Yükseköğretim kalite süreçlerinde yapay zeka yöntemleri ile kurum olgunluk düzeyinin değerlendirilmesine yönelik bir model önerisi

Yükseköğretim Kalite Kurulu (YÖKAK) üniversitelerin kalite olgunluk düzeylerini, Kurum İç Değerlendirme Raporu (KİDR)'da yer alan Dereceli Değerlendirme Anahtarı (DDA) kullanarak belirlemektedir. Ancak yapılan çalışmalar, üniversitelerin DDA düzeylerini belirleme süreçlerinde tutarsızlıklar yaşandığını, iç ve dış değerlendirme puanları arasında farklar oluştuğunu ve nesnelliğin tam anlamıyla sağlanamadığını göstermektedir. Bu tez çalışmasında, yükseköğretim kurumlarında kalite güvence süreçlerinin değerlendirilmesine yönelik yapay zekâ destekli bir uygulama modeli önerilmiştir. Araştırmanın temel amacı KİDR metinlerinin doğal dil işleme (NLP) yöntemiyle analiz edilerek, kurumların kalite olgunluk düzeylerinin nesnel biçimde sınıflandırılmasını sağlamaktır. Araştırma, YÖKAK DDA yapısı temel alınarak liderlik-yönetişim, eğitim-öğretim, araştırma-geliştirme ve toplumsal katkı olmak üzere dört ana alanda oluşturulan veri setleriyle yürütülmüştür. Bu veri setleri, akreditasyon sahibi 103 üniversitenin iç değerlendirme raporlarından cümle düzeyinde derlenmiş ve beş olgunluk düzeyine göre etiketlenmiştir. Çalışmada hem makine öğrenmesi algoritmaları (Naive Bayes, Lojistik Regresyon, Destek Vektör Makineleri, Rastgele Orman, XGBoost) hem de derin öğrenme modelleri (BERTurk, Electra_TR, RoBERTa, TURQUA, XLM-R DistilRoBERTa) kullanılarak sınıflandırma performansları karşılaştırılmıştır. Veri ön işleme ve modelleme süreçleri, Google Colab Pro+ ortamında Python tabanlı olarak gerçekleştirilmiştir. Sonuçlar, modellerin %80,58–%93,63 arasında doğruluk sergilediğini ve derin öğrenme modellerinin genel olarak daha yüksek performans elde ettiğini göstermektedir. Araştırmanın uygulama aşamasında, model çıktılarının görselleştirilmesi için web tabanlı bir karar destek sistemi geliştirilmiştir. Bu sistem, kullanıcıların metin girişi yaparak olgunluk düzeyi tahminlerini anlık olarak görüntüleyebilmesini sağlamaktadır. Sonuç olarak, bu tez çalışması, yükseköğretim kurumlarında kalite güvence süreçlerinin dijital dönüşümüne katkı sağlayan, metin temelli veri analizi ve yapay zekâ yöntemlerini birleştiren yenilikçi bir model ortaya koymaktadır. Geliştirilen sistem, iç değerlendirme raporlarının nesnel biçimde analiz edilmesini kolaylaştırmakta ve kalite yönetimi birimlerine karar destek aracı olarak kullanılabilecek bir altyapı sunmaktadır.