Başlık: Türkiye’de kamu üniversitelerinin eğitim-araştırma etkinlikleri ve etkinlik artışında stratejik önceliklerin rolü: Çok-aktiviteli VZA uygulaması Yazar(lar):ÇINAR, YetkinCilt: 68 Sayı: 2 Sayfa: 027-062 DOI: 10.1501/SBFder_0000002279 Yayın Tarihi:

TÜRKİYE’DE KAMU ÜNİVERSİTELERİNİN EĞİTİM-ARAŞTIRMA

ETKİNLİKLERİ VE ETKİNLİK ARTIŞINDA STRATEJİK

ÖNCELİKLERİN ROLÜ: ÇOK-AKTİVİTELİ VZA UYGULAMASI

Yrd. Doç. Dr. Yetkin Çınar Ankara Üniversitesi Siyasal Bilgiler Fakültesi

● ● ● Özet

Bu makalede, Çok Aktiviteli Veri Zarflama Analizi (ÇA-VZA) yöntemi ile Türkiye’deki 45 kamu üniversitesinin 2010 yılı için eğitim ve araştırma etkinlikleri ölçülmüştür. Üniversiteler, farklı işlevleri ile ilişkili olarak aynı anda birden fazla üretim fonksiyonu ile karşı karşıya olan kurumlardır. Bu nedenle, kaynaklarını temelde eğitim ve araştırma aktiviteleri arasında paylaştırmaya çalışan karar birimleri olarak değerlendirilebilirler. ÇA-VZA yönteminin matematiksel altyapısı paylaşılan bu değişkenleri farklı aktivitelere atamayı, bu yolla etkinlik hesaplamaları yapmayı mümkün kılmaktadır. Bu nedenle ÇA-VZA modeli, Türkiye’deki yükseköğretim sistemindeki üretim yapısına uyarlanmış ve uygulanmıştır. Sonuçlara göre; üniversitelerin, eğitim ve araştırma etkinlikleri bakımından farklı skorlara ulaştıkları görülmüş, böylece üniversiteler arasından “Araştırma Etkin” veya “Eğitim Etkin” üniversiteler tespit edilmiştir. Ayrıca, modelin aktivitelere farklı öncelikler atanmasına izin veren yapısı kullanılarak gerçekleştirilen senaryo analizleri ile her üniversitenin, daha etkin olduğu alana fazla öncelik atayarak toplam etkinlik skorunu artırabildiği gösterilmiş ve bu sonucun performans analizi ve stratejik planlamadaki önemi vurgulanmıştır.

Anahtar Sözcükler: Çok Aktiviteli VZA, Üniversiteler, birleşik etkinlik, stratejik öncelikler,

doğrusal-olmayan programlama

Research-Teaching Efficiencies of State Universities in Turkey and the Role of Strategic Priorities in Improving Efficiency: An Application of Multi-Activity DEA

Abstract

In this study, the research and teaching efficiencies of 45 selected state universities in Turkey are measured by using the Multi-Activity Data Envelopment Analysis (MA-DEA) model for the year 2010. Universities are institutions which face multiple production functions simultaneously, therefore they can be considered as carrying out mainly research and teaching activities using common resources. The mathematical formulation of MA-DEA is capable of objectively assigning the shared variables to different activities. Hence, the model is adapted to the problem by assuming a suitable production process for the Turkish Higher Education System. Results first show that the MA-DEA model generates different efficiency scores for universities and hence “research efficient” and “teaching efficient” universities have been identified. In addition, since the structure of MA-DEA model allows each university can give different priorities to different activities, scenario analyses have been applied on this priorities and it is shown that by assigning higher priorities to the activities which they are more efficient, universities can reach higher total efficiencies. The importance of this result related with performance analysis and strategic planning is then emphasized.

Keywords: Multi-Activity DEA, Turkish Universities, joint-efficiency, strategic priorities,

Türkiye’de Kamu Üniversitelerinin

Eğitim-Araştırma Etkinlikleri ve Etkinlik Artışında

Stratejik Önceliklerin Rolü:

Çok-Aktiviteli VZA Uygulaması

Giriş

Türkiye’de yükseköğretim sisteminde, son yıllarda önemli bir genişleme süreci yaşanmakta, birçok yeni üniversite ve program açılmaktadır. Öyle ki, 2006 yılından önce mevcut kamu üniversitesi sayısı 52 iken, kurulan yeni üniversitelerle bugün bu sayı, yaklaşık ikiye katlanarak 103’e ulaşmıştır. Bu süreçle birlikte, son dönemde yükseköğretim sistemine ve üniversitelere ilişkin farklı alanlarda tartışmalar yoğunlaşmakta, yükseköğretimin yeniden yapılandırılmasına ilişkin çalışmalar sürdürülmektedir. Bu alandaki tartışma konularının birini de yükseköğretimde performansın ölçümü oluşturmaktadır. Bu husus, kamusal ve hukuksal bir gereklilik olduğu kadar, yönetsel başarıyı etkileyecek önemli bir faktördür1_.

Performans, farklı boyutlardan ölçülebilir. Dönem başı belirlenmiş hedeflere dönem sonunda ulaşım seviyeleri ölçülüyorsa, buradaki başarım etkililik ölçüsünü verecektir. Bir diğer boyut ise üretkenlik ve/veya etkinliktir. Üretkenlik basitçe çıktıların girdilere oranı iken, etkinliği ölçmek için üretkenliğin karşılaştırılacağı bir standart gereklidir. Bu standart, mevcut sektörün işlettiği varsayılan bir üretim fonksiyonu ve buna bağlı bir üretim (etkinlik) sınırı olabilir. Özellikle yükseköğretim kurumları söz konusu

1_{YÖK Strateji raporlarında yükseköğrenimde farklı işlevler bazında performansın}

ölçülmesinin önemine vurgu yapılmaktadır (YÖK, 2007: 85-124). Ayrıca, kamu kurumlarının performans esaslı bütçeleme yapmaları ve stratejik planlarını bu doğrultuda hazırlamaları gereği vardır (5018 sayılı Kanun, md.9).

olduğunda, etkinlik ölçümü bünyesinde çeşitli zorluklar barındıran ve bu nedenle dikkatle ele alınması gereken bir konu haline gelmektedir. Bu zorluklar eğitim hizmetinin kendine özgü bazı temel karakteristiklerinden ileri gelmektedir (Worthington, 2001: 266; Engert, 1996: 250).

Bunlardan birincisi, eğitim kurumlarının birden fazla amaca hizmet eden, bu nedenle çok sayıda ve farklı özellikte çıktı üreten kurumlar olmalarıdır. Özel olarak yükseköğretim kurumlarından beklenen üç temel hizmet alanı; eğitim, araştırma ve kamusal / sosyal hizmetlerdir2_{. Sayılan}

hizmet alanlarına ilişkin kurumun paydaşlarının farklı beklentileri, çatışan değerleri ve hedefleri de mevcuttur. Bu da her kurumun stratejik plandaki hedeflerinin farklı olabileceğini göstermektedir. Bazıları eğitime yoğunlaşırken, bazıları araştırma performansını artırmaya çalışabilir. Farklı hedeflerin ve önceliklerin olabilmesi, etkinlik ölçümünün de farklı boyutlarda ele alınması gereğini doğurmaktadır.

Aslında etkinliği farklı açılardan (işlev ve amaçlar bazında) ölçebilmenin iki yönlü faydası bulunmaktadır. Bu konu öncelikle kurumsal yönetim açısından özel bir önem taşımaktadır. Yönetici hangi açılardan eksik ya da başarılı olduğunu bilirse, ilerleyen dönemde kaynaklarını ve çabasını yoğunlaştıracağı alanı da daha doğru belirleyebilecektir. Stratejik amaçlar veya işlevler bakımından ayrıştırılmış bir ölçüm, kurumların hangi faaliyette daha etkin olduğunu göstereceğinden, ilgili kurum etkin olduğu aktiviteye ağırlık vermeyi düşünebilir. Benzer çıkarımlar kamusal perspektiften de yapılarak, kamusal planlamanın etkisi artırılabilir (Tsai ve Mar Molinero, 2002: 30).

Eğitim kurumlarının etkinliğinin ölçümünü zorlaştıran faktörlerden diğeri; genelde kar amacı bulunmayan bu kurumların verdikleri hizmet ile ilişkili üretim fonksiyonun biçimi ile girdi-çıktılarının neler olması gerektiği ve bunların ölçümü konusunda bir görüş birliği bulunmamasıdır. Nitekim eğitim, emniyet, ulaştırma gibi kamusal hizmet alanlarında faaliyet gösteren kurumlar çoğunlukla kar amaçlı olmayan, çıktıları kolaylıkla ortak parasal değerlerle ifade edilemeyen ve farklı işlevleri bir arada yerine getiren organizasyonlardır. Bu kısıtlar bir arada düşünüldüğünde her bir işlev alanı için ayrı birer üretim fonksiyonu varsaymak, her fonksiyon için farklı girdi ve çıktılar tanımlamak ve bunları ölçebilmek gerekmektedir.

Gerçekte, yalnızca bir fonksiyona ilişkin (diğer fonksiyonda kullanılmayan) girdiler olabileceği gibi, farklı fonksiyonlar ortak girdileri paylaşabilmektedir. Örneğin, yükseköğretimin insan kaynağı olan bir üniversite öğretim üyesi, bir yandan eğitim faaliyetine ilişkin çıktılar üreterek öğrenci

2_{YÖK strateji belgesinde bu işlevler; eğitim, araştırma ve toplumsal ilişkiler olarak}

yetiştirirken, diğer yandan araştırma faaliyeti de yürüterek akademik yayın yapmaktadır. Ancak işlevler bazında bir ölçüm yapılırken, bu profesörün zamanının veya bu aktiviteler için kullandığı kaynağın ne kadarını eğitime ve ne kadarını araştırmaya ayırdığının tespiti gereklidir.

Etkinlik ölçümü için yöntemsel olarak bir çeşitlilik de mevcuttur. Parametrik istatistiksel yöntemler önceden belirli bir üretim fonksiyonu varsayımını (Örn. Cobb-Douglas vb.) gerektirirken, parametrik olmayan tekniklerde böyle bir zorunluluk bulunmamaktadır. Birçok sektörde böyle bir üretim fonksiyonunun önceden tanımlanması zor olduğundan, etkinlik ölçümünde Charnes vd. (1978) tarafından geliştirilmiş ve parametrik-olmayan bir teknik olan Veri Zarflama Analizi (VZA) yönteminin yaygın bir kullanımı vardır. VZA, bir ekonomide (veya sektörde) belirli bir girdi bileşimi ile en yüksek çıktı bileşimini üreten birimlerin bir etkin sınır oluşturduklarını varsayar ve bu ekonomide faaliyet gösteren her birim için, birimin etkin sınıra olan uzaklığına göre bir etkinlik değeri hesaplar.

VZA yöntemi temelde bu avantajından dolayı yükseköğrenim kurumlarının etkinliklerinin ölçümünde de sıklıkla kullanılan bir yöntem olmuştur3_{. Dünyada bu yöntemi kullanarak yapılan çalışmalardan bazıları}

üniversite içinde belirli bir birim ya da bölümün etkinliğini ölçerlerken, bazıları tüm kurumun etkinliğine odaklanmışlardır. Amerika Birleşik Devletleri’ndeki yükseköğretim kurumlarının etkinlikleri, üniversite bazında Rhodes ve Southwick (1986) ve Johnes (2006) tarafından ölçülürken, Haksever ve Muragishi (1998) aynı ülkedeki yüksek lisans programlarının (MBA) etkinliklerini araştırmışlardır. Kwimbere (1987) Birleşik Krallık’taki üniversitelerin kimya mühendisliği, matematik ve fizik, Tomkins ve Green (1988) muhasebe, Beasley (1990) ve Beasley (1995) fizik ve kimya, Johnes ve Johnes (1993) ve Johnes ve Johnes (1995) ekonomi bölümlerinin etkinliklerini ölçerlerken, Athanassopoulos ve Shale (1997) tarafından ülkedeki üniversitelerin göreli etkinliği analiz edilmiştir. Abbott ve Doucouliagos (2003) ve Avkıran (2001) Avustralya’da; McMillan ve Datta (1998) Kanada’da; Warning (2004) Almanya’da; Salerno (2006) Hollanda’da; Agasisti ve Dal Bianco (2006) İtalya’da; Abankina vd. (2012), Aleskerov ve Petruschenko (2013) Rusya Federasyonu’nda ve Johnes ve Yu (2008) Çin’de faaliyet gösteren üniversiteler için VZA ile etkinlik analizleri yapmışlardır.

Ülkemizde, dünyadaki kadar yaygın olmasa da yükseköğretim kurumlarının etkinliklerinin VZA ile ölçüldüğü benzer çalışmalar mevcuttur.

3_{Genel olarak eğitim kurumlarının tümünün (orta ve yükseköğretim) kapsandığı ve}

farklı yöntemlerin karşılaştırıldığı uluslararası bir yazın taraması için bkz. Worthington (2001).

Karacabey (2001) VZA yönteminin Türkiye’deki üniversitelerin etkinliklerinin ölçümünde kullanımını gösteren örnek bir uygulama yapmıştır. Kutlar ve Kartal (2004) Cumhuriyet Üniversitesi’nde fakülteler düzeyinde etkinlik ölçümü yapmışlar, Babacan vd. (2007) aynı üniversitenin etkinliğini bu kez kurum düzeyinde diğer kamu üniversitelerinin etkinlikleri ile karşılaştırmışlardır. Baysal vd. (2005), Ustasüleyman (2007), Kutlar ve Babacan (2008), Oruç vd. (2009) ve Ulucan (2011) farklı yıllarda Türkiye’deki devlet üniversitelerinin, Özden (2008) ise vakıf üniversitelerinin etkinliklerini ölçmüşlerdir. Köksal ve Nalçacı (2006) ve Haktanırlar (2011) mühendislik fakülteleri içindeki bölümlerin performanslarını karşılaştırırken, Çokgezen (2009) ekonomi fakültelerinin, Bayazıtlı ve Çelik (2002) ile Çelik ve Ecer (2009) ise muhasebe eğitimi açısından üniversitelerin etkinlik düzeylerini araştırmışlardır4_.

Çalışmaların tümünde etkinliği ölçmek ortak amaç iken bu amacın yanında farklı bazı çıkarımlar yapabilmek de hedeflenmiştir. Örneğin çoğu çalışmada etkinlikle birlikte ölçek problemi de ele alınmış (örnek çalışmalar olarak bkz. Avkıran, 2001; Ulucan, 2011), bunun yanı sıra etkin bütçe tahsisi (Baysal vd., 2005) ya da öğrenci başına maliyet tahmini (Salerno, 2006) gibi amaçlara ulaşmak için de söz konusu analizlerden faydalanılmıştır.

Türkiye için yapılan çalışmalardan, Çok Kriterli VZA adı verilen yöntemi kullanan Köksal ve Nalçacı (2006), Bulanık VZA yöntemi ile etkinlik ölçümü yapan Oruç vd. (2009) ve Ölçüt-Odaklı VZA yöntemini kullanan Ulucan (2011) haricindekiler klasik VZA tekniklerini uygulamışlardır. Dünyada uygulamaları olmasına karşın, Türkiye’de Çok Aktiviteli VZA yöntemi ile yükseköğretim kurumlarının aktiviteler bazında etkinliklerini inceleyen bir çalışma bulunmamaktadır5_.

Bu çalışma, Türkiye’de kamu üniversitelerinin karşılaştırmalı etkinliklerini, araştırma ve eğitim işlevleri bazında ölçebilmeyi amaçlamakta, bunun için Çok Aktiviteli VZA (ÇA-VZA) yöntemini kullanmaktadır. Beasley (1995) tarafından geliştirilen ÇA-VZA tekniği yine aynı yazar tarafından ilk olarak İngiltere’deki üniversitelerin fizik ve kimya bölümlerinin araştırma ve eğitim etkinliklerinin ölçümüne uygulanmıştır. Daha sonra İngiltere’deki sağlık

4_{Literatürde girdi ve çıktı değişkenlerinin kullanımı çalışmanın uygulama bölümünde}

tartışılmaktadır (Bkz. 2. Bölüm).

5_{Haktanırlar (2011)’de araştırma ve eğitim etkinlikleri için farklı girdi ve çıktılar ile}

oluşturulan iki ayrı model, klasik VZA modelleri ile çözümlenmiştir. Dolayısıyla, bu çalışmanın yaklaşım ve yöntemi çalışmamızdakinden farklıdır. Çalışmamızda benimsenen yaklaşım, tek bir model içerisinde (paylaşılan girdi ve çıktılar kullanılarak) farklı faaliyet etkinliklerinin hesaplanmasıdır.

hizmetlerinin değerlendirilmesinde Tsai ve Mar-Molinero (2002), İspanya’da polis teşkilatı için Diez-Ticio ve Mancebon (2002), eğitim hizmetlerinin maliyet dağıtımının modellenmesinde Salerno (2006) ve Taiwan’daki otobüs işletmelerinin etkinliklerinin ölçümünde Yu (2007) tarafından kullanılmıştır. Modelin, özellikle büyük ölçekli, kar amacı gütmeyen ve belirli bir kaynakla birden fazla işlev gören kurumların etkinliklerinin ölçümünde kullanıldığı görülmektedir.

Çalışmanın birinci bölümünde, analizlerde kullanılan yöntemler açıklanmakta; ikinci bölümde Türkiye’de kamu üniversitelerinin etkinliklerinin ölçümü için kurgulanan model ve uygulama esasları ortaya konulmaktadır. Üçüncü bölümde analiz sonuçlarına yer verilmekte; makale, genel değerlendirmenin yapıldığı ve ileride olası (potansiyel) çalışmaların önerildiği bölümle son bulmaktadır.

1. Yöntemler

1.1. Üretim Birimlerinin Etkinliklerinin Ölçümü - Klasik VZA Modeli

Bir üretim biriminin üretkenliği, bu birim tarafından üretilen çıktıların (ağırlıklı) toplamının kullanılan girdilerin (ağırlıklı) toplamına bölünmesi ile bulunur. Benzer üretim birimleri üretkenlikleri açısından karşılaştırıldığında ise, ya veri bir teknoloji altında geçerli ve ilgili endüstrideki üretim sürecine uygun bir üretim fonksiyonu tanımlanmalı; ya da birimlerin göreli karşılaştırılmasından böyle bir fonksiyon tahmin edilebilmelidir. Farrell (1957) tarafından geliştirilen bu ikinci yaklaşıma uygun olarak, benzer üretim fonksiyonlarına sahip karar birimleri karşılaştırıldığında, üretkenlik açısından göreli olarak en iyi başarıma sahip olanların sanal bir etkin sınır oluşturacağı ve sınırın altında kalanların “etkin olmayan” olarak nitelendirilebileceği varsayımı yapılmıştır. Bu varsayımdan hareketle Charnes vd. (1978), Veri Zarflama Analizi (VZA) yöntemini geliştirmişler; etkin sınırın ve tüm birimlerin bu sınıra göre uzaklıklarının (dolayısıyla etkinlik derecelerinin) matematiksel programlama yoluyla tahmin edilebileceğini göstermişlerdir.

VZA, bir örneklem kümesindeki her karar biriminin, üretkenliğini maksimum kılmak amacı ile girdi ve çıktılarına farklı ağırlıklar atayarak etkin sınıra veya ona en yakın noktaya ulaşmaya çalışmasına imkân veren bir matematiksel programlama tekniğidir. Burada etkin sınır, model içerisinde yapılan hesaplamalar sonucunda en başarılı birimler tarafından oluşturulmaktadır. Biçimsel gösterimle, Ssayıda üretim biriminin

{

1

,..,

S

}

, m adet girdi ile

{

x1,..x_j.,x_m

}

, n elemanlı bir çıktı kümesini

{

y

1

,..

y

i

.,

y

n

}

ürettiği

varsayılan bir üretim yapısında, bu karar birimleri arasında yer alan her hangi bir kbiriminin karşılaştığı optimizasyon problemi şu şekilde ifade edilmektedir: mk m 2k 2 1k 1 nk n 2k 2 1k 1 m 1 j jk j n 1 i ik i k

_v

_x

_v

_x

_...

_v

_x

y

u

...

y

u

y

u

x

v

y

u

Maksθ

+

+

+

+

+

+

=

=

∑

∑

= = ₍₁₎

1

.

.

1 1

_≤

=

∑

∑

= = m j j js n i is i s

x

v

y

u

t

s

θ

s

∈

{

1

,...,

k

,...,

S

}

(2)

ε

≥ ∀i, j ui,vj (3)

Yukarıda (1) – (3) arasında tanımlanan bu ifadeler en temel VZA modelini göstermektedir. Bu modelde, bir k karar biriminin (örneğin üniversite) ağırlıklandırılmış çıktılarının (örneğin öğrenci sayısı, yayın sayısı) ağırlıklandırılmış girdilerine (örneğin öğretim üyesi, sermaye harcamaları) oranını en çoklayacak u ve v ağırlıklarının optimal değerleri iki kısıt altında seçilir: Birinci kısıta (2) göre, u ve v ağırlıkları k’nın karşılaştırıldığı herhangi bir birimin çıktı-girdi oranını 1’den büyük yapacak şekilde seçilemez. Model gözlemlenen tüm üretim birimleri için ayrı ayrı (S kez) çözümlenerek tüm birimlerin etkinlik skorlarına ulaşılırken, bu kısıt gereğince hiçbir birimin etkinlik skoru 1’den büyük olamaz. İkinci kısıt grubuna (3) göre ağırlıklar (en azından marjinal) pozitif bir değer almalıdırlar. Çözümleme sonucunda, etkinlik skoru 1’e eşit olarak tespit edilen birimler “etkin”, 1’den küçük olanlar ise “etkin olmayan (etkinsiz)” birimler olarak adlandırılır.

Yalnızca amaç fonksiyonunun kesirli ifadesinden dolayı doğrusal olmayan bu model fonksiyonun paydası bire eşitlenerek (doğrusal hale dönüştürülerek) doğrusal programlama algoritmalarıyla kolaylıkla çözümlenebilir. Çözümleme ve yorumlamada kolaylık sağlaması bakımından modelin duali (ikilisi) de sıklıkla kullanılmaktadır.

Temel VZA modeli, bünyesine yeni varsayımlar eklenerek farklı açılardan geliştirilmiş, yeni formlarda ele alınmıştır. Örneğin yöntem, girdiye ve çıktıya yönelik olarak iki yönlü kullanılabilme özeliğinden dolayı, girdi-odaklı ya da çıktı-girdi-odaklı yapılarda ifade edilmiştir. Girdi-girdi-odaklı VZA modelleri, veri (sabit) bir çıktı bileşimini en etkin bir şekilde üretebilmek amacıyla, kullanılacak en uygun girdi bileşiminin nasıl olması gerektiğini

araştırır. Çıktı odaklı model ise belirli bir girdi bileşimi ile en fazla ne kadar çıktı bileşimi elde edilebileceğini inceler. Charnes vd. (1978) tarafından ortaya konulan VZA’nın orijinal modeli tüm üretim bileşimlerinin sabit oranlarda değiştirilebileceği bir teknoloji olarak tanımlanan sabit ölçek getirisini varsayar. Banker vd. (1984) ise bu modele değişen ölçek getirisi varsayımını eklemişlerdir. Bu varsayıma göre, birimler faaliyetlerinin büyüklüğü değiştiğinde aynı girdi bileşimi değişimine karşılık çıktılarını farklı (daha fazla, daha az) oranlarda artırıp azaltabilirler (VZA’nın farklı türleri ve uygulamaları ile kapsamlı ve güncel gözden geçirme çalışmaları olarak Zhu (2009) ve Emrouznejad vd. (2008) incelenebilir).

Giriş bölümünde de kısaca vurgulandığı gibi, çok sayıda girdi ve çıktıyı ele alabilen, bunlara ilişkin fiyat bilgisine ve belirli bir üretim fonksiyonu varsayımına ihtiyaç duymadan çözümleme yapmaya olanak sağlayan VZA yöntemi göreli etkinlik analizlerinde oldukça sık kullanılan bir yöntem haline gelmiştir (Çokgezen, 2009: 82). Buna karşın, VZA’nın da her yöntem gibi dezavantajları mevcuttur. Yöntemin belirlilik varsayımı altında tanımlı yapısından dolayı istatistiksel hata ölçülemez ve ortaya çıkardığı sonuçların analize dâhil edilen örneklem kümesinin ve değişkenlerin özelliklerine oldukça bağımlı bir yapısı vardır. Bir diğer eksikliği, ağırlıkların atanmasında tamamen esnek bir yapı sergileyerek, ağırlıkları belirlerken karar birimlerini herhangi bir sınırlamaya tabi tutmamasıdır. Örneğin analiz sonucunda gerçekte önemsiz sayılabilecek değişkenlere yüksek ağırlıklar atanırken, kritik sayılabilecek olanlara sıfıra çok yakın ağırlıklar atanabilmektedir. Bazı ağırlık kısıtları ekleme yaklaşımları ile de sorun tam olarak çözülememektedir (Dyson, Thanassoulis, 1988).

Klasik VZA modelinin bu çalışma açısından önemli olan eksikliği ise, bu modeller ile tek bir üretim fonksiyonunun çözümleniyor olmasıdır. Hâlbuki çalışmanın girişinde de tartışıldığı üzere, çoğu karar birimi, birbirleri ile aynı özellikte olmayan birden fazla aktivite ile ilgilenmekte, dolayısıyla farklı üretim fonksiyonları işletmektedirler. Üniversite etkinliklerinin ölçülmesi için bu çalışmada kullanılan model ise aynı yapı içerisinde birden fazla üretim fonksiyonu tanımlamayı başararak klasik modellerin bu eksikliğini gidermektedir. Çok Aktiviteli VZA (Multi Activity DEA) adı verilen bu yaklaşımın genel yapısı bir sonraki bölümde anlatılmaktadır. İlerleyen kısımda (uygulama bölümünde) ise Türkiye’deki üniversitelerden seçilen örneklem üzerinde ve uygun girdi-çıktı değişkenlerine bağlı olarak kurgulanan (Türkiye’ye uyarlanan) model açıklanmaktadır.

1.2. Çok Aktiviteli VZA (ÇA-VZA) Modeli

Farklı aktiviteler bazında etkinliklerin bir arada değerlendirilmesi problemini ele alan ilk Çok-Aktiviteli VZA modeli Beasley (1995) tarafından ortaya konulmuş, daha sonra Mar Molinero (1996) ve Mar Molinero ve Tsai (1997) tarafından modelin bazı matematiksel özellikleri incelenerek duali (ikilisi) yazılmıştır. Bu modele değişen ölçek getirisi varsayımı yine Tsai ve Mar Molinero (2002) tarafından eklenmiştir.

Birleşik etkinlik (joint efficiency) adı da verilen bu modelde, bir üretim birimi tarafından, bazı girdilerin farklı aktiviteler tarafından paylaşıldığı varsayılmakta, bu türden üretim birimlerine çok-aktiviteli üretim birimleri adı verilmektedir. Varsayıma göre, bu birimler, bazı girdilerini sadece tek bir aktiviteye tahsis ederken, bazı girdiler farklı aktiviteler tarafından belirli oranlarda bölüşülmektedir. Aynı varsayım çıktılar için de yapılabilir. Buna göre; bazı çıktılar yalnızca bir aktivite tarafından üretilirken, bazılarının farklı aktivitelerin sonucu olarak ortaya çıktığı varsayılmaktadır.

Ele alınan her karar birimi, farklı aktivitelerine ortak bir girdiyi (örneğin toplam bütçe) ne ölçüde paylaştıracağına ve çıktıları üretmek için hangi aktivitenin ne kadar üretime katılacağına karar vermelidir. Bunu yapmanın bir yolu, önceden (a priori) öznel bir değerlendirme yapmaktır. Ancak bazı girdiler açıkça bölünemez yapıdadır veya öznel bir değerlendirme yapmak zor olabilir. Beasley (1995: 445) tarafından verilen bir örneğe göre, bunun bir yolu, örneğin personel harcamaları için aktarılan kaynağın aktiviteler arasındaki bölüşümünün tahmini için üniversite personeli olan bir profesör tarafından eğitime ve araştırmaya ayrılan zamanın -anketler aracılığıyla vb.- ölçülmeye çalışılmasıdır. Açıktır ki, bunu yapmanın imkânı yoktur. Burada soru, kullanılan kaynağın (örn. bütçe) ne kadarının eğitime ve ne kadarının araştırmaya aktarıldığının tespitidir. İşte ÇA-VZA modelinin üstünlüğü ya da faydası, birimin tüm aktivitelerde olası etkinlik skorunu en çoklayacak şekilde sonuç veren bir ayrıştırmanın, model içerisinde, diğer birimlerle yapılan karşılaştırma sonucunda belirlenebiliyor olmasıdır.

ÇA-VZA modelinin birleşik etkinlik ölçüm algoritması aslında orijinal VZA analizinin temel mantığına dayanmakla birlikte, çok aktiviteyi ele alması bakımından farklılık göstermektedir. Bu modelde, öncelikle ele alınan karar biriminin paylaşılan (ortak) girdiyi / girdileri aktiviteler arasında nasıl dağıtacağı tespit edilmekte, bu dağıtım tüm diğer karar birimlerine uygulanarak etkinlik hesaplamaları yapılmaktadır. Paylaşılan girdi ve / veya çıktıların dağıtımına karar verildiğinde problem içsel olarak -farklı aktiviteler için- standart VZA çözümlemesine dönüşmektedir.

Biçimsel gösterimle, bir k ∈ (

s

=

1

,...

k

,...,

S

) birimi için iki aktivitenin (eğitim ve araştırma) esas alındığı ÇA-VZA modeli genel formda aşağıda verilmiştir (Beasley, 1995: 444-447) 6_: Amaç Fonksiyonu: A A k E k k E k k θ θ θ Maks =

α

⋅ +

α

⋅ (4) Kısıtlar: Eğitim Etkinliği (

θ

E_k) 1 θ , , , , E s ₊ ≤ + =

∑

∑

∑

∑

EA s c c c c E s a a a EA s g g g g E s d d d x u x v y u y u

μ

β

S

k

s

=

1

,...

...,

(5) Araştırma Etkinliği (

θ

A

)

k 1 ) 1 ( ) 1 ( θ , , , , A s _{+ −} ≤ − + =

∑

∑

∑

∑

EA s c c c c A s b b b EA s g g g g A s f f f x u x v y u y u

μ

β

S

k

s

=

1

,...

...,

(6) Aktivitelerin Önem Ağırlıkları (Öncelikleri)

1 = + A k E k

α

α

(7a) EA s c c c c A s b b b EA s c c c c E s a a a EA k c c c c E k a a a E k x u x v x u x v x u x v , , , , , , ) 1 (

∑

∑

∑

∑

+

∑

+

∑

+ − + =

μ

μ

μ

α

(7b) Değişken Limitleri

ε

≥

∀ v

u,

; , , s ≥0 A s E s

θ

θ

θ

s

=

1

,...,

S

;

μ

_c,

β

_g ≥

ε

(8) 0 1≥ E ≥ k

α

; 1≥ A≥0 k

α

; (9)

Burada, anlatımda kolaylık sağlamak bakımından olası her özellikteki girdi ve çıktı kümesine farklı bir harf atanarak alt indislerde gösterilmiştir. Buna göre her bir s birimi için:

6_{Burada yazılan model aktiviteler arasında paylaşılan / paylaşılmayan her çeşit girdi ve}

çıktıyı içerecek şekilde verildiği için “genel formda” ifadesi kullanılmıştır. Model ayrıca ikiden fazla aktiviteyi içerecek şekilde de genişletilebilir.

E s a

x _, sadece eğitim aktivitesiyle ilgili girdileri (a grubu); A s b

x_, sadece araştırma aktivitesiyle ilgili girdileri (b grubu); EA

s c

x_, eğitim ve araştırma aktivitesi tarafından paylaşılan girdileri (c grubu);

E s d

y _, sadece eğitim aktivitesiyle ilgili çıktıları (d grubu); A s f

y _, sadece araştırma aktivitesiyle ilgili çıktıları (f grubu); EA

s g

y _, eğitim ve araştırma aktivitesi tarafından paylaşılan (ortaklaşa üretilen) çıktıları (g grubu) göstermekte;

v

u, ise sırasıyla her grup çıktı ve girdi için ağırlık vektörlerini gösterirken;

c

μ

ve

β

_g sırasıyla paylaşılan girdi(ler) grubunun ve paylaşılan çıktı(lar) grubunun bir aktiviteye ayrılan yüzdelerini hesaplamakta kullanılmaktadır.

k A k E

k

θ

θ

θ

, , sırasıyla bir k biriminin eğitim, araştırma ve bütünsel etkinlik skorlarıdır.

A k E k ve

α

α

ise, etkinlik skorları hesaplanan k biriminin sırasıyla eğitim ve araştırma faaliyetine verdiği öncelik / önem ağırlıklarını nitelendirmektedir.

Modeldeki (5) no.lu kısıt, her birim için eğitime ilişkin ağırlıklı çıktı toplamını ağırlıklı girdi toplamına oranlayarak eğitim etkinliğini, (6) no.lu kısıt ise benzer şekilde araştırma etkinliğini hesaplamaktadır. Bu iki çeşit etkinlik skorunun ağırlıklı toplamını maksimize etmek ise amaçtır. Yani birimler, işlevleri bazında etkinliklerinin ağırlıklı (öncelikli) toplamı olarak bütünsel etkinliklerini maksimize etmeye çalışmaktadırlar. (7b) kısıtında

α

_kE öncelik katsayısı, k birimi için eğitime tahsis edilen toplam kaynağa ilişkin bir çarpan olarak tanımlanmıştır. Bu kısıtın payı eğitime aktarılan kaynağı, paydası ise ağırlıklı toplam girdileri göstermektedir. Girdi kaynağı,

α

_kEçarpanını (5)’te verilen eğitim etkinliği formülü ile birlikte (ağırlıklı) çıktılara dönüştürmektedir.

α

_kAve

α

_kE çarpanları (7a)’daki gibi toplamları 1 olacak şekilde normalize edildiklerinde ise, (1-

α

_kE) araştırmaya ilişkin çarpanı (araştırma önceliğini) verecektir (Beasley, 1995: 446-447).

Böylece, (4)’te yer alan amaç fonksiyonu A E k E k k E k k θ (1 ) θ θ

Maks =

α

⋅ + −

α

⋅ şeklinde de yazılabilir. Bu parametre ya da değişkenlerin, bir Çok Kriterli Karar Modeli olan Hedef Programlamadaki hedef önceliklerinden farkı yoktur. Ayrıca, modeli geliştirenler tarafından

A k E k ve

α

α

toplamının 1’e eşitlenerek normalize edildiği durumda amaç fonksiyonunun aşağıdaki gibi (4’)’ne denk olduğu da gösterilmiştir (Beasley, 1995; Mar Molinero, 1996; Mar Molinero ve Tsai, 1997):

EA k c c c A k b b b E k a a a EA k g g g A k f f f E k d d d A A k E k _{v x v x u x} y u y u y u , , , , , , k E k k θ θ θ Maks

∑

∑

∑

∑

∑

∑

+ + + + = ⋅ + ⋅ =α α (4’)

Dikkat edilirse bu ifadenin sağ tarafı, tüm çıktıların girdilere oranıdır ve bu şekilde klasik VZA ile aynı amaç fonksiyonuna ulaşılmış olunmaktadır. Böylece aslında modelin, birimlerin eğitim ve araştırma etkinliklerini ayrı ayrı hesaplayıp ve bunları kısıtlarında kullanırken, bütünsel etkinlik skorunu maksimize etmeye çalışmaktan başka bir şey yapmadığı da gösterilmiş olmaktadır. Bu durumda, modelin aktiviteler bazında ayrı ayrı yazılarak klasik yöntemle çözülmesi akla gelse de, paylaşılan girdi ve çıktıların olması ve bu oranların bilinmemesi nedeniyle bu iki yaklaşım aynı sonucu vermemektedir (ispat ve örnek için bkz. Beasley, 1995: 446). Diğer taraftan, eğer bir karar birimi her iki aktivitede de etkinse, o zaman model, birleşik girdi ve çıktıları paylaşılan aktivitelere dağıtmayan standart bir çıktı maksimizasyonu modeline dönüşmektedir.

ÇA-VZA modeli, bilinmeyenler (

μ

,

β

, u, v, A s E s

θ

θ

, ,

α

E

,

α

A) arasında çarpımsal ilişkiler olduğundan, doğrusal-olmayan (nonlinear) bir yapıdadır. Bu nedenle çözümü klasik modele göre zordur. Diğer taraftan ÇA-VZA modeli de, klasik modeldeki gibi, her k ∈ S için ayrı ayrı çözülerek tüm birimlerin etkinlik skorlarına ulaşılır.

2. Türkiye’de Üniversitelerin Eğitim-Araştırma

Etkinlikleri için Çok Aktiviteli VZA Modeli ve

Uygulama

Çalışmada, Beasley (1995) tarafından ortaya konulan model, üzerinde senaryo analizleri gerçekleştirmeye de olanak verecek biçimde Türkiye’deki üniversitelerin eğitim ve araştırma etkinliklerinin değerlendirilmesinde kullanılabilir duruma getirilmiştir. Söz konusu uyarlamanın gerekçesi, üniversitelerin farklı aktiviteler bazındaki etkinliklerini karşılaştırabilmek ve etkinlikler üzerinde stratejik önceliklerin etkisine odaklanabilmektir. Bu kısımda, öncelikle bu çalışmada incelenen örneklem ve kullanılan veri, daha sonra oluşturulan çok-aktiviteli model açıklanmaktadır.

2.1. Örneklem

Çalışmada, çok aktiviteli VZA modeline uygun, diğer deyişle eğitim ve araştırma faaliyetleri açısından anlamlı derecede ‘çok aktiviteli karar birimi’ olma özelliği taşıyan 45 devlet üniversitesi 2010 yılı için analiz edilmiştir. Daha açıkça bu seçimde, üniversitenin eğitim ya da araştırma çıktıları veya her iki çıktı bakımından belirli bir yüksek seviyede olması ve analiz yılı esas alındığında kuruluşundan itibaren en az 5 yıl geçmiş olması kriterleri uygulanmıştır.

Buna göre, öncelikle 2006 yılından sonra kurulmuş olan 52 üniversite dikkate alınmış, çıktı odaklı bir yaklaşımla7 _{analizin daha sağlıklı sonuç}

vermesi için her çıktı bazında en düşük değere sahip olan gözlemler analiz kümesine alınmamıştır. Her iki aktivite tarafından paylaşılan çıktı olarak alınan doktora programına kayıtlı öğrenci sayısının çok düşük olmaması istendiğinden, bu çıktı bazında en düşük değere sahip iki gözlem daha analiz dışı bırakılmıştır (100 doktora öğrencisinden az olanlar). Böylece 45 üniversite analize dâhil edilmiş bulunmaktadır.

Analizde kullanılan verilerin özellikleri ise aşağıda açıklanmaktadır.

2.2. Veri: Girdiler ve Çıktılar

Çalışmada kullanılacak girdi ve çıktıların belirlenmesi için yazında kullanılan değişkenler araştırılmıştır. Dünyada ve Türkiye’de yapılan ve Giriş bölümünde sayılan çalışmalardan bazılarında kullanılan değişkenler, aşağıda yer alan Tablo 1’de listelenmiştir. Bu alandaki çeşitliliği sistematik olarak ele almak için yükseköğretim kurumlarının etkinliklerinin ölçümünde girdi ve çıktılar iki ana kategoride değerlendirilmiştir. Çıktılar, bu kurumların genel kabul görmüş iki temel fonksiyonu olan eğitim ve araştırma; girdiler ise, ekonomi teorisinde üretim fonksiyonu tanımının bir gereği olarak emek (insan kaynağı) ve sermaye (mali nitelikli kaynaklar) kategorilerinde ele alınmıştır.

7_{Kamu üniversitelerinin girdilerinden (bütçe) daha çok, çıktıları üzerinde ayarlama}

Tablo 1. Dünyada ve Türkiye’de Yükseköğretim Kurumlarının Etkinliklerinin

Ölçülmesinde Kullanılan Girdi ve Çıktılar*

Girdiler Çıktılar

Çalışmalar

Mali Nitelikli _Kaynağı İnsan Eğitim Araştırma (ve _Diğer) Athanassopoulos ve Shale (1997)** Genel Akademik Gid. Araştırma Gel. - Başarılı Mez. Ödüller Araştırma Derecesi (Reyting) Abbott ve Doucouliagos (2003) İşletme Gid.

Duran Varlıklar Akademik Pers. Akademik Olmayan Pers. Öğrenci Önlisans Mez. Lisans Mez. L.üstü Mez. Araştırma Miktarı Beasley (1990) ve Beasley (1995) Araştırma Gel. Genel Gid. Malzeme Gid. - Lisans Öğr. L.üstü Öğr. L.üstü Araş. Araştırma Kalitesi (Yıldız, A+, A, A-) Araştırma Gel.

Johnes (2006) Yönetim Gid. Kütüphane Gid. Faiz Gid. ve Amortisman Akademik Pers. Lisans Öğr. L.üstü Öğr. 1. Seviye Mez. Üst Seviye Mez. Araştırma Destekleri Tomkins ve Green (1988) Personel Gid. İşletme Gid. Diğer Gid.

Çalışan sayısı Üniv. Öğr. Doktora Öğr. Yayın Toplam Gel. Babacan vd. (2007) Kutlar ve Babacan (2008)

Genel Bütçe Gid.

Bütçe Dışı Gid. Prof. Doç. Yrd. Doç. Yrd. Öğr. Elemanı İdari Pers. Lisans Öğr. Lisans Mez. L.üstü Öğr. L.üstü Mez. Yayın Üniversite Gel. Baysal vd.

(2005) Personel Gid. Diğer Cari Gid. Yatırım Gid. Transferler

Öğretim Üyesi Lisans Öğr. Y.lisans Öğr. Doktora Öğr. Yayın - Öğretim Üyesi Asistan Öğrenci Lisans Mez.(%) Ort. Mez. Puanı Başarılı Öğr. Onur Öğr. - Haktanırlar (2011)** Eğitim Araştırma - Öğretim Üyesi - U.arası Yayın Ulusal Yayın U.arası Konf. Bild. Ulusal Konf. Bild. Proje

Karacabey

(2001)** - Prof. Doç. Yrd. Doç.

Kutlar ve Kartal

(2004) Yolluk, Personel, Hiz. Alım ve Tüketim Gid. Yüz Ölçümü Akademik Pers. İdari Pers. Öğr.

L.üstü Öğr. Proje Öğrenci Harçları Oruç vd. (2009) Personel Gid.

Mal ve Hiz. Alım Gid. Kapalı Kullanım Alanı Öğretim Üyesi Öğretim Gör. ve Okutman Araştırma Gör. Önlisans- Lisans Öğr. L.üstü Öğr. U.arası Yayın Ulusal Yayın Proje Öz Gel. Ulucan (2011) Toplam Bütçe Prof.

Doç. Yrd. Doç. Lisans Öğr. Y.lisans Öğr. Doktora Öğr. Yayın Proje Proje Desteği Üniv. Giriş Puanı (EA)

Üniv. Giriş Puanı (SAY) Ustasüleyman (2007) - Lisans Öğr. L.üstü Öğr. Öğretim Üyesi Öğretim Elemanı Lisans Mez. Y.lisans Mez. Doktora Mez. Öğretim Üyesi başına Yayın

(*) Tabloda yer alan Öğr., Pers., Mez., Prof., Doç., Yrd. Doç., Yayın, Bild. ve Proje kısaltmaları sırasıyla Öğrenci, Personel, Mezun, Profesör, Doçent, Yardımcı Doçent, Yayın, Bildiri ve Proje sayılarını nitelerken; Gid., Gel., U.arası, L.üstü, Y.lisans, Üniv. ise Giderler, Gelirler, Uluslararası, Lisansüstü ve Yüksek lisans ve Üniversite anlamında kullanılmıştır.

(**) Karacabey (2001)’de üniversitelerin yalnızca araştırma etkinlikleri, Haktanırlar (2011)’de eğitim ve araştırma etkinlikleri ayrı iki modelle ölçülmüştür. Athanassopoulos ve Shale (1997)’da oluşturulan maliyet ve çıktı etkinliği modellerinden ise yalnızca maliyet etkinliği modeline ait girdi ve çıktılara burada yer verilmiştir.

Tablo 1 incelendiğinde, eğitim faaliyetine ilişkin çıktıların genelde farklı programlardaki öğrenci veya mezun sayıları veya bunların başarı dereceleri olduğu; araştırmaya ilişkin çıktıların ise, yayın ve proje sayıları, bunların çeşitli kalite göstergeleri ve yapılan projelerden kazanılan gelirler olarak belirlendiği görülmektedir. Kullanılan girdilerden insan kaynağı ile ilişkili olanlar öğrenci sayıları, personel veya öğretim görevlisi / üyesi sayıları iken, finansal (mali) karakterli olanlar çeşitli bütçe ve harcama kalemleridir. Üretim sürecine ilişkin yapılan farklı varsayımlara bağlı olarak bazen öğrenci sayılarının veya bazı gelirlerin (araştırma gelirleri gibi) hem girdi hem de çıktı olarak kullanılabildiği de gözlenmektedir.

Çalışmada kullanılacak girdi ve çıktıları seçebilmek için temel kısıt, analize uygun veriye ulaşılmasındaki zorluktur. Örneğin, özellikle kamu üniversitelerinin etkinliklerini eğitim ve araştırmanın yanında kamusal / sosyal

hizmet alanında da ölçmek gerekmektedir. Ancak Türkiye’de ve dünyada bu işleve ilişkin güvenilir veriye ulaşmak oldukça zordur8_{. Diğer taraftan,}

kullanılan yöntemin doğası gereği ele alınan dönem için tüm karar birimlerine ait veriye ulaşılması gerekmektedir. Bu çalışmada üniversite bazında analiz yapıldığı için kamuya açık verileri olan değişkenlerin seçilmesi yoluna gidilmiştir. İhtiyaç duyulan verilere TÜBİTAK (www.tubitak.gov.tr), YÖK (www.yok.gov.tr), ÖSYM (www.osym.gov.tr) ve BÜMKO (www.bumko.gov.tr) resmi internet sitelerinden ulaşılmıştır.

Çalışmada göz önüne alınan diğer bir ölçüt, girdiler ve çıktılar arasında çok yüksek korelasyon olmamasıdır. Bu husus VZA yöntemlerinin özelliği gereği önemlidir. Zira girdi ve çıktı grupları içerisinde çok yüksek korelasyonun varlığı durumunda, hemen hemen aynı özelliği taşıyan değişkenler analize dâhil edilmiş olmakta, bu da analiz sonuçlarının güvenilirliğini olumsuz etkilemektedir. Ayrıca bu şekilde, temsil yeteneği yüksek en az sayıda değişkenin seçilmesi VZA ile ulaşılan sonuçların ayırt edicilik gücünü de artıracaktır.

Bu kıstaslarla seçilen girdi ve çıktılar aşağıda Tablo 2’de özetlenmiştir.

Tablo 2. Modelde Kullanılan Girdi ve Çıktılar*

ÇIKTILAR (Paylaşılan)

GİRDİLER _{Araştırma Aktivitesi ile}

İlişkili Çıktılar Eğitim Aktivitesi ile İlişkili Çıktılar Paylaşılan Çıktı

- Genel Harcama (GH) - Yatırım Harcaması (YH)

- Yayın Sayısı (YAY) - TÜBİTAK tarafından Onaylanmış Proje Tutarı (PRJ)

- Lisans Öğrenci Sayısı (LO) - Yüksek Lisans Öğrenci Sayısı (YLO)

- Doktora Öğrenci Sayısı (DrO)

(*) Model içerisinde Eğitim ve Araştırma aktiviteleri arasında oransal olarak dağıtılacak (paylaşılan / ortak) girdileri göstermektedir. Kurulan modelde yalnızca eğitim ya da yalnızca araştırma aktivitesi ile ilişkili girdi bulunmamaktadır.

8_{Bu konuda bir tartışma için bkz. YÖK (2007: 120). Ayrıca, bu konuda ilginç bir}

çalışma olarak Abankina vd. (2012) incelenebilir. Bu çalışmada, Rusya’daki üniversitelerle ilgili haberlerin basında yer almasından hareketle çeşitli alanlardaki sosyal itibarlarını (reputation) ölçen bir endeks kullanılarak etkinlik analizi yapılmıştır.

Çalışmada kullanılan girdiler, Bütçe ve Mali Kontrol Genel Müdürlüğü (BÜMKO) veri tabanından alınan ekonomik ayrıma göre bütçe kaynakları verileri değerlendirilerek “Genel Harcamalar (GH)” ve “Yatırım Harcamaları (YH)” olarak belirlenmiştir. Genel harcamalar kaleminin içerisinde personel, sosyal güvenlik ödemeleri, cari ve transfer harcamaları bulunurken; yatırım harcamaları, sermaye giderlerini içermektedir. Toplamda bütçenin tamamını oluşturan bu iki kalemin bu biçimde ayrılmasının nedeni, aralarında en az korelasyon olan kalemlerin bunlar olmasıdır. Sermaye giderleri uzun vadeli yatırım sayılabilecek alt kalemleri içerdiğinden genel giderlerle (veya alt kalemleri ile) korelasyonu yüksek değildir. Diğer taraftan GH içerisinde personel giderleri ile bunlarla ilişkili olarak yapılan sosyal – sigorta ödemeleri toplamının oranı %80’ler düzeyindedir. Dolayısıyla ekonomik teoriye uygun olarak bu girdi kaynaklarından birincisi (GH) personel ya da emek, ikincisi (YH) fiziksel yatırımın yaklaşık bir göstergesi (proxy) sayılmıştır. Ayrıca personel ya da öğretim üyesi sayısı değişkeninin kullanımı da düşünülmüş ancak bu değişken ile GH arasında %96 düzeyinde çok yüksek bir ilişki tespit edildiğinden mali karakterdeki GH değişkenin kullanımı yeterli görülmüştür. Tüm bu bulgular girdi olarak GH ve YH değişkenlerinin kullanılmasının geçerliliğini destekler niteliktedir. Her iki girdi de, eğitim ve araştırma faaliyetine oransal olarak paylaştırılabilecek ortak girdiler olarak modele dâhil edilmişlerdir.

Çıktılardan eğitim aktivitesine ilişkin olarak öğrenci ve mezun sayılarına ÖSYM kaynaklarından (lisans, yüksek lisans ve doktora programları bazında) ulaşılabilmektedir. Mezun ve öğrenci sayıları arasında çok yüksek korelasyon bulunduğundan (lisans öğrenci ve mezun sayıları arasında % 99; lisansüstünde % 94) bu değişkenlerden yalnızca bir grup, öğrenci sayıları seçilmiştir. LO ve YLO değişkenlerinin yalnızca eğitim aktivitesi ile ilgili oldukları varsayılırken, doktora programlarında araştırmacı da yetiştirildiği için DrO değişkeni her iki aktivite ile ilişkili olarak modele eklenmiştir (model kurgusu bir sonraki bölümde açıklanmaktadır).

Yayın sayıları (YAY) için kamuya açıklanmış ve tüm örneklem için ulaşılabilen tek veri kaynağı YÖK tarafından üniversite ve yıllar bazında yayınlanan atıf endekslerine (SCI, SSCI, AHCI) giren yayın sayısı verileridir. Bu verilerden üç endeks bazındaki net toplamı veren değerler alınmış, böylece aynı anda farklı endekslerde yer alan yayınların tekrar sayımı engellenmiştir.

Aynı şekilde PRJ değişkeni için TÜBİTAK tarafından yayınlanan ve üniversiteler ve yıllar bazında önerilen ve desteklenen proje sayı ve tutarlarını içeren veri göz önüne alınmış, yine sayı ve tutarlar arasında tespit edilen çok

yüksek korelasyon nedeniyle (desteklenen) proje tutarları analize dahil edilmiştir9_.

Bu değişkenlerden başka, üniversite giriş puanlarının bir kalite göstergesi olarak kullanılması problemli görülmüştür. Zira bir üniversitenin içerisinde çok farklı alanlarda öğretim yapan programlara ait çok farklı puan türleri mevcuttur ve bunlardan tek bir gösterge elde etmek oldukça zordur (bu konuda bir tartışma için bkz. Lewis & Dündar, 1995: 144).

Analize dâhil edilen değişkenlere ilişkin açıklayıcı istatistikler Tablo 3’te, değişkenler arası korelasyonlar ise Tablo 4’te sunulmaktadır.

Tablo 3. Değişkenler ve Açıklayıcı İstatistikler

Değişkenler _{(Gözlem Sayısı = 45)} Temel İstatistikler

Girdiler Ortalama Standart Hata En Büyük En Küçük

Genel Harcamalar (TL) 134,260,244 13,008,579 467,192,000 29,768,000 Yatırım Harcaması (TL) 28,659,133 1,542,537 68,264,000 13,000,000

Çıktılar Ortalama Standart Hata En Büyük En Küçük

Lisans Öğrenci Sayısı 27,799 2,103 70,405 1,806

Yüksek Lisans Öğrenci

Sayısı 2,460 340 9,429 476

Doktora Öğrenci Sayısı 890 168 4,832 102

Yayın Sayısı 466 50 1570 30

Proje Destek Miktarı (TL) 3,103,389 624,159 25,078,600 218,600 Tablo 4’te gerek girdiler, gerekse çıktılar arasında çok yüksek korelasyon olmadığı, analizin bu açıdan sağlıklı bir temele dayandığı görülebilir. Aralarında çok yüksek korelasyon bulunmamasının yanı sıra çıktı değişkenleri arasında tutarlı ilişkiler de mevcuttur. Örneğin, yayın sayıları veya proje tutarları ile sırasıyla, lisans, yüksek lisans ve doktora öğrenci sayıları arasında giderek artan pozitif bir ilişki olduğu gözlenmektedir. Bu bulgu

9_{Atıf endeksleri haricindeki endekslerde (Econlit, Scopus vb.) ve hakemli dergilerde}

yayınlanan makaleler, bunlara yapılan atıflar, konferans bildirileri veya TÜBİTAK haricindeki kurumlardan alınan proje destekleri, bu değişkenlere ilişkin toplu ve güvenilir veriye ulaşılamadığından farklı çıktı değişkenleri olarak modele eklenememiştir.

program türüne göre öğrenciler ile araştırma çıktıları arasında gerçekte olduğu varsayılabilecek ilişki ile uyumludur.

Tablo 4. Değişkenlerarası Korelasyon Tablosu

Değişken GH YH LÖ YLÖ DrÖ YAY PRJ

GH - YH 0.45 - LÖ 0.62 0.11 - YLÖ 0.81 0.23 0.64 - DrÖ 0.82 0.34 0.42 0.82 - YAY 0.43 0.35 0.02 0.36 0.75 - PRJ 0.92 0.51 0.50 0.72 0.83 0.55 -

2.3. Üniversiteler için Çok Aktiviteli Üretim Süreci ve Model Kurgusu

Türkiye’deki kamu üniversitelerinin etkinliklerinin ölçümünde bu çalışma kapsamında seçilen değişkenler ve kabul edilen varsayımlar doğrultusunda kurgulanan çok-aktiviteli (eğitim ve araştırma) üretim süreci modeli Şekil 1’de gösterilmektedir.

Eğitim (E) Faaliyeti Yatırım Harcaması (YH) Araştırma (A) Faaliyeti Genel Harcamalar (GH) μGH xGH (1- μGH) x_GH (1- μYH) x_YH μYH xYH Doktora Öğrenci Sayısı (DrO) Yüksek Lisans Öğrenci Sayısı (YLO)

Lisans Öğrenci Sayısı (LO)

Yayın Sayısı (YAY)

Proje Tutarı (PRJ)

GİRDİLER AKTİVİTELER ÇIKTILAR

Şekil 1. Üniversiteler için Çok-Aktiviteli (Eğitim-Araştırma ) Üretim Süreci

βDrO yDrO (1- βDrO) y_DrO y LO y YLO y YAY y PRJ

Şekil 1’de, ortak girdiler olan YH ve GH’a ait miktarların (xYH ve xGH) sırasıyla μYH ve μGH oranları ile eğitim ve araştırma faaliyetlerine dağıtıldığı; yalnızca eğitim faaliyetine ilişkin olarak ise LO ve YLO çıktılarının y_LO ve y_YLO miktarları ile üretildiği gösterilmektedir. Benzer şekilde, yalnızca araştırma faaliyeti ile ilgili olarak YAY ve PRJ çıktıları y_YAY ve y_PRJ miktarlarında üretilmektedir. Modele göre DrO çıktısının miktarı (y_DrO), βDrO ve 1- βDrO oranlarında eğitim ve araştırma faaliyetleri sonucunda üretilmektedir.

Şekil 1’de görsel olarak sunulan yapıya uygun olarak (4) – (9) arasında verilen ÇA-VZA modeli, incelenen örneklem (üniversiteler) kümesinden (

Ü

=

Ü

₁

,...,Ü

₄₅) seçilen örnek bir birim olan Ankara Üniversitesi (

A

.

Ü

.

∈

Ü

) için yazıldığında aşağıdaki açık forma ulaşmaktayız:

Amaç Fonksiyonu: A A Ü A E Ü A . . A.Ü. E A.Ü. . . A.Ü. θ θ θ Maks =

α

⋅ +

α

⋅ (10) Kısıtlar: Eğitim Etkinliği ( E A.Ü. θ ) 45 1

,...,

Ü

Ü

Ü

=

ve

A

.

Ü

.

∈

Ü

için;

1

Ü. , Ü. , Ü. , Ü. , Ü. ,

≤

+

+

+

EA YH YH YH EA GH GH GH EA DrO DrO DrO E YLO YLO LO E LO

x

v

x

v

y

u

y

u

y

u

μ

μ

β

(11) Araştırma Etkinliği (θA ) A.Ü. 45 1

,...,Ü

Ü

Ü

=

ve

A

.

Ü

.

∈

Ü

için;

1

)

1

(

)

1

(

)

1

(

Ü. , Ü. , Ü. , Ü. , Ü. ,

_≤

−

+

−

−

+

+

EA YH YH YH EA GH GH GH EA DrO DrO DrO A PRJ PRJ A YAY YAY

x

v

x

v

y

u

y

u

y

u

μ

μ

β

(12)

Aktivitelerin Önem Ağırlıkları (Öncelikleri)

1 . . . . + = A Ü A E Ü A

α

α

(13a)

)

/(

)

(

_{, .Ü. , .Ü. , .Ü. , .Ü.} . . EA A YH YH EA A GH GH EA A YH YH YH EA A GH GH GH E Ü A

=

μ

v

x

+

μ

v

x

v

x

+

v

x

α

(13b) Değişken Limitleri

ε

≥

∀ v

u,

; ., ., Ü.≥0 A Ü E Ü

θ

θ

θ

Ü

=

1

,...,

45

;

μ

_c,

β

_g ≥

ε

(14) 0 1≥ _{. .}E ≥ Ü A

α

; 1≥

α

_A.Ü.A ≥0; (15)

Burada; . . . . . . , , AÜ A Ü A E Ü A

θ

θ

θ

sırasıyla, Ankara Üniversitesi’nin eğitim, araştırma ve bütünsel etkinlik skorlarını;

EA Ü YH EA Ü GH x

x _{, .}, _{, .} sırasıyla, eğitim ve araştırma aktivitesi tarafından paylaşılan girdilerin - GH ve YH miktarlarını;

E YLO LO

E _y

y ,Ü., _,Ü., sadece eğitim aktivitesiyle ilgili çıktıların – LO ve YLO

miktarlarını; A PRJ A

YAY y

y _,Ü., _,Ü., sadece araştırma aktivitesiyle ilgili çıktıların – YAY ve PRJ miktarlarını;

EA DrO

y _,Ü., eğitim ve araştırma aktivitesi tarafından ortaklaşa üretilen çıktı olan DrO miktarını göstermektedir.

Bunların yanı sıra ilgili olduğu değişken alt indis olarak gösterilmek üzere,

v ,

_GH

v

_YHpaylaşılan iki girdinin ağırlıklarını,

u ,

_LO

u

_YLO, yalnızca eğitim

PRJ YAY

u

u

,

yalnızca araştırma ile ilişkili çıktıların ağırlıklarını ve

u

_DrOher iki aktivite tarafından paylaşılan çıktının ağırlığını ifade etmektedir.

Bu çalışma kapsamında kurulan model (10) – (15), genel model olan (4) – (9) ile karşılaştırılırsa; a ve b grubu girdinin (sadece eğitim ya da sadece araştırma girdisi) bulunmadığı, GH ve YH’ın c grubu (paylaşılan) girdiler olarak değerlendirildiği görülecektir. Modelde d grubu çıktılar LO ve YLO iken, YAY ve PRJ sadece araştırma ile ilgili olan f grubu çıktıları ifade etmektedir. DrO ise paylaşılan tek çıktı olarak, g grubunu tek başına temsil etmektedir.

2.4. Uygulama: Çok Aktiviteli Etkinlik Ölçümü ve Öncelik Atama (αkatsayıları)

Çalışmada kullanılan veri kümesi üzerinde ilk olarak (1) - (4) arasında verilen temel VZA modeli ile çözümleme yapılmıştır. Daha sonra,

α

katsayılarına ilişkin iki senaryoya göre, bu çalışmada kurgulanan üretim süreci yapısına (Şekil 1) uyarlanan ve (10) - (15) arasında verilen ÇA-VZA Modeli uygulanmıştır.

Modelde yer alan

α

katsayılarının özel bir önem taşıdığı yukarıda belirtilmişti. Bu çalışmada söz konusu katsayıların öncelik belirleme işlevini ortaya koymak için iki senaryo tasarlanmıştır:

Senaryo-1: Bu senaryoda,

α

katsayıları sabit alınmıştır. Burada aslında, esas olan her karar biriminin

α

sabitlerine atadığı öncelik ağırlığını bilmektir. Karar biriminin kendisinin belirlediği stratejik öncelikler elimizde olmadığından ve ilk senaryoda atamanın her hangi bir öznel yargı içermemesi ve/veya temel bir senaryoyu göstermesi için

α

sabitleri eşit alınmıştır:

5 . 0 = = A k E k

α

α

.

Ayrıca, bu modelde sonuçların klasik VZA etkinlik sonuçlarıyla tarafsızca karşılaştırılması da hedeflenmiş, bu nedenle sadece çözümlemede dejenerasyona yol açmamak amacıyla, sırasıyla paylaşılan girdilerin (GH ve YH) ve çıktının (DrO) paylaşım oranlarını belirleyen

μ

_c,

β

_gkatsayıları için, [1-0] aralığı yerine

01 . 0 , 99 .

0 ≥

μ

c

β

g ≥ aralığı tanımlanmıştır. Bu senaryoda

α

sabitlendiğinden

(10) – (15) arasında verilen modelde (13b) kısıtı işlerliğini kaybetmiş olmaktadır. Senaryo-2: Bu senaryoda, modelin

α

önceliklerini kendisinin hesaplaması beklenerek (

α

değişken olarak kabul edilerek) çözümleme yapılmıştır. Bu alternatif senaryoda, karar vericinin, belirli sınırlar içerisinde bu önceliklerin model tarafından belirlenmesiyle en iyi öncelik atamasının nasıl olacağını görmek istediği varsayılmıştır. Ayrıca, modeli gerçekliğe daha fazla yaklaştırmak için, Beasley (1995: 449)’deki tanımlamaya benzer şekilde

30 . 0 , 90 .

0 ≥

μ

c

β

g ≥ olarak belirlenmiştir. Bu kısıt bir değer yargısını temsil

etmekte ve ilgili değişkenlerin miktarlarının eğitim ve araştırma faaliyetleri arasında paylaşımı ile ilgili sınırları belirlemektedir. Örneğin kabul edilen bu sınırlar, genel harcamalardan eğitime ilişkin ayrılacak payın %90’dan fazla %30’dan az olmayacağını göstermektedir (Beasley (1995: 448)’de kısıtın önemi bir örnek üzerinde ayrıntılı bir şekilde açıklanmaktadır). Bu şekilde, örneğin genel harcamalar girdisinden eğitime hiç pay ayrılmaması gibi bir durumun önüne geçilmiş olmaktadır. Böylelikle, (10) – (15) arasında verilen modelde (13b) kısıtı da işlerlik kazanmakta, ayrıca bu kısıttaki tanımlama gereği

α

katsayısının da sıfıra ya da bire çok yakın değerler alması engellenmiş olmaktadır. Zira bu durum, ilgili üniversitenin eğitim ya da araştırma aktivitelerinden birine hiç önem vermemesi anlamına gelecektir.

Her iki senaryo için de hazırlanan modeller LINGO© _programında

kodlanarak çözümlenmiştir10_{. Elde edilen sonuçlar aşağıdaki bölümde}

karşılaştırmalı olarak sunulmakta ve yorumlanmaktadır.

10_{Ele alınan örneklem için hazırlanan model, 10’u doğrusal olmayan 101 değişken, 91}

tanesi doğrusal olmayan 93 kısıt içermektedir. Ulaşılan çözümler, aynı zamanda lokal ve global optimal çözümlerdir.

3. Sonuçlar

3.1. Etkinlik Sonuçları

Klasik VZA ve Çok Aktiviteli VZA Modelinin (iki farklı senaryoda) çözümlenmesi ile elde edilen (optimal) etkinlik sonuçları toplu olarak Tablo 5’te verilmiştir.

Tablo 5. Klasik ve Çok Aktiviteli VZA için Etkinlik ve Senaryo Analizi Sonuçları*

Çok Aktiviteli VZA Klasik VZA Senaryo-1: 5 . 0 = = A s E s α α (sabit) Senaryo-2: E s α veα_sAdeğişken ÜNİVERSİTE

Etkinlik AktiviteliÇok Etkinlik ÇA Eğitim Etkinliği ÇA Araştırma Etkinliği E s α AktiviteliÇok Etkinlik ÇA Eğitim Etkinliği ÇA Araştırma Etkinliği ABANT İZZET BAYSAL 0.77 0.56 0.56 0.56 0.86 0.56 0.56 0.56 ADNAN MENDERES 0.87 0.61 0.59 0.63 0.32 0.62 0.59 0.63 AFYON KOCATEPE 0.97 0.71 0.81 0.61 0.90 0.77 0.81 0.44 AKDENİZ 0.74 0.51 0.38 0.64 0.30 0.56 0.37 0.64 ANKARA 0.85 0.79 0.74 0.84 0.30 0.80 0.70 0.84 ATATÜRK 0.88 0.82 0.75 0.88 0.36 0.84 0.75 0.88 BALIKESİR 0.98 0.71 0.95 0.48 0.90 0.89 0.93 0.46 BOĞAZİÇİ 0.87 0.64 0.50 0.78 0.30 0.69 0.48 0.78 CELAL BAYAR 0.83 0.62 0.63 0.61 0.86 0.63 0.63 0.61 CUMHURİYET 0.69 0.54 0.65 0.43 0.90 0.62 0.65 0.33 ÇANAKKALE ONSEKİZ MART 0.95 0.68 0.65 0.70 0.32 0.68 0.64 0.70 ÇUKUROVA 0.74 0.65 0.65 0.65 0.53 0.65 0.65 0.65 DİCLE 0.69 0.45 0.30 0.61 0.30 0.51 0.28 0.61 DOKUZ EYLÜL 0.98 0.77 0.83 0.70 0.90 0.82 0.83 0.70 DUMLUPINAR 1.00 0.75 1.00 0.50 0.90 0.95 1.00 0.50 EGE 0.88 0.72 0.57 0.88 0.30 0.75 0.43 0.88 ERCİYES 1.00 0.84 0.68 1.00 0.30 0.88 0.61 1.00 ESKİŞEHİR OSMANGAZİ 0.73 0.51 0.38 0.64 0.30 0.56 0.38 0.64 FIRAT 0.85 0.61 0.48 0.73 0.30 0.65 0.47 0.73 GALATASARAY 0.63 0.59 0.63 0.20 0.90 0.59 0.63 0.20 GAZİ 1.00 1.00 1.00 1.00 0.30 1.00 1.00 1.00

GAZİANTEP 0.81 0.56 0.41 0.72 0.30 0.62 0.40 0.72 GAZİOSMANPAŞA 0.79 0.56 0.54 0.59 0.32 0.57 0.54 0.59 HACETTEPE 0.79 0.58 0.37 0.79 0.30 0.66 0.36 0.79 İNÖNÜ 0.63 0.47 0.38 0.56 0.30 0.50 0.37 0.56 İSTANBUL TEKNİK 0.97 0.71 0.67 0.76 0.30 0.72 0.63 0.76 İSTANBUL 0.84 0.79 0.73 0.84 0.34 0.79 0.71 0.84 İZMİR Y. TEKNOLOJİ ENST. 1.00 0.68 0.36 1.00 0.30 0.81 0.36 1.00 K.MARAŞ SÜTÇÜ İMAM 0.85 0.57 0.47 0.66 0.30 0.60 0.47 0.66 KARADENİZ TEKNİK 0.94 0.78 0.82 0.74 0.85 0.80 0.81 0.73 KIRIKKALE 0.92 0.62 0.55 0.69 0.30 0.64 0.53 0.69 KOCAELİ 1.00 0.77 1.00 0.54 0.90 0.95 1.00 0.50 MARMARA 1.00 0.87 1.00 0.74 0.90 0.97 1.00 0.72 MERSİN ÜNİVERSİTESİ 0.79 0.59 0.61 0.56 0.90 0.61 0.61 0.54 MUĞLA 0.79 0.57 0.70 0.45 0.90 0.67 0.70 0.43 ONDOKUZ MAYIS 0.92 0.67 0.43 0.92 0.30 0.76 0.40 0.92 ORTA DOĞU TEKNİK 1.00 1.00 1.00 1.00 0.30 1.00 1.00 1.00

PAMUKKALE 0.83 0.60 0.61 0.59 0.86 0.61 0.61 0.59 SAKARYA 1.00 0.71 1.00 0.42 0.90 0.94 1.00 0.42 SELÇUK 0.99 0.80 0.93 0.66 0.90 0.89 0.93 0.54 SÜLEYMAN DEMİREL 0.94 0.71 0.70 0.71 0.39 0.70 0.69 0.71 TRAKYA 0.68 0.52 0.57 0.46 0.90 0.55 0.57 0.39 ULUDAĞ 0.86 0.76 0.86 0.66 0.90 0.83 0.86 0.56 YILDIZ TEKNİK 0.82 0.65 0.63 0.67 0.40 0.65 0.62 0.67 YÜZÜNCÜ YIL 0.68 0.46 0.33 0.60 0.30 0.51 0.31 0.60 ORT. 0.86 0.66 0.65 0.67 0.55 0.72 0.64 0.67 STD.SAPMA 0.11 0.13 0.21 0.17 0.32 0.14 0.21 0.18

(*) Tabloda etkin üniversitelerin ilgili skorları koyu vurgulanmıştır.

Tablonun birinci sütununda üniversite isimleri, ikinci sütununda ise klasik VZA modelinden (1) – (3) elde edilen etkinlik skorları verilmektedir. Sonraki sütunlarda sırasıyla Senaryo-1 ve Senaryo-2’ye göre ÇA-VZA modelinin (10) – (15) sonuçları listelenmektedir. Bunlar; çok aktiviteli (toplam/bütünsel) etkinlik ile eğitim ve araştırma etkinliği sonuçlarıdır. Senaryo-1’de tüm birimler için

α

katsayıları 0.5’e eşit olduğundan bunun için bir sütun ayrılmamış, Senaryo-2’nin sonuçlarının öncesinde bir sütunda her

üniversitenin optimal çözüme ulaşırken atadıkları farklı

α

katsayılarına yer verilmiştir. Bu katsayılar eğitime verilen önceliği göstermekte, 1’den çıkarıldıklarında araştırmaya verilen öncelikler hesaplanmaktadır. Bu önceliklerle eğitim ve araştırma etkinlikleri çarpıldığında ise bütünsel skorlara ulaşılmaktadır. Bir örnek olarak Dokuz Eylül Üniversitesi’nin Senaryo-2’ye göre eğitim faaliyetine % 90, araştırma faaliyetine %10 öncelik atadığı, bu faaliyetleri eşit ağırlıklandırdığı Senaryo-1’e göre bütünsel etkinlik skorunu yaklaşık 0.77’den (0.5 * 0.83 + 0.5 * 0.70) yine yaklaşık 0.82’ye (0.9 * 0.83 + 0.1 * 0.70) yükselttiği görülmektedir11_.

Tablo 5’ten yapılan çıkarımlar şöyle özetlenebilir:

1) Klasik ve çok aktiviteli modeller karşılaştırıldığında, gerek etkin birimlerin sayısı ve ortalama etkinlik skorları, gerekse sıralamalar açısından farklı sonuçlara ulaşıldığı görülmektedir.

Çok aktiviteli modellerde bireysel ve ortalama etkinlik skorları klasik modeldekilerden anlamlı derecede düşüktür. Bunun nedeni çok aktiviteli modelde yüksek bir etkinlik değerine ulaşmanın, her iki aktivitenin üretim sürecinde de aynı anda başarılı olmaya bağlı olmasıdır. Hâlbuki klasik modelde bu iki aktivite arasında bir ikame mümkün olabilmekte ve bu nedenle etkinliğin veya etkinsizliğin hangi aktiviteden kaynaklandığı belirlenememektedir.

2) Yine aynı nedenle, klasik modelde 8 etkin üniversite mevcutken, ÇA-VZA modelinde bütünsel olarak etkin iki üniversite vardır: Gazi Üniversitesi ve Orta Doğu Teknik Üniversitesi. Bu üniversitelerin eğitim ve araştırma etkinlikleri de,

α

katsayılarından bağımsız olarak (her iki senaryoda da) 1’e eşittir. Klasik VZA çözümlemesinde etkin olan diğer birimler yalnızca bir aktivitede etkin olmuşlardır. Dumlupınar, Kocaeli, Marmara ve Sakarya Üniversiteleri “Eğitim Etkin” iken; Erciyes ve İzmir Yüksek Teknoloji Enstitüsü “Araştırma Etkin”dir. Dahası bu üniversitelerin iki aktivitesindeki etkinlik skorları arasındaki farklar oldukça yüksektir. Örneğin, İzmir Yüksek Teknoloji Enstitüsü açıkça araştırma ağırlıklı bir kurumdur, zira hem araştırma etkindir hem de araştırma etkinliği ile eğitim etkinliği arasındaki fark en yüksek değerdedir. Benzer bir yorum, eğitim etkin Sakarya Üniversitesi için de yapılabilir.

3) Tüm üniversiteler bir arada değerlendirildiğinde, eğitim etkinliği araştırma etkinliğinden yüksek olan 17 üniversite gözlemlenirken, araştırma etkinliği yüksek 26, iki etkinlik derecesi eşit olan 2 üniversitenin (etkin birimler Gazi Ü. ve O.D.T.Ü.) bulunduğu görülmektedir. Bunun yanısıra, araştırma etkinliği ortalaması 0.67 ile eğitim etkinliği ortalamasından (0.65) iki puan

fazladır. Bu sonuçlara bakarak Türkiye’deki kamu üniversitelerinin -belki de sanılanın aksine- araştırma etkinliklerinin, eğitim etkinliklerinden yüksek olduğu sonucuna varılabilir.

4) Senaryo-1’de elde edilen sonuçlar ile Senaryo-2’nin çıktıları Tablo 5’te listelenen değerler açısından karşılaştırıldığında şu sonuçlara ulaşılmaktadır:

- Senaryo-2’de üniversitelerin daha etkin oldukları aktiviteye yüksek öncelik atayarak, toplamda daha yüksek etkinlik değerlerine ulaştıkları ve bu şekilde sistemin bütünsel etkinlik skorunun da 0.66’dan 0.72’ye yükseldiği görülmektedir.

- Her birimin Senaryo-1’de etkin olduğu aktivitedeki skorunu (1.00) koruduğu; diğer deyişle bir aktivitede (veya her ikisinde birden) etkin olan birimin yine aynı aktivitede etkin kaldığı görülmektedir. Dolayısıyla belirli bir aktivitede etkin birimler

α

katsayılarına karşı söz konusu aktivite açısından duyarsızlardırlar. Bu sonuç teorik beklentilerle tutarlıdır (Tsai ve Mar-Molinero, 2002: 30).

- Bölüşüm katsayıları için gerçekleştirilen duyarlılık analizinde, Senaryo 2’de seçilen sınırların gevşetilmesi ile her karar biriminin etkin olduğu faaliyete daha fazla kaynak ayırma imkânına kavuştuğu, böylece etkinliğini artırabildiği görülmüştür. Örneğin 0.95≥

μ

c,

β

g ≥0.25 aralıkları ile tüm üniversiteler için

tekrar çözümleme yapılmış, Tablo 5’te gösterilen ÇA-VZA etkinlik skorlarının, halihazırda etkin olan birimler hariç olmak üzere (0-2.9] puan arasında arttığı gözlenmiştir. Bu yeni durumda etkinlik skorunu en fazla geliştirenler bir önceki durumda iki faaliyetteki etkinlik skorları arasında en fazla fark olanlardır.

- 1’e göre aktivite bazında etkin olmayan birimler ise Senaryo-2’de aktivitelerine farklı öncelik ağırlıkları atayarak toplamda daha etkin bir pozisyona ulaşmışlardır. Yeni durumda bazıları -daha az etkin oldukları- aktivitedeki etkinlik skorundan az da olsa ödün vermek zorunda kalmışlardır. Ancak bu, sistemin doğası gereği beklenen bir sonuçtur. Zira asıl önemli olan, tüm (ağırlıklı) çıktıların tüm (ağırlıklı) girdilere oranına veya önceliklere bağlı olarak verilen toplam etkinliğin (amaç fonksiyonunun) maksimize edilmesidir. Önceliklere bağlı ve bu tanımlamayla uyumlu amaç fonksiyonlarının eşitliği (4’)’de gösterilmişti.

Özetle burada prensip, bir karar biriminin yaptığı en iyi işe odaklanarak, daha etkin olduğu aktiviteye daha fazla değer atamasıdır (Tsai ve Mar-Moliero, 2002: 31). Buna göre,

α

katsayıları değiştiğinde, paylaşılan girdi ve çıktılarının aktivitelere aktarım katsayıları ve girdi-çıktılara verilecek ağırlıklar değiştirilecektir. Bunu her birim kendi özelliğine ve rakiplerinin göreli pozisyonlarına göre ayarlayacaktır.