Yapay Zeka Hızlı Bakış & Çıkarımlar
AI InsightÇalışma, politika yapıcılara trend odaklı, şeffaf ve rasyonel bir yönetim mekanizması sunarak yükseköğretim planlamasına bilimsel bir katkı sağlamayı amaçlamaktadır.
📌 3 Maddede Bu Makale
Özet
Üniversite kontenjanlarının mezunların istihdam performansı ile uyumlu hale getirilmesi, mezun istihdam edilebilirliğini artırmak ve kamu kaynaklarını verimli kullanmak adına stratejik bir öneme sahiptir. Türkiye’de son dönemde yükseköğretim kontenjanlarında yapılan düzenlemeler, bu uyumu sağlama amacını taşısa da, kararların hangi nesnel kriterlere ve istatistiksel trendlere dayandığı akademik bir tartışma konusudur. Bu çalışma, üniversite bölümlerinin kayıtlı istihdam oranlarındaki değişimleri analiz ederek, kontenjan yönetimi için bir Karar Destek Sistemi (KDS) önermektedir. Araştırma kapsamında, Türkiye’deki üniversitelerin 204 farklı lisans ve 134 ön lisans bölümüne ait 2022-2024 yıllarına ait kayıtlı istihdam oranları KDS’nin veri tabanına girilmiştir. KDS model tabanında, azalış eğilimlerinin şiddetini belirlemek amacıyla doğrusal regresyon, azalışın zamana bağlı tutarlılığını ve monotonluğunu test etmek için ise Mann-Kendall testi kullanılmıştır. Önerilen KDS; regresyon analizi sonucu hesaplanan "Eğim", "P-Değeri" ve "Mann-Kendall S Skoru" değişkenlerini kullanarak her bölüm için bir Kontenjan Müdahale Endeksi (KME) hesaplamaktadır. Hesaplanan KME değerinin büyüklüğüne göre her bir bölüm için üç kademeli kontenjan azaltma oranı ya da stabil bırakma – artırma önerileri yapmaktadır. 2025 yılı için elde edilen öneriler ile gerçekte uygulanan kontenjan değişiklikleri karşılaştırılmıştır. Geliştirilen KDS, özellikle kontenjan azaltma kararlarının sadece doluluk oranlarına değil, mezunların kayıtlı istihdam durumlarına göre dinamik ve standart bir protokol üzerinden verilmesini sağlamaktadır. Çalışma, politika yapıcılara trend odaklı, şeffaf ve rasyonel bir yönetim mekanizması sunarak yükseköğretim planlamasına bilimsel bir katkı sağlamayı amaçlamaktadır.
Abstract
Aligning university enrollment quotas with the employment performance of graduates holds strategic importance for enhancing graduate employability and ensuring the efficient use of public resources. While recent adjustments to higher education quotas in Turkey aim to achieve this alignment, the objective criteria and statistical trends on which these decisions are based remain a subject of academic debate. This study proposes a Decision Support System (DSS) for quota management by analyzing changes in formal employment rates across university departments. Within the scope of the research, registered employment rates for 204 undergraduate and 134 associate degree programs in Turkish universities for the years 2022-2024 were entered into the DSS database. Linear regression was used to determine the intensity of decreasing trends, and the Mann-Kendall test was used to test the consistency and monotony of the decrease over time. The proposed DSS, using the variables "Slope," "P-Value," and "Mann-Kendall S-Score" calculated from the regression analysis, calculates a Quota Intervention Index (QII) for each department. Based on the magnitude of the calculated KME value, it makes recommendations for each department regarding either a three-tiered quota reduction rate or maintaining/increasing the quota. The recommendations obtained for 2025 were compared with the quota changes implemented. The developed DSS ensures that quota reduction decisions are made not solely on the basis of fill rates, but through a dynamic and standardized protocol grounded in graduates' formal employment status. The study aims to provide a scientific contribution to higher education planning by offering policymakers a trend-oriented, transparent, and rational management mechanism.