Üniversite ders ve sınav programlarının web tabanlı uygulama ile planlanması: Dokuz Eylül Üniversitesi İzmir Meslek Yüksekokulu örneği

Abstract

Bu tez çalışmasında, Dokuz Eylül Üniversitesi İzmir Meslek Yüksekokulu’nda ders zaman planlama süreçlerinin mevcut sorunları analiz edilmiş, manuel veya yarı manuel yöntemlerin yüksek hata oranına sahip olduğu, çakışmaların sık yaşandığı ve planlama sürecinin uzun sürdüğü belirlenmiştir. Bu sorunlara çözüm üretmek amacıyla, ilgili alanda yapılan akademik çalışmalar ile benzer okulların çözümleri incelenmiş ve literatür taraması gerçekleştirilmiştir. Elde edilen sonuçlar değerlendirilip soruna çözüm üretecek web tabanlı bir ders zaman planlama uygulaması geliştirilmiştir. Uygulama ile karşılaştırma yapmak için; klasik kısıt tabanlı hesaplama ve genetik algoritma kullanarak iki yöntemle hesaplama yapılmıştır. İki yöntem karşılaştırıldığında Genetik Algoritma (GA) tabanlı çözümün daha başarılı olduğu görülmüş; çakışmalar ve planlama süresinin kısalması gibi önemli iyileştirmeler sağlanmıştır. Bu bulgular, literatürde Genetik Algoritmanın karmaşık çizelgeleme problemlerinde başarılı performans gösterdiğini belirten çalışmalarla uyumludur.

This thesis analyzes the existing problems in the course scheduling processes at Dokuz Eylül University İzmir Vocational School. It was determined that manual or semi-manual methods have high error rates, frequent conflicts, and lengthy scheduling processes. To address these problems, academic studies in the relevant field and solutions from similar schools were examined, and a literature review was conducted. The results were evaluated, and a web-based course scheduling application was developed to solve the problem. Comparison was made using two methods: classical constraint-based calculation and genetic algorithm. The Genetic Algorithm (GA) based solution was found to be more successful, providing significant improvements such as reduced conflicts and shorter scheduling times. These findings are consistent with studies in the literature indicating that the Genetic Algorithm performs successfully in complex scheduling problems.