Journal of Management, Marketng and Logstcs (JMML), ISSN: 48-6670 Year: 04 Volume: Issue: AN IMPLEMENTATION OF INTEGRATED MULTI-CRITERIA DECISION MAKING TECHNIQUES FOR ACADEMIC STAFF RECRUITMENT Kemal Vatansever¹, Mesut Oncel² ¹Pamukkale Unversty.kvatansever@pau.edu.tr ²Pamukkale Unversty.moncel@pau.edu.tr Keywords Personnel selecton, mult-crtera decson makng, fuzzy AHP, fuzzy TOPSIS. ABSTRACT Decson-makng n personnel recrutment s among the most essental topcs to be handled n both publc and prvate sectors. The success of enterprses depends drectly on the employees' effcency. In ths perspectve, choosng the most accurate personnel for the beneft of an enterprse s a decson-makng process that requres varous crtera to be taken nto account.in ths study, fuzzy AHP (Analytcal Herarchy Process) and fuzzy TOPSIS (Technque for Order Preference by Smlarty to Ideal Soluton), whch are among the mult-crtera decson-makng technques are suggested to be used for makng the most accurate decson. By usng these technques, the most adequate applcant wll be selected after evaluated n accordance wth more obectve and varous crtera. For ths purpose, accordng to the crtera determned by usng the related lterature, the canddates have been evaluated n terms of dcton, physcal appearance, academc effcency, work experence and extroverson. By usng fuzzy AHP n determnng the weghts of crtera and fuzzy TOPSIS n evaluaton of the canddates accordng to the related weghts of crtera, the decson-makers are provded wth a decson support. AKADEMIK PERSONEL ALIM KARARLARINDA ÇOK KRITERLI KARAR VERME TEKNIKLERININ BIRLİKTE KULLANIMI VE BIR UYGULAMA Anahtar Kelmeler Personel seçm, çok krterl karar verme, bulanık AHP, bulanık TOPSIS. ÖZET Personel alım kararları gerek kamu ve gerekse de özel sektör şletmelernde üzernde önemle durulması gereken konuların başında gelmektedr. İşletmelern başarıları, çalışan personeln vermllğ le doğrudan lgldr. Bu doğrultuda şletme faalyetlerne olumlu katkı yapacak en doğru personeln seçm, farklı krterlern göz önünde bulundurulmasını gerektren br karar sürecdr. Çalışmada akademk personel alım kararlarında çok krterl karar verme teknklernden Bulanık AHP (Analtk Hyerarş Proses) ve Bulanık TOPSIS (Technque for Order Preference by Smlarty to Ideal Soluton) yöntemlernn brlkte kullanımı, en doğru kararın verleblmes çn önerlmektedr. Bu yöntemler kullanılarak adaylar, daha obektf ve farklı krterlerle değerlendrlerek en uygun adayın seçm gerçekleştrleblecektr. Bu amaçla, lgl lteratürden yararlanılarak belrlenen krterlere göre adaylar; dksyon, fzksel görünüş, akademk yeterllk, ş tecrübes ve dışa dönüklük açılarından değerlendrlmştr. Krter ağırlıklarının belrlenmesnde Bulanık AHP, adayların lgl krter ağırlıkları çerçevesnde değerlendrlmes aşamasında se Bulanık TOPSIS yöntemler kullanılarak karar verclere karar desteğ sağlanmıştır.
Journal of Management, Marketng&Logstcs - JMML (04), Vol. () Vatansever, Oncel, 04. GİRİŞ Küresel rekabetn hızla artması ve hızlı teknolok lerlemeler, uluslararası pazarda faalyette bulunan şletmelern kaltel ve profesyonel personel htyaçlarını ortaya çıkarmıştır. Bu durum ancak en uygun kşlern şe yerleştrlmeleryle mümkün olur. Personeln yetenekler, blg becerler ve dğer kablyetler şletmelern başarılarında öneml rol oynarlar (Güngör vd., 009). Personel seçm problem üzernde dkkatlce düşünülmes gereken öneml ve karmaşık br konudur. Bu noktada cevaplanması gereken sorular: Personel adaylarının brbrnden farklı ntelk ve özellklere sahp olduğu durumlarda krterlern önem ağırlıkları en uygun şeklde nasıl belrlenecek? Çok krterl br bakış açısıyla adayların değerlendrlmesnde dlsel (sözel) ve/veya sayısal ölçekler nasıl kullanılacak? Değerlendrme sonuçları nasıl br araya getrlp bütünleştrlecek ve adayların sıralaması nasıl yapılacak? (Ln, 00) Bu sorulara verlecek cevaplar şn ntelğ, personelden beklentler, frma hedefler gb farklı krterler açısından ele alınıp, frma amaç ve hedefler doğrultusunda bütünleştrlmeldr. Personel seçm, belrlenmş ş tanımlarındak ntelkler barındıran breylern seçm sürecdr (Dursun ve Karsak, 00). Personel seçm sürec ş analz le başlamaktadır. İş analz aşamasının k ayağı vardır. Öncelkle yapılacak ş le lgl karakterstkler belrlenr ve sonrasında o ş çn personelde bulunması gerekl krterler ortaya çıkarılır. Personel krterlernn belrlenmes sürecnde pskolok faktörler de gözden kaçırılmamalıdır. Sonrasında en uygun personel seçm metodu belrlenr ve stekl adaylar arasından seçm yapılır (Robertson, 00) Ünverstelerde akademk kadroda görev alacak personel seçm de ünverstelern başarısı noktasında oldukça öneml br konudur. Ünverstelern başarı sıralamalarına yönelk dünya ölçeğnde yapılan çalışmalarda daha üst sıralarda yer ednp konumlanablmenn yolu, bu amaca en yüksek katkıyı sağlayacak breylern şe alınmasını gerekl kılar. Bu doğrultuda çalışmamızın amacı, adayların seçm sürecnde bulanık çok krterl karar verme teknklernn kullanılarak en optmal adayın belrlenmesdr. Çalışmanın bundan sonrak bölümlernde personel seçmne lşkn lteratüre yer verldkten sonra önerlen yöntemler kısaca açıklanmış ve örnek br uygulama le önerlerde bulunulmuştur.. LİTERATÜR Personel seçmne yönelk lteratür ncelendğnde çok krterl karar verme (ÇKKV) teknklernden yararlanıldığı görülmektedr. Personel seçmnn şletmelern başarıları le lşks ve sthdam edlecek personelden beklentlern veya personel özellklernn farklılık göstermes gb nedenler bu problemn ÇKKV teknkler le çözümüne uygun olduğunu göstermektedr. İş yaşamında artan belrszlk, personel seçm sürecne de etk edeceğ çn bulanık küme teorsnden de sıklıkla yararlanılmaktadır. Lteratürde gerek tekl ve gerekse bütünleşk br metodolo le bu alanda en sık kullanılan yöntemn AHP olduğu görülmektedr. Güngör ve arkadaşları (009) personel seçmn
Journal of Management, Marketng&Logstcs - JMML (04), Vol. () Vatansever, Oncel, 04 etkleyen faktörler genel ş faktörler, tamamlayıcı ş faktörler ve breysel faktörler olarak belrledkler çalışmalarında personel seçmnde bulanık AHP yaklaşımını kullanmışlardır. Gbney ve Shang (007), AHP yöntemn ünverstelerde dekan seçm problem çn uygulamışlardır. Çelk ve arkadaşları (009) akademk personel seçmnde bulanık bütünleşk çok aşamalı br değerlendrme model önermş ve bulanık AHP le bulanık TOPSIS yaklaşımlarını br arada kullanmışlardır. Kabak ve Kazançoğlu (0) asker okullarda görev yapacak öğretmen adaylarının değerlendrlmes ve seçm sürecnde; Dağdevren (007), br şletmede terf edecek personeln seçmne yönelk çalışmasında bulanık AHP yöntemn önermşlerdr. Bal ve Gencer (005) çalışmalarında, Kara Harp Okulu na öğretm elemanı seçmnde AHP, bulanık AHP ve bulanık mantık yöntemlern ayrı ayrı kullanmış ve çıkan sonuçları karşılaştırmışlardır. Çalışmada personel seçm sürecnde obektf krterlern yanında sübektf krterlern de kullanılmasıyla ÇKKV teknklernn daha y sonuçlar vereceğ vurgulanmıştır. Lteratürde personel seçmne yönelk çalışmalarda AHP dışında da farklı yöntemlern kullanıldığı görülmektedr. Dursun ve Karsak (00) personel seçmne yönelk çalışmalarında k katlı dlsel gösterm model, sıralı ağırlıklı ortalama ve TOPSIS yöntemlern br arada kullanmıştır. Personel seçm krterler olarak duygusal stkrar, letşm becers, kşlk, tecrübe ve kendne güven krterlernn kullanıldığı çalışmalarda, Chen (000) bulanık TOPSIS yöntemn kullanırken, Zhang ve Lu (0) gr lşksel analz yöntemne dayalı sezgsel bulanık küme teorsn kullanmışlardır. Klemens ve Askouns (00) blşm teknololer personel seçmnde bulanık TOPSIS yöntemne dayalı ÇKKV teknklernden yararlanmışlardır. Balezents ve arkadaşları (0) çalışmalarında personel seçm çn grup karar almada bulanık Multmoora yöntemn önermşlerdr. Ln (00) analtk ağ sürec ve bulanık ver zarflama analz yöntemlern br arada kullanmışlardır. El- Santawy ve El-Dean (0), uluslararası br şrket çn personel seçm kararında VIKOR yöntemn kullanmışlardır. Yıldız ve Devec (03) teknolo frmasına personel seçmnde bulanık VIKOR yöntemnden yararlanmışlardır. Kabak ve arkadaşları (0), personel seçmnde ncel ve ntel faktörlern etksn göz önünde bulundurarak, keskn nşancı seçmnde bulanık melez ÇKKV yaklaşımını öner olarak sunmuşlar ve bulanık ANP, bulanık TOPSIS ve bulanık ELECTRE yöntemlern br arada kullanmışlardır. Aksakal ve Dağdevren (00), uluslararası br frma çn personel seçmne yönelk çalışmalarında Dematel ve analtk ağ sürec yaklaşımlarını br arada kullanarak bütünleşk br bakış açısı sunmuşlardır. Köse ve arkadaşları (03), eğtm hzmetler sağlayan br kurumda personel seçm çn gr lşksel analz ve gr analtk ağ sürec yaklaşımlarını br arada kullanmışlardır. 3. METODOLOJİ Çalışmada ünverstelerde akademk personel alım kararlarında bulanık AHP ve bulanık TOPSIS yöntemlernn br arada kullanılması önerlmektedr. ÇKKV yaklaşımlarında bulanık mantığın kullanılma neden, karar sürecnn doğasında bulunan belrszlkle mücadelede daha doğru kararlar alınması üzerndek etksdr. Çalışmada akademk personel alım kararlarına etk eden krterlern ağırlıklarının belrlenmesnde bulanık AHP ve belrlenen krter ağırlıkları doğrultusunda adayların değerlendrlmes sürecnde se bulanık TOPSIS yöntem kullanılmıştır. 3
Journal of Management, Marketng&Logstcs - JMML (04), Vol. () Vatansever, Oncel, 04 3.. BULANIK KÜME VE SAYILAR Bulanık küme kavramı lk kez 965 te Zadeh tarafından ortaya atılan br kavramdır. Ona göre bulanık küme, sürekl üyelk derecesne sahp br amaçlar sınıfıdır. Her br amaca 0 le arasında br üyelk derecesnn atandığı, üyelk fonksyonlarıyla karakterze edlen br kümedr. (Zadeh, 965) Çok değerl mantık olarak da blnen bulanık mantık, belrsz nsan yargılarını ve dnamk sstem modellemelern tanımlama ve belrgn değerlere dönüştürmede kullanılır. Ev araçları, robotk, otomasyon, ma şleme, uzay, savunma uygulamaları gb brbrnden farklı brçok alanda 965 te Zadeh tarafından ortaya atıldığından ber kullanılmaktadır. İnsan yargıları ve davranışları çok karmaşık yapılar gösterdğ ve kesn sayısal değerlerle tahmn edlemedğ çn gerçek yaşamda hzmet ve üretm sstemlernn tanımlanmasında kesn değerlern (k değerl mantığın) kullanımı makul ve uygun sonuçlar vermez. (Zeydan ve Çolpan, 009) Bu doğrultuda ş yaşamının çerdğ belrszlk ortamında daha optmal kararlar vermek adına dlsel değşkenlerle bulanık küme teors yaygın olarak kullanılmaktadır. Bulanık kümeler elemanların spesfk kümelere üyelk derecelern betmlemek çn önerlr. Eşleştrme fonksyonu gb karakterstk fonksyonlar kullanmak yerne, evrensel küme X µ x şeklnde tanımlanablr. dek br bulanık alt küme A ~, onun üyelk fonksyonu olan ( ) A ~ ~ A {( x, µ ~ ( x) ) x X }, A Burada x X ( x) : X [ 0,] ~ A elemanların evrensel kümeye at olduklarını fade eder; µ (Tzeng ve Huang, 0) Dlsel değşken, doğal yada yapay dlde kelmeler yada cümlelerle fade edlen değşkenlerdr. Dlsel değşkenler çok yüksek, çok y, y, yüksek, normal, çok düşük, çok kötü gb etkleyc değerler le fade edlr. (Cheng vd. 005) Düşük, orta, yüksek gb dlsel deymler br nev yargıların doğal göstermdrler. Bu karakterstkler karar verclern terch yapılarını oluşturmalarında bulanık küme teorsnn uygulanablrlğn fade eder. Bulanık küme teors, nsanoğlunun subektf yargıları aracılığıyla kavramlardak belrszlğ ölçmeye yardımcı olur. Bunun ötesnde, grupla karar almada; değerlendrme, farklı değerlendrclern dlsel değşkenlere bakışı sonucunda gerçekleşr ve bu değerlendrme belrsz, bulanık br çevrede yürütülmeldr. (Saghafan ve Heaz, 005) Lteratür ncelendğnde en sık kullanılan bulanık sayıların üçgensel ve yamuk bulanık sayılar olduğu görülmektedr. Çalışmada da kullanılan üçgensel bulanık sayılar özelkle hesaplama kolaylığı açısından en sık terch edlendr. Üçgensel bulanık sayılar (l, m, u) µ x : R 0, se; şeklnde fade edleblr. Üyelk fonksyonu ( ) [ ] M 4
Journal of Management, Marketng&Logstcs - JMML (04), Vol. () Vatansever, Oncel, 04 µ M ( x) x l, m l m l x u, m u m u 0, x x [ l, m], [ m, u], dger, l m u Burada, l ve u sırasıyla küçük ve büyük değerler fade ederken m se orta değer temsl etmektedr. M ve M gb k üçgensel bulanık sayı; M (l, m, u ) ve M (l, m, u ) şeklnde fade edleblr. Bu sayılara lşkn operasyonel kurallar aşağıdak gbdr:.. ( l, m, u ) ( l, m, u ) ( l + l, m + m, u + u ), ( l, m, u ) ( l, m, u ) ( l l, m m, u u ) ( λ, λ, λ ) ( l, m, u ) ( λl, λm, λu ) 3. λ > 0, λ R 4. ( l, m, u ) ( / u,/ m, l ) / (Chang, 996) () () Lteratürde karar alma problemlernn çözümünde sıklıkla ÇKKV yöntemler kullanılmaktadır. Bu yöntemlerle karar alma çalışmalarında karşılaşılan en büyük sıkıntı da belrszlğn karar krterler üzerndek etksdr. Bu olumsuzluk karşısında da bulanık küme teors kullanılmıştır. Çalışmanın bundan sonrak bölümünde BAHP yaklaşımı anlatılacaktır. 3.. BULANIK AHP Çok krterl karar verme yaklaşımlarından br Analtk Hyerarş Sürec (AHP) dr. Analtk hyerarş sürec genel br ölçme teorsdr. AHP, çok krterl karar verme, planlama ve kaynak dağıtımı ve anlaşmazlıkların çözülmesnde kullanılan en genş uygulamadır (Saaty ve Vargas, 000). AHP, lk olarak 968 yılında Myres ve Alpert tarafından ortaya atılmış ve 977 de Saaty tarafından br model olarak gelştrlerek karmaşık karar problemlernn çözümünde kullanılablr hale getrlmştr. AHP; karar vercye hedef, ana krter, alt krter ve alternatfler çeren hyerarşk yapıyı oluşturmasını sağlayarak ve çok sayıda alternatf 5
Journal of Management, Marketng&Logstcs - JMML (04), Vol. () Vatansever, Oncel, 04 çok sayıdak ntel/ncel krter açısından br arada değerlendrerek, en uygun alternatf belrlemesne yardımcı olmaktadır (Grgner, 008). AHP karar almada temel br yaklaşımdır. Brkaç krter açısından değerlendrlen farklı sayılardak alternatflern en ysn hem rasyonel ve hem de sezgsel olarak seçme amacıyla tasarlanır. Bu süreçte, karar verc bast kl karşılaştırma yargıları ortaya koyar. Bu yargılar daha sonra alternatflern sıralanması çn tüm öncelklern gelştrlmesnde kullanılır. Karar problemnn hyerarşk yapısında, en az üç düzeyden oluşan bast br yapı kullanılır. Karar problemnn amacı en üst düzeydedr. İknc düzeyde karar krterler yer alır ve üçüncü düzeyde se değerlendrlecek karar alternatfler yerleştrlr (Saaty ve Vargas, 000). AHP de karar vercnn amacı doğrultusunda faktörlern ve faktörlere at olan alt faktörlern belrlenmes lk adımdır. AHP de öncelkle amaç belrlenr ve bu amaç doğrultusunda amacı etkleyen faktörler saptanmaya çalışılır. Amaç, faktör ve alt faktörler belrlendkten sonra, faktör ve alt faktörlern kend aralarındak önem derecelernn belrlenmes çn kl karşılaştırma karar matrsler oluşturulur. Bu matrslern oluşturulmasında Saaty tarafından önerlen -9 önem skalası kullanılır. Yapılan çalışma sonunda verlecek karar brçok kşy etkleyecek yapıda se kl karşılaştırma karar matrsler farklı kşlern yargılarının brleştrlmes le oluşturulur. İkl karşılaştırma karar matrslernden elde edlen blglere göre AHP de yargılar br matrse dönüştürülür. İkl karşılaştırma karar matrsler oluşturulduktan sonra zleyen aşama öncelk veya ağırlık vektörlernn hesaplanmasıdır. AHP metodolosne göre karşılaştırma matrsnn özdeğer ve özvektörler öncelk sırasını belrlemeye yardımcı olur. En büyük özdeğere karşılık gelen özvektör öncelkler belrlemektedr. Öncelk vektörlernn hesaplanmasında kullanılan yaygın br yöntem şöyledr: Normalleştrlmş matrs, her br sütun değernn ayrı ayrı lgl sütun toplamına bölünmes le elde edlr ve normalleştrlmş matrsten hareketle; her br sıra değerlernn ortalaması alınır, elde edlen bu değerler her br krter çn bulunan önem ağırlıklarıdır. Bu ağırlıklar le öncelk vektörü oluşturulur. Karar vercnn faktörler arasında karşılaştırma yaparken tutarlı davranıp davranmadığını ölçmek çn, oluşturulan her br karşılaştırma matrs çn tutarlılık oranının hesaplanması gerekr. Hesaplamalar sonucunda bulunan değer 0.0 un altında çıkmışsa oluşturulan karşılaştırma matrsnn tutarlı olduğu sonucuna varılır (Dağdevren vd., 004). Saaty tarafından ortaya atılan AHP, çok ntelkl, çok taraflı ve çoklu döneml yapısal problemlern hyerarşk olarak çözümünü kolaylaştıran br yöntemdr. Her ne kadar amacı uzman blglern değerlendrmek olsa da, klask AHP yöntem, nsan düşünme şeklndek belrszlğe cevap verememektedr. Bundan dolayı bu tp problemlern çözümü çn bulanık AHP önerlmektedr (Büyüközkan ve Çftç, 0). Saaty tarafından önerlen yaklaşımda karar vercler kl karşılaştırma yaparken -9 önem skalasındak kesn değerler kullanmak zorundadırlar. Ancak gerçek hayattak olaylar karşısında kesn değerlerle karar vermek her zaman mümkün değldr. Bulanık AHP yaklaşımı kesn değerlerle çalışmak yerne belrl aralıklardak değerlerle yargıda bulunmaya olanak sağladığı çn karar vercler açısından da oldukça etkl br yöntemdr. Karar vercler krter ve alternatfler değerlendrdklernde kesn sayıların yanında doğal dlsel vurguları da kullanırlar. Bu sebeple, bulanık AHP yöntem etkleyc br şeklde nsan düşüncelerne ve algılarına benzemektedr. Bu nedenle de brçok farklı araştırmacı tarafından sstematk olarak kullanılmıştır (Heo vd., 007). 6
Journal of Management, Marketng&Logstcs - JMML (04), Vol. () Vatansever, Oncel, 04 Çalışmada krterlern ağırlıklarının belrlenmesnde kullanılan bulanık AHP yaklaşımının şleyş şu şekldedr:. Aşama: Karar verclern görüşler doğrultusunda kl karşılaştırma matrsler hazırlanır. a~ ~ ~ ~... a a a n n ~ ~ ~ ~ ~ a... a / a a n n A ~ ~ ~ ~ a / / n an a n a n ~ ~ ~ ~ ~, 3, 5, 7, 9 krter krterne göre görel olarak daha önemldr a~, ~ ~ ~ ~ ~, 3, 5, 7, 9 krter krterne göre görel olarak daha az önemldr Karar vercler krterler değerlendrrken tablo dek ölçekten yararlanırlar. Tablo : Değerlendrmede Kullanılan Dlsel Değşkenlern Üçgen Bulanık Sayı Türünden Karşılıkları Dlsel Değşken Üçgensel Bulanık Ölçek Üçgensel Bulanık Karşılık Ölçeğ Eşt (,,) (/, /, /) Orta (,3,4) (/4, /3, / ) Güçlü (4,5,6) (/6, /5, /4 ) Çok Güçlü (6,7,8) (/8, /7, /6) Kesnlkle Terch Edlr (8,9,9) (/9, /9, /8). Aşama: Sentetk kl karşılaştırma matrsnn oluşturulmasında Buckley (985) nn önerdğ geometrk ortalama teknğ kullanılarak bulanık geometrk ortalamalar ve her br krtern bulanık ağırlıkları bulunur: ( a~ / a~ a~ ) n ~ r n (3) 7
Journal of Management, Marketng&Logstcs - JMML (04), Vol. () Vatansever, Oncel, 04 [ ~ r ~ r ~ r ] ~ ~ w r n (4) 3. Aşama: Son aşamada br öncek aşamada elde edlen bulanık krter ağırlıkları durulaştırılarak en y bulanık olmayan performans değer (BNP-Best Nonfuzzy Performance Values) hesaplanır. Durulaştırma şlemnde se hesaplama kolaylığı açısından alan merkez yöntem (COA-Center of Area) kullanılmıştır. BNP w [( U w Lw ) ( M w Lw )]/ Lw 3 L, M, U Denklemde w w w değerler üçgensel br bulanık sayı çn sırasıyla küçük, ortanca ve büyük değerler temsl etmektedr (Hseh vd., 004; Sun, 00). 3.3. BULANIK TOPSIS TOPSIS çok krterl karar verme problemler çn kullanılan ve lk kez Hwang ve Yoon tarafından gelştrlen en çok blnen klask çok krterl karar verme yöntemdr. TOPSIS yöntem seçlen alternatfn poztf deal çözüme en kısa mesafe ve negatf deal çözüme en uzak mesafe düşünces üzerne oturmaktadır (Chen, 000). TOPSIS yöntem sadece seçlen alternatfn poztf ve negatf deal çözüme uzaklıklarını ortaya koymaz, bunun yanında deal ve deal olmayan çözümler de ortaya koymaktadır (Wang vd., 009) Çok krterl grup karar alma problemlernde TOPSIS çok farklı alanlarda yaygın br şeklde kullanılmaktadır. TOPSIS n bu kadar yaygın kullanım sebeplernden lk, Analtk Hyerarş Proses (AHP) yada bast ağırlıklı toplam yöntemlernden farklı olarak poztf deal çözüme en yakınlığı ve negatf deal çözüme en uzaklığı en uygun sonuç olarak ortaya koyan mantıksal düşünceye dayanmasıdır. İkncs, sezgsel, anlaşılması ve uygulanması kolay br yöntemdr. Üçüncüsü, TOPSIS dğer çok krterl karar alma yöntemleryle karşılaştırıldığında br takım poztf özellklere sahptr. Bunlar: - Yöntemn performansı alternatflern sayısından kısmen etklenr ve sıralama farklılıklarında alternatf ve krterlern sayısındak artış karşısında güçlendrlmştr. - Optmal olmayan br alternatf grldğnde alternatflern sıralamaları değşr. TOPSIS sıralama değşm konularında en y yöntemdr. Bu tutarlılık özellğ uygulamada takdr edlr (Bottan ve Rzz, 006). Yöntemn olumlu yönlernn yanı sıra daha öncede belrtlen özellkle değşen çevresel koşullar ve belrszlk karşısında karar krterlernde meydana gelen değşmlern yol açtığı olumsuz durumları önlemede Bulanık TOPSIS yöntem kullanılmaktadır. TOPSIS yöntem yerne bulanık TOPSIS kullanımıyla br takım zayıflıklar ortadan kalkar. Bunlar: a) Her krtere başlangıç ağırlığı atama htyacı b) Bulanık sayılar ve 0 olduğunda drekt olarak bunların sırasıyla poztf deal çözüm ve negatf deal çözüm olduğu varsayılır. Ağırlıklar ve derecelenmş değerler aşırı ölçüde küçük olduğunda krterler arasındak mesafe ve bulanık poztf ve negatf deal çözümler yükselr. (5) 8
Journal of Management, Marketng&Logstcs - JMML (04), Vol. () Vatansever, Oncel, 04 c) Sonuçlar bazen temel düşüncelere uymayablr k bu durumda en y çözüm poztf deal çözüme en yakın, negatf deal çözüme en uzak seçenektr (Wang vd., 009). Dğer klask çok krterl karar verme yöntemleryle kıyaslandığında, sstemn etknlğ bulanık TOPSIS yöntemnde AHP den %3, bulanık optmum yöntemnden %7, TOPSIS den % ve gr lşk analznden %0 daha fazladır (Wang vd., 007). Bulanık küme yaklaşımıyla çok kşl çok krterl karar alma yöntemlernden bulanık TOPSIS şu aşamaları çerr; tespt. Adım: Karar alıcılardan oluşan br grup oluşturulup değerlendrme krterlernn Adım: Krterlern önem ağırlıklarına göre uygun dlsel değşkenler ve krter bakımından alternatflern alacağı dlsel puanları seçme. Adım3: C krternn toplulaştırılmış W bulanık ağırlığını elde etmek çn krter ağırlıkları toplulaştırılır, karar verclern düşünceler doğrultusunda C krter altında A alternatf çn x toplulaştırılmış bulanık puanları elde edlr. Bu şu şeklde hesaplanır; [ ~ k x ~ x,..., x ] ~ X ~ k k [ w~ w~,..., w ] ~ W ~ k Adım4: Bulanık karar matrs ve normalze karar matrs oluşturulur. Bulanık karar matrsndek dlsel değşkenler üçgensel bulanık sayılar şeklnde [ ~ x ( a, b, c ) w ~ ( w, w w ) ]tanımlanır. Fayda (Beneft-B) ve malyet (Cost-C) krterler, 3 açısından bulanık karar matrsnn normalzasyonu şu şeklde gerçekleştrlr: ~ r ~ r c * a b c,,, B * * * c c c a c a, b max c a, a f, C B (6) (7) (8) (9) (0) 9
Journal of Management, Marketng&Logstcs - JMML (04), Vol. () Vatansever, Oncel, 04 a mn a f C Adım 5: Ağırlıklı normalze bulanık karar matrs; v ~ ~ r w~ şeklnde oluşturulur. Adım 6: Bulanık poztf deal çözüm ve bulanık negatf deal çözüm kümeler oluşturulur. v ~* ~ v (,, ) ( 0,0,0) Adım 7: Her br alternatfn bulanık poztf deal çözüm kümesne(fpis) ve bulanık negatf deal çözüm kümesne(fnis) uzaklıkları hesaplanır. d d * n n d d Burada d(.,.) ( ~ ~ * v, v ),,,..., m, ( v~, v~ ), hesaplanmasında vertex metodu kullanılır. d,,..., m () () (3) (4) (5) (6) k bulanık sayı arasındak mesafenn ölçüsüdür ve bunun 3 [ ] ( m ~, n~ ) ( m n ) + ( m n ) + ( m n ) 3 3 (7) Adım 8: Her br alternatfn yakınlık katsayısı hesaplanır. d CC,,,.., m * d d Adım 9: Yakınlık katsayısına göre belrlenen tüm alternatflern sıralama puanları belrlenr (Chen, 000). (8) 0
Journal of Management, Marketng&Logstcs - JMML (04), Vol. () Vatansever, Oncel, 04 4. ARAŞTIRMA BULGULARININ DEĞERLENDIRILMESI Çalışmada X Ünverstes İİBF İşletme Bölümü ne alınması planlanan Araştırma Görevls kararının verlmesnde bulanık ÇKKV teknklernden yararlanılmıştır. Öğretm Üyes Dışındak Öğretm Elemanları Kadrolarına Naklen veya Açıktan Yapılacak Atamalarda Uygulanacak Merkez Sınav le Grş Sınavlarına İlşkn Usul ve Esaslar Hakkındak Yönetmelğn 0. Maddes gereğ adaylar öncelkle ALES puanının %60 ı ve dl puanının %40 ı alınarak sıralamaya tab tutulur. Kadro sayısının 4 katına kadar aday grş sınavına alınır. Bu hüküm gereğnce gerekl şartları taşıyan 3 aday sınava çağrılmıştır. Yapılacak olan çalışma doğrultusunda ür üyeler le yürütülen görüşmelerde lgl lteratürü de dkkate alarak, akademk personel seçm krterler olarak; dksyon, fzksel görünüş, akademk yeterllk, ş tecrübes ve dışa dönüklük belrlenmştr. Krterlern değerlendrlmesnde bulanık AHP, adayların değerlendrlmesnde se bulanık TOPSIS yöntemlernden yararlanılmıştır. Çalışmanın amacı akademk personel alımlarında uygulanan yazılı sınavlara alternatf br model öners sunmaktır. Problemn hyerarşk yapısı aşağıda olduğu gbdr: Şekl : Problemn Hyerarşk Yapısı Akademk Personel Seçm Dksyon Fzksel Görünüş Akademk Yeterllk İş Tecrübes Dışa Dönüklük Aday Aday Aday 3 Karar verclern seçm krterlernn görel önemlerne lşkn verdkler cevaplar sonucunda geometrk ortalama yöntemne göre oluşturulan bulanık karar matrs aşağıdak gbdr: Tablo : Krterlern Bulanık İkl Karşılaştırma Matrs Dksyon Fzksel Görünüş Akademk Yeterllk İş Tecrübes Dışa Dönüklük Dksyon,0000,0000,0000 5,7690 6,804 7,5595 0,376 0,598 0,908 0,376 0,598 0,908,447,364,5874 Fzksel Görünüş 0,33 0,470 0,733,0000,0000,0000 0,56 0,08 0,376 0,33 0,470 0,733 0,3969 0,4807 0,6300 Akademk Yeterllk 5,45 6,573 7,685 7,685 8,768 8,6535,0000,0000,0000 3,634 4,777 5,7690 3,634 4,777 5,7690 İş Tecrübes 5,45 6,573 7,685 5,7690 6,804 7,5595 0,733 0,0 0,75,0000,0000,0000 0,3467 0,4055 0,5000 Dışa Dönüklük 0,6300 0,7539 0,8736,5874,080,598 0,733 0,0 0,75,0000,466,8845,0000,0000,0000
Journal of Management, Marketng&Logstcs - JMML (04), Vol. () Vatansever, Oncel, 04 Eştlk 3 ve 4 yardımıyla önce her br krter grubu çn bulanık ağırlıklar, sonrasında da her br krtern ağırlığı hesaplanır. Krter ağırlıkları şu şekldedr: w~ w~ w~ w~ w~ 3 4 5 ( 0.0787, 0.03, 0.39) ( 0.087, 0.0357, 0.0473) ( 0.439, 0.5564, 0.78) ( 0.344, 0.76, 0.33) ( 0.0965, 0.305, 0.740) Son olarak da eştlk 5 kullanılarak bulanık krter ağırlıkları alan merkez yöntemyle durulaştırılarak en y bulanık olmayan performans değerler elde edlr. BNP [( U w Lw ) ( M w Lw ) ]/ 3 L [( 0.39 0.0787) ( 0.03 0.0787) ] w w 0.040 Dğer krterlern performans değerler şöyledr: BNP BNP BNP BNP w w3 w4 w5 0.037 0.568 0.8 0.337 / 3 0.0787 Krterlere lşkn ağırlıklar bulanık AHP yaklaşımıyla elde edldkten sonra adayların değerlendrlmesnde bulanık TOPSIS yöntem kullanılmıştır. Jür üyelernn görüşler doğrultusunda oluşturulan bulanık karar matrs aşağıdak gbdr: Tablo 3: Bulanık Karar Matrs Aday Aday Aday3 Dksyon,44 3,5569 5,5934 6,573 8,768 9,6549 5,99 7,0473 8,576 Fzksel Görünüş 0,0000,080 4,484 5,5934 7,67 9,37 3,7 5,7388 7,663 Akademk 3,979 6,08 7,8837 6,573 8,768 9,6549 3,5569 5,5934 7,67 Yeterllk İş Tecrübes,0000 3,0000 5,0000 6,573 8,768 9,6549 3,5569 5,5934 7,67 Dışa Dönüklük 4,777 6,804 8,576 5,5934 7,67 9,37 3,979 6,08 7,8837 Sonrasında eştlk 8 le bulanık karar matrs normalzasyon şlemne tab tutulur. Normalze karar matrsnde yer alan değerlern her br bulanık AHP yöntem le elde edlen krter ağırlıkları le çarpılarak ağırlıklı normalze bulanık karar matrs elde edlr.
Journal of Management, Marketng&Logstcs - JMML (04), Vol. () Vatansever, Oncel, 04 Tablo 4: Ağırlıklı Normalze Bulanık Karar Matrs Aday Aday Aday3 Dksyon 0,04 0,059 0,0860 0,0787 0,03 0,39 0,0787 0,03 0,39 Fzksel Görünüş 0,0000 0,009 0,047 0,056 0,038 0,0457 0,083 0,09 0,043 Akademk 0,349 0,4973 0,6605 0,439 0,5564 0,78 0,870 0,446 0,6377 Yeterllk İş Tecrübes 0,085 0,0776 0,360 0,344 0,76 0,33 0,093 0,398 0,07 Dışa Dönüklük 0,0965 0,305 0,740 0,0863 0,0 0,680 0,0749 0,7 0,600 Ağırlıklı normalze bulanık karar matrsnn oluşturulmasından sonra bulanık poztf deal çözüm (fuzzy poztve deal soluton-fpis) ve bulanık negatf deal çözüm (fuzzy negatve deal soluton-fnis) değerler eştlk 7 dek vertex yöntemyle hesaplanır. Bu şlemn ardından alternatflern bulanık poztf ve negatf deal çözüm kümelerne uzaklıkları yan d ve * d değerler elde edlr ve eştlk 8 le her alternatf çn görel uzaklık değerler hesaplanarak bulanık TOPSIS yöntemyle adayların performans sıralamaları elde edlmş olur. Tablo 5: Adayların Yakınlık Katsayıları ve Sıralama Tablosu Aday Aday Aday 3 Dİ* 3,89,8338,8947 Dİ-,000,4358,736 Dİ*+Dİ- 5,489 5,696 5,683 CCİ 0,3848 0,46 0,4399 Adayların yakınlık katsayıları büyükten küçüğe sıralandığında Aday nn 0.46, Aday 3 ün 0.4399 ve Aday n 0.3848 eklnde olduğu görülmektedr. Jür en yüksek katsayıya sahp olan Aday y sthdam etmeldr. 5. SONUÇ VE ÖNERILER Küreselleşme sürec le brlkte ş yapılarında meydana gelen değşm ve artan rekabet şletmeler kaynak kullanımı konusunda daha dkkatl davranmaya yöneltmştr. Bu süreçte şletmelern başarısı paylaşılan hedefler doğrultusunda personeln uyumlu ve koordnel br şeklde mücadele etmesne bağlıdır. İşletme başarısına etk eden öneml faktörlerden br doğal olarak frmada çalışan personeln frma faalyetlerne katkısıdır. Bu nedenle şletmeler htyaçlarını en üst düzeyde karşılayacak personellerle çalışmak steyeceklerdr. Ünversteler de yapılan sıralamalarda daha üst sıralarda yer almak, stratek hedeflern gerçekleştrmek, ülkelern genel eğtm strateler doğrultusunda daha kalfye ve yetenekl öğrencler yetştrmek gb amaçlarını ancak ntelkl personeller le gerçekleştrebleceklerdr. Ünverstelerde akademk personel alım kararları brçok farklı krter üzernde dkkatlce düşünülüp, analz edlmes gereken öneml br karardır. Çalışmada X Ünverstes İİBF İşletme Bölümü ne Araştırma Görevls alım kararlarında ÇKKV teknklernn kullanımı önerlmektedr. Akademk personel alım kararını veren ür 3
Journal of Management, Marketng&Logstcs - JMML (04), Vol. () Vatansever, Oncel, 04 üyeleryle yapılan görüşmeler sonucu, akademk personel seçmn etkleyen karar krterler olarak dksyon, fzksel görünüş, akademk yeterllk, ş tecrübes ve dışa dönüklük belrlenmştr. Krter ağırlıklarının belrlenmesnde bulanık AHP yöntem kullanılmıştır. Yöntem sonucunda en yüksek önem ağırlığına sahp krter 0.568 lk br ağırlığa sahp olan akademk yeterllk olarak ortay çıkmıştır. Başvurular arasından aday seçm sürecnde se bulanık TOPSIS yöntem kullanılmıştır. Yapılan sıralamada en yüksek sıralama puanını Aday almışken onu Aday 3 ve zlemştr. Aday en yüksek sıralama puanına sahp olduğu çn şe alınması tavsye edlmştr. Subektf krterler kullanılarak obektf br karar seçeneğ sunması açısından ÇKKV teknkler lteratürde sıklıkla kullanılmaktadır. Karar sürecn etkleyen krter sayısı fazla olduğunda ve belrszlğn etklern mnmze etmede etkl yöntemlerdr. Akademk personel seçm problemnde farklı ÇKKV teknklernden yararlanılablr. Farklı yöntemler tek tek veya bütünleştrlerek kullanılıp, çıkan sonuçlar karşılaştırılablr. Çalışmada kullanılan krterler farklı akademk brmler veya farklı ür üyelernce artırılablr veya azaltılablr. KAYNAKÇA Aksakal, E., Dağdevren, M. (00), ANP ve Dematel Yöntemler le Personel Seçm Problemne Bütünleşk Br Yaklaşım, Gaz Ünverstes Müh.Mm.Fak.Dergs, Vol. 5, 4, s.905-93. Balezents, R., Balezents, T., Bravers, W.K.M. (0), Personnel Selecton Based on Computng wth Words and Fuzzy Multmoora, Expert Systems wth Applcatons, Vol.39, pp.796-7967. Bal, Ö., Gencer, C. (005), AHP, Bulanık AHP ve Bulanık Mantık la Kara Harp Okuluna Öğretm Elemanı Seçm, KHO Savunma Blmler Dergs, Vol.4,, s.4-43. Bottan, E., Rzz, A. (006), A Fuzzy TOPSIS Methodology to Support Outsourcng of Logstcs Servces, Supply Chan Management: An Internatonal Journal, Vol./4, p.300. Büyüközkan, G. Çftç, G. (0), A Combned Fuzzy AHP and Fuzzy TOPSIS Based Strategc Analyss of Electronc Servce Qualty n Healthcare Industry, Expert Systems wth Applcatons, Vol.39, p.344. Chang, D.Y. (996), Applcaton of the Extent Analyss Method on Fuzzy AHP, European Journal of Operatonal Research, Vol.95, p.650. Chen, C.T. (000), Extensons of the TOPSIS for Group Decson Makng Under Fuzzy Envronment, Fuzzy Sets and Systems, Vol.4, pp.-9. Cheng, J. Z., Chen, P., T., Yu, H.C.D. (005), Establshng a Man Access Strategy for Future Broadband Servce: A Fuzzy MCDM Analyss of SONET/SDH and Ggabt Ethernet, Technovaton, Vol.5, p.56. Çelk, M., Kandakoğlu, A., Er, I.D. (009), Structurng Fuzzy Integrated Mult-Stages Evaluaton Model on Academz Personnel Recrutment n MET Insttutons, Expert Systems wth Applcatons, Vol.36, pp.698-697. Dağdevren, M., (007), Bulanık Analtk Hyerarş Proses İle Personel Seçm ve Br Uygulama, Gaz Ünverstes Müh.Mm.Fak. Dergs, Vol., 4, s.79-799. Dağdevren, M., Akay, D., Kurt, M. (004), İş Değerlendrme Sürecnde Analtk Hyerarş Proses ve Uygulaması, Gaz Ünverstes MMF Dergs, Vol.9,, s.3-33. Dursun, M., Karsak, E.E., (00), A Fuzzy MCDM Approach for Personnel Selecton, Expert Systems wth Applcatons, Vol.37, p.434. El-Santawy, M.F., El-Dean, R.A.Z. (0), On Usng Vkor for Rankng Personnel Problem, Lfe Scence Journal, Vol.9, 4, pp.534-536. 4
Journal of Management, Marketng&Logstcs - JMML (04), Vol. () Vatansever, Oncel, 04 Gbney, R., Shang, J., (007), Decson Makng n Academa: A Case of the Dean Selecton Process, Mathematcal and Computer Modellng, Vol.46, pp.030-040. Grgner, N. (008), Tcar Kred Taleplernn Değerlendrlmesne Çok Krterl Yaklaşım: Özel ve Devlet Bankası Karşılaştırması, Muhasebe ve Fnansman Dergs, Vol.37, s.35 Güngör, Z., Serhadlıoğlu, G., Kesen, S.E. (009), A Fuzzy AHP Approach to Personnel Selecton Problem, Appled Soft Computng, Vol.9, pp.64-646. Heo, E., Km, J., Boo, K.J. (007), Analyss of the Assessment Factors for Renewable Energy Dssemnaton Program Evaluaton Usng Fuzzy AHP, Renewable and Sustanable Energy Revews, Vol.4, p.5. Hseh, T. Y.; Lu, S. T. ve Tzeng, G. H. (004), Fuzzy MCDM Approach for Plannng and Desgn Tenders Selecton n Publc Offce Buldngs, Internatonal Journal of Proect Management, Vol., pp.576-579. Kabak, M., Burmaoğlu, S., Kazançoğlu,Y. (0), A Fuzzy Hybrd MCDM Approach for Professonal Selecton, Expert Systems wth Applcaton, Vol.39,pp.356-355. Kabak, M., Kazançoğlu, Y. (0), Bulanık Analtk Hyerarş Yöntemyle Öğretmen Seçm ve Br Uygulama, Afyon Kocatepe Ünverstes İİBF Dergs, Vol.4,, s.95-. Klemens, A., Askouns, D. (00), A New TOPSIS-Based Mult Crtera Approach to Personnel Selecton, Expert Systems wth Applcatons, Vol.37, pp.4999-5008. Köse, E., Aplak, H.S., Kabak, M. (03), Personel Seçm çn Gr Sstem Teor Tabanlı Bütünleşk Br Yaklaşım, Ege Akademk Bakış, Vol.3, 4, s.46-47. Ln, H.T. (00), Personnel Selecton Usng Analytc Network Process and Fuzzy Data Envelopment Analyss Approaches, Computers and Industral Engneerng, Vol.59, pp.937-944. Öğretm Üyes Dışındak Öğretm Elemanları Kadrolarına Naklen veya Açıktan Yapılacak Atamalarda Uygulanacak Merkez Sınav le Grş Sınavlarına İlşkn Usul ve Esaslar Hakkındak Yönetmelk, Madde 0 Robertson, I.T., Smth, M. (00), Personnel Selecton, Journal of Occupatonal and Organzatonal Phychologcal Socety, Vol.74, pp.444-450. Saaty, T.L. and Vargas, (000), L.G. Models, Methods, Concepts and Applcatons of theanalytc Herarchy Process, Boston: Kluwer Academc Publshers, pp.-. Saghafan, S., Heaz, R. (005), Mult Crtera Group Decson Makng Usng A Modfed Fuzzy TOPSIS Procedure, CIMCA-IAWTIC 05, IEEE, p.. Sun, C. C. (00), A Performance Evaluaton Model by Integratng Fuzzy AHP and Fuzzy TOPSIS Methods, Expert Systems wth Applcatons, Vol.37, p.7747. Tzeng, G.H., Huang, J.J. (0), Multple Attrbute Decson Makng Methods and Applcatons, CRC Pres Taylor and Francs Group, A Chapman and Hall Book, Boca Raton, p.7. Wang, B.H., Huang, J.G., Qn, X.S., Yan, Z.H., Ba, J. (007), Research on FTOPSIS Model of Threat Synthetc Evaluaton n Mult Target Tracng System. Proceedngs of 007 IEEE Internatonal Conference on Industral Engneerng and Engneerng Management, -4 December, Sngapore, p.35. Wang, J.W., Cheng, C.H.,Cheng, H.K. (009), Fuzzy Herarchcal TOPSIS for Suppler Selecton, Appled Soft Computng, Vol.9, pp.377-380. Yıldız, A., Devec, M. (03), Bulanık VIKOR Yöntemne Dayalı Personel Seçm Sürec, Ege Akademk Bakış, Vol.3, 4, s.47-436. Zadeh, L.A. (965), Fuzzy Sets, Informaton and Control, Vol.8, p.338. 5
Journal of Management, Marketng&Logstcs - JMML (04), Vol. () Vatansever, Oncel, 04 Zeydan, M., Çolpan, C. (009), A New Decson Support System for Performance Measurement Usng Combned Fuzzy TOPSIS/DEA Approach, Internatonal Journal of Producton Research, Vol.47, p.439. Zhang, S.F., Lu, S.Y. (0), A Gra-BAsed Intutonstc Fuzzy Mult-Crtera Group Decson Makng Method for Personnel Selecton, Expert Systems wth Applcatons, Vol.38, pp.40-405. 6