Akıllı Kampüs Model Önerisi

Abstract

Akıllı Kampüs, kullanıcının birincil ihtiyaçlarını desteklemek, daha yüksek beceri kazanmaya zorlamak ve problem çözmeyi motive etmek için karmaşık sistem etkileşimlerinden oluşan kampüs yaşamında teknolojiyi kullanan bir kavram olarak tanımlanabilmektedir. Akıllı kampüsler, eğitim kurumlarının gelişmiş hizmetler, karar verme, kampüs sürdürülebilirliği vb. için akıllı teknolojileri fiziksel altyapıyla birleştirerek, gelişmelerine olanak tanımaktadır. Kampüs ortamındaki öğretme ve öğrenme sürecinde ve diğer hizmetlerde daha iyi deneyimi desteklemek ve geliştirmek için girişimler içerir. Bu çalışmanın amacı, üniversitelerde, dijital dönüşüm faaliyetlerinin yaygınlaştığı ortamda akıllı kampüs tasarımını etkileyen kriterleri önceliklendirmek ve akıllı kampüs performanslarını karşılaştırmaktır Çalışma kapsamında, sekiz ana kriter, yirmi sekiz alt kriter ve 3 üniversite belirlenmiştir. Verilerin analizinde, Bulanık Analitik Hiyerarşi Prosesi (B-AHP) ve Bulanık MAIRCA (B-MAIRCA), Bulanık TOPSIS (B-TOPSIS) ve Bulanık CoCoSo yöntemleri tercih edilerek değerlendirmeler yapılmıştır. Çalışmada önerilen metodoloji ile sektöre ve yazına katkı sağlayacağı umulmaktadır.Digital transformation activities are spreading in universities as in every field. Smart Campus can be defined as a concept that uses technology in campus life consisting of complex system interactions to support the user's primary needs, to force them to acquire higher skills and to motivate problem solving. Smart campuses enable educational institutions to develop by combining smart technologies with physical infrastructure for improved services, decision making, campus sustainability, etc. It includes initiatives to support and enhance better experience in the teaching and learning process and other services in the campus environment. The aim of this study is to prioritise the criteria affecting smart campus design in universities and to compare their smart campus performances. Within the scope of the study, eight main criteria, twenty-eight sub-criteria and three universities were identified. In the analysis of the data, Fuzzy Analytical Hierarchy Process (B-AHP) and Fuzzy MAIRCA (B-MAIRCA), Fuzzy TOPSIS (B-TOPSIS) and Fuzzy CoCoSo methods were preferred. It is hoped that the methodology proposed in the study will contribute to the sector and the literature.