bolat, M. A. (2024). Uluslararası öğrencilerin Türk ekonomisine katkıları: İstanbul’da kendi hesabına okuyan öğrenciler örneği. Turkish Journal of Diaspora Studies, 4(2), 203–220. https://doi.org/10.52241/TJDS.2024.0078
  5. Cox, B. E., McIntosh, K., Reason, R. D., & Terenzini, P. T. (2014). Working with missing data in higher education research: A primer and real-world example. The Review of Higher Education, 37(3), 377–402. https://doi.org/10.1353/rhe.2014.0026
  6. de Wit, H. (2020). Internationalization of higher education: The need for a more ethical and qualitative approach. Journal of International Students, 10(1), i–iv. https://doi.org/10.32674/jis.v10i1.1893
  7. Demir, E., & Parlak, B. (2012). Türkiye’de eğitim araştırmalarında kayıp veri sorunu. Journal of Measurement and Evaluation in Education and Psychology, 3(1), 230–241.
  8. Enders, C. K. (2010). Applied missing data analysis. Guilford Press.
  9. European Association for Quality Assurance in Higher Education. (2015). Standards and guidelines for quality assurance in the European Higher Education Area (ESG). ENQA. https://www.enqa.eu/wp-content/uploads/2015/11/ESG_2015.pdf
  10. García-Aracil, A., & Palomares-Montero, D. (2013). Examining performance indicators in higher education: Efficiency and quality in teaching and research. Journal of Higher Education Policy and Management, 35(6), 610–623. https://doi.org/10.1080/1360080X.2013.844666
  11. Gartner. (2017). How to create a business case for data quality improvement. https://www.gartner.com/smarterwithgartner/how-to-create-a-business-case-for-data-quality-improvement
  12. Gümüş, N., & Onurlubaş, E. (2019). Uluslararası öğrencilerin tüketim harcamalarının şehir ekonomisine katkısının incelenmesi: Kastamonu Üniversitesi örneği. Düzce Üniversitesi Sosyal Bilimler Dergisi, 9(2), 174–192.
  13. Harvey, L., & Green, D. (1993). Defining quality. Assessment & Evaluation in Higher Education, 18(1), 9–34. https://doi.org/10.1080/0260293930180102
  14. Hazelkorn, E. (2015). Rankings and the reshaping of higher education: The battle for world-class excellence. Palgrave Macmillan.
  15. Jongbloed, B., Enders, J., & Salerno, C. (2008). Higher education and its communities: Interconnections, interdependencies and a research agenda. Higher Education, 56(3), 303–324. https://doi.org/10.1007/s10734-008-9128-2
  16. Karr, A. F., Sanil, A. P., & Banks, D. L. (2006). Data quality: A statistical perspective. Statistical Methodology, 3(2), 137–173. https://doi.org/10.1016/j.stamet.2005.08.006
  17. Kelly, S. (2011). Do homes that are more energy efficient consume less energy?: A structural equation model of the English residential sector. Energy, 36(9), 5610–5620. https://doi.org/10.1016/j.energy.2011.07.004
  18. Knight, J. (2004). Internationalization remodeled: Definition, approaches, and rationales. Journal of Studies in International Education, 8(1), 5–31. https://doi.org/10.1177/1028315303260832
  19. Leke, C. A., & Marwala, T. (2019). Deep learning and missing data in engineering systems. Studies in Big Data (Vol. 48 içinde). Springer Nature. https://doi.org/10.1007/978-3-030-04152-7_2
  20. Little, R. J. A., & Rubin, D. B. (2002). Statistical analysis with missing data (2nd ed.). John Wiley & Sons.
  21. Little, R. J. A., & Rubin, D. B. (2014). Statistical analysis with missing data (3rd ed.). John Wiley & Sons.
  22. Little, R. J. A., & Rubin, D. B. (2020). Statistical analysis with missing data (3rd ed.). John Wiley & Sons.
  23. Osman, M. S., Abu-Mahfouz, A. M., & Page, P. R. (2018). A survey on data imputation techniques: Water distribution system as a use case. IEEE Access, 6, 63279–63291. https://doi.org/10.1109/ACCESS.2018.2876558
  24. Rubin, D. B. (1976). Inference and missing data. Biometrika, 63(3), 581–592. https://doi.org/10.1093/biomet/63.3.581
  25. Sadırlı, S. (2023). Yükseköğretim kalite güvencesi modeli: Yeni kurulan bir devlet üniversitesinde uygulamalar [Yüksek lisans tezi, Tarsus Üniversitesi].
  26. Soğuksu, Y. B. (2024). The efficacy of the IRTree framework for detecting missing data mechanisms in educational assessments. Journal of Measurement and Evaluation in Education and Psychology, 15(3), 209–220. https://doi.org/10.21031/epod.1514741
  27. Yükseköğretim Kalite Kurulu (YÖKAK). (2024). Gösterge Değerleri Raporu. https://yokak.gov.tr/raporlar/IndicatorValuesReport