İşe Alım Süreçlerinde Karar Kalitesini Artırmaya Yönelik Hibrit Bir Model: MAUT ve TOPSIS Uygulaması

Bu çalışma, işe alım süreçlerinde karar kalitesini artırmak amacıyla MAUT (Multi Attribute Utility Theory) ve TOPSIS (Technique for Order Preference by Similarity to Ideal Solution) tabanlı bir karar destek modeli geliştirmeyi hedeflemektedir. Model, insan kaynakları departmanlarının karşılaştığı zaman kaybı, maliyet ve subjektiflik gibi sorunlara çözüm sunmayı amaçlamaktadır. Modelin geliştirilmesinde çok kriterli karar verme yöntemlerinden MAUT ve TOPSIS kullanılmıştır. Çevrim içi iş ilanlarından ve kamu personel alım duyurularından elde edilen verilerle kriterler belirlenmiş ve ağırlıklandırılmıştır. Python tabanlı doğal dil işleme teknikleriyle veri temizleme süreci yürütülmüş ve uzman görüşleri doğrultusunda kriter ağırlıkları belirlenmiştir. Model, adayların mezuniyet bilgisi, web teknolojilerine hâkimiyet, veri tabanı bilgisi, yabancı dil seviyesi, proje deneyimi ve iş tecrübesi olmak üzere altı kriter üzerinden değerlendirmiştir. Rastgele özelliklere sahip beş farklı temsili aday üzerinde yapılan uygulama sonucunda, modelin adaylar arasında objektif ve tutarlı bir sıralama sağladığı görülmüştür. Çalışma, MAUT ve TOPSIS yöntemlerini birlikte kullanarak işe alım süreçlerine entegre edilebilir esnek ve uygulanabilir bir sistem önermektedir. Bu yönüyle hem akademik hem de kurumsal düzeyde karar verme süreçlerine katkı sağlamaktadır.