İnsan Kaynakları yönetiminde Yönetim Bilişim Sistemlerinin uygulanması
Yüklə 468,06 Kb.
|
- Bu səhifədəki naviqasiya:
- - Sabit sermayeye gayrisafi ilaveler
- İşyeri sayısı (adet)- Girdi (milyon TL.)- Çıktı (milyon TL.)- Katma değer (milyon TL.)- Çalışan sayısı- Çalışılan saatler- Sabit sermayeye gayrisafi ilaveler- Ücret ödemeleri (milyon TL.)- Stok değişmeleri (milyon TL.)Bu ölçümlerde verimlilik, bağımlı bir değişkendir (açıklanan). Yani verimlilik oranı yukarıdaki değişkenlere göre hesaplanmakta ancak bu değişkenlerin hangi etkenlere göre değiştiği konusu ihmal edilmektedir. Oysa sosyal entropi verimliliğin azlık ya da çokluğunu ilişkiler sisteminin kuruluş ve işleyişine göre açıklayan bir bağımsız değişkendir. İşletmeler, dışarıdan aldıkları girdileri, başkalarının gereksinmelerini karşılayacak şekilde çıktılara dönüştürme yoluyla elde ettikleri gelirler vasıtasıyla varlıklarını ve gelişmelerini sürdüren örgütlerdir. İşletmeler bu işi gerçekleştirirken bir enerji harcama durumundadırlar. Buradaki kullanımıyla enerji,”bir sistemin iş yapabilme kapasitesidir”. Sosyal entropi, söz konusu sosyal sistemin iş yapabilme performansının bir ölçütü olmaktadır. Başka bir anlatımla sosyal entropi, iş grupları arasındaki örgütlenme, eşgüdüm ve haberleşme alanlarındaki sorunlar nedeniyle iş yapabilme kapasitesindeki azalışları ifade etmektedir. Kapasite kullanımındaki azalışlar, kullanılan bilgi, teknoloji, işgücü, doğal kaynaklar gibi girdilerden çok azının faydalı işe dönüştürülmesi biçiminde ortaya çıkmaktadır. Minimum entropi, işletme girdilerinde bir artış olmadan çıktılarda en çok artışın olduğu durumdur. Maksimum entropi ise girdilerde bir artış sağlanmasına karşılık çıktıda bir artışın sağlanamaması durumudur. Görüldüğü gibi sosyal entropiyle verimlilik ters orantılıdır. Sosyal entropi düştükçe verimlilik artmaktadır.17 İKİNCİ BÖLÜM ENTROPİ ÖLÇÜLERİ VE MAKSİMUM ENTROPİ İLKESİ 2.1. Shannon Entropi ölçüsü Her bir 
Olan bir olasılık dağılımı  
şeklindedir. Shannon tarafından bir belirsizlik ölçüsü olarak ortaya konan entropi kavramı, pek çok farklı özelliğe sahiptir. Temel birtakım özellikleri aşağıdaki gibi sıralanabilir:18
Eğer  veya  ise  ’dır.
Eğer Dolayısıyla mümkün her durum için
2.2. Bileşik Entropi  bileşik dağılımına sahip  rastlantı değişkenlerine ilişkin bileşik entropi,
şeklinde tanımlanır. Bileşik entropi, 
olarak da ifadeedilebilir.19Bileşik entropiden faydalanılarak bağımsız dağılımlara ilişkin toplam entropi değerine ulaşılabilir. 2.3. Koşullu Entropi Eğer  
şeklindedir.20 Koşullu entropi tanımı yardımıyla, bağımsız dağılımlara ilişkin toplam entropi değeri kolaylıkla elde edilebilir. Bileşik ve koşullu entropi tanımları dikkate alındığında görülür ki, iki rastlantı değişkenine ait bileşik entropi değeri, birinin entropisi ile diğerinin koşullu entropisinin toplamına eşit olur.
Göreli entropi, iki dağılım arasındaki uzaklığın bir ölçüsüdür. İstatistikte, olabilirlik oranının logaritmasının beklenen değeri olarak ifade edilir. Kullback - Leibler uzaklığı olarak da adlandırılır. 
şeklinde tanımlanır.21 Bu ölçü her zaman negatif olmayan değerle ralır.Yani, 2.5. Ortak Bilgi Ortak bilgi, bir rastlantı değişkeninin diğer bir rastlantı değişkeni hakkında içerdiği bilgi miktarının ölçüsüdür. Diğer rastlantı değişkeni ile ilgili olarak edinilen bilgiye göre, ilgilenilen rastlantı değişkeninin belirsizliğinde gerçekleşen azalma miktarını ifade eder. Ortak bilgi miktarı, aşağıda elde edildiği gibi entropi cinsinden de ifade edilebilir:
X ve Y rastlantı değişkenleri, bir stokastik sistem sırasıyla girdi ve çıktısı olarak düşünülebilir. 2.6. Redundans Bazı durumlarda, dağılımlara ilişkin entropi değerini, olası maksimum entropiyi göz önüne alarak değerlendirmek faydalı olur. Yani, dağılımın belirsizliği, olası maksimum belirsizliği içinde değerlendirilebilir. Dağılıma ilişkin bütün olasılık değerlerinin eşit olduğu durumda entropi değeri maksimum olur. Bu değer  
olarak verilen göreli entropi değeri, dağılımın belirsizliği hakkında bilgi verir. Dağılımın belirsizliği ne kadar yüksekse, göreli entropi değeri 1’e; ne kadar düşükse göreli entropi o kadar 0’a yaklaşacaktır. Verilen bu oran yardımıyla redundans kavramına ulaşılır. Redundans kavramı en genel şekliyle, 
olarak tanımlanır ve (0-1) aralığında değerler alır. Redundans değeri ne kadar büyükse, dağılıma ilişkin bilgi miktarı o kadar fazla, ne kadar küçükse bilgi miktarı o kadar azdır. Redundans değerinin 0’a yakınlığı, dağılımın belirsizliğinin yüksek, tahmin edilebilirliğinin ise o oranda az olduğunu gösterir. Örneğin, bir metnin redundansı yüksek ise, harflerin ya da kelimelerin belirli bir sıralanış biçimi olduğu yani rastgele bir dağılım göstermediği sonucuna ulaşılır. Claude Shannon, 1950 yılında ortaya koyduğu çalı.masında, İngiliz dilini entropi ve redundans özellikleri bakımından incelemiş ve ilginç sonuçlara ulaşmıştır. Bu çalışmasında Shannon, İngilizce’nin entropisinin tahmini için çeşitli yaklaşımlar ortaya koymuştur. Yaptığı çalışmalar sonucu, İngilizce için redundans miktarını yaklaşık %50 olarak bulmuştur. Bu sonuç ise, İngilizce’deki harflerin yaklaşık olarak yarısının fazlalık olduğu anlamına gelir. Genel olarak, İngilizce için redundans değerinin yüksek olması, kelimelerde yer alan çok sayıda benzerlikten kaynaklanır. Bilgi kuramı bakımından redundans, harflerin/sembollerin dilde nasıl verimli bir şekilde kullanıldığının bir ölçüsüdür. Redundansın yüksek olması, metinlerin tahminin daha kolay olacağına işaret eder.
Entropi, en genel şekliyle bilgi miktarının bir ölçüsüdür ve ilgilenilen olaya ilişkin olasılıkların bir fonksiyonu olarak ifade edilir. Entropi değeri, her bir duruma aynı oranda ağırlık vererek hesaplanır. Bununla birlikte, günlük hayatta, durumlardan her birinin farklı niteleyici özelliklere sahip olduğu olaylarla da karşılaşılabilir. Bu özellikler fayda olarak isimlendirilebilir. Örneğin, iki kişilik bir oyuna ilişkin bilgimiktarı ölçülmek istenirse, oyuncuların farklı oyun stratejilerinin olasılıkları ile birlikte bu stratejilere ait fayda değerlerinin de saptanması gerekebilir. Dolayısıyla, bir olayın meydana gelişi, iki tip belirsizliği ortadan kaldırır; olasılıklara bağlı olarak değişebilen sayısal değerler ve araştırmacının amacına bağlı olarak değişebilen fayda değerleri. Her bir duruma ilişkin ağırlık değeri, pozitif bir gerçel sayıdır ve olayın ortaya çıkma olasılığından bağımsız olarak belirlenir. Ortaya çıkma olasılığı yüksek bir olay, düşük bir fayda değerine sahip olabilirken, düşük olasılıklı bir olay daha yüksek bir ağırlık değerine sahip olabilir. Verilen rastlantı değişkenine ilişkin ağırlıklı entropi, 
şeklinde tanımlanır. Ağırlıklı entropi, bir takım önemli özelliklere sahiptir. Bunlardan birkaçı aşağıdaki gibi verilebilir:
Shannon’un bilginin bir ölçüsü olan entropi kavramını ortaya koyuşu, devamında pek çok çalışmaya da zemin hazırlamıştır. Bu anlamdaki en önemli çalışmalardan birisi de, Renyi tarafından yapılmıştır. Renyi, Shannon’un ortaya koyduğu entropi tanımını genelleştirerek Renyi entropisini tanımlamıştır. Fadeev, 1956 yılındaki çalışmasında, Shannon’un entropi ölçüsüne ilişkin aşağıdaki varsayımları ortaya koymuştur:
Entropinin toplamsallık özelliği,  ve  olasılık dağılımlarına ilişkin birleşik olayın entropisinin, olayların entropilerinin toplamına eşit olmasını gerektirir ve aşağıdaki gibi ifade edilebilir:
Burada, 
Bir rastlantı değişkenine ilişkin bilgi olarak yalnızca ortalama değerleri verildiğinde, sonsuz sayıda uygun dağılım bulunabilir. Jaynes, olası bütün dağılımlar arasından verilen kısıtlarla tutarlı olacak biçimde maksimum entropiye sahip olan dağılımın seçilmesi gerektiğini önermiştir. Shannon entropisini maksimize ederek sistemin dağılımını belirleyen bu yönteme Maksimum entropi ilkesi (MaxEnt), bu yolla elde edilen dağılıma da MaxEnt dağılımı denir. Rastlantı değişkenine ve verilen kısıtlara uygun çok sayıda dağılım olmakla birlikte, entropiyi maksimum yapan dağılım, bu dağılımlar arasında en yansız olanıdır. Laplace’nin ünlü yetersiz sebep ilkesi her bir olasılığın negatif olmaması ve olasılıkların toplamının bir olması dışında rastlantı değişkenine ilişkin başka hiçbir bilgiye sahip olunmaması durumunda, tekdüze dağılımın, var olan bilginin en tatmin edici temsilcisi olduğunu varsayar. Maksimum entropi ilkesi de, bu ilkenin doğal bir uzantısıdır. Bir ifadesi yazılabilir. Ayrıca olasılık değerleri arasında, 
eşitliğinin olması gerektiği bilinmektedir. Verilen bu iki denklem ile tutarlı olan sonsuz sayıda dağılım vardır. Maksimum entropi ilkesinde yapılmak istenen, bu dağılımlar arasından maksimum entropiye sahip olan dağılımın seçilmesidir. Bu amaçla, 
şeklinde tanımlanan Shannon entropisi maksimize edilerek uygun ÜÇÜNCÜ BÖLÜM ENTROPİ YÖNTEMİ İLE TÜRKİYE’NİN TURİZM SEKTÖRÜNÜN DEĞERLENDİRİLMESİ Bu çalışmada Türkiye’nin 2003-2014 yılları turizm performansı değerlendirilmiştir. Literatür taramasının sonucunda turizm geliri (K1-1000$), yerli ve yabancı ziyaretçi sayısı (K2), turizm belgeli tesis sayısı (K3), ortalama kalış süresi (gün-K4), turizm gelirinin GSMH payı (%-K5), iç hat yolcu sayısı (K6), dış hat yolcu sayısı (K7), ortalama harcama miktarı ($-K8), Amerikan Doları alış ortalaması (TL-K9), Euro alış ortalaması (TL-K10) kriterleri belirlenmiştir. Çalışmada kullanılan veriler www.tursab.org.tr, www.tuik.gov.tr ve www.tcmb.gov.tr’den alınmış ve kriterler dereceleri için Entropi Yöntemi tercih edilmiştir. Çünkü Entropi Yöntemi, verileri dikkate alarak dereceler hesapladığı için daha objektif bir yöntemdir. Performans değerlendirme için Gri İlişkisel Analiz Yöntemi kullanılmıştır. Bu yöntem sırlama yapabilme özelliğine sahiptir. Çalışmada kullanılan karar matrisi Tablo 1’de verilmiştir. Bu karar matrisi hem entropi yönteminde hem de Gri İlişkisel Analiz yönteminde kullanılacaktır. Tablo 1: Çalışmada Kullanılan Karar Matrisi
Kaynak: Yrd. Doç. Dr. Meltem Karaatlı, Entropi – Gri İlişkisel Analiz Yöntemi ile Bütünleşik Bir Yaklaşım (2016), Bölüm. 21, s.63. 3.1. Entropi Yöntemi İle Kriterlerin Derecelendirilmesi Çalışmada Entropi Yöntemi ile kriter dereceleri belirlendikten sonra Gri İlişkisel Analiz Yönteminde bu kriter ağırlıkları dikkate alınmıştır. Adım 1:İlk önce normalizasyon işlemi yapılır yani  değerleri hesaplanır. Normalizsyon işlemi için Tablo 1’deki karar matrisi kullanılmıştır. değerleri Tablo 2’de görülmektedir.
Tablo 2:  değerleri (Normalize Edilmiş Karar Matrisi)
Tablo 3:  değerleri
Adım 2: Eşitlik 2 yardımıyla  değerleri hesaplanır. değerleri Tablo 3’te görülmektedir.
Adım 3: Eşitlik 3 yardımıyla Tablo 4:  değerleri
Adım 4: Eşitlik 4 yardımıyla  değerleri hesaplanır. değerleri Tablo 5’te görülmektedir.
Tablo 5:  değerleri
Tablo 5’e göre önemi en fazla olan kriterler K6 % 26,5 (iç hat yolcu sayısı), K7 %10,5 (dış hat yolcu sayısı), K2 %5,7 (yerli ve yabancı ziyaretçi sayısı), K1 %5,4 (turizm geliri– 1000$) denilebilir. Önemi en az olan üç kriter ise K8 % 0,1(Euro alış ortalaması), K4 %0,1 (ortalama kalış süresi), K3 %0,8 (turizm belgeli tesis sayısı)’dır.
Adım 1: Tablo 1’deki karar matrisi dikkate alınmıştır. Adım 2: Karar matrisi oluşturulduktan sonra bütün kriterlerde maksimizasyon arzu edildiği ve karar matrisinin veri tekdüzeliğinin sağlanması için verilerin normalizasyonişlemigerçekleştirilir.Normalize edilmiş değerler Tablo 6’da görülmektedir. Tablo 6: Normalize Edilmiş Karar Matrisi
Adım 3: Gri İlişki Katsayısı hesaplanır. Her bir kriter ve her bir alternatif için Gri İlişki Katsayıları Tablo 7’ de görülmektedir. Öncelikle Tablo 8’de görülen Gri İlişki Derecesi hesaplanır ve Gri İlişki Derecelerinin sıralaması yapılır. Gri İlişki Dereceleri hesaplanırken Entropi Yöntemi yardımıyla bulunan Tablo 5’deki kriter dereceleri dikkate alınır. Tablo 7: Gri İlişki Katsayısı
Tablo 8: Gri İlişki Derecesi
Adım 4: Son olarakta gri ilişki derecelerinin sıralaması yapılır. Büyük değerli gri ilişki derecesinde küçük derecelere doğru alternatifler sıralanır. Tablo 9’da Gri ilişki derecelerinin sıralaması görülmektedir. Tablo 9: Gri İlişki Derecelerinin Sıralaması
Tablo 9’a göre yıllar itibariyle turizm performansının arttığı görülmektedir. Ancak 2005 yılı performans açısından 9. sırada ve 2006 yılı ise 10. sırada yer almıştır. SONUÇ Fiziğe ait bir kavram olarak ortaya çıkan entropi, bir sisteme ait belirsizliğin ve rastgeleliğin bir ölçüsü olarak tanımlanır. Entropi kavramını iletişim açısından ilk kullanan ve bilgi kavramı ile arasındaki ilişkiyi görerek pek çok bilim dalında kullanılmasını sağlayan bilim insanı Shannon’dur. Shannon’a göre, bir olay hakkında bilgi edinilmesi, ancak o olayın belirsizlik içermesi halinde söz konusu olabilir. Ortaya çıkması kesin olan bir durum meydana geldiğinde herhangi bir bilgi elde edilmez. Bir olayın ortaya çıkma olasılığı çok yüksek ise, içerdiği bilgi miktarı o oranda düşüktür. Benzer Şekilde, düşük olasılıklı bir olayın içerdiği bilgi miktarı da aynı oranda yüksektir. Alınan bilgi ile belirsizlik azalır. Ne kadar çok bilgiye sahip olunursa belirsizliğin o oranda azaldığı söylenebilir. Bir duruma ilişkin belirsizliği azaltmak için gerekli bilgi miktarı, aynı zamanda azaltılması gereken entropi miktarıdır. Bu yönüyle, bilgi kuramında, entropi kavramı ve belirsizlik kavramı aynı amaç için kullanılır. Shannon’un ortaya koyduğu entropi kavramı, fizik, matematik, istatistik, ekonomi gibi pek çok bilim dalında geniş uygulama alanları bulmuştur. Bunlardan birisi de, entropi kavramından yola çıkılarak ortaya konan entropi ölçüleridir. Maksimum entropi ilkesi ve minimum çapraz entropi ilkesi ise en önemli iki entropi optimizasyon ilkesidir. Maksimum entropi ilkesi, Jaynes tarafından ortaya konmuştur. Bir rastlantı değişkenine ilişkin bilgi olarak yalnızca ortalama değerleri verildiğinde, sonsuz sayıda uygun dağılım bulunabilir. Jaynes, olası bütün dağılımlar arasından verilen kısıtlarla tutarlı olacak biçimde maksimum entropiye sahip olan dağılımın seçilmesi gerektiğini önermiştir. Çünkü eklenen ilave bilgiyle belirsizliği azaltılmış ve maksimum entropi değerinden daha küçük bir entropiye sahip olan dağılımın seçilmesi yerine yalnızca var olan bilginin kullanıldığı ve belirsizliği maksimum olan dağılımın seçilmesi daha uygundur. Bu sayede, verilen bilginin tamamı kullanılır ve kullanılmaya uygun olmayan bir bilgiyle ilgili olarak da herhangi bir varsayım yapılmamış olur. Bu çalışmada ilk olarak, entropinin evrensel anlamı ve termodinamikteki yerine değinilmiş, işletmeler açısından önemine bakılarak entropi kavramı ele alınmıştır. Entropinin temel özelliklerine ve önemli entropi ölçülerine yer verilmiştir. Adından maksimum entropi ilkesi ele alınmıştır. Daha sonra ise aşağıda daha geniş kapsamda açıkladığımız entropi yöntemi ile Türkiye’nin yıllar geçtikçe turizm performansı ayrıntılı bir şekilde ele alınmıştır. Turizm gelirinin artması milli gelir ve diğer ekonomik göstergeler üzerinde önemli katkılar sağlayacağı için turizm sektörü Türkiye’nin önem vermesi gereken kilit sektörlerinden birisidir. Bu amaçla çalışmada Türkiye’nin turizm performansı, ekonomik veriler dikkate alarak incelemiştir. Turizm performans değerlendirmesinde Türkiye’de turizm hareketliliğini ortaya koyan göstergeler ele alınmıştır. Çalışmada analitik metotlardan olan Çok Kriterli Karar Verme yöntemleri dikkate alınarak Türkiye’nin 2003-2014 yılları arasındaki performansı turizm geliri ($), ziyaretçi sayısı, tesis sayısı, ortalama kalış süresi (gün), turizm gelirinin GSMH payı (%), iç hat yolcu sayısı, dış hat yolcu sayısı, ortalama harcama miktarı ($), Amerikan Doları alış ortalaması (TL), Euro alış ortalaması (TL) olmak üzere toplam 10 kriter dikkate alınarak kıyaslanmıştır. Her ne kadar birçok fayda kriteri açısından zamana bağlı artan bir trend sözkonusu olsa da özellikle ekonomik kriterler açısından artış ve azalışlar gözlemlenmektedir. Bu amaçla tüm kriterleri bir arada değerlendirmek için Çok Kriterli Karar Verme yöntemlerine başvurulmuştur. Çok Kriterli Karar Verme yöntemleri birbirleriyle çelişen birçok kritere dayalı alternatifler setini değerlendirmek için ortaya konulmuş analitik tekniklerdir. Bu çalışmada kriter dereceleri için daha objektif bir değerlendirme yöntemi olan Entropi Yöntemi tercih edilmiş, performans değerlendirme için de Gri İlişkisel Analiz Yöntemi kullanılmıştır. Entropi Yöntemine göre önemi en fazla olan kriterler K6 % 26,5 (iç hat yolcu sayısı), K7 %10,5 (dış hat yolcu sayısı), K2 %5,7 (yerli ve yabancı ziyaretçi sayısı), K1 %5,4 (turizm geliri– 1000$)’dir. Entropi yöntemi ile elde edilen en önemli üç kriterin zamana bağlı olarak artan bir seyir izlediği görülmüştür. Bu bağlamda Gri İlişkisel Analiz Yönteminin sonuçlarına da kriter dereceleri önemli ölçüde etkileyerek Türkiye’nin turizm performansının zamana bağlı olarak artırdığı söylenilebilir.
Yüklə 468,06 Kb. Dostları ilə paylaş:
|
değeriiçin
ve
ise, bu dağılıma ilişkin Shannon entropi ölçüsü,
’dır.
ise 
ve 
’dır.
olacaktır. Buradan entropinin hiçbir zaman negatif olmayacağı görülür.
permütasyonel olarak simetrik bir değerdir. 
değerlerinin kendi aralarında yer değiştirmesi entropinin değerini asla değiştirmez.
’ler için 
sürekli bir fonksyondur.
olması durumunda yani bütün olasılıkların birbirine eşit olduğu durumda ortaya çıkmaktadır.
ise 
koşullu entropi değeri,
ve 
iki olasılık dağılımı olmak üzere göreli entropi değeri,
’dır. Ancak ve ancak 
olduğu durumda eşitlik sağlanır. Bununla birlikte, simetrik değildir. Yani genel olarak 
olur.
, Y sonucu elde edilmeden önce X’e ilişkin belirsizlik miktarını gösterirken, 
, Y elde edildikten sonrakı belirsizliği ifade eder. Bu ikisi arasındaki fark, X ve Y rastlantı değişkenlerinin bağımlılığının bir ölçüsü olarak kabul edilebilir ve bu nedenle ortak (karşılıklı) bilgi olarak adlandırılır.22
olarak gösterilsin. Bu durumda,
,
için 
ise 
olur,
ise 
sonucuna ulaşılır.
değişkenlerinin simetrik bir fonksiyonudur.
için, 
,
’nin sürekli bir fonksyonudur.
şeklindedir. Renyi, verilen (a) ve (b) varsayımları ile birlikte yukardaki eşitlikten faydalanarak aşağıda ifade edilen bilgi ölçüsünü ortaya koymuştur:
rastlantı değişkeninin sonlu sayıda 
durumlarında bulunma olasılıkları 
olsun. Bu değişkene bağlı olan
fonksiyonlarının beklenen değerleri
ile gösterilirse,
olasılık değerleri elde edilir. Bu şekilde elde edilen dağılıma MaxEnt dağılımı denir.23
değerleri hesaplanır. 
