Dergiler / Kent Akademisi / 2017 / Cilt: 10 - Sayı: 31

Bulanık Flowsort Yöntemiyle Türkiye’de İllerin Eğitim Hizmetlerine Göre Sınıflandırılması

Classification of Provinces in Turkey according to Educational Services by Fuzzy Flowsort Method

Sayfa
323–337
Yayın Tarihi
2017-09-15
DOI
—
🏛️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)

Türkiye’deki illerin büyük çoğunluğunun vasat sınıfta yer aldığı görülürken, İstanbul, Adana ve Gaziantep’in eğitim hizmetinde arzulanan standartların altında olduğu gözlemlenmiştir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Eğitim, ülkenin refah seviyesinin artırılmasında ve kalkınmasında en önemli unsurlardan biridir.
📊
Temel Bulgular & Veri:Farklılıkları daha net bir şekilde gözlemleyebilmek için elde edilen sınıflar, Türkiye haritası üzerinde renklendirilmiştir.
💡
Sonuç & Katkı:Türkiye’deki illerin büyük çoğunluğunun vasat sınıfta yer aldığı görülürken, İstanbul, Adana ve Gaziantep’in eğitim hizmetinde arzulanan standartların altında olduğu gözlemlenmiştir.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Bulanık flowsort · Çok kriterli karar destekli sınıflandırma · eğitim

Özet

Eğitim, ülkenin refah seviyesinin artırılmasında ve kalkınmasında en önemli unsurlardan biridir. Gelişen teknoloji, hızla artan ve yayılan bilgi, sosyal, kültürel ve ekonomik alanlarda meydana gelen değişmeler eğitimin önemini daha da artırmaktadır. Eğitimin bireyde meydana getirdiği değişim dolayısıyla sosyal hayata ve ülke ekonomisine de yansımaktadır. Devletin sosyal görevleri arasında yer alan eğitim hizmetlerinin, topluma güçlü ve dengeli bir şekilde sunulması gerekmektedir. Bu çalışmada, Bulanık Flowsort yöntemiyle Türkiye’de illerin aldıkları eğitim hizmetlerine göre sınıflandırılması amaçlanmıştır. Çok Kriterli Karar Destekli Sınıflandırma yöntemlerinden biri olan Flowsort yönteminde bulanık sayılar kullanılarak daha esnek bir model oluşturulmuştur. Uygulama öncesinde eğitim hizmetlerinin göstergesi olabilecek kriterler araştırılmış; her bir il için örgün eğitimdeki okul, şube, öğretmen ve derslik başına düşen öğrenci sayısı ve öğrenci başına düşen eğitim harcaması kriterlerine ulaşılmıştır. Bu kriterler dikkate alınarak iller en iyiden en kötüye doğru olmak üzere sınıflandırılmıştır. Farklılıkları daha net bir şekilde gözlemleyebilmek için elde edilen sınıflar, Türkiye haritası üzerinde renklendirilmiştir. Türkiye’deki illerin büyük çoğunluğunun vasat sınıfta yer aldığı görülürken, İstanbul, Adana ve Gaziantep’in eğitim hizmetinde arzulanan standartların altında olduğu gözlemlenmiştir. Çalışma neticesinde iller arasındaki farklılaşmalar analiz edilmiş ve sonuçlar yorumlanmıştır. Bu çalışma eğitim yatırımları ve teşvikleri noktasında karar vericiler için önemli bilgiler arz etmektedir.

Abstract

Education is one of the most elements in increasing the welfare level and development of the country. The importance of education is more increasing due to emerging technology, rapidly growing and spreading information, and the changes on social, cultural and economic areas. he change which education brings to the individual is also reflected in the social life and the country's economy. Educational services, which are among the state's social duties, must be presented in a strong and balanced manner. In this study, it is aimed to classification provinces in Turkey according to educational services by Fuzzy Flowsort method. A more flexible model was created by using the fuzzy numbers in the Flowsort method which is one of the Multi Criteria Decision Aid Classification methods. Criteria that could be indicative of educational services were investigated before application; then, the number of students per school, branch, teacher and classroom, and educational expenditure per student in formal education have been reached for each province. The provinces are classified from the best to the worst by taking account into these criteria. To be able to observe the differences more clearly, the obtained classes are colored on the map of Turkey. While a large majority of the provinces in Turkey were found to be in the mediocre class, it was observed that Istanbul, Adana and Gaziantep were below the desired standards in educational service. As a result of the study, the differences between the provinces were analyzed and the results were interpreted. This work provides important information for decision makers at the point of education investments and incentives.

🔖

Bu Makaleye Atıf Yap

ES, H. A., HAMZAÇEBİ, C., FIRAT, S. Ü. O. (2017). Bulanık Flowsort Yöntemiyle Türkiye’de İllerin Eğitim Hizmetlerine Göre Sınıflandırılması. Kent Akademisi, Cilt: 10 - Sayı: 31, 323–337. https://ajindex.com/articles/235521

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (8)

  1. Andriosopoulos, D., Gaganis, C., Pasiouras, F., & Zopounidis, C. (2012). An application of multicriteria decision aid models in the prediction of open market share repurchases. Omega, 40(6), 882–890. https://doi.org/10.1016/j.omega.2012.01.009 Araújo, R. M. (2015). Multicriteria classification with TODIM-FSE. Procedia Computer Science, 55(Itqm), 559–565. https://doi.org/10.1016/j.procs.2015.07.043
  2. Balla, V., Gaganis, C., Pasiouras, F., & Zopounidis, C. (2014). Multicriteria decision aid models for the prediction of securities class actions: Evidence from the banking sector. OR Spectrum, 36(1), 57–72. https://doi.org/10.1007/s00291-013-0333-8
  3. Brans, J.-P. (2005). PROMETHEE methods. International Series in Operations Research and Management Science (C. 78). https://doi.org/10.1007/0-387-23081-5_5 Bütçe Sunuş Raporu, (2017). Ankara: MEB Strateji Geliştirme Başkanlığı. Campos, A. C. S. M., Mareschal, B., & De Almeida, A. T. (2015). Fuzzy FlowSort: An integration of the FlowSort method and Fuzzy Set Theory for decision making on the basis of inaccurate quantitative data. Information Sciences, 293, 115–124. https://doi.org/10.1016/j.ins.2014.09.024
  4. Doumpos, M., Marinakis, Y., Marinaki, M., & Zopounidis, C. (2009). An evolutionary approach to construction of outranking models for multicriteria classification: The case of the ELECTRE TRI method. European Journal of Operational Research, 199(2), 496–505. https://doi.org/10.1016/j.ejor.2008.11.035
  5. Genç, T. (2013). G 7 Ülkelerinden Seçilen Üyelerin Makro Ekonomik Kriterlere Göre Flowsort Ve Electre Trı Yöntemi ile Sınıflandırılması. Çukurova Üniversitesi Sosyal Bilimler Enstitüsü. Tarihinde adresinden erişildi http://dergipark.ulakbim.gov.tr/cusosbil/article/view/5000001670 Milli Eğitim İstatistikleri Örgün Eğitim, (2017). Ankara: MEB Strateji Geliştirme Başkanlığı. Nemery, P. (2009). On the use of multicriteria ranking methods in sorting problems. Universite Libre de Bruxelles. https://doi.org/10.13140/2.1.3854.6722
  6. Nemery, P., & Lamboray, C. (2008). FlowSort: a flow-based sorting method with limiting or central profiles, 90–113. https://doi.org/10.1007/s11750-007-0036-x
  7. Pasiouras, F., Gaganis, C., & Zopounidis, C. (2010). Multicriteria classification models for the identification of targets and acquirers in the Asian banking sector. European Journal of Operational Research, 204(2), 328–335. https://doi.org/10.1016/j.ejor.2009.10.026
  8. Yevseyeva, I. (2007). Solving classification problems with multicriteria decision