Kriter Sayısı Açısından Karar Verme

Kriter sayısı açısından karar verme tek ve çok kriterli karar verme olmak üzere ikiye ayılmaktadır.

3.5.2.1. Tek Kriterli Karar Verme

Karar vericilerin karar verme sürecinde tek bir kritere bağlı kalarak kararlarını vermelerini ifade etmektedir. Tek kriterli karar vermede çözüm alternatiflerinin değerlendirilmesi tek bir kritere dayanmaktadır ( Ecer, 2007: 22; Bingöllü, 2012: 50). Pek çok karar modeli karar vericinin sadece bir kriteri dikkate aldığı karar verme süreçlerini içermektedir. Ancak karar problemleri çoğunlukla birbirleri ile çeliĢen birden fazla kriteri barındırmaktadır (KarakaĢoğlu, 2008: 17-18)

3.5.2.2. Çok Kriterli Karar Verme

Örgütler rekabet ortamına uyum sağlayabilmek, varlıklarını sürdürebilmek ve kalıcılıklarını sağlayabilmek için farklı düzeylerde farklı kararlar almak zorunluluğundadır. ÇeĢitli karar problemleri ile karĢılaĢan ve karar verme zorunluluğunda olan yöneticilerin karĢı karĢıya kaldıkları zor problemlerden bir tanesi de alternatifler içerisinden uygun olan alternatifi seçme iĢlemini gerçekleĢtirmektir. Bu seçim sürecinde çok sayıda kriter de dahil olduğu takdirde, geleneksel çözüm yolları yetersiz kalacaktır. Bu nedenle çok kriterli karar verme (ÇKKV) yöntemidevreye girmektedir (Soner ve Önüt, 2006: 111).

ÇKKV, çoklu veya genellikle çeliĢen kriterleri içeren problemleri değerlendirmek için yaygın olarak kullanılan etkili bir araçtır (Paksoy vd., 2012: 2825). ÇKKV birden çok kriterin dikkate alınarak bir ya da daha fazla alternatifin bu kriterlere göre sıralanması ve seçimini içermektedir (Erginel vd., 2010: 82).

ÇKKV’nin iĢleyiĢ sürecinde, konuya iliĢkin alternatifler ve kriterler belirlenmekte, kriterlerin önem dereceleri saptanmakta ve her bir alternatif tüm kriterler çerçevesinde değerlendirilerek sıralanmaktadır (Ballı, 2005: 12).

71

ÇKKV, 1960’lı yıllar ile birlikte karar vermeye yardımcı olacak bazı araçların geliĢtirilmesinin gerekliliği ile ortaya çıkmıĢtır. ÇKKV’de amaç, alternatiflerin ve kriterlerin çok olduğu durumlarda karar verme mekanizmasını kontrol etmek ve kararın sonucunu olabildiğince kolay ve hızlı elde etmektir (Ballı, 2005: 12).

ÇKKV problemlerinde Analitik HiyerarĢik Süreci (AHP), Analitik Ağ Süreci (ANP), ELECTRE ve TOPSIS gibi yöntemler kullanılmaktadır (Erginel vd., 2010: 82). Ancak bu yöntemler aynı probleme iliĢkin olarak uygulandıklarında tüm değiĢkenlerin aynı tutulması durumunda bile farklı sonuçlar ortaya çıkarabilmektedir. Hesaplamalarda ağırlıkların farklı kullanılması, yöntemlerin farklı algoritmalara dayanması, pek çok algoritmanın amaçları ölçekleme yoluna gitmesi, bazı algoritmaların ek parametrelere sahip olması ve karar vericilerin bilgi süreci farklılıkları bu duruma neden olarak gösterilmektedir (Ecer, 2007: 23).

ÇKKV’nin daha çok kesinlik arz etmeyen nitel verilere ve birey görüĢlerine dayandığı söylenebilir. Literatürde bu tür verileri analiz etmek için, analize daha yatkın olan bulanık mantık anlayıĢı sıklıkla kullanılmaya baĢlanmıĢtır. Bulanık mantık yaklaĢımında kriter değerleri ve kriter önem ağırlıkları dilsel değiĢkenlerle belirtilerek bulanık sayılara dönüĢtürülmektedir (Ecer, 2007: 24; Erginel vd., 2010: 82-83).

3.6. Bulanık Küme Teorisi

Bulanık küme fikri ilk olarak Zadeh (1965) tarafından ortaya atılmıĢtır. Zadeh (1965)’e göre bulanık küme devamlılık derecesine sahip nesneler sınıfıdır. Böyle bir küme her nesneye sıfır ile bir arasında değiĢen üyelik derecesinin atandığı bir üyelik fonksiyonu ile karakterize edilmektedir.

Bulanık küme teorisi, belirsiz koĢullarla karĢılaĢma durumunda karar verme sürecinin iĢletilmesi için kullanılmaktadır. Bu teori ile sözel ifadeler, kavramlar, değiĢkenler ve sistemleri matematiksel bir formata dönüĢtürülmekte, karar vericinin, belirsiz koĢullarda muhakeme, kesinti ve karar verme bağlamını kurmasına olanak tanımaktadır. Bulanık küme teorisi ile yönetim teknikleri daha esnek hale gelmekte,

72

karmaĢık ve büyük organizasyonları kontrol etme olasılığı artmaktadır (Farzami ve Vafaei, 2013: 451).

3.6.1. Aristoteles Mantığı ve Bulanık Küme Teorisi Arasındaki ĠliĢki

Aristo bilimleri sınıflandırırken mantığa ayrı bir yer vermemiĢtir. Mantığı bilimsel çalıĢmalar için bir ön bilgi aracı olarak görmüĢtür. Aristo’ya göre mantık herhangi bir araĢtırmaya girmeden önce öğrenilmesi zorunlu olan bir bilgidir. Aristo mantığında yer alan en belirgin özellik ise sınıflar teorisidir. Her hüküm bir konuyu bir sınıf içerisine sokmaktadır. Aristo mantığı sınıf üye iliĢkisi çıkarsaması üzerine yoğunlaĢmıĢtır (Vural, 2002: 179).

Son zamanlara kadar, bilimsel çalıĢmalarda Aristo Mantığı esas alınmıĢ, belirsizlikler ise iĢleme alınmamıĢtır. Her Ģeyin sadece doğru ve yanlıĢ olarak ikili çıkarımlar ile ifade edilmesi tabu haline gelmiĢtir. Aristo mantığında 1 tam keskinliği, 0 ise tam imkânsızlığı göstermektedir. Bunun bir sonucu olarak doğru olan çıkarımlara 1, yanlıĢlara ise 0 sayısı verilerek insan ile bilgisayar arasındaki iletiĢim, sayısal ortamda yani bilgisayarın anladığı tek ortamda sağlanmıĢ olmaktadır. Dolayısıyla 1 ile 0 arasındaki hiçbir Ģey bir anlam ifade etmemektedir.

Z. ġen (2012: 21-22)’e göre, bugünkü keskin mantık yani Aristo mantığı yerine kullanılmaya baĢlamıĢ olan bulanık mantık gelecekteki bilim ve teknolojik geliĢmelerde geçmiĢe göre daha önemli bir rol oynayacaktır. Bilimsel çalıĢmalarda ve eğitim sisteminin her aĢamasında mevcut olan ikili mantık, gerçekte ortanın dıĢlanması mantığıdır. Burada uçlar rol oynamaktadır Hâlbuki ortadaki olayların incelenmesi ile de uçlara ulaĢılabilmektedir.

Günümüzün geliĢen bilim ve teknoloji artık Aristo mantığını yeterli bulmamaktadır. GeliĢmelere bağlı olarak ortaya çıkan daha hassas birimler ve teknik aletler, düĢünürleri alternatif bir mantık arayıĢına yönlendirmiĢtir. Bu durum bulanık mantığın ortaya çıkmasına neden olmuĢtur. Bulanık mantığın temelini yanlıĢ değerlerinin belirlemiĢ olduğu bulanık küme kuramı oluĢturmaktadır. Bu kuramda da 0 ve 1 değerleri vardır. Ancak bulanık mantık bu değerlere ek olarak ara değerleri de kullanarak; örneğin bir yüksekliğin sadece yüksek ya da alçak olduğunu belirtmekle

73

kalmayıp, ne kadar yüksek ya da alçak olduğunu da ifade etmektedir (Vural, 2002: 179-180).

Ġnsan yaĢamında bireylerin karĢı karĢıya kaldığı olayların hemen hemen hepsinde bir karmaĢıklık söz konusudur. Bu karmaĢıklığın nedeni bireyin yaĢamıĢ olduğu belirsizlik ve kesin karar verememesidir. Ġnsanların bilgisayarların kullanmıĢ olduğu Aristo mantığından farklı olarak, yaklaĢık ve belirsizlik içeren veri ve bilgi ile iĢlem yapabilme yeteneği vardır. Bulanık mantık bireylerin bu yetenekleri ile örtüĢen bir mantık sistemidir. Bulanık mantık doğru yanlıĢ, siyah beyaz, yüksek düĢük gibi ikili değiĢkenlerden oluĢan keskin dünyayı, az soğuk, az yüksek, düĢük gibi esnek niteleyicilerle gerçek dünyaya benzetir (Ertuğrul, 2006: 157). Aristo mantığında yapılan bir iĢ ya doğrudur ya da yanlıĢtır. Bunların bir karıĢımı kısmen doğru ya da kısmen yanlıĢ olması olası değildir. Bulanık mantık bu durumu gideren, özellikle modellemede bireyin daha etkin kullanılmasına olanak tanıyan bir yaklaĢımdır (Kıyak ve Kahvecioğlu, 2003: 63-64; Küçük ve Ecer, 2007: 49).

3.6.2. Dilsel DeğiĢkenler ve Dilsel Belirsizlik

Dilsel değiĢkenler bulanık kümeler ile dilsel terimler arasındaki bağlantıyı gerçekleĢtirdikleri için bulanık sistemlerin en temel parçaları olarak nitelendirilmektedir. Dilsel değiĢkenler bir evrenin terimleri ile unsurları arasındaki bağlantının güvenli bir biçimde bir araya getirilmesine olanak tanıyan nesnelerdir (Santiago ve Maeder, 2011: 22-23). Dilsel değiĢkenler gündelik hayatın hemen hemen her alanında kullanılmaktadır. Dilsel değiĢenler sözcük ya da sözcük grubu olarak ifade edilen ve sayılar yerine kullanılan değiĢkenlerdir. Dilsel değiĢkenler kesin olmayan karmaĢık ve sayılarla ifade edilemeyen durumlarda kullanılmaktadır (Ecer, 2007: 162-163). Avazpour vd. (2013: 972)’e göre dilsel bir değiĢken, sayı olmayan ancak doğal dil içerisinde sözcük ya da cümle olarak bir değeri olan bir değiĢken olarak kabul edilmektedir. Dilsel değiĢkenler birçok uygulamada, özellikle kontrol sistemlerinde, isimleri miktar belirten bir kavram ile iliĢkilendirmek için kullanılmaktadır. Örneğin, ―küçük‖, ―orta‖ gibi terimleri olan dilsel değiĢkenler gerçek sayılarla iliĢkilendirilir (Santiago ve Maeder, 2011: 22-23).

74

Dilsel değiĢkenler sayısal olarak ifadesi mümkün olmayan, kesin bir Ģekilde ifade edilemeyen kavramların yaklaĢık olarak ifade edilmesini sağlamaktadır. Bir değiĢkenin sözel olarak ifade edilmesi değiĢkenin değerlendirilmesinde esneklik meydana getirmektedir (Perçin ve Karakaya, 2012: 259). Bireyler değerlendirmelerinde ve karar verme süreçlerinde sözcüklerden faydalanmaktadırlar. Belirsizliğin ortaya çıkıĢındaki en önemli neden ise sözcüklerde var olan belirsizliklerdir. Belirsizlikler bireylerin olayları değerlendirirken ve sonuç çıkarırken kullanmıĢ oldukları sözcüklerin anlamlarının değiĢkenliği ile iliĢkilidir (Hamitoğulları, 1999: 6-7). Örneğin havanın sıcak olması ele alındığında göreceli bir anlam söz konusudur. Çünkü kutuplarda yaĢayan bir insan ile ekvatorda yaĢayan bir insanın sıcaklık algıları birbirinden farklıdır. 150_{C olan bir sıcaklık kutupta yaĢayan} bir insan için sıcak olarak algılanabilirken, ekvatorda yaĢayan bir insan için soğuk olarak kabul edilebilir. Dolayısıyla ―sıcak‖ ifadesinde belirsiz bir durum bulunmaktadır (Z. ġen, 2001: 12).

Dilsel belirsizlik durumun karar vericiler tarafından farklı biçimlerde algılanmasından, problemlerin karmaĢıklığından, kesin olmayan hesaplamalardan ve veri ya da bilgideki ikilemlerden ortaya çıkmaktadır (Ecer, 2007: 4). Bu ifade edilen nedenlerden en önemlisi bilgi eksikliğidir. Çünkü dilsel belirsizlik çoğunlukla bilgi eksikliği nedeniyle oluĢmaktadır (Klir ve Yuan, 1995: 245).

Dilsel değiĢkenler, sözcüklerle ifade edilen nitel durumları modellemek, bir süreç haline getirmek ve değerlendirmeler yapmak için kullanılmaktadır. Bu değerlendirmeler ise çoğu zaman belirsizliğe neden olmaktadır. Örneğin iĢe alımlarda ―uygun iĢe uygun eleman alma‖ kullanımındaki ―uygun‖ sözcüğü dilsel belirsizliği belirtmektedir. Çünkü ―uygun‖ sözcüğüyle ifade edilmek istenen tam olarak anlaĢılamamaktadır. Buna karĢın, sayısal ifadeler dilsel değiĢkenlere göre daha açık ve kesin bir bilgi sunmaktadır. Örneğin ―Ahmet 25 yaĢındadır‖ ifadesi ―Ahmet gençtir‖ ifadesine göre daha anlaĢılır bir anlamdadır. Bu bakımdan ―genç‖ sözcüğü bir dilsel değiĢken olarak ele alınabilir. Ġlgili sözcük ―25‖ ile benzer bir rol oynar ancak daha kapalı bir anlam taĢır. Benzer durum yaĢın diğer sınıflandırmaları (çok genç, çok çok genç, yaslı vb.) için de geçerlidir (Ecer, 2007: 4).

75

Bilimsel çalıĢmalarda bilimsel baĢarılarının sağlanması için, idealler dünyasında mutlak belirginliğin tanınması, sayısal ihtimallere yer verilmesi ve böylelikle belirsizliklerin de göz önünde tutulması gerekmektedir. Ancak, ihtimal değerlerinin sayısallaĢması pek mümkün değildir. Bu durumda yapılacak en akıllıca iĢ, kelimelerde (dilsel değiĢken) bulunan belirsizlikleri (dilsel belirsizlik) bulanık kümelerle ifade etmek ve bunların da üyelik derecelerini göz önünde tutarak üyelik fonksiyonları atamaktır (Z. ġen, 2012: 21-22). Dilsel değiĢkenlerin sayı karĢılıkları olarak üçgen, yamuk, Gausian ve genelleĢtirilmiĢ Bell kullanılmaktadır (Erginel vd., 2010: 83). ÇalıĢmada dilsel değiĢkenlerin karĢılığı olarak bulanık üçgen sayılar kullanılacaktır.

Bulanık üçgen sayı olan ã, ġekil 1’de gösterildiği gibi (a1, a2, a3) Ģeklinde belirtilmektedir.

ġekil 3.1. Bulanık Üçgen Sayı ã

(1)

Bulanık üçgen sayının üyelik derecesinin (µã (x)) hesaplanıĢ Ģekli EĢitlik 1’de verilmiĢtir.

1.0

0.0

76

(x)=(L ,M ,U ) ve (x)=(L ,M ,U )

1 1 1 2 2 2

A A

1 2

  olmak üzere iki bulanık sayı ile

yapılabilecek temel matematiksel iĢlemlere iliĢkin formüller Ģu Ģekildedir (Chen, 2009: 116):

Bulanık Sayılarla Toplama ĠĢlemi:

(L ,M ,U )+(L ,M ,U )=(L +L ,M +M ,U +U )

1 1 1 2 2 2 1 2 1 2 1 2 (2)

Bulanık Sayılarla Çarpma ĠĢlemi:

(L ,M ,U ) (L ,M ,U ) = (L L ,M M ,U U )

1 1 1  2 2 2 1 2 1 2 1 2 (3)

Bulanık Sayının Herhangi Bir Gerçek Sayı Ġle Çarpımı:

k (L ,M ,U )=(kL ,kM ,kU )

1 1 1 1 1 1

 (4)

Bulanık Sayılarla Çıkarma ĠĢlemi:

(L ,M ,U ) - (L ,M ,U ) = (L -U ,M -M ,U -L )

1 1 1 2 2 2 1 2 1 2 1 2 (5)

Bulanık Sayılarla Bölme ĠĢlemi:

(L ,M ,U )/(L ,M ,U )=(L /U ,M /M ,U /L )

1 1 1 2 2 2 1 2 1 2 1 2 (6)

3.7. Bulanık TOPSIS Yöntemi

Bulanık ÇKKV yöntemlerinden birisi olan Bulanık TOPSIS Yöntemi ilk olarak Chen ve Hwang (1992) tarafından çalıĢılmıĢtır ve özellikle bireysel yargıların dilsel veriler ile ifade edildiği problemlerinde oldukça baĢarılıdır. TOPSIS yöntemi uzmanların düĢüncelerini nicel veriler ile ele alan bir matematiksel modeldir. Bulanık TOPSIS yöntemi ise bu düĢünceleri belirli aralıkta ifade etme özgürlüğü tanıdığı ve nicel verilere çevirme gereksinimi olmaksızın çözümleme yapılabildiği için klasik TOPSIS yöntemine göre daha üstün görülmektedir (Erginel vd., 2010: 83).

Klasik TOPSIS yönteminde, kriterleri ve seçenekleri belirlemek için doğru ve kesin değerler uygulanmaktadır. Bu yüzden, klasik TOPSIS yöntemi, ağırlıkların ve

77

nitel ölçümlerin belirlenmesinde, birey algılarından oluĢan belirsizliği dikkate alamamaktadır (KarakaĢoğlu, 2008: 111-112). Çoğu durumda birey düĢünceleri belirsizdir ve bu belirsizlik karar vermeyi etkilemektedir. Bu nedenle bulanık yöntemleri kullanmak daha uygun olacaktır. Bulanık TOPSIS yöntemi ile karar matrisi ve kriter ağırlıkları bulanık dilimler tarafından sunulan dilsel değiĢkenler kullanılarak değerlendirilir ve böylece ideal seçeneğe benzerlik yöntemi ile problemlerin üstesinden gelinir (Farzami ve Vafaei, 2013: 451).

Bulanık TOPSIS yöntemi, bulanık ortamlarda grup kararı vermeye yardımcı olmaktadır. Yöntemin uygulanabilirliği için karar verici bir gruba, karar kriterlerine ve alternatiflere gereksinim duyulmaktadır. Bu yöntemde karar vericiler sözel olarak karar kriterleri ve alternatifler hakkında düĢüncelerini ifade ederler. Yöntemin temelinde karar vericilerin değerlendirmelerini yaparken kullanmıĢ oldukları karar kriterinin ağırlıklarının farklı olması da yatmaktadır (Ecer, 2007: 30).

Bulanık TOPSIS yönteminde karar vericilerin kriterler ve alternatifler hakkında yapmıĢ olduğu değerlendirmeler üçgen ya da yamuk bulanık sayılara dönüĢtürülür ve her bir alternatifin yakınlık katsayısı hesaplanır. Bu katsayılar yardımı ile alternatifler sıralanır. Bu Ģekilde alternatiflerin değerlendirilmesi sürecinde oluĢabilecek sübjektifliğin oluĢturacağı sorunlar ortadan kaldırılır ve daha doğru karar verme olanağı sağlanır (Ecer, 2007: 30).

KarakaĢoğlu (2008: 117) ve Ecer (2007: 15) bulanık TOPSIS yöntemi aĢamalarını Ģu Ģekilde sıralamıĢlardır;

 Karar vericilerden bir komite oluĢturulması  Karar kriterlerinin belirlenmesi

 Uygun sözel değiĢkenlerin belirlenmesi  Kriterlerin bulanık ağırlıklarının belirlenmesi  Bulanık karar matrisinin oluĢturulması

 Normalize bulanık karar matrisinin oluĢturulması

 Ağırlıklı normalize bulanık karar matrisinin oluĢturulması  A* (FPĠÇ) ve A-

78

 Her alternatifin A*ve A-

’e uzaklığının hesaplanması  Her alternatifin yakınlık katsayısının (CCi) hesaplanması  Yakınlık katsayısına göre alternatiflerin sıralanması

79

DÖRDÜNCÜ BÖLÜM

BULANIK TOPSIS YÖNTEMĠ ĠLE Y KUġAĞININ KARĠYER YÖNELĠMLERĠNĠN BELĠRLENMESĠ

AraĢtırma kapsamında, Y KuĢağı bireylerinin ön plana çıkan kariyer değerleri ve kariyer yönelimlerinin belirlenmesi amacıyla Selçuk Üniversitesi Ġktisadi ve Ġdari Bilimler Fakültesi ĠĢletme ve Ġktisat Bölümlerinde öğrenim görmekte olan ve 2018- 2019 eğitim öğretim yılı itibari ile mezun olacak hepsi Y KuĢağı’nda yer alan öğrencilerin kariyerlerine iliĢkin karar verme süreçleri Bulanık TOPSIS yöntemi ile araĢtırılmıĢtır. Tezin bu bölümünde araĢtırma kapsamında gerçekleĢtirilenler baĢlıklar halinde sunulmaktadır. Bununla birlikte araĢtırmadan elde edilen sonuçların değerlendirilmesine de yer verilmektedir.

4.1. AraĢtırmanın Amacı

Y KuĢağı bireyleri sahip oldukları bireysel özellikler ve mevcut yaĢ aralıkları itibari ile önümüzdeki süreçte iĢ hayatında çok fazla etkin ve belirleyici olacaktır. Bununla birlikte iĢ hayatındaki en geniĢ çalıĢan kesimini oluĢturacaklardır. Bu bağlamda, bu çalıĢmanın amacı, Y KuĢağı bireylerinin ön plana çıkan kariyer değerleri ve kariyer yönelimlerinin hangi iĢ alanına doğru olduğunun Bulanık TOPSIS yöntemi ile belirlenmesidir.

4.2. AraĢtırmanın Önemi

Y kuĢağının önümüzdeki yıllarda iĢ hayatında yer alan en kalabalık kuĢak olacak olması ve bu bağlamda kariyer yöneliminin toplum ve iĢ yaĢantısı için belirleyici olması konunun araĢtırılmasını gerekli kılmaktadır. Özellikle iĢletme ve iktisat gibi alanlarında profesyonelleĢmiĢ olan Y KuĢağı bireyleri, örgütlerin iĢ süreçlerinde önemli bir rol üstleneceklerdir. Buradan yola çıkıĢla, Y KuĢağı içerisinde yer alan ĠĢletme ve Ġktisat Bölümü öğrencilerinin kariyer planlaması yaparken kendi bireysel özelliklerini dikkate almaları, iĢ hayatından ve çalıĢma ortamından ne beklediklerinin ve istediklerinin bilincinde olmaları ve çalıĢma alanı seçeneklerini bu hususlar doğrultusunda değerlendirip kendilerine en uygun alanı

80

seçebilmeleri önemli bir konudur. Çünkü böyle bir bilinçli planlama birey-iĢ uyumunu beraberinde getirerek hem çalıĢan mutluluğu ve yüksek performansı hem de bunların yansıması olarak yüksek iĢletme performansıyla sonuçlanacaktır. Bununla birlikte kariyere iliĢkin bu yönelim sürecinin modellenmesi, iĢ örgütleri için de potansiyel insan kaynağının kendilerini nasıl gördüğünü ve değerlendirdiğini anlamaları, nitelikli insan kaynağını kendilerine çekmede hangi unsurlara dikkat etmeleri gerektiği ve eğer kendilerine yönelim azsa hangi noktalarda eksiklikleri olup bunları gidermesi gerektiği noktalarında katkı sağlayacaktır.

Literatürde Y KuĢağının farklı kariyer aĢamalarına iliĢkin çalıĢmalar mevcuttur ancak bu çalıĢmalarda henüz kariyer hayatının baĢlangıç safhasında olan, Y kuĢağının kariyer yönelimini TOPSĠS yöntemi ile ele alan bir çalıĢma olmadığı için çalıĢmanın bir ilk olmasının katkısının olabileceği söylenebilir.

4.3. AraĢtırmanın Varsayımları

Yöntem varsayımların test edilmesi üzerine iĢlememesine rağmen, araĢtırma sonuçları paralelinde, genel olarak Ģu konularda Y KuĢağına iliĢkin genel yargıların geçerli olup olmadığı sınanacak ve tartıĢılacaktır;

 Y KuĢağının kariyer yöneliminde en önemli etken bağımsızlıktır.

 Y KuĢağının giriĢimcilik yeteneğinin yüksek olması kariyer yöneliminde kendi iĢini kurma seçeneğini ön plana çıkarmaktadır.

 Y KuĢağında iĢ güvenliği değeri, eski kuĢaklarla karĢılaĢtırıldığında düĢük öneme sahip olduğu için ―kamu kurumlarında çalıĢmak‖ bir kariyer yönelimi olarak en az tercih edilen seçenektir.

4.4. AraĢtırmanın Sınırlılıkları

Yapılan araĢtırma aĢağıda belirtilen noktalarla sınırlı yürütülmüĢtür;

 AraĢtırma, Selçuk Üniversitesi Ġktisadi ve Ġdari Bilimler Fakültesi’nde öğrenim gören ĠĢletme ve Ġktisat Bölümleri son sınıf öğrencileri ile sınırlıdır.

81

 AraĢtırma, araĢtırmacı tarafından belirlenen karar kriterleri ve alternatifler ile sınırlıdır.

 AraĢtırma, araĢtırmadan elde edilen veriler ile sınırlıdır.

 AraĢtırma, uygulamanın gerçekleĢtiği zaman dilimi ile sınırlıdır.

4.5. AraĢtırmanın Yöntemi

AraĢtırmada, Bulanık TOPSIS yöntemi kullanılmıĢtır, Bulanık TOPSIS yöntemi daha önceki bölümde ifade edildiği üzere bulanık çok kriterli karar verme yöntemlerinden bir tanesidir. Bu yöntemde kriterlerin sahip oldukları önem ağırlıkları ve alternatiflerin bu kriterlere göre değerlendirilmeleri dilsel değiĢkenler ile belirtilmektedir (C.-T. Chen, 2000: 4-5). Bu dilsel değiĢkenlerin sayı karĢılıkları üçgen, yamuk, Gausian ve genelleĢtirilmiĢ Bell Ģeklinde olabilmektedir (Erginel vd., 2010: 83). Bu tez çalıĢmasında C.-T. Chen (2000)’in çalıĢmasında yer alan dilsel değiĢkenler ve üçgensel karĢılıkları kullanılmıĢtır. Ġlgili dilsel değiĢkenler ve üçgen bulanık sayılar olarak karĢılıkları Tablo 4.1. ve Tablo 4.2.’de verilmektedir.

Tablo 4.1. Kriterler Ġçin Kullanılan Dilsel DeğiĢkenler ve Üçgen Bulanık Sayı Olarak KarĢılıkları

Çok DüĢük (ÇD) (0, 0, 0.2)

DüĢük (D) (0, 0.2, 0.4)

Orta (O) (0.3, 0.5, 0.7)

Yüksek (Y) (0.6, 0.8, 1)

Çok Yüksek (ÇY) (0.8, 1, 1)

Tablo 4.2. Alternatiflerin Değerlendirilmesinde Kullanılan Dilsel DeğiĢkenler ve Üçgen Bulanık Sayı Olarak KarĢılıkları

Çok Kötü (ÇK) (0, 0, 2)

Kötü (K) (0, 2, 4)

Orta (O) (3, 5, 7)

Ġyi (Ġ) (6, 8, 10)

82

4.5.1. Bulanık TOPSIS Yönteminin Adımları

Bulanık TOPSIS yönteminin adımları Ģu Ģekilde sıralanmaktadır:

Adım 1: j. karar kriterinin önem ağırlığını göstermek üzere, K tane karar vericiden oluĢan bir grupta karar kriterlerinin önem ağırlıkları,

(7)

eĢitliği kullanılarak hesaplanır ve EĢitlik (8)’de gösterilen bulanık ağırlıklar matrisi

elde edilir.

̃ [ ̃ ̃ ̃ ] (8)

Adım 2: i. alternatifin j kriterine göre değerini göstermek üzere, K tane karar vericiden oluĢan bir grupta, alternatiflerin kriter değerleri,

(9)

eĢitliği kullanılarak hesaplanır ve EĢitlik (10)’da gösterilen bulanık karar matrisi elde edilir. (10) Burada; 1 2 m A , A ,.., A : alternatifleri, 1 2 n K , K ,.., K : karar kriterlerini, ij

x

: K_j karar kriterine göre A_i alternatifinin bulanık kriter değerini,

K j w 1 2 K j j j j 1 w w ( )w ( )...( )w K    _    _ K ij x 1 2 K ij ij ij ij

1

x

x ( )x ( )...( )x

K





_







_





1 2 n 1 11 12 1n 2 21 22 2n . . . 1 2 n m m1 m2 mn C C ... C A x x ... x A x x ... x D , W= w w ... w : : : : : A x x ... x        _{ }      

83 j

w

: K_j kriterinin bulanık önem ağırlığını

göstermektedir. x_ij(a , b , c )_{ij ij ij} ve w_j(w , w , w )_{j1 j2 j3} Ģeklinde üçgen bulanık sayılar ile ifade edilebilmektedir.

Adım 3: Bulanık karar matrisinden EĢitlik 11’de gösterilen normalize edilmiĢ

bulanık karar matrisi elde edilir.

(11)

Normalize edilmiĢ bulanık karar matrisi, karar kriterinin fayda kriteri olması durumunda her sütundaki elemanların, bu sütundaki elemanların üçüncü bileĢenleri bazında en büyük değere bölünmesiyle (EĢitlik 12) elde edilir. Maliyet kriteri söz konusu olduğunda ise, her sütundaki elemanların ilk bileĢenlerinin minimum olanı dikkate alınır ve EĢitlik (13)’ten yararlanılarak bulanık karar matrisi normalize edilir.

, (12)

, (13)

Adım 4: Bu adımda her bir karar kriterinin farklı ağırlıkları göz önünde

bulundurularak ağırlıklandırılmıĢ normalize bulanık karar matrisi (EĢitlik 14)

i=1,2,…,m ; j=1,2,…,n (14)

Ģeklinde oluĢturulur. Buradaki hesaplamada,

(15) ij ij ij ij * * * j j j a b c r ( , , ), c c c 

jB

* j ij i c max c , j j j ij ij ij ij a a a r ( , , ), c b a    

jC

_{j ij} i a min a , ij _mxn

V   v

ij ij j v r (.)w ij _mxn R   r

84

eĢitliğinden yararlanılır. Ağırlıklı normalize edilmiĢ bulanık karar matrisi, normalize edilmiĢ bulanık karar matrisi ile bulanık ağırlıklar matrisinin çarpımından elde edilen matristir.

Adım 5: Her bir kriter için bulanık pozitif ideal çözüm (A+_{) (FPĠÇ) ve bulanık} negatif ideal çözüm (A-_{) (FNĠÇ) sırasıyla EĢitlik 16 ve EĢitlik 17’de verildiği Ģekli ile} belirlenir.

(16)

(17)

ÇalıĢmada, * j

v (1,1,1)ve v_j (0, 0, 0) olarak kabul edilmiĢtir. Karar kriteri sayısı

kadar (1,1,1) ve (0,0,0) vardır.

Adım 6: Alternatiflerin bulanık pozitif ve bulanık negatif ideal çözüme olan

uzaklıkları hesaplanır. Her bir alternatifin FPĠÇ ve FNĠÇ’ten olan uzaklığı sırasıyla,

i=1,2,…,m (18)

i=1,2,…,m (19)

eĢitliklerinden hesaplanır.

Burada d(.,.) iki bulanık sayı arasındaki uzaklığı göstermekte ve çalıĢmada Vertex metodu yardımıyla hesaplamaktadır.

Ġki üçgen bulanık sayı ã = (a1, a2, a3) ve ñ = (n1, n2, n3) olmak üzere Vertex metodu ile bu bulanık sayılar arasındaki uzaklığın hesaplanıĢı EĢitlik 20’de verilmektedir. n * * i ij j j 1

d

d(v , v )



 

n i ij j j 1

d



d(v , v )

 

 

* * * * 1 2 n A (v , v ,..., v ), 1 2 n A (v , v ,..., v ),  

85

d(ã, ñ) = (20)

Adım 7: Her bir alternatifin yakınlık katsayısı (CCi) EĢitlik 21’deki gibi hesaplanmaktadır.

, i=1,2,…,m (21)

Adım 8: Son adımda ise yakınlık katsayılarının azalan Ģekilde sıralanması ile

Belgede Y kuşağının kariyer yönelimi üzerine bir uygulama (sayfa 85-172)