C.Ü.

İktisadi ve İdari Bilimler Dergisi, Cilt 12, Sayı 2, 2011

63

SİVAS İLİNDE LİSELERİN VERİ ZARFLAMA ANALİZİ İLE DEĞERLENDİRİLMESİ Z.Gökalp GÖKTOLGA*
Özet Sivas il sınırı içerisinde Milli Eğitim Bakanlığı’na bağlı olarak faaliyet gösteren 35 okulun eğitim etkinliklerini belirlemek için okulların 2009 OSS sınav sonuçları kullanılarak veri zarflama analizi yapılmıĢtır. Yapılan çalıĢmada 35 orta öğretim kurumundan 10 okul toplam etkin ve 17 okul ölçek etkin olarak bulunmuĢtur. Günümüz artan rekabet koĢullarında nitelikli personel yetiĢtirmek için eğitim kalitesinin yükseltilebilmesi amacıyla okul yönetimlerine ve milli eğitim bakanlığına, olması gereken koĢulların belirlenmesinde yardımcı olabilecek bilgiler ortaya konulmuĢtur. Anahtar Kelimeler: Veri zarflama analizi, Performans ölçümü, Matematik programlama, Lise, Etkinlik, Verimlilik.

Ahmet ARTUT**

Evaluation of High Schools in Sivas Province By Data Envelopment Analysis Abstract A data envelopment analysis has been done by using the 2009 OSS exam results of schools to determine the training effectiveness of 35 schools operating under control of Ministry of Education in Sivas. In this study, 10 schools were found overall effective and 17 schools were found scale effective among 35 secondary schools. In today’s increasingly competitive environment, useful information as been presented to school managements and ministry of education to train qualified personnel and raise the quality of education. Keywords: Data envelopment analysis, Performance measurement, Mathematical programming, High school, Efficiency, Productivity.

GİRİŞ Günümüz dünyasında, iĢletmelerin uluslar arası pazarda var olabilmeleri ve bu pazarda rekabet edebilmeleri için hızla değiĢim gösteren teknolojiyi araĢtıran, geliĢtiren ve uygulayabilen nitelikli personel istihdam etme gerekliliği ortay çıkmıĢtır.

*

Doç. Dr., Cumhuriyet Üniversitesi Ġ.Ġ.B.F. ĠĢletme Bölümü, Sivas Öğretim Görevlisi, Cumhuriyet Üniversitesi Gürün MYO, Sivas

**

oran analizi. Birer performans boyutu olan etkinlik ve verimlilik. Bessent ve ark. 2002. Ray. Bu yöntemleri. Parametresiz yöntemlerle ise. 1987.. Daha sonraki yıllarda yapılan. Cooper W. eğitim birimleri açısından önemlidir. parametreli yöntemler ve parametresiz yöntemler olarak üç grupta toplamak mümkündür (YeĢilyurt. Oran analizi. verimliliğin ölçülmesinde kullanılan yöntemlerden en basitidir. 1991). Smith ve Mayston. okulların karĢılaĢtırmalı verimliliklerini ölçmüĢlerdir. Bu çalıĢmada Sivas il sınırları içerisinde Milli Eğitim Bakanlığına bağlı olarak faaliyet gösteren 35 lise düzeyinde okul analiz konusunu oluĢturmuĢtur. benzer birimler içerisinde nerede olduklarını görebilmeleri ancak ölçülebilir verilerle periyodik olarak performans ölçümü yapmalarıyla mümkün olur. Performans.1989. 1982. Thanassoulis ve Dunstan. genel olarak regresyon teknikleri kullanılır. Girdi ya da çıktı odaklılık dikkate alınmak Ģartıyla. 2010 vd. Parametreli yöntemlerle verimlilik ölçümünde.1991. ekonomik ve sosyal yaĢantıya katkıda bulunabilmeleri açısından önem arz etmektedir.. Rhodes E.64 GÖKTOLGA ve ARTUT Orta öğretim kurumları öğrencilerin daha sonraki iĢ yaĢantılarına temel teĢkil edecek ana bilgileri edinebilmeleri toplumsal. 1991. çıktı odaklı ölçeğe göre etkinlik değerleri girdi odaklı ölçeğe göre aynı . Eğitim birimlerinin. Etkinlik ve verimliliğin bu denli önemli olması pek çok ölçüm yöntemleri geliĢtirilmesine neden olmuĢtur. Tek girdinin tek çıktıya oranı olarak bilinen oran analizi çok girdisi ve çok çıktısı bulunan eğitim kurumlarında kullanılamaz. 1992.1980. Birimlerin karar verme organları bu ölçümle üstün yönlerini ve zayıf yönlerini görebilecekler ve önlem alarak göreceli performans ölçümleri sonucunda elde edilen veriler doğrultusunda benzer birimler arasında örnek edinme (Benchmarking) çalıĢmasını daha etkin bir Ģekilde gerçekleĢtirebileceklerdir. Norman ve Stoker. bir bireyin bir grubun ya da bir kurumun yaptıkları iĢte saptanan hedefe yönelik olarak nereye ulaĢtığının ve neyi gerçekleĢtirebileceğinin nicel ya da nitel olarak ifade edilmesidir (BaĢ ve Artar. Performansın çeĢitli boyutları olmakla birlikte etkinlik ve verimlilik rekabetin artmasıyla daha önemli hale gelmiĢtir. 2003: 79).1994. çalıĢmalar tekniğin eğitim kurumlarının etkinliğinin değerlendirilmesinde kullanılmasını güçlendirmiĢtir. Bu çalıĢmalar incelendiğinde okullardaki öğrenci sayıları. Ganley ve Cubbin. Kurumların karar verme organları yönetim fonksiyonlarını etkin bir Ģekilde yerine getirebilmeleri açısından hem etkinliği hem de verimliliği birlikte sağlayacak Ģekilde faaliyetlerini planlayarak uygulamaya geçirmelilerdir. derslik sayıları ve kadrolu personel sayıları gibi ortak girdiler kullanıldığı gözlenmiĢtir.. Balkan ve Arıkan.. Ölçeğe göre sabit getiri varsayımına dayanan CCR ve BCC yöntemi ile veri zarflama analizi tekniği uygulanmıĢtır. Bessent ve Bessent. Färe vd. 1993: 4–5). Alan ve YeĢilyut. 1978). Eğitim alanında gerçekleĢtirilen ilk veri zarflama analizi(VZA) uygulamasında (Charnes A. performans ölçümünde matematik programlama çözüm tekniği olarak benimsenmiĢtir (Yolalan.

“Oranlar yoluyla yapılan analizde amaç. geçmiĢe dayalı bir değerleme yöntemidir.  ĠĢletmelerin aynı dönem içindeki birbiriyle ilgili diğer oranlar ile karĢılaĢtırılarak anlamlı hale getirilebilir ve yorumlanabilir. belli iliĢkiler içerisinde özetlemek ve bu Ģekilde daha anlamlı analiz ve yorumlara imkan sağlamaktır.  Aynı endüstri kolundaki benzer iĢletmelerin oranları ile. girdi. VERİ ZARFLAMA ANALİZİ Farrel(1957) yılındaki çalıĢmasında. elde edilen verilerin kullanılabilir olması için. . Regresyon analizinde regresyon doğrusu etkinlik sınırı olarak kabul edilir ve bu doğru üzerinde kalan karar birimleri göreceli olarak etkin. Parametrik yöntemlerle etkinlik ölçümünde genellikle regresyon analizi ile tek çıktı ile birçok girdi iliĢkilendirilerek tanımlanmaktadır. Etkinlik ölçümünde kullanılan teknikler oran analizi. 1984:2-16).Ü. tek çıktısı ve birden çok girdisi olan birimlerin etkinliklerini inceleyerek ilk kez etkinlik ölçümünde doğrusal programlamadan yararlanmıĢtır (Ertuğrul ve IĢık. 2004: 37) Parametrik yöntemlerle etkinlik ölçümünde kullanılan teknikleri arasında en çok kullanılan.  Genel kabul görmüĢ oranlar ile.710). 1991: s. Bu sebeple. 1993: 27).205). Önceleri. Sayı 2. 2008:s. (Demir. Charmes Cooper ve Rhodes (CCR) tarafından 1978 yılında yapılan çalıĢma ilk veri zarflaması analizi çalıĢması olup bu çalıĢmada eğitim kurumlarının etkinliği ölçmüĢtür. Cilt 12.” (Chote ve Tanaka.  ĠĢletmelerin geçmiĢ dönemdeki oranları ile. parametresiz teknikler olarak üç grupta toplamak mümkündür. İktisadi ve İdari Bilimler Dergisi. kar amacı gütmeyen organizasyonların karĢılaĢtırmalı etkinlik ve verimlilik analizlerinde kullanılsa da daha sonra kar amaçlı hizmet ve üretim iĢletmelerinin analizinde sıklıkla kullanılmıĢtır (Yolalan. parametreli teknikler. Parametrik olamayan yöntemler içerisinde VZA. analiz için tek baĢına yeterli olmayacaktır.” (Sherman. fiili olarak gerçekleĢen verilerin değerlemesini yapan. I. altında kalan karar birimleri ise etkinsiz olarak tanımlanır (Sherman. basit doğrusal regresyon analizi ve çoklu regresyon analizidir. parametresiz bir ölçüm yöntemidir. göreli olarak etkinliğini ölçmeye yarayan. Oran analizi yöntemi kullanılarak elde edilen sonuçlar. Bunun yanı sıra çok girdili ve çok çıktılı parametreli yöntemler de bulunmaktadır (Yolalan. 1984: 35). süreç ve üretilen çıktı itibariyle birbirine benzeyen karar birimlerinin.C. örgütsel girdi ve çıktılara iliĢkin tablo verilerini. 1979:45) “Oran analizi. 2011 65 değerleri vermesinden dolayı girdi odaklı ölçeğe göre sabit getirili analiz tercih edilmiĢtir.

CCR modelinde karar verme birimleri hem teknik etkin hem de ölçek etkin olarak etkinlikleri ölçülmektedir. 2005: 52-55). ya verilen bir girdi seviyesi için çıktıları maksimize etmek ya da verilen bir çıktı seviyesi için girdileri minimize etmekle ölçülür. 2006: 9). Bu modele bu kiĢilere hitaben CCR modeli ya da amaç çarpan değerlerini bulmak olduğundan çarpan modeli de denmektedir (Yıldız. Banker. belirli bir üretim ölçeği doğrultusunda belirli bir girdi bileĢimi ile maksimum çıktıya ulaĢılma boyutudur. Cooper ve Rhodes’un geliĢtirmiĢ olduğu ve çözümlemelerde doğrusal programlamanın kullanıldığı matematiksel modeller kullanılmaktadır ( Nevena. S. mevcut teknoloji çerçevesinde belirli bir girdi bileĢiminin kullanılmasıyla maksimum çıktıya ulaĢılma boyutu iken ölçek etkinlik. 2005: 286). Tüm karar verici üniteler ise etkin sınırda veya sınırın altında yer alırlar (DeliktaĢ. ve Vyara A. 1978 yılında önerilen CCR modeli yönelimsiz.y düzleminde girdileri minimize etmek olduğundan hem dikey hem de yatay eksende mümkün olduğunca orijine yaklaĢmaktır (ġahin ve Özgen. Farrell’in(1957) etkinlik tanımından faydalanılarak VZA modelinin ilk Ģeklini oluĢturmuĢtur. karar verme birimlerinin teknik etkinliğini hesaplayacak parametresiz bir yöntemdir. hesaplamaları kolaylaĢtırmak için Charnes. Sınırın altında yer alan yani etkin olmayan firmaların etkinlik sınırına uzaklığı belirlenir ve performans iyileĢtirme seçenekleri sunulur bu sayede etkin olmayan firmaların da etkinlik sınırına ulaĢtırılmaları amaçlanır (Subhash C Ray.” (Gülcü vd. 2005: 70). Charnes ve Cooper tarafından 1984 yılında geliĢtirilmiĢ BCC modeli ile CCR modeli ile arasındaki temel fark CCR modelindeki karar verme birimlerinin (KVB) ölçek etkin olma zorunluluğunun olmamasıdır. Cooper ve Rhodes’un geliĢtirdiği CCR modeli ve Banker. Charnes. Teknik etkinlik. 2004: 1 ). Minimum girdi düzeyi ile maksimum çıktı elde edilmesi istenen girdi yönelimli bu modelde temel amaç. Charnes ve Cooper’ın geliĢtirdiği BCC modeli kolaylığı nedeniyle en çok kullanılan VZA modelleridir (Baysal vd. 2004: 90) Çıktı yönlendirmeli VZA modeli belirli bir çıktı bileĢimini en etkin bir Ģekilde üretebilmek amacıyla kullanılacak en uygun girdi bileĢiminin nasıl olması gerektiğini araĢtırır. 2005: 2). BCC modelleri her bir KVB için sadece yerel teknik etkinliği ölçmektedir. Etkinlik ölçümü yapılmasında değerlendirilecek girdi ve çıktı sayısının artması etkinlik ölçümünün grafiksel olarak çözümlenmesini zorlaĢtırmaktadır. Charnes. Karar verme birimi “k” için teknik etkinlik. “VZA. . Cooper ve Rhodes.66 GÖKTOLGA ve ARTUT Veri zarflama analizinde çok girdi ve çok çıktı değiĢkeni arasındaki iliĢki dikkate alınarak. VZA’de en genel anlamda iĢletmelerin etkinliği tüm karar verici diğer iĢletmelere ya da firmalara göre ölçülür. Bunun sonucu olarak. Çoklu girdi ve çoklu çıktı üreten karar verme birimlerinin etkinliğini ölçmek. girdiye yönelik ve çıktıya yönelik olmak üzere üç yönlü olarak kullanılabilmektedir.. karar verme birimlerinin göreli etkinlikleri matematiksel programlama tekniği ile incelenmektedir. x.

`nin (1978) ortaya koyduğu aĢağıdaki modelin çözümüyle elde edilebilir. toplam verimliliği hesaplamak için kullanılan en temel yapıdır. n tane karar verme biriminin var olduğunu varsayarsak. Sayı 2. Veri zarflama analizinin matematiksel yapısı Talluri (2000:8) tarafından Ģöyle tanımlanmıĢtır. Burada.Ü. P karar verme biriminin etkinlik skoru. BCC modeli ölçeğe göre değiĢken getri altında teknik etkinliği ölçmektedir. girdinin ağırlığı X1j = “j” birimi tarafından tüketilen bir numaralı girdidir. vi = i. 2011 67 CCR modelinde bir karar verme biriminin etkin olabilmesi için hem teknik etkin hem de ölçek etkin olması gerekirken.C. 1998:3). BCC modelinde sadece teknik etkin olması yeterlidir. Amaç Fonksiyonu: Kısıtlayıcılar: . (Bowlin. Dolayısıyla CCR modeli ölçeğe göre sabit getiri altında toplam etkinliği ölçerken. s tane çıktıya sahip. Model(1). Tek bir karar verme biriminin (KVB) verimliliğini hesaplamak için kullanılan bu oran. Bu temel yapı kullanılarak. Charnes vd. İktisadi ve İdari Bilimler Dergisi. her biri m tane girdi. Cilt 12. çıktının ağırlığı Y1j = “j” birimden elde edilen bir numaralı çıktı ui = i.

…….s j = 1.. (Fractional Programming-FP) Kesirli programlama Ģeklindeki Model 1.. KVB`nin verimliliğini maksimize eden algoritmayı karakterize etmektedir. etkinlik hesaplamasında kullanılan ve daha pratik bir yöntem olan doğrusal programlama (Linear Programming-LP) formuna dönüĢtürülebilir. literatürde.n vk =k`ıncı çıktının ağırlığı yki = i`inci karar verme biriminin ürettiği çıktı miktarı uj = j`inci girdinin ağırlığı xji = i`inci karar birimi tarafından tüketilen bir numaralı girdidir. Ağırlıklar. Model (1)`de verilen kesirli programlama modelidir. “sanal transformasyon”. Veri zarflama analizinin kavramsal modeli.m i = 1. Amaç Fonksiyonu: Kısıtlayıcılar: . ağırlıkların bir gözlem yoluyla elde edilmediği. 1992:166-176)..……. “sanal çarpanlar” veya “sanal ağırlıklar” olarak adlandırılır. Buradaki “sanal” kavramı. 1986:56-59) Model (1)`de verilen kesirli programlama biçimi..68 GÖKTOLGA ve ARTUT Pozitif Kısıtlama: Burada. Ağırlıkların ekonomik bir anlamı olmasa da. Kettani ve Yolalan. ilgili karar verme biriminin verimliliğinin hesaplanmasında direkt etkilidir. model (2)`deki Ģekilde doğrusal programlama formuna dönüĢtürülebilir (Oral. “öngörüldüğü” veya “türetilmiĢ” olduğu manasındadır.…….. (Sexton vd. Model(2). Ağırlıklar. k = 1.

gerçekleĢtirilen iĢlem sonucunda ilgili karar verme biriminin etkinlik skoru 1 olarak bulunursa. Veri zarflama analizinde ağırlıkların belirlenmesi önemli bir konudur. Sayı 2. Eğer. 9. 2011 69 Pozitif Kısıtlama: Bu çözüm. . sınıf Ģube baĢına düĢen öğrenci sayısı (X3). II. okulda öğretmen baĢına düĢen öğrenci sayısı (X5) ve okulda eğitimde kullanılan bilgisayar baĢına düĢen öğrenci sayısı (X6) belirlenmiĢtir. Girdi olarak tüm okullarda ortak nokta olarak belirlenen ve eğitim çalıĢmasına aynı düzeyde etki eden faktörle belirlenmiĢtir. ilgili karar birimi “etkinsiz” kabul edilmektedir. 12. ön lisans programlarını kazanan öğrenci sayıları (Y2) ve açık öğretim fakültelerini kazanan öğrenci sayıları (Y3) alınmıĢtır. 1`den daha küçük bir skor bulunursa. sınıf Ģube baĢına düĢen öğrenci sayısı (X1). Ancak çalıĢmada lise düzeyinde eğitim veren okullardan mezun olan öğrencilerin üniversite eğitimi alarak iĢ hayatına alanında nitelikli iĢgücü olarak katılmaları düĢünüldüğünde çıktı olarak belirlenen lisans. ÇalıĢma hayatında devlet kurumlarının ve özel Ģirketlerin iĢgücü alımı için açmıĢ olduğu sınavlarda ve mülakatlarda üniversite ayrımı yapılmadığı için çalıĢmada çıktı olarak Öğrenci Seçme ve YerleĢtirme sınavından aldıkları ortalama puan tercih edilmemiĢ Öğrenci Seçme ve YerleĢtirme sınavına girerek lisans programlarını kazanan öğrenci sayıları (Y1). sınıf Ģube baĢına düĢen öğrenci sayısı (X2). 10. 2009 yılında Milli Eğitim Bakanlığına bağlı olarak lise düzeyinde eğitim veren toplam 82 okul tespit edilmiĢtir. bütün karar verme birimlerinin etkinlik skorlarını tespit etmek için n kere iĢlev görür. sınıf Ģube baĢına düĢen öğrenci sayısı (X4). açık öğretim ve ön lisans programlarını kazanan öğrenci sayıları arasında ağırlıkların belirlenmesi tercih edilmemiĢtir. Cilt 12. İktisadi ve İdari Bilimler Dergisi. Karar verme birimlerinin etkinlik skorlarını maksimize edebilmek için ağırlıklandırılmıĢ girdi ve çıktılar seçilir. 85 lise içerisinde 47 lisenin istatistikî bilgisi OSYM tarafından açıklanmadığı için 35 lise araĢtırma kapsamına dâhil edilmiĢtir.Ü. o karar birimi “etkin”. Çıktıların önem derecesine göre ağırlıklar belirlenebilmektedir. 11.C. SİVAS ORTA ÖĞRETİM OKULLARINDA VERİMLİLİK ARAŞTIRMASI Sivas ili sınırları içerisinde yer alan. ÇalıĢmada girdiler olarak.

Necati ErĢen Anadolu Öğretmen Lis.70 GÖKTOLGA ve ARTUT Analiz değerlendirilmesinde yer alan karar verme birimleri ve kullanılan kısaltmalar Tablo 1’de verilmiĢtir. SuĢehri Anadolu Öğretmen Lisesi Sivas Lisesi Susehri Lisesi Sivas Ahmet Ayık Güzel Sanatlar ve Spor Lisesi KNG1 ALT1 DVRĞ1 KNG2 SVS1 GMRK1 ġRKġL1 SVS2 ULġ1 SVS3 SVS4 SVS5 SVS6 KNG3 ĠMRL1 SVS7 HFK1 SVS8 SġHR1 GMRK4 SVS9 SVS10 SVS11 ġRKġL2 SVS12 SVS13 ZR1 SġHR2 SVS14 SVS15 SVS16 SġHR3 SVS17 SġHR4 SVS18 Tablo 2: Veri Tablosu KVB Girdiler Çıktılar . L.) ġarkıĢla Anadolu Lisesi Selçuk Anadolu Lisesi Cumhuriyet Anadolu Lisesi Zara Anadolu Lisesi Kazım Ayan Anadolu Lisesi Özel Bilgi Anadolu Lisesi Özel Sultan Murat Fen Lisesi Prof. CCR modeli ile elde edilen toplam etkinlik skorları. Yıl Lisesi Ġmranlı Lisesi Hacı Mehmet Sabancı Lisesi Hafik Lisesi Sivas Millî Piyango Lisesi Kısaltmalar Kısaltmalar Karar Verme Birimleri SuĢehri Lisesi Sızır Lisesi Sivas Fen lisesi Özel Sultan Murat Anadolu Lisesi Gültepe Anadolu Lisesi (Sivas Merkez Anad. Tablo 1: Karar Verme Birimleri ve Kısaltmalar Karar Verme Birimleri Kangal Lisesi Altınyayla Lisesi Divriği Lisesi Çetinkaya Lisesi Atatürk Lisesi Yeniçubuk Lisesi SarkıĢla Lisesi Gazi Lisesi UlaĢ Lisesi Sivas ĠMKB Anadolu Lisesi (4 Eylül Lisesi) Sivas Lisesi Kongre Lisesi YeniĢehir Anadolu Lisesi Alacahan 80. Etkinlik araĢtırmasının çözümünde EMS paket programı kullanılarak belirli bir çıktı bileĢimini en etkin bir Ģekilde üretebilmek amacıyla kullanılacak en uygun girdi bileĢiminin nasıl olması gerektiğini araĢtırmak amacıyla girdi ve çıktıya yönelik olarak çözüm gerçekleĢtirilmiĢtir. Veri zarflama analizinde kullanılan Tablo2’deki veriler Sivas Milli Eğitim Müdürlüğü ve ÖSYM’den alınmıĢ 2009 yılına ait değerlerdir. BCC modeli ile elde edilen saf teknik etkinlik skoruna bölünerek ölçek etkinlik skorları hesaplanmıĢtır.Dr.

00 21.33 4.25 16.33 24. Sayı 2.31 26.89 36.56 14.71 28.30 48.27 12.25 26.88 17.13 64.36 26.33 13.50 34.34 13.67 19.73 21.60 29.00 29.89 4.00 28.25 30.43 12.50 4.47 13.69 59.C.00 34.36 21.14 16.50 12.00 21.00 23.00 15.71 26.67 29.00 23.67 18.00 30.20 25.78 23.00 20.33 22.00 44.05 16.96 7.22 36.29 22.63 17.11 9.80 31.86 13.33 16.67 27.63 29.75 24.98 18.61 13.06 12.33 23.50 27.17 20.65 32.00 19.80 35.82 39.52 20.89 15.82 0.25 18.90 34.65 20.00 36.20 13.00 4.80 10.78 5.00 13.75 11.50 17.64 29.80 13.68 6 4 9 2 4 2 22 19 7 11 19 61 14 6 5 27 1 32 19 2 50 11 106 26 93 90 22 45 3 10 76 2 1 2 1 8 2 9 12 3 3 12 20 8 4 7 16 0 20 9 7 0 0 3 3 1 0 1 5 1 4 0 3 0 0 0 5 7 10 7 1 4 7 26 8 0 4 9 5 13 6 1 0 0 6 3 0 2 2 0 7 3 0 .25 30.80 25.80 18.20 20.25 22. Cilt 12.67 21.00 17.00 17.67 34.88 12.08 14.67 28.00 19.67 34.50 56.00 29.25 29.50 13.00 24.00 51.50 22.00 14.67 15.09 28.50 11.33 24.00 24.75 15.33 36.47 69.59 15.00 23.57 36.74 15.50 26.Ü.11 28.13 23.92 21.00 39.00 17.94 12.33 31.20 25.00 12.50 23.83 19.25 18. İktisadi ve İdari Bilimler Dergisi.67 27.33 19.78 24.33 19.21 19. 2011 71 Kısaltmalar KNG1 ALT1 DVRĞ1 KNG2 SVS1 GMRK1 ġRKġL1 SVS2 ULġ1 SVS3 SVS4 SVS5 SVS6 KNG3 ĠMRL1 SVS7 HFK1 SVS8 SġHR1 GMRK4 SVS9 SVS10 SVS11 ġRKġL2 SVS12 SVS13 ZR1 SġHR2 SVS14 SVS15 SVS16 X1{I} X2{I} X3{I} X4{I} X5{I} X6{I} Y1{O} Y2{O} Y3{O} 32.24 14.67 22.50 31.17 18.70 28.50 18.00 22.09 11.75 27.83 15.50 17.92 23.50 23.14 18.67 23.00 15.00 25.00 19.40 16.00 33.25 22.83 30.28 25.00 19.50 29.00 42.83 23.59 16.20 11.00 24.04 36.50 17.50 12.50 22.13 27.00 22.33 23.33 37.44 20.25 25.00 28.00 31.00 30.50 9.80 23.00 25.50 11.50 18.29 23.00 12.

04) 20 (0.17) 18 (0.40) 12 (0.20) 25 (0.96% 84.08) 30 (0.01) 20 (0.26% 91.14) 30 (0. Sırada bulunan SVS5 kodlu Kongre Lisesi.00 22.80 21.06) 25 (0.39% 15.50 13.13% 39.88% 95.52 24.06% 100% 100% 100% 100% 54.84% ġRKġL1 68. BCC etkinlik skorunun yüksek olması Kangal Lisesinin ölçek etkinlik skorunun teknik etkinlik skorundan daha düĢük olduğu göstermektedir.02) 30 (0.31) 18 (0.00 27.37% 100% 58.00) 29 (0.96% 69.15) 29 (0.01) 25 (0.00% 63.71% 91.00 18.02) 29 (0.00% 63.12% 57.03% 37.34) 25 (0.45% 25.17) 30 (0.33 18.03) 18 (0.50 20.96% 70.10) 18 (0.20) 18 (0.11 27. CCR etkinlik skorunun düĢük.23% 41.07) 30 (0.75 13.00 16.72% SVS2 ULġ1 SVS3 SVS4 SVS5 SVS6 KNG3 66.02) 18 (0.00 16. 29.93% 22.29) 30 (0.08) 18 (0.75% 99.42% 41.29) 18 (0.53) 20 (0. Tablo 3: EMS Programı VZA Çözüm Tablosu Ölçek Etkinlik Skoru Skoru CCR Etkinlik BCC etkinlik Skoru Kurum Adı: Sıra No: Benchmarks 12 (0. Etkinliğini artırabilmesi için Tablo 3’de 12.84% .33) 20 (0.77% 66.00 21.33 7.08) 12 (0.19% 90.12) 25 (0.13) 25 (0.6’dır. BCC ve Ölçek etkinlik) örnek almaları gereken okullar Tablo 3’de gösterilmiĢtir.86% 66.12) 25 (0.21) 18 (0. Buna göre örneğin Kangal Lisesinin CCR etkinlik skorunu %38.00 18.20) 0 10 12 (0.07) 12 (0.63 25.47 16.67 26. Sırada bulunan SVS15 kodlu Özel Sultan Murat Fen Lisesini örnek edinmelidir.44 22.19% 52.08) 20 (0.06) 30 (0.40 13. 25.16’dır. Sırada bulunan SVS14 kodlu Özel Bilgi Anadolu Lisesi ve 30. Sırada bulunan SVS12 kodlu ġarkıĢla Anadolu Lisesi.14) 29 (0.07% 22.03) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 KNG1 ALT1 DVRĞ1 KNG2 SVS1 GMRK1 38.91% 100% 100% 90.25 35.40% 100% 80. BCC etkinlik skoru ise %70.03) 20 (0.05) 30 (0.16% 55.72 GÖKTOLGA ve ARTUT SġHR3 SVS17 SġHR4 SVS18 30.16% 8.57 34.39% 100% 100% 90.67 27.44 35 3 1 0 0 1 4 1 1 3 0 1 MS programında elde edilen etkinlik skorları (CCR.

15) 25 (0.46) 10 25 (0.21) 29 (0.68 1.71% 65.27) 20 (0.24) 26 (0.42 0 0 0 0 0 0 0 0 0 0 0 0 0 0.32% 100% 100% 100% 100% 100% 100% 96.04) 18 (0.02 0.69% 100% 100% 100% 88.79 2.11% 45.01) 29 (0.57% 100% 81.67% 100% 48.40) 25 (0.45% 100% 100% 100% 92.04) 25 (0.31) 2 12 (0.12% 18 (0.10) 18 (0.32% 78.75 5 X2{I} X3{I} 2.C.76% 100% 86. Sayı 2.07) 25 (0.21 .61 0.52) 30 (0.58 0. İktisadi ve İdari Bilimler Dergisi.19% 100% 99.12) ġRKġL2 41.15 0.34% 50.30) 29 (0.44% 26.10) 29 (0.38) 30 (0.41% 78.84% 29.01) 18 (0.81% 62.Ü.5 0.63) 20 (0.33% 67.37% 96.03) 18 (0.03) 30 (0.08) 12 (0.13 0 0 X5{I} X6{I} Y1{O} Y2{O} Y3{O} 2.00) 25 (0.02) 30 (0.19% 92.03% 32.08) 30 (0.26) 12 (0.05) 30 (0.55% 95.36) 20 (0.59) 10 17 25 (0.15) 12 (0.81% 56.57% 88.56% 100% 92.60) 23 (0. Cilt 12.62% SVS12 SVS13 ZR1 SġHR2 SVS14 SVS15 SVS16 SġHR3 SVS17 SġHR4 SVS18 100% 100% 76.92% 44. 2011 73 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 ĠMRL1 SVS7 HFK1 SVS8 SġHR1 GMRK4 SVS9 SVS10 SVS11 78.16) 29 (0.95% 20.80% 26.97 1.85 2.69% 100% 100% 100% 92.11) 20 (0.48% AĢağıda verilmiĢ olan Tablo 4’de etkin olamayan okulların belirli bir çıktı bileĢimini en etkin bir Ģekilde üretebilmek amacıyla kullanılacak en uygun girdi bileĢimini oluĢturmaları için girdilerinde yapacakları azaltma miktarları ile çıktılarında yapmaları gerekli artırım miktarları verilmiĢtir.81% 56. Tablo 4: Girdi BileĢiminde Yapılacak DeğiĢiklik Tablosu Etkin Olmayan Girdi BileĢiminde Yapacağı DeğiĢiklikler X1{I} 1 2 3 4 KNG1 ALT1 DVRĞ1 KNG2 4.22% 100% 100% 76.66 X4{I} 0 0.11) 25 (0.50% 100% 74.14) 30 (0.03) 30 (0.55 0.55 0 0.15 0.37 0.17) 15 1 12 (0.22) 29 (0.12% 95.09) 30 (0.12) 23 (0.90% 100% 92.07) 15 18 (0.56% 100% 99.

64 5.04 0 0.94 1.33 19.78 0 8.86 0.7 4.05 3.18 0 0 4.5 ≈ 33 öğrenci eğitim görmektedir.14 2.03 2.58 7.19 0 0.89 11.4 0.21 0 3.52 0 0 0 0 0 0 0 7.24 3. Sınıfta ki dersliklerde ortalama 22.97 0 0 1. Derslik sayısı 1 artırılıp ve 9.74 11.9 0 4.59 1.04 5.44 0. Bu sayının daha etkin bir eğitim gerçekleĢtirilmesi için her bir derslikte 27.95 6.43 0 0 0.92 0 4.79 0 14.1 3.54 2.29 5.14 1. Bu sayı ortalama 20.71 ≈ 28 öğrenci olması gerekir.74 4.63 0.75 0 0 0 0 0 0 0 0 4.11 13.05 1.85 0.53 1.08 0 1.97 7.74 GÖKTOLGA ve ARTUT 5 6 7 8 9 10 13 14 15 16 17 19 21 22 24 27 28 31 32 33 34 35 SVS1 GMRK1 ġRKġL1 SVS2 ULġ1 SVS3 SVS6 KNG3 ĠMRL1 SVS7 HFK1 SġHR1 SVS9 SVS10 ġRKġL2 ZR1 SġHR2 SVS16 SġHR3 SVS17 SġHR4 SVS18 3.32 0.78 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 9. sınıf öğrenci kontenjanı da 10 artırdığında her derslikte ortalama 28 öğrenci olur.38 2.52 ≈ 21 olmalıdır.99 0 0 0 5.26 2.93 0 0.34 0 6.44 0.69 0 EMS paket Programında yapılan çözüme göre elde edilen Tablo 4 değerleri incelendiğinde etkin olmayan okullardan KNG1 kodlu Kangal Lisesi 2009 yılı ÖSS sınavında baĢarı sağlayan toplam 11 öğrenci için girdi bileĢimini düzenlemelidir.27 0 3.36 3.94 5.  10.41 1.37 2.68 2.56 0.21 0 0.47 0 0 1.57 5.05 0 2.37 1. Girdi bileĢiminde yapacağı değiĢiklikler.62 0. sınıfa .18 0 0 0 0 3.79 9.53 8.14 7.25 3.78 3.15 2.6 2.2 0 0 1.37 7.73 0 1.48 13 8.39 0 0.27 0 0 5.64 15.26 1.24 1.1 2.26 0.41 1.34 0 0. 9.  9.87 0 6.85 13.18 0 5.07 2.24 0.78 0 0 0 0.31 0 4.46 0.41 2.37 0 0 0 0 0.84 0 12.37 0 2.58 0 1.67≈23 öğrenci eğitim görmektedir.2 0 9.31 0 3.79 1.3 0.98 6.4 0 0 0 0 0 0. Sınıfta ki her bir dersliklerde ortalama 32.13 0 0 0. sınıf öğrenci kontenjanı toplam 140 olduğuna göre ve hepsinin 10.07 0 0.65 2.67 3.35 3.

Çözüm sonuçları Tablo 3 incelendiğinde Sivas il sınırları içerisinde kalan Milli Eğitim Bakanlığına bağlı . (X6) değiĢkeninin etkinliğe katısı %60 ve (X4) değiĢkeninin katkısı %40 olarak bulunmuĢtur. Girdi değiĢken kümesinin belirlenmesinde kurumda görev yapan öğretmen baĢına ve derslik baĢına düĢen öğrenci sayılarının yanı sıra teknolojik değiĢimlerle eğitimin desteklenmesi anlamında yapılan çalıĢmaların etkinliğe katkısını ölçebilmek için bilgisayar baĢına düĢün öğrenci sayıları dikkate alınmıĢtır. Bu durum açıkça eğitimde bilgisayara verilen önemin gerekli Ģekilde yerine getirildiğini göstermektedir.  11.86’dır. Bu sonuç daha sonraki eğitim öğretim yıllarında öğretmen istihdamına önem verilmesi gerektiğini göstermektedir SONUÇ Veri zarflama analizi.  DeğiĢiklik yapılması gerekmeyen (etkin olan) değiĢkenler. sınıftaki 3 olan derslik sayısı 7’ye çıkarılmalıdır. EMS paket programında ölçeğe göre sabit getiri ve ölçeğe göre değiĢken getiri varsayımı altında çözüm gerçekleĢtirilmiĢ. Cilt 12.C. sınıf derslik sayısı (X4) olarak belirlenmiĢtir. İktisadi ve İdari Bilimler Dergisi. ġarkıĢla Anadolu Lisesi(ġRKġL2) hariç diğer karar verme birimlerinin değiĢiklik yapması gerekmediği görülmektedir. Bunun için derslik sayısı 140 öğrencinin kayıt yaptıracağı varsayımı altında 11. sınıfta ki derslikte ortalama 23 öğrenci eğitim görmektedir. Öğrenci baĢına düĢen öğretmen sayısı olarak belirlenen(X5) değiĢkenine bakıldığında ise tüm karar verme birimleri içerisinde değiĢiklik yapması gerekmeyen okullar %22. Bunun için okulda görev yapan öğretmen sayısının 1 artırılması uygun olacaktır.Ü. eğitimde kullanılan bilgisayar sayısı (X6) ve 12. sınıftaki 4 olan derslik sayısı 3 artırılmalıdır.48 ≈ 33 olması gerekir. Etkin olmayan okulların tablo4 incelendiğinde öğrenci baĢına düĢün bilgisayar sayılarında(X6).45 ≈ 21 olması gereklidir. Etkin bir eğitim için bu sayının 20. Her bir öğretmen için ortalama 35. Sayı 2. ölçeğe göre değiĢken getiri varsayımı daha çok kar amacı güden karar verme birimlerinde kullanıldığından değerlendirmeler ölçeğe göre sabit getiri varsayımı altında yapılmıĢtır.  Kangal lisesinde görev yapan toplam 7 kadrolu 4 sözleĢmeli olmak üzere 11 öğretmen bulunmaktadır.09≈36 öğrenci vardır. homojen kurumların etkin olup olmadığı noktasında bilgi vermenin yanı sıra etkin olmayan kurumların etkin olabilmek için baĢarılı olan kurumlar örnek alınarak girdi ve çıktılarında nasıl değiĢiklik yapmaları gerektiğini belirlemede yardımcı olmaktadır. 2011 75 kayıt yaptırdığı varsayımı ile 10. Öğrencilerle daha yakından ilgilenip etkili bir eğitim gerçekleĢtirebilmesi için bu ortalamanın öğretmen baĢına 32.

karĢılaĢtırılan okulların genellikle uygun ölçekte faaliyette bulunduklarını göstermektedir. Kongre Lisesi. 18 tanesinin ise ölçek etkin olmadığı görülmüĢtür. Sonuç olarak etkin okulların baĢarılarını zaman içerisinde korumaları ve diğer karar verme birimlerine örnek teĢkil etmeleri açısından düzenli aralıklarla veri zarflama analizinin gerçekleĢtirilmesi yararlı olacaktır. 2010) bu 3 okuldan Kongre Lisesi ve değerlendirmeye alınmayan Sızır Lisesinin etkin olmadığı tespit edilmiĢ olmasına rağmen aradan geçen 3 yıl içerisinde yaptıkları iyileĢtirmeler ile etkinlik sağlamıĢlardır. Ayrıca etkin olmayan karar verme birimlerinin daha verimli bir eğitim öğretim yılı geçirebilmeleri açısından sonraki dönemlerde yapmaları gereken değiĢiklikleri belirlemeleri kendilerini geliĢtirmeleri açısından faydalı olacaktır.13 olması etkili olmuĢtur. Hacı Mehmet Sabancı Lisesi. Sivas ilinde 2007 yılında yapılan etkinlik araĢtırmasında (Balkan ve Arıkan. KAYNAKÇA . AraĢtırma yapılan 35 okulun ölçek etkinlik skorları genel olarak yüksek olması. Dr. Etkin olan okullar içerisinde ilk üç sırayı sırası ile Prof. Necati ErĢen Anadolu Öğretmen Lisesi. Yıl Lisesi. Sızır Lisesi almıĢtır.45% ile en düĢük etkinlik skoruna sahip ALT1 kodlu Altınyayla Lisesi olduğu tespit edilmiĢtir. Teknik etkinlik skorunun %50 değerinin üzerinde olmasına rağmen ölçek etkinlik skorunun %15. YeniĢehir Anadolu Lisesi. Değerlendirmeye alınan okullar içerisinde toplam etkinlik skorlarında 0. Alacahan 80. Teknik etkin olup ölçek etkin olmayan Çetinkaya Lisesi. 17 tanesi ölçek etkin bulunmuĢ ve 25 tanesinin toplam etkin olmadığı.76 GÖKTOLGA ve ARTUT lise düzeyinde eğitim veren toplam 35 okuldan 10 tanesi toplam etkin. Yeniçubuk Lisesi.5 değerinin altında kalan 11 okuldan 8. Eğitim alanında yapılan VZA çalıĢmaları gerek etkin olan okulların mevcut baĢarılarını korumaları. ÇalıĢmanın kapsamı geniĢletilerek Türkiye’deki tüm lise düzeyinde okullar ele alındığında ve ihtiyaca göre değiĢken sayıları belirlendiğinde eğitim öğretim için gerekli olan iyileĢtirmeler daha net belirlenebilir. Hafik Lisesi ve Zara Anadolu Lisesidir. gerekse etkin olmayan okulların baĢarıyı yakalamaları açısından son derece önemli görülmektedir. Ölçek etkinlik skorlarında %50 değerinin altında kalan 8 okul bulunmaktadır.

TUTAR ve C.W. (2005). ve M. s. 3:339. (2005). Hacettepe Sağlık İdaresi Dergisi Cilt:3. B. ALÇILAR. ÖZGEN (2005). Sayı 2.1 . “Using financial ratio analysis to compare hospitals` performance”. H. B. D. Sosyal Bilimler Enstitüsü. A.Ü. Sağlık Sektöründe Veri Zarflama Analizi Yöntemi ile Göreceli Verimlilik Analizi. ve A. Varna. Europan Journal of Operational research.M. Journal of Cost Analysis. “Sağlık Bakanlığı. s. Sayı 2 DELĠKTAġ.C. Ulusal Finans Sempozyumu. (2006). Ġ. CHOTE. Cumhuriyet Üniversitesi İktisadi ve İdari Bilimler Dergisi. “ĠMKB’de ĠĢlem Gören ġirketlerin Etkinliklerinin Veri Zarflama Analizi Ve Malmquist Endeksi Yöntemleri Ġle Değerlendirilmesi”.. Ankara. VYARA (2004). ARTAR (1991). ve A.. 70 NEVENA. Ġ. Ġl Devlet Hastanelerinin KarĢılaĢtırmalı Verimlilik Analizi”. W. W. 2011 77 YILDIZ. Ġzmir. Cilt 12. “Measuring the Efficiency of University Libraries Using Data Envelopment Analysis”. G.. “Measuring Performance: An Introduction to Data Envelopment Analysis(DEA)”. (1998). A. ġAHĠN.286 BAġ. Sayı:3. Sivas: Cumhuriyet Üniversitesi. “Türkiye’deki Devlet Üniversitelerinin 2004 Yılı Performanslarının. E. Sakarya. Yayımlanmamış Yüksek Lisans Tezi. 9. 3-27 CHARNES. Ġşletmelerde Verimlilik Denetimi. İktisadi ve İdari Bilimler Dergisi. ÇERÇĠOĞLU ve TOKLU.M. INFORUM 2004: 10th Conference on Professional Information Resources.F. s. 60 (12):43-58 DEMĠR. SAÜ Fen Bilimleri Enstitüsü Dergisi Cilt: 9. YEġĠLYURT (2004). s. “Measuring the efficiency of decision making units”. ve K. ”Sivas Ġlindeki Ortaöğretim Kurumlarının Etkinliklerinin Öğrenci BaĢına DüĢen Öğretmen ve Derslik Sayısı Bakımından Veri Zarflama Analizi Ġle Ölçülmesi”. Ege Universitesi Workink Papers In Economicy..9 GÜLCÜ. TANAKA (1979). s. G.52-55 BAYSAL. Milli Prodüktivite Merkezi Yayınları. S. Cilt 11. E. Hospital progress. BALKAN. A. (2004). Ankara: Seçkin Yayınları. ve H. NevĢehir. COOPER ve E. “Ġzmir Küçük Orta Ve Büyük Ölçekli Ġmalat Sanayinde Üretim Etkinliği Ve Toplam Faktör Verimliliği Analizi”. “Ġstatistiksel veri zarflama analizi ve bir uygulama”. BOWLĠN. Veri Zarflama Analizi Yöntemiyle Belirlenip Buna Göre 2005 Yılı Bütçe Tahsislerinin Yapılması”. M. Sayı :1. RHODES (1978). H. ARIKAN (2010).

Data Envelopment Analysis: Models and Extensions”. KETTANĠ ve R. Jossey-Bass Inc.. masuring efficiency: An assesment of data envelopment analysis”. s. SĠLKMAN ve A. Cumhuriyet Üniversitesi Sosyal Bilimler Enstitüsü. “Matematik Programlama Tabanlı Etkinlik Ölçüm Yöntemlerinden Veri Zarflama Analizi ile Orta Öğretimde Etkinlik Ölçümü (YayınlanmamıĢ Doktora Tezi)”. Ankara..12-79 YOLALAN. O. C. “An emprical study on analyzing the productivity of bank branches”. R. Production/ Operations Menagement Decision Line..78 GÖKTOLGA ve ARTUT ORAL.H. (1984). (2000). Medical Care. SHERMAN.D. M. YEġĠLYURT. H. 166-176 SEXTON. Vol:24. 2 TALLURĠ. “Silberman College of business administration. The Paper Was Written While The Author Was Visiting The Indian Statistical Institute. Vol:22. Sivas. YOLALAN (1992). HOGAN (1986). S. SUBHASH C Ray (2005). s. No:10. “Data Envelopment Analysis: Critique and extension. Milli Prodüktivite Merkezi Yayınları: No: 483. IIE Transactions. T. Empirical Test of a New Technique.R. San Fransisco. R. “Input Aggregatıon In Models Of Data Envelopment Analysıs: A Statıstıcal Test Wıth An Applıcatıon To Indıan Manufacturıng”. İşletmeler arası Göreli Etkenlik Ölçümü.s.4-51 .J. “Hospital efficiency measurement and evaluation”. (1993). Fairleih Dickinson Universty. (2003).. Calcutta.

Sign up to vote on this title
UsefulNot useful