Gemi adamlarının işe alım süreci için ölçme değerlendirme sisteminin geliştirilmesi

Abstract

Denizcilik sektörü, insan hatasına bağlı kazaların yüksek sıklıkta meydana gelmesi nedeniyle ciddi düzeyde operasyonel ve güvenlik riskleriyle karşı karşıyadır. Bu durum, gemi adamı işe alım süreçlerinin yalnızca idari bir prosedür olarak değil, aynı zamanda güvenlik odaklı bir risk yönetimi aracı olarak ele alınmasını zorunlu kılmaktadır. Mevcut uygulamalarda, psikolojik değerlendirme araçlarının yetersizliği ve dijital teknolojilerin sınırlı düzeyde entegrasyonu, adayların bütüncül bir şekilde değerlendirilmesini engellemekte; bu da nitelikli personelin doğru biçimde seçilmesini zorlaştırmakta ve işe alım süreçlerinin standartlaşmadan uzak, kişisel yargılara dayalı ve önyargılı kararların etkisinde yürütülmesine zemin hazırlamaktadır. Ayrıca, sektör içerisindeki çeşitliliğin azalması ve belirli demografik grupların sistematik olarak dışlanması gibi yapısal sorunlar da bu sürecin doğrudan bir sonucu olarak ortaya çıkmaktadır. İnsan hatalarının denizcilik kazalarındaki belirleyici rolü göz önüne alındığında, işe alım süreçlerinin yeniden yapılandırılması ve bu sürecin veri temelli, nesnel ve bilimsel ilkeler çerçevesinde kurgulanması kaçınılmaz hale gelmektedir. Bu bağlamda, bu çalışma denizcilik sektöründe gemi adamı seçim süreçlerine yönelik yeni bir ölçme ve değerlendirme sistemi geliştirmeyi amaçlamaktadır. Çalışma yalnızca pratik düzeyde bir ihtiyaçtan değil, aynı zamanda insan kaynakları yönetimi, karar destek sistemleri ve örgütsel psikoloji literatüründe tanımlanan değerlendirme eksikliklerinden hareketle şekillendirilmiştir. Hedeflenen model, yalnızca mesleki yeterlilikleri değil, aynı zamanda adayların psikolojik özelliklerini de dikkate alarak, insan hatalarını en aza indirmeye yönelik; nesnel, şeffaf ve manipülasyona kapalı bir yapı sunmaktadır. Bu amaç doğrultusunda, Minnesota Çok Yönlü Kişilik Envanteri (MMPI) ile makine öğrenimi algoritmaları bir araya getirilmiş ve sektörün mevcut işe alım stratejilerine yenilikçi, etik ve işlevsel bir alternatif sunulması hedeflenmiştir. Çalışmada, gemi adamlarının işe alım süreçlerini analiz etmek ve iyileştirme önerileri sunmak amacıyla karma bir araştırma yaklaşımı benimsenmiştir ve üç ana aşamada gerçekleştirilmiştir. İlk aşamada, literatür taraması yapılarak işe alım süreçlerine dair mevcut bilgi birikimi değerlendirilmiştir. İkinci aşamada, gemi adamlarına yönelik anket çalışmaları yürütülerek işe alım süreçlerindeki sorunlar ve geliştirme alanları tespit edilmiştir. Son aşamada ise, elde edilen veriler kullanılarak makine öğrenimi temelli bir model geliştirilmiş ve bu model ile işe alım süreçlerinin etkinliği değerlendirilmiştir. Bu çok aşamalı yöntem, hem mevcut sürecin eksikliklerini anlamayı hem de veri odaklı bir yaklaşım ile yenilikçi çözümler sunmayı amaçlamaktadır. Nicel ve nitel yöntemlerin bir arada kullanıldığı bu araştırma, sektörel gereksinimlere uygun bir analiz ve değerlendirme sağlamayı hedeflemiştir. Tarama Araştırmasında elde edilen bulgular, işe alım süreçlerinin operasyonel etkinlikten yoksun olduğunu ve süreçlerde şeffaflık ile bilgilendirme eksiklikleri bulunduğunu göstermiştir. Gemi adamlarının işe alım testlerine yönelik algıları genellikle olumsuz olup, çalışanlar gemideki ekip arkadaşlarının iş için yeterince donanımlı olmadığını ve psikolojik olarak bu ortama uygun olmadığını düşünüyor. Bu da işe alım süreçlerinin yalnızca bireylerin işe alınmasını değil, gemideki genel çalışma ortamını ve iş birliğini de olumsuz etkilediğini gösteriyor.Bu bağlamda, araştırma soruları büyük ölçüde cevaplanmış; işe alım süreçlerinin geliştirilmesi gerektiği sonucuna ulaşılmıştır. Son aşamada ise, denizcilik öğrencilerine ait verilerden yararlanarak, adayların uygunluklarını öngörmek amacıyla insan kaynakları analitiği yaklaşımında makine öğrenimi metodolojilerini kullanmaktadır. Bu yeni metodoloji, denizcilik sektöründeki geleneksel işe alım süreçlerine yenilikçi bir yaklaşım sunarak mevcut literatürde önemli bir eksikliği gidermeye yönelik bir potansiyele sahiptir. Önerilen yöntem, mevcut veri setlerini analiz ederek gelecekteki değerleri tahmin etmeyi hedefler. Çalışmada, 183 gönüllü adaydan başvuru formu ve MMPI-I Kişilik Envanteri kullanılarak toplananan veri, çeşitli makine öğrenimi algoritmalarıyla sınıflandırılmıştır. Veri seti, birkaç makine öğrenme algoritması kullanılarak sınıflandırılmış ve performans metrikleri karşılaştırılmıştır. En iyi performansa sahip beş sınıflandırma algoritması (Karar ağacı, PNN, rastgele orman, gradient boost ağaçları ve naive Bayes) değerlendirilmiş ve en iyi doğru sınıflandırma performansı GBT algoritması ile elde edilmiştir. Sonuçlar, en yüksek değerlerin Gradient Boosted Trees (%86) ve Random Forest (%80) için olduğunu ve GBT algoritmasının diğer metriklerde de daha yüksek değerlere sahip olduğunu göstermiştir. Elde edilen bulgular, makine öğrenmesi destekli veri analitiği yöntemlerinin işe alım süreçlerine başarıyla entegre edilebileceğini ve bu sayede daha isabetli aday seçimi ile önyargıların azaltılmasının mümkün olduğunu ortaya koymuştur. Özellikle nepotizm, öznellik ve psikolojik uygunluk değerlendirmelerinin ihmal edilmesi gibi mevcut yapısal sorunların giderilmesine katkı sunan bu yaklaşım, işe alım kararlarının daha nesnel, tutarlı ve bilimsel temellere dayalı biçimde gerçekleştirilmesine olanak sağlamaktadır. Ayrıca GBT algoritması gibi makine öğrenimi tekniklerinin yüksek doğruluk oranlarıyla işe alım süreçlerini daha etkili hale getirebileceği gözlemlenmiştir. Çalışmanın teorik, pratik ve sektörel düzeyde ki katkıları aşağıdaki gibidir : Teorik Katkı: Çalışma, literatüre denizcilik sektöründe makine öğrenimi yöntemlerinin psikolojk testlerle birlikte işe alım süreçlerine uygulanabilirliğini gösteren ilk çalışmalar arasında yer almaktadır. Pratik Katkı: Denizcilik sektöründeki şirketler, bu çalışmanın önerdiği veri odaklı işe alım yaklaşımı ile daha adil ve etkili bir personel seçme süreci yürütebilir. Sektörel Katkı: Çalışma, OCIMF gibi sektörel düzenlemelere uyumlu ve desteklenen bir işe alım modelinin geliştirilmesine olanak tanıyarak, denizcilik sektöründe daha sürdürülebilir ve etkin insan kaynakları yönetimine katkıda bulunmuştur. Sonuç olarak, geliştirilen modelin yalnızca insan kaynaklı hataların azaltılmasına değil, aynı zamanda işe alım süreçlerinin güvenilirliğinin ve kurumsal verimliliğinin artırılmasına önemli ölçüde katkı sağlaması beklenmektedir. Modelin sunduğu veri temelli yaklaşım, bireysel performans öngörülerinin ötesine geçerek, gemi operasyonlarının genel güvenlik seviyesine ve operasyonel etkinliğine doğrudan katkı sunabilecek stratejik bir araç niteliği taşımaktadır. Bu yönüyle çalışma, denizcilik sektöründe sürdürülebilir, objektif ve bütüncül insan kaynakları uygulamalarının geliştirilmesine yönelik ekonomik ve yapısal katma değer üretmeyi amaçlamaktadır.