Avalable onlne at www.alphanumercournal.com alphanumerc ournal The Journal of Operatons Research, Statstcs, Econometrcs and Management Informaton Systems Receved: January 25, 2017 Accepted: June 22, 2017 Publshed Onlne: June 0, 2017 AJ ID: 2017.05.01.OR.01 DOI: 10.1709/alphanumerc.287878 The Evaluaton Wth Mult Crtera Decson Model of Substance Abuse n Hgh School Youth Denz Koçak Department of Econometrcs, Gaz Unversty, Turkey, denzkocak@gaz.edu.tr Murat Atan Department of Econometrcs, Gaz Unversty, Turkey, atan@gaz.edu.tr ABSTRACT Keywords: Mult crtera decson makng methods s a methodologcal tool that allows decson maker to choose the best alternatve or sequence of these alternatves by optmzng the quanttatve and qualtatve crtera. In the study, classcal and fuzzy mult crtera decson makng methods are used for the purpose of dentfyng the rsks n educatonal nsttutons posed by substance abuse, whch s partcularly wdespread among today s teenagers, threatens human health and publc welfare. In ths context, the factors that affect the substance abuse and relatve mportance weghts of these factors s specfed accordng to expert choces by way of a survey that was prepared on substance abuse among young people s appled to hgh school students who are currently studyng n Ankara s Keçören dstrct and analyss s made wth usng fuzzy ANP. In the second phase of the study, a comparatve evaluate of the schools n the dstrct that have a hgh densty of students who are under the rsk of substance abuse and need support n ths regard, s dentfed wth usng fuzzy VIKOR methods of classcal methods. Obtaned results of ths analyss used n substance abuse wth a partcular fcton shows that these methods can be used n areas requrng rsk analyss and also n applcatons where delvery of mportant and senstve decsons based on subectve opnon, decson makers are proposed more effectve and realstc results. Substance Abuse, Fuzzy ANP, Fuzzy VIKOR Lse Gençlğnde Madde Bağımlılığının Çok Krterl Karar Model le Değerlendrlmes ÖZET Çok krterl karar verme yöntemler, ncelksel ve ntelksel yapılarda olan çok sayıda krter optmze ederek karar vercnn en y alternatf seçmesne ya da bu alternatflern sıralanmasına mkân veren metodolok br araçtır. Çalışmada, günümüzde özellkle gençler arasında yaygınlaşan, nsan sağlığını ve toplum huzurunu tehdt eden madde bağımlılığı sorununun öğretm kurumlarındak yarattığı rsk belrlemek amacıyla bulanık çok krterl karar verme yöntemler kullanılmıştır. Bu kapsamda lk olarak gençlerde bağımlılık konusunda hazırlanan ve Ankara nın Keçören lçesnde öğretmn sürdürmekte olan lse öğrenclerne uygulanan anket verler üzernden gençler madde bağımlılığına yönelten faktörler ve bu faktörlern görel önem ağırlıkları uzman görüşler doğrultusunda belrlenerek bulanık analtk network yöntem (bulanık ANP) le analz yapılmıştır. İknc olarak se belrszlğ ve karmaşıklığı barındıran verler modele dâhl edeblen ve bulanık yöntemlerden olan bulanık VIKOR yöntem le lçedek okullar karşılaştırmalı olarak değerlendrlerek madde bağımlılığı konusunda rsk taşıyan ve öncelkl olarak destek verlmes gereken gençlern yoğun olarak bulundukları okullar tespt edlmştr. Elde edlen analz sonucundak sıralamalar le hem rsk analz gerektren alanlarda bu yöntemlern uygulanablrlğ gösterlmştr hem de sübektf görüşlere dayalı öneml ve hassas kararların verldğ uygulamalarda, karar verclern daha etkn ve gerçekç sonuçlar almalarına destek olunmuştur. Anahtar Kelmeler: Madde Bağımlılığı, Bulanık ANP, Bulanık VIKOR Mevcut çalışma Denz Koçak ın Çok Krterl Karar Verme Yöntemler ve Uygulama adlı yüksek lsans teznden gelştrlmştr. 201 2017. The Journal of Operatons Research, Statstcs, Econometrcs and Management Informaton Systems All rghts reserved.
Koçak, Atan The Evaluaton Wth Mult Crtera Decson Model of Substance Abuse n Hgh School Youth 56 1. Grş Günümüzün karmaşık ve zor koşullarında nsanlar gerek breysel gerek toplumsal açıdan brçok karar vermek durumunda kalırlar. Karar verme, hedeflenen amaçlara ulaşırken bu amaçlara ulaşma ölçütü olan krterler altında mevcut yapının ve alternatflern kombnasyonu üzerne kurulu br süreçte probleml br duruma yanıt arayan br olgudur. Karar verme problemlernde brbrlerne karşıt çok sayıda krterlern olduğu durumlarda, problemlern çözümü çn çeştl yöntemler ortaya konmuştur. Bu brbrlerne karşıt çok sayıda krterlern optmzasyonuyla lglenen çözüm yöntemlerne se çok krterl karar verme yöntemler adı verlmektedr. Bu çalışmada se toplumların başarısını büyük ölçüde etkleyen gençler arasındak bağımlılık yapıcı madde kullanımı sorunu, bulanık çok krterl karar verme yöntemler ele alınarak değerlendrlecektr. Çünkü gençlern sahp olduğu kötü alışkanlıkların en aza ndrlmes hatta ortadan kaldırılması toplumlar çn büyük önem arz etmektedr. Ayrıca bağımlılık yapıcı madde kullanımı özellkle gelşmekte olan ülkelerde cdd br halk sağlığı sorunu olarak karşımıza çıkmaktadır. Ülkemzde se gençler arasındak bağımlılık yapıcı madde kullanımının son yıllarda artış gösterdğ gözlemlenmektedr. Karşı karşıya kalınan söz konusu olumsuz tabloya rağmen madde kullanım yaygınlığına, sebep olan faktörlere, rsk alanlarının tesptne ve bu konudak erken uyarı sstemne yönelk yapılan çalışmalar yetersz kalmaktadır. Bu noktada gençler bağımlılık yapıcı madde kullanımına yönelten tüm pskolok ve sosyolok etmenlern araştırıldığı çalışmaların desteklenmes gerekmektedr (Koçak, 2016). 2. Yöntem 2.1. Bulanık Analtk Network Proses İlk olarak Thomas L. Saaty tarafından tanıtılan ANP yöntem, analtk hyerarş proses yöntemnn br uzantısıdır (Saaty, 1996). Yöntem, br sstemn elemanları arasındak görel bağımlılığı temsl eden ve breysel yargılardan kaynaklanan çeştl kararların analzn yapan kapsamlı br ger bldrm yaklaşımı sunmaktadır (Asan vd. 2012: 160). Bu ger bldrm yaklaşımı, üstast yüksekdüşük şeklndek temsl edlemeyen sevyeler arasındak lşky, hyerarşk yapı yerne ağ yapısı şeklnde fade etmektedr (Meade ve Sarks, 1999: 246). Pek çok gerçek problemde, karar vermeye lşkn verlern bazıları kesn olarak değerlendrleblrken; bazıları belrlenemez (Kulak ve Kahraman, 2005: 192). Bu sebeple klask ANP yöntemnde karar vercler herhang br konudak görüşlern kesn br sayı le fade edp değerlendrme yapmaktayken, bulanık ANP yöntemnde sözel değerlendrmelern yapılması daha gerçekç sonuçlar vermektedr. İşte bu sözel değerlendrmeler, yargı aralığını gösteren üçgen bulanık sayılardır (Gu ve Zhu, 2006: 402; Koçak, 2016: 4). Bulanık ANP yöntemnn algortma adımları aşağıda verlmştr (Chang 1992, 1996: 649 655; Saaty ve Vargas 201, Chung 2005, Fguera vd., 2005: 82 406): Adım 1. Problemn tanımlanması ve modeln kurulması: Karar verme problemnn amacı, kümeler ve elemanları belrlenr. Problem açık br şeklde tanımlanarak, ağ şeklnde rasyonel br bçmde ayrıştırılır.
Koçak, Atan Lse Gençlğnde Madde Bağımlılığının Çok Krterl Karar Model le Değerlendrlmes 57 Adım 2. İkl karşılaştırma matrsler ve öncelklern hesaplanması: Kararı etkleyen krterler ve elemanlar çn kl karşılaştırma matrsler kullanılarak görel önem ağırlıkları belrlenr. Görel önem ağırlıklarını elde etmek çn Tablo 1 dek bulanık üçgen sayılar kullanılır. Akabnde Chang (1992, 1996) tarafından önerlen genşletme analz yöntem kullanılarak bu değerler durulaştırılıp ve nsp önem ağırlıkları bulunur. Önem dereces Dlsel değşken Bulanık üçgen sayılar Bulanık üçgen karşılık sayılar 1 Eşt önem (1, 1, 1) (1/1, 1/1, 1/1) 2 Zayıf (1, 2, 4) (1/4, 1/2, 1/1) Orta önem (1,, 5) (1/5, 1/, 1/1) 4 Orta artı (2, 4, 6) (1/6, 1/4, 1/2) 5 Güçlü önem (, 5, 7) (1/7, 1/5, 1/) 6 Güçlü artı (4, 6, 8) (1/8, 1/6, 1/4) 7 Çok güçlü önem (5, 7, 9) (1/9, 1/7, 1/5) 8 Çok çok güçlü (6, 8, 9) (1/9, 1/8, 1/6) 9 Mutlak önem (7, 9, 9) (1/9, 1/9, 1/7) Tablo 1. Önem Dereces İçn Üçgen Bulanık Sayılar (Wang vd. 2009: 81) Chang (1992, 1996) tarafından önerlen genşletme analz yöntemnn farklı yöntemlere göre adımları daha kolay, daha az zaman ve hesaplama gerektrmektedr ve geleneksel yöntemn eksklklern de kapatablr (Lee, 2009: 2882). Ayrıca yöntemde, kl karşılaştırmalar yapılırken kesn değerler yerne Tablo 1 dek üçgen bulanık sayılar kullanılmakta ve ağırlıkların değerlendrlmes aşamasında öz vektör yöntem yerne Şekl 1 de görüldüğü üzere bulanık sayıların kesşmes yöntem kullanılmaktadır. Şekl 1. Üçgen Bulanık Sayıların Kesşm Yöntemde öncelkle X = {x 1, x 2,..., x n} nesneler kümes ve U = {u 1, u 2,..., u m} amaçlar kümes olarak kabul edlr. Chang (1992) ın genşletme analz yöntemne göre her br nesne alınır ve her br amaç (g) çn genşletme analz uygulanır. Dolayısıyla, her br nesne çn m tane genşletme analz değer M 1 g, M 2 g,..., M m g, = 1, 2,..., n elde edlr. M g değerlernn heps üçgen bulanık sayılardır ve M g = (l, m, u ) bçmnde gösterlr. Yöntemn aşamaları aşağıda verlmştr (Chang 1992, 1996: 649 655; Kahraman vd, 2008: 69 72):. amaca göre bulanık sentetk genşletmes değer S = =1 M g [ =1 =1 M g ] 1 m eştlğnden elde edlr. =1 M g değern elde etmek çn ele alınan kl karşılaştırma m matrs çn m tane genşletme analznn bulanık toplama şlem m n m =1 M g =
Koçak, Atan The Evaluaton Wth Mult Crtera Decson Model of Substance Abuse n Hgh School Youth 58 m m m ( =1 l, =1 m, =1 u ) bçmnde uygulanır. [ =1 =1 M g ] 1, elde etmek çn, M g n m (=1, 2,..., m) değerlernn bulanık toplama şlem =1 =1 M g = m m m n m ( =1 l, =1 m, =1 u ) bçmnde yapılır ve bunun ters, [ =1 =1 M g ] 1 1 = ( n, 1 n =1 m, 1 n =1 l ) olarak hesaplanır. n m, =1 u M 1 = ( l 1, m 1, u 1) ve M 2 = ( l 2, m 2, u 2) üçgen bulanık sayılarının karşılaştırılması çn, M 2 M 1 n olablrlk dereces V (M 2 M 1) = sup y x mn (μ M1 (x), μ M2 (x)) = hgt (M 2 M 1) = μ M2 (d) = { 1, eğer m 2 m 1 0, eğer l 1 u 2 (l 1 u 2 ) (m 2 u 2 ) ( m 1 l 1 ), dğer durumlarda eştlğnden hesaplanır. Buradak d, M1 ve M2 üçgen bulanık sayılarının üyelk dereceler arasındak maksmum kesşm noktası D nn ordnatını temsl etmektedr. M 1 ve M 2 üçgen bulanık sayılarını karşılaştırmak çn hem V (M 2 M 1) hem de V (M 1 M 2) değerlernn hesaplanması gerekmektedr. Dışbükey br bulanık sayının k tane bulanık sayı M, ( = 1, 2,..., k) dan daha büyük olablrlğnn dereces, V (M M 1, M 2,..., M k) = V [(M M 1) ve (M M 2) ve... ve (M M k)] = mn V (M M ), = 1, 2,..., k bçmndedr. Bu durumda S, k = 1, 2,..., n; k çn d (A ) = mn V (S S k), k = 1, 2,..., n; k varsayımı yapılablr. Böylece A, ( = 1, 2,..., n) n tane eleman çn ağırlık vektörü aşağıdak eştlkte verlmştr. W = [ d (A 1), d (A 2),..., d (A n) ] T W değernn normalzasyonu le normalze edlmş ağırlık vektörü W = [d(a 1), d(a 2),..., d(a n)] T olarak elde edlr. Adım. Süper matrsn oluşturulması: Bulanık ANP modeln oluşturan kümeler ve elemanlar arasındak etkler süper matrs adı verlen br matrsle gösterlmektedr. Süper matrste yer alan matrs bölümler krterlern kl kıyaslamalarından elde edlen önem ağırlıklarıdır. Bu önem ağırlıkları yardımıyla süper matrs ve akabnde lmt matrs elde edlr. Adım 4. En y alternatfn seçm: Lmt süper matrs le alternatflere veya karşılaştırılan krterlere lşkn önem ağırlıkları belrlenmş olur. Lmt süper matrste en büyük önem ağırlığına sahp olan alternatf en y alternatf olarak belrlenr. 2.2. Bulanık VIKOR Yöntem VIKOR yöntem, çok krterl karar verme problemlernde en y ve uzlaştırıcı çözümü bulmada rasyonel ve sstematk süreçler sunan br araçtır (Chen ve Wang, 2009: 25). Ancak karar alma sürecnde, nsan yargı ve terchler belrsz ve ölçülmes zor olduğundan, tam ve kesn verlern karar verme sürecnde kullanılması gerçek yaşamı temsl etmede yetersz olablmektedr (Chen ve Wang 2009: 25; Şen 2001: 9). Ayrıca buna ek olarak, brbryle çakışan krterler ve durumlar olduğunda karar vercler kesn olmayan veya belrsz verler de dkkate almalıdırlar Kesn olmayan veya belrsz verler
Koçak, Atan Lse Gençlğnde Madde Bağımlılığının Çok Krterl Karar Model le Değerlendrlmes 59 Dlsel Değşken çözüm sürecne dahl etmenn yöntemlernden br de dlsel değşkenler kullanmaktır (Moenzadeh ve Hafathalha, 2009: 526; Koçak, 2016: 49). Bulanık küme teorsn ve dlsel değerlendrmeler kullanarak kesn olmayan kavramları sürece dâhl eden ve gerçek yaşamdak belrszlkler temsl etmede öneml br araç olan bulanık VIKOR yöntemnn adımları se aşağıdak gbdr (Chen ve Wang, 2009: 25): Adım 1. Uygun alternatfler () le alternatfler değerlendrmede kullanılacak krterler () karar vercler tarafından belrlenr. Adım 2. Dlsel değşkenler ve üçgen bulanık sayı karşılıkları tanımlanır. Dlsel değşkenler, krterlern önem ağırlıklarını belrlemek ve alternatfler çeştl krterler altında derecelendrmek çn kullanılır. Tablo 2 de, krterlern önem ağırlığını belrlemek ve alternatfler derecelendrmede kullanılan dlsel değşkenler ve üçgen bulanık sayı karşılıkları gösterlmektedr. Üçgen Bulanık Sayı Karşılığı Çok düşük (VL) (0.00, 0.00, 0.25) Düşük (L) (0.00, 0.25, 0.50) Orta (M) (0.25, 0.50, 0.75) Yüksek (H) (0.50, 0.75, 1.00) Çok yüksek (VH) (0.75, 1.00, 1.00) Tablo 2. Dlsel Değşkenler ve Üçgen Bulanık Sayı Karşılıkları (Chen ve Wang 2009: 2526) Adım. Karar vercnn terchler ve görüşler entegre edlr. n karar vercnn sayısını göstermek üzere, her br krtern bulanık ağırlıkları hesaplanır. n 1 e w w, 1,2,..., k n (1) e1. krtere göre. alternatfn önem ağırlığı aşağıdak gb hesaplanır. x 1 x= x, =1,2,..., m n n e (2) e=1 Adım 4., C krterne göre A alternatfnn dereces ve,.krtern önem ağırlığı ken, normalze edlmş bulanık karar matrs (D ) ve bulanık ağırlıklar matrs (W ) oluşturulur. w x x... x x x... x...... x x... x 11 12 1k 21 22 2k D, 1, 2,..., m ; 1, 2,..., k m1 m2 mk () W [ w, w,..., w ], 1, 2,..., k (4) 1 2 Adım 5. Bulanık en y değerler ( f ) m ve bulanık en kötü değerler ( ) f hesaplanır.
Koçak, Atan The Evaluaton Wth Mult Crtera Decson Model of Substance Abuse n Hgh School Youth 60 f f max x mn x (5) Adım 6. S ve R değerler hesaplanır. k ( ) / ( ) 1 S w f x f f R w f x f f max[ ( ) / ( )] (6) Adım 7. S, S, R, R ve Q değerler hesaplanır. S S R R mn S max S mn R max R ( S S ) ( R R ) Q v v ( S S ) (1 ) ( R R ) (7) Burada S, en yüksek grup faydasını gösteren R dolayı en düşük karşıt görüşler gösteren Q R S değernn en düşük değer ken; değernn en düşük değerdr. Bundan ndeks grup faydası le breysel pşmanlığın brlkte değerlendrlmesne mkan verr. v değer en yüksek grup faydasını sağlayan stratenn ağırlığını fade eder. Uzlaşma en yüksek grup faydası le (v > 0.5) le, kararın konsensüs le alınmasıyla (v = 0.5) veya kararın veto edlmesyle (v < 0.5) sağlanablr. Adım 8. Üçgensel bulanık sayı Q kullanılarak durulaştırılır (Hseh: 2004) ve, BNP (Best Nonfuzzy Performance Value) yöntem Q ndeks elde edlr. Buna göre u üçgen bulanık sayının sırasıyla alt, orta ve üst değerlern gösteren A = (l, m, u ) üçgen bulanık sayısı A d = (u l )+(m l ) + l olarak durulaştırılır ( çn). Nha olarak alternatflern sıralanmasında Q ndeks kullanılır ve en küçük Q değern veren alternatf en y alternatf olarak ntelendrlr. Adım 9. C1. Kabul edleblr avanta ve C2. Kabul edleblr stkrar koşulları sağlanırsa a elde edlr. Q ndeksnn kullanılmasıyla belrlenen uzlaşık çözüm ( ) C1. Kabul edleblr avanta : Q( a ) Q( a ) DQ a, sıralama lstesnde knc sırada yer alan alternatftr. DQ = 1 m 1, (m alternatflern sayısıdır ve eğer m 4 se DQ = 0.25)
Koçak, Atan Lse Gençlğnde Madde Bağımlılığının Çok Krterl Karar Model le Değerlendrlmes 61 C2. Karar vermede kabul edleblr stkrar : a alternatf, S ve (veya) R sıralama lsteler sonucunda elde edlen en y alternatf olmak zorundadır. Bu şartların sağlanmaması durumunda se uzlaşık çözümler kümes önerlr. Bu kümenn çerğ: Sadece C2 şartının sağlanmaması durumunda a ve a alternatfler belrlenr. Sadece C1 şartının sağlanmaması durumunda,,..., maksmum M çn Q( ) Q( ) < DQ lşks le belrlenr. a ( M ) C1. şartı sağlanamıyorsa ve ( çözümlerdr. Uzlaşık çözümler a br üstünlüğe sahp değldr. a a ( M ) ( M ) ) Q(,...,, a a ( M ) a ( m) a a a a ( m) ( M ) alternatfler; ( M ) a ) < DQ se ve benzer uzlaşık benzer olduğundan, a' karşılaştırmalı C2. şartı sağlanamıyorsa a karşılaştırmalı br üstünlüğe sahp olmasına rağmen karar vermede stkrar yoktur. Bu nedenle a ve a nn uzlaşık çözümü aynıdır. Adım 10. Q değer mnmum alternatf en y alternatf olarak seçlr.. Uygulama Çalışmada, Ankara nın Keçören lçesnde öğretm göstermekte olan okullardak bağımlılık yapıcı madde bağımlılığı sorunu klask ve bulanık ÇKKV yöntemler ele alınarak değerlendrlmeye ve bu konuda erken uyarı sstem oluşturulmaya çalışılmıştır. Bu amaçla Keçören İlçes Gençlerde Bağımlılık Araştırması proes kapsamında, lçede öğretm göstermekte olan ve evren büyüklüğü 7 lköğretm, ortaöğretm ve lse düzeylerndek toplamda 2541 öğrencye uygulanan anket sonuçlarından örneklem olarak lse düzeynde 9 okul ve toplamda 502 öğrencnn anket sonuçları ele alınmıştır. Öğrenclere uygulanan anket formu; Demograf, Ale le Yapılan Faalyetler, Arkadaşlar le Yapılan Faalyetler, Davranış ve Alışkanlıkları gösteren boyutlarda 15 temel soru grubu altında toplamda 56 değşkenden oluşmaktadır (Keçören Gençlerde Bağımlılık Araştırma Raporu, 2015: 1, 5). Proedek bu değşkenler, madde bağımlılığı konusunda rsk taşıyan ve destek verlmes gereken gençlern yoğunluklu olarak bulundukları okulları tespt etmek amacıyla çözüm yöntem olarak seçlen klask ve bulanık ÇKKV yöntemlernde kullanılacak olan krterler ve alt krterler temsl etmektedr. Anket sorularının gerekl toplulaştırmasının yapılması le elde edlen krterler ve alt krterler Tablo de görülmektedr. Tablodak krterlerden Madde Kullanmaya Sürükleme (C1) krternn yönü malyet ken Ale İç İlşk (C2), Sosyal Çevre C(), Ekonomk Durum C(4), Eğtm Durumu C(5) ve Farkındalık C(6) krterlern yönler fayda olacak şeklnde tanıtılmıştır. a
Koçak, Atan The Evaluaton Wth Mult Crtera Decson Model of Substance Abuse n Hgh School Youth 62 Krterler (C1) (C2) (C) (C4) (C5) (C6) Alt Krterler (C11) Erkek olmak (%) (C12) Gencn yaş ortalaması (%) (C1) Ale ç kötü lşk (%) (C1.1) Ale lşklernde öfke, kavga ve saldırganlık davranışlarının sık görülmes (%) (C1.2) Ale breylernn gençle genellkle emr cümleler kullanarak konuşması (%) (C1.) Gencn, alenn steklern yerne getrmedğ takdrde uyarılmadan cezalandırılacağını blmes (%) (C1.4) Ale yapısının, dayanışmanın sağlıklı olmasını engellemes (%) (C1.5) Ale breyleryle kuşak çatışması yaşanması (%) (C14) Gencn ales le sorunlarını, duygu ve düşüncelern paylaşmaması (%) (C21) Gencn ales le sorunlarını, duygu ve düşüncelern paylaşması (%) (C22) Ale le brlkte ortak faalyet yapma sıklığı (%) (C22.1) Televzyon zlemek (%) (C22.2) Vdeo/DVD zlemek (%) (C22.) Snemaya ya da tyatroya gtmek (%) (C22.4) Spor ya da açık hava aktvteler yapmak (%) (C22.5) Blgsayar oyunları oynamak (%) (C22.6) Brbrmzle konuşmak (%) (C22.7) Gezp dolaşmak (%) (C2) Ale ç lşkde empatnn olması (%) (C2.1) Ale olarak genelde uyumlu olunması, sorunların karşılıklı anlayış ve saygıyla çözülmes (%) (C2.2) Aledek breylern gençle olan lşklernde empat kurarak hareket etmes (%) (C2.) Gencn ale çnde düşüncelern rahatlıkla söyleyeblmes ve dkkate alındığını blmes (%) (C24) Alenn gence destek olması (%) (C24.1) Alenn genc bütün konularda desteklemes (%) (C24.2) Annebabanın ale breylern hayatın bütün rsklerne karşı korumaya çalışması (%) (C1) Gencn arkadaşları le sorunlarını, duygu ve düşüncelern paylaşması (%) (C2) Gencn arkadaşları le brlkte ortak faalyet yapma sıklığı (%) (C2.1) Televzyon zlemek (%) (C2.2) Vdeo/DVD zlemek (%) (C2.) Snemaya ya da tyatroya gtmek (%) (C2.4) Spor ya da açık hava aktvteler yapmak (%) (C2.5) Blgsayar oyunları oynamak (%) (C2.6) Brbrmzle konuşmak (%) (C2.7) Gezp Dolaşmak (%) (C) Alenn gencn arkadaşlarını tanıması ve onlarla zaman geçrmes (%) (C.1) Alenn gencn akşamları kmlerle olduğunu blmes (%) (C.2) Alenn gencn akşamları nerede olduğunu blmes (%) (C.) Alenn gencn arkadaşlarını tanıması (%) (C.4) Alenn gencn arkadaşlarının alesn tanıması (%) (C.5) Alenn gencn arkadaşlarının alesyle sohbet etmes (%) (C.6) Alenn gence evn dışında neler yapableceğne dar kesn kurallar koyması. (C.7) Alenn gencn akşamları ne zaman evde olması gerektğne dar kesn kurallar koyması (%) (C41) Ale le brlkte yaşama (%) (C42) Alenn ekonomk durumu (%) (C4) Çevre le kıyaslanınca alenn ekonomk durumu (%) (C51) Babanın öğretm durumu (%) (C52) Annenn öğretm durumu (%) (C61) Alenn madde kullanmanın zararları hakkında genc blglendrmes ve önlemes (%) (C61.1) Alenn, madde kullanmanın nsana verdğ zararlar hakkında gence sık sık blg vermes (%) (C61.2) Ale breylernn madde kullanmasını önlemek çn hep beraber ellernden gelen yapacağına nanması (%) (C62) Gencn madde kullandığını ales le paylaşması (%) (C62.1) Gencn madde kullanıyor olması halnde, bunu alesyle paylaşacağını düşünmes (%) (C62.2) Gencn madde kullanıyor olması halnde, bunu alesnn desteğ ve gayret sayesnde önleyeblmes (%) Tablo. Krter ve Alt Krterlern Belrlenmes (Keçören Beledye Başkanlığı Basın Yayın Halkla İlşkler Müdürlüğü, (2015: 27). Keçören Gençlerde Bağımlılık Araştırma Raporu) Çok krterl karar verme yöntemlernde kullanılacak olan ve alternatfler temsl etmek üzere örneklem olarak seçlen okullar se Tablo 4 de görülmektedr.
Koçak, Atan Lse Gençlğnde Madde Bağımlılığının Çok Krterl Karar Model le Değerlendrlmes 6 Okullar (A1) Fath Sultan Mehmet İmam Hatp Lses 26 (A2) Etlk İmam Hatp Lses 25 (A) Keçören Teknk ve Endüstr Meslek Lses 90 (A4) Keçören İMKB Teknk ve Endüstr Meslek Lses 91 (A5) İncrl Teknk ve Endüstr Meslek Lses 90 (A6) Aydınlıkevler Tcaret Meslek Lses 90 (A7) Kalaba Anadolu Lses 20 (A8) Fethye Kemal Mumcu Anadolu Lses 2 (A9) Aktepe Anadolu Lses 47 Toplam 502 Tablo 4. Alternatflern Belrlenmes Örneklem (Öğrenc).1. Bulanık ANP Yöntem Analz Sonuçları Gençlerde madde bağımlılığı ve erken uyarı sstem çalışmasında, rsk taşıyan gençlern bulundukları okulları tespt etmek ve rsk sıralaması yapmak amacıyla dğer yöntemlerde kullanılmak üzere krter ağırlıklarının elde edlmesnde bulanık ANP model oluşturulmuştur. Şekl 2. Madde Bağımlılığı ve Erken Uyarı Sstem İçn Kullanılan Bulanık ANP Model Madde bağımlılığı konusunda rsk taşıyan gençlern bulundukları okulları tespt etmeye ve lgl konuda rsk sıralaması yapmaya yönelk model oluşturulmuştur. Bu amaçla Alternatfler, Madde Kullanmaya Sürükleme, Ale İç İlşk, Sosyal Çevre, Ekonomk Durum, Eğtm Durumu ve Farkındalık olmak üzere yed küme oluşturulmuştur. Bu kümeler arasındak karşılıklı bağımlılıklar le Madde Kullanmaya Sürükleme, Ale İç İlşk ve Farkındalık kümelernn çsel bağımlılıkları Şekl 2 de görülmektedr. Model oluşturulduktan sonra modeldek krterlere at etk matrs Tablo 5 de verlmştr (Koçak, 2016: 67).
Koçak, Atan The Evaluaton Wth Mult Crtera Decson Model of Substance Abuse n Hgh School Youth 64 (C1) (C2) (C) (C4) (C5) (C6) (C1) X X X X X (C2) X X X (C) X X (C4) X X (C5) (C6) X X X X X X Tablo 5. Krterlere İlşkn Etk Matrs Krterlern önem ağırlıklarının elde edlmes çn uzman grubunun krterlere lşkn etk matrsnde verlen yapılar çn kl kıyaslamaları yapmaları stenmştr. Değerlendrmelerde dlsel değerler ve bu değerlere karşılık gelen üçgen bulanık karşılıklarının kullanılmasıyla nha olarak elde edlen bulanık kl karşılaştırma matrs se Tablo 6 da görülmektedr. (C1) (C2) (C) (C4) (C5) (C6) (C1) (1.00; 1.00; 1.00) (1.00;.00; 5.00) (1.00; 2.00; 4.00) (1.00; 2.00; 4.00) (1.00; 2.00; 4.00) (1.00;.00; 5.00) (C2) (0.20; 0.; 1.00) (1.00; 1.00; 1.00) (1.00; 1.00; 1.00) (1.00; 2.00; 4.00) (1.00; 2.00; 4.00) (1.00; 1.00; 1.00) (C) (0.25; 0.50; 1.00) (1.00; 1.00; 1.00) (1.00; 1.00; 1.00) (1.00; 1.00; 1.00) (1.00; 1.00; 1.00) (1.00; 1.00; 1.00) (C4) (0.25; 0.50; 1.00) (0.25; 0.50; 1.00) (1.00; 1.00; 1.00) (1.00; 1.00; 1.00) (1.00; 1.00; 1.00) (0.25; 0.50; 1.00) (C5) (0.25; 0.50; 1.00) (0.25; 0.50; 1.00) (1.00; 1.00; 1.00) (1.00; 1.00; 1.00) (1.00; 1.00; 1.00) (0.25; 0.50; 1.00) (C6) (0.20; 0.; 1.00) (1.00; 1.00; 1.00) (1.00; 1.00; 1.00) (1.00; 2.00; 4.00) (1.00; 2.00; 4.00) (1.00; 1.00; 1.00) Tablo 6. Ana Krterlern Bulanık İkl Karşılaştırma Matrs Ana krterlern ağırlığının belrlenmes çn yapılan bulanık kl karşılaştırma matrsnn ardından görel önem ağırlıklarının belrlenmes çn çözüm yöntem olarak Chang (1992, 1996) n Genşletme Analz Teknğ kullanılmıştır. Gerçekleştrlen analz aşağıdak adımlardan oluşmaktadır: Adım 1. Tablo 6 dak bulanık kl karşılaştırma matrs kullanılarak sentetk değerler elde edlr. S (1) = (0.09, 0.1, 0.79) S (2) = (0.08, 0.17, 0.41) S () = (0.08, 0.1, 0.21) S (4) = (0.06, 0.11, 0.21) S (5) = (0.06, 0.11, 0.21) S (6) = (0.08, 0.17, 0.41) Adım 2. Adım 1 de elde edlen vektörler kullanılarak üçgen bulanık sayılar karşılaştırılır: V ( S(1) S(2) ) = 1.00 V ( S() S(1) ) = 0.9 V ( S(5) S(1) ) = 0.6 V ( S(1) S() ) = 1.00 V ( S() S(2) ) = 0.74 V ( S(5) S(2) ) = 0.65 V ( S(1) S(4) ) = 1.00 V ( S() S(4) ) = 1.00 V ( S(5) S() ) = 0.84 V ( S(1) S(5) ) = 1.00 V ( S() S(5) ) = 1.00 V ( S(5) S(4) ) = 1.00 V ( S(1) S(6) ) = 1.00 V ( S() S(6) ) = 0.74 V ( S(5) S(6) ) = 0.65 V ( S(2) S(1) ) = 0.70 V ( S(4) S(1) ) = 0.6 V ( S(6) S(1) ) = 0.70 V ( S(2) S() ) = 1.00 V ( S(4) S(2) ) = 0.65 V ( S(6) S(2) ) = 1.00 V ( S(2) S(4) ) = 1.00 V ( S(4) S() ) = 0.84 V ( S(6) S() ) = 1.00 V ( S(2) S(5) ) = 1.00 V ( S(4) S(5) ) = 1.00 V ( S(6) S(4) ) = 1.00 V ( S(2) S(6) ) = 1.00 V ( S(4) S(6) ) = 0.65 V ( S(6) S(5) ) = 1.00 Adım. W = (1.00, 0.70, 0.9, 0.6, 0.6, 0.70)T ağırlık vektörü bulunur. Adım 4. Normalze edlmş ağırlık vektörü W = (0.28, 0.20, 0.11, 0.10, 0.10, 0.20) T bulunur. X
Koçak, Atan Lse Gençlğnde Madde Bağımlılığının Çok Krterl Karar Model le Değerlendrlmes 65.2. Bulanık VIKOR Yöntem Analz Sonuçları Gençlerde madde bağımlılığı ve erken uyarı sstem çalışmasında, çözüm yöntem olarak seçlen bulanık VIKOR yöntemnde gerçekleştrlen analz se aşağıdak adımlardan oluşmaktadır: Adım 1. Uygun alternatfler üretlr ve değerlendrme krterler karar vercler tarafından belrlenr. Adım 2. Chang (1992, 1996) n Genşletme Analz Teknğ kullanılarak elde edlen krter ağırlıkları dlsel değşkenlere ve bulanık sayılara dönüştürülüp kullanılır. Krterler (C1) (C2) (C) (C4) (C5) (C6) W 0,28 0,20 0,11 0,10 0,10 0,20 W VH M VL VL VL M Tablo 7. Krter Ağırlıkları Adım. Karar verclern terchler ve fkrler doğrultusunda Chang (1992; 1996) n Genşletme Analz Teknğ kullanılarak elde edlen krter ağırlıkları bulanık VIKOR yöntemnde kullanılmak üzere ele alnır. Ayrıca Tablo 8 de kullanılacak olan bulanık karar matrs verlmştr. Alternatfler (A1) (A2) (A) (A4) (A5) (C1) (0.25; 0.50; 0.75) (0.50; 0.75; 1.00) (0.00; 0.00; 0.25) (0.00; 0.25; 0.50) (0.00; 0.25; 0.50) (C2) (0.75; 1.00; 1.00) (0.00; 0.25; 0.50) (0.75; 1.00; 1.00) (0.75; 1.00; 1.00) (0.75; 1.00; 1.00) (C) (0.00; 0.00; 0.25) (0.75; 1.00; 1.00) (0.00; 0.25; 0.50) (0.00; 0.00; 0.25) (0.00; 0.00; 0.25) (C4) (0.00; 0.25; 0.50) (0.25; 0.50; 0.75) (0.00; 0.25; 0.50) (0.00; 0.00; 0.25) (0.00; 0.00; 0.25) (C5) (0.00; 0.00; 0.25) (0.25; 0.50; 0.75) (0.00; 0.25; 0.50) (0.00; 0.25; 0.50) (0.00; 0.00; 0.25) (C6) (0.00; 0.00; 0.25) (0.00; 0.00; 0.25) (0.25; 0.50; 0.75) (0.00; 0.00; 0.25) (0.50; 0.75; 1.00) Alternatfler (A6) (A7) (A8) (A9) (C1) (0.50; 0.75; 1.00) (0.75; 1.00; 1.00) (0.75; 1.00; 1.00) (0.50; 0.75; 1.00) (C2) (0.75; 1.00; 1.00) (0.00; 0.00; 0.25) (0.50; 0.75; 1.00) (0.75; 1.00; 1.00) (C) (0.00; 0.00; 0.25) (0.00; 0.00; 0.25) (0.25; 0.50; 0.75) (0.25; 0.50; 0.75) (C4) (0.50; 0.75; 1.00) (0.50; 0.75; 1.00) (0.75; 1.00; 1.00) (0.00; 0.00; 0.25) (C5) (0.75; 1.00; 1.00) (0.75; 1.00; 1.00) (0.75; 1.00; 1.00) (0.00; 0.00; 0.25) (C6) (0.75; 1.00; 1.00) (0.25; 0.50; 0.75) (0.00; 0.00; 0.25) (0.00; 0.25; 0.50) Tablo 8. Karar Matrs Krterler Krterler f Adım 5. Bulanık en y değerler ( ) ve bulanık en kötü değerler ( f ) hesaplanır. Krterler Krtern En İy Değerler Krterlern En Kötü Değerler (C1) (0.00; 0.00; 0.25) (0.75; 1.00; 1.00) (C2) (0.75; 1.00; 1.00) (0.00; 0.00; 0.25) (C) (0.75; 1.00; 1.00) (0.00; 0.00; 0.25) (C4) (0.75; 1.00; 1.00) (0.00; 0.00; 0.25) (C5) (0.75; 1.00; 1.00) (0.00; 0.00; 0.25) (C6) (0.75; 1.00; 1.00) (0.00; 0.00; 0.25) Tablo 9: Krterlern Bulanık En İy ve En Kötü Değerler
Koçak, Atan The Evaluaton Wth Mult Crtera Decson Model of Substance Abuse n Hgh School Youth 66 Adım 6 ve 7. S ; R değerler le S, S, R, R ve Q değerler hesaplanır. Alternatfler (A1) (A2) (A) (A4) (A5) S (0.50;1.00;2.08) (1.00;1.6;2.42) (0.17;0.25;0.75) (0.25;0.75;1.75) (0.08;0.8;1.08) R Q S R (0.25;0.50;0.75) (0.50;0.75;1.00) (0.17;0.25;0.25) (0.25;0.50;0.75) (0.08;0.25;0.) (0.2;0.42 0.7) (0.74;0.79;1.00) (0.10;0.00;0.00) (0.20;0.;0.6) (0.00;0.04;0.16) Alternatfler (A6) (A7) (A8) (A9) (0.50;0.75;1.25) (1.17;1.75;2.25) (1.08;1.6;1.8) (0.75;1.1;2.08) (0.50;0.75;1.00) (0.75;1.00;1.00) (0.75;1.00;1.00) (0.50;0.75;1.00) Q (0.50;0.50;0.65) (1.00;1.00;0.95) (0.96;0.96;0.8) (0.62;0.6 0.90) Tablo 10. S ; R ve Q Değerler + S = mn S = (0.08,0.25,0.75) S = maxs = (1.17,1.75,2.42) + R = mn R = (0.08, 0.25, 0.25) R = max R = (0.75,1.00,1.00) (v = 0.50 alınmıştır) Adım 8. BNP (Best Nonfuzzy Performance Value) yöntem kullanılarak durulaştırılmış Q değerler se şu şekldedr: Q 1 = (0.2; 0.42; 0.7) se Q 2 = (0.74; 0.79; 1.00) se Q = (0.10; 0.00; 0.00) se Q 4 = (0.20; 0.; 0.6) se Q 5 = (0.00; 0.04; 0.16) se Q 1 Q 2 Q Q 4 Q 5 Q 6 = (0.50; 0.50; 0.65) se Q 6 = Q 7 = (1.00; 1.00; 0.95) se Q 7 = Q 8 = (0.96; 0.96; 0.8) se Q 8 = Q 9 = (0.62; 0.6; 0.90) se Q 9 = (0.7 0.2) + (0.42 0.2) = + 0.2 = 0.49 (1.00 0.74) + (0.79 0.74) = + 0.74 = 0.84 (0.00 0.10) + (0.00 0.10) = + 0.10 = 0.0 (0.6 0.20) + (0. 0.20) = + 0.20 = 0.9 (0.16 0.00) + (0.04 0.00) = + 0.00 = 0.07 (0.65 0.50) + (0.50 0.50) + 0.50 = 0.55 (1.00 1.00) + (0.95 1.00) + 1.00 = 0.98 (0.8 0.96) + (0.96 0.96) + 0.96 = 0.91 (0.90 0.62) + (0.6 0.62) + 0.62 = 0.72
Koçak, Atan Lse Gençlğnde Madde Bağımlılığının Çok Krterl Karar Model le Değerlendrlmes 67 Alternatfler Q Q Alternatfler S Alternatfler R (A) (0.10; 0.00; 0.00) 0.0 (A6) 0.8 (A) 0.22 (A5) (0.00; 0.04; 0.16) 0.07 (A) 0.9 (A5) 0.22 (A4) (0.20; 0.; 0.6) 0.9 (A5) 0.51 (A1) 0.50 (A1) (0.2; 0.42; 0.7) 0.49 (A4) 0.92 (A4) 0.50 (A6) (0.50; 0.50; 0.65) 0.55 (A1) 1.19 (A2) 0.75 (A9) (0.62; 0.6; 0.90) 0.72 (A9) 1.2 (A6) 0.75 (A2) (0.74; 0.79; 1.00) 0.84 (A8) 1.51 (A9) 0.75 (A8) (0.96; 0.96; 0.8) 0.92 (A2) 1.68 (A7) 0.92 (A7) (1.00; 1.00; 0.95) 0.98 (A7) 1.72 (A8) 0.92 Tablo 11. Alternatflern Q ; S ve R Değerlerne Göre Sıralanması Adım 9. Aşağıdak k koşul sağlanırsa çözümü elde edlr. C1. Kabul edleblr avanta : DQ = Q(A5) Q(A) = 0.07 0.0 = 0.06 Q(A4) Q(A5) = 0.9 0.07 = 0.2 0.1 Q(A1) Q(A4) = 0.49 0.9 = 0.10 Q(A6) Q(A1) = 0.55 0.49 = 0.06 Q(A9) Q(A6) = 0.72 0.55 = 0.17 0.1 Q(A2) Q(A9) = 0.84 0.72 = 0.12 Q(A8) Q(A2) = 0.92 0.84 = 0.08 Q(A7) Q(A8) = 0.98 0.92 = 0.06 Bulanık S ve R değerler BNP yöntem kullanılarak durulaştırılmıştır. Q 1 = 1 m 1 ndeks kullanılarak belrlenen; a 9 1 = 0.1 dr. uzlaşık olduğundan A4 ve A9 alternatfler C1 krtern sağlayıp kabul edleblr avantaa sahptrler. C2. Karar vermede kabul edleblr stkrar : A; A4; A5; A7 ve A9 alternatf; S ve/veya R değerler le aynı sıralamada yer alıp C2 krtern sağladığı çn karar vermede kabul edleblr stkrara sahptr. Adım 10. Q değer mnmum alternatf en y alternatf olarak seçlr. Uygulama en rskl okul bulunmaya çalışıldığından Q değer maksmum olan alternatfe bakılır. Gençlerde madde bağımlılığı ve erken uyarı sstem çalışmasında se Kalaba Anadolu Lses 0.98 değer le en rskl okul olarak değerlendrlr. Bunu sırasıyla 0.91 değer le Fethye Kemal Mumcu Anadolu Lses ; 0.84 değer le Etlk İmam Hatp Lses ; 0.72 değer le Aktepe Anadolu Lses 0.55 değer le Aydınlıkevler Tcaret Meslek Lses ; 0.49 değer le Fath Sultan Mehmet İmam Hatp Lses ve 0.9 değer le Keçören İMKB Teknk ve Endüstr Meslek Lses zlemektedr.
Koçak, Atan The Evaluaton Wth Mult Crtera Decson Model of Substance Abuse n Hgh School Youth 68 Okullar Bu aşamada ncelenen okulların TEOG sınavı taban puanları aşağıda Tablo 12 de verlmştr. Puan (A8) Fethye Kemal Mumcu Anadolu Lses 46.752 (A7) Kalaba Anadolu Lses 450.810 (A6) Aydınlıkevler Tcaret Meslek Lses 446.182 (A9) Aktepe Anadolu Lses 15.259 (A2) Etlk İmam Hatp Lses 269.618 (A5) İncrl Teknk ve Endüstr Meslek Lses 227.478 (A) Keçören Teknk ve Endüstr Meslek Lses 195.124 (A4) Keçören İMKB Teknk ve Endüstr Meslek Lses 157.82 (A1) Fath Sultan Mehmet İmam Hatp Lses 11.40 Tablo 12. 2015 2016 TEOG Lselern Taban Puanları Tablo 12 de TEOG taban puan sıaralamsına göre üst sıralarda yer alan okullar le rsk sıralamasındak okullar arasındak sperman sıra korelasyon değer r s = 0;767 (P = 0;016) olup okul sıralamaları arasında poztf doğrusal br lşk bulunduğu söyleneblr. Bu sonuç eğtm açısından yorumlanırsa TEOG okul başarısı yüksek olan okullar daha fazla madde bağımlılığı rsk altındadır sonucuna ulaşılmıştır. Bu nedenle bu okullardak öğrenclern çok daha fazla rehberlk ve blglendrme çalışması le desteklenmes önemldr. Burada eğtm alan öğrenclern rsk azaltablmek amacıyla yakından zlenmes ve erken uyarı veren durumlara acl çözüm üretleblr olması önem arz etmektedr. 4. Sonuç ve Önerler Son dönemde bağımlılık yapıcı madde kullanımı özellkle gençler arasında artış göstermesne rağmen ülkemzde madde kullanım yaygınlığına; sebep olan faktörlere; rsk alanlarının tesptne ve bu konudak erken uyarı sstemne yönelk yapılan çalışmalar yok deneblecek kadar azdır. Bu noktada gençler bağımlılık yapıcı madde kullanımına yönelten pskolok ve sosyolok etmenler altında gençlern bulundukları okulların rsk değerlendrmesnde ÇKKV yöntemlernn kullanılması bu çalışmanın temeln teşkl etmştr. Çalışmada Ankara nın Keçören lçesnde öğretmn sürdürmekte olan öğrenclere uygulanan anket sonuçları ele alınarak okulların rsk değerlendrmes yapılmıştır. Çalışmada ÇKKV yöntemlernn analznde kullanılacak olan krterler; alt krterler ve alternatfler belrlenerek başlanmıştır. Demograf; Ale le Yapılan Faalyetler; Arkadaşlar le Yapılan Faalyetler; Davranış ve Alışkanlıkları gösteren boyutlardan oluşan anket sorularının gerekl toplulaştırması yapılarak Madde Kullanmaya Sürükleme ; Ale İç İlşk ; Sosyal Çevre ; Ekonomk Durum ; Eğtm Durumu ve Farkındalık olmak üzere 6 adet ana krter belrlenmştr. Bunlardan Madde Kullanmaya Sürükleme ana krternn yönü malyet ken dğer ana krterlern yönler fayda şeklnde tanıtılmıştır. Ayrıca Madde Kullanmaya Sürükleme ana krternn 4 adet; Ale İç İlşk ana krternn 4 adet; Sosyal Çevre ana krternn adet; Ekonomk Durum ana krternn tane; Eğtm Durumu ana krternn 2 adet ve Farkındalık ana krternn 2 adet alt krter bulunmaktadır. Yöntemlerde kullanılacak olan alternatfler se Ankara nın Keçören lçesnde öğretme devam etmekte olan 9
Koçak, Atan Lse Gençlğnde Madde Bağımlılığının Çok Krterl Karar Model le Değerlendrlmes 69 lse düzeynde okul ve toplamda 502 öğrencnn katıldığı anket cevapları temsl etmektedr. Çalışmada lk olarak Şekl 2 de verlen krterlern önem dereceler ncelendğnde; Madde Kullanmaya Sürükleme kümes altında Ale ç kötü lşk (% 52.76); Ale İç İlşk kümes altında Alenn gence destek olması (% 6.22); Sosyal Çevre kümes altında Gencn arkadaşları le sorunlarını paylaşması (% 45.74); Ekonomk Durum kümes altında Ale le brlkte yaşama (% 88.76); Eğtm Durumu kümes altında Babanın öğretm durumu ve Annenn öğretm durumu (% 50.00); Farkındalık kümes altında Gencn madde kullandığını ales le paylaşması (% 66.67) krterlernn dğer krterlere nspeten öneml oldukları sonucuna ulaşılmıştır. Sonuç olarak bu çalışmada gerçekleştrlen uygulama le gençlerde madde bağımlılığı ve erken uyarı sstem analznn ÇKKV yöntemler le modellenebleceğ ve bu konuda rsk taşıyan; destek verlmes gereken gençlern yoğunluklu olarak bulundukları okulların rsk analzlernn elde edlebleceğ görülmüştür. Kaynakça Asan, U. Soyer, A. & Seyda, S. (2012). A Fuzzy Analytc Network Process Approach, Atlants Press Book, s. 159 18. Chang, D. Y. (1992). Extent Analyss and Synthetc Decson Optmzaton Technques and Applcaton, World Scentfc, S: 1, s. 52. Chang, D. Y. (1996). Applcatons of the Extent Analyss Method on Fuzzy AHP. European Journal of Operatonal Research, S: 95(), s. 649 655. Chen L. Y. & Wang T. C. (2009). Optmzng Partners Choce n IS/IT Outsourcng Proects: The Strategc Decson of Fuzzy VIKOR, Internatonal Journal of Producton Economcs, S: 120(1), s. 2526. Chung, S. H., Lee, A. H. I. & Pearn, W. L. (2005). Analytc Network Process Approach for Product Mx Plannng n Semconductor Fabrcator, Internatonal Journal of Producton Economcs, S: 96(1), s. 15 6. Fıguere, J., Greco, S. & Ehrgott, M. (2005). Multple Crtera Decson Analyss: State of the Art Surveys, Unted States of Amerca: Sprnger Scence, Busness Meda, s. 82 406. Gu, X. & Zhu, Q. (2006). Fuzzy Mult Attrbute Decson Makng Method based on Egenvector of Fuzzy Attrbute Evaluaton Space, Decson Support Systems, S: 41(2) s. 400 410. Hseh, T. Y., Lu, S. T. & Tzeng, G. H. (2004). Fuzzy MCDM Approach for Plannng and Desgn Tenders Selecton n Publc Offce Buldngs, Internatonal Journal of Proect Management, S: 22(7), s. 57 584. Kahraman C. (2008). Fuzzy MultCrtera DecsonMakng, Theory and Applcatons wth Recent Developments. Sprnger Optmzaton and Its Applcaton, Sprnger Scence and Busness Meda. s. 5 8. Koçak, D. (2016). Klask ve Bulanık Çok Krterl Karar Verme Yöntemler ve Uygulama, Gaz Ünverstes Sosyal Blmler Ensttüsü Yüksek Lsans Tez, Ankara. Kulak, O. & Kahraman, C. (2005). Fuzzy MultAttrbute Selecton among Transportaton Companes Usng Axomatc Desgn and Analytc Herarchy Process, Informaton Scences, S: 170(24), s. 192. Meade, L. M. & Sarks, J. (1999). Analyzng Organzatonal Proect Alternatves for Agle Manufacturng Processes: An Analytcal Network Approach, Internatonal Journal of Producton Research, S: 7(2), s. 241 261. Moenzadeh, P. & Hafathalha, A. (2009). A Combned Fuzzy Decson Makng Approach to Supply Chan Rsk Assessment, World Academy of Scence, Engneerng and Technology, S: 60, s. 519 55. Saaty, T. J, (1996). Decson makng n Complex Envronments, The Analytcal Herarchy Process for decson Makng wth Dependence and Feedback, USA, RWS Publcatons.
Koçak, Atan The Evaluaton Wth Mult Crtera Decson Model of Substance Abuse n Hgh School Youth 70 Saaty, T. L. & Vargas, L. G. (201). Decson Makng wth The Analytc Network Process Economc, Poltcal, Socal and Technologcal Applcatons wth Benefts, Opportuntes, Costs and Rsks (Second Edton), New York Hedelberg Dordrecht London: Sprnger. Şen, Z. (2001). Bulanık Mantık ve Modelleme İlkeler, İstanbul: Blge Kültür Sanat. Wang, J. W., Cheng, C. H. & Cheng, H. K. (2009). Fuzzy Herarchcal TOPSIS for Suppler Selecton, Appled Soft Computng, S: 9(1), s. 77 86.