Daha yüksek eğitim sıralamalarının doğru tahmini için bulanık zaman serisi destekli bir topluluk yaklaşımı

Yarınki üniversite sıralamaları neden bugün önemli

Birçok aile için üniversite seçimi belirsiz bir geleceğe bahis yapmak gibi gelir. COVID‑19 salgını gibi küresel çalkantılar kampüs yaşamını, finansmanı ve araştırmayı aniden sarsabilir; bu da tanıdık lig tablolarının yıldan yıla öngörülemez biçimde dalgalanmasına yol açar. Bu çalışma, bu belirsizliği görmezden gelmek yerine kucaklamaya çalışan yeni bir sıralama tahmin yöntemi sunar—böylece öğrenciler, veliler ve politika yapıcılar kararlarını sabit anlık görüntüler yerine gerçekçi, ileriye dönük beklentilere dayandırabilirler.

Sıralamalar nasıl hareketli hedef haline geldi

Shanghai Rankings, QS ve Times Higher Education gibi uluslararası lig tabloları öğrenci başvurularından devlet desteğine kadar pek çok şeyi yönlendirir. Bunlar öğretim kalitesi, araştırma çıktısı, öğrenci sonuçları ve uluslararası varlık gibi faktörleri yansıtır. Ancak salgın, bu ölçütlerin ne kadar kırılgan olabileceğini ortaya koydu: kayıtlar düştü, laboratuvarlar kapandı, dijital altyapı zorlandı ve seyahat kısıtlamaları uluslararasılaşmayı baltaladı. Geleneksel tahmin yöntemleri geleceğin geçmişe çok benzeyeceğini, kalıcı desenler ve istikrarlı eğilimler olacağını varsayar. Bu varsayımlar, COVID döneminde olduğu gibi başarısız olduğunda tahminler yanıltıcı olabilir ve kurumlar ile sıralamalara dayanarak nerede okuyacaklarına karar veren öğrenciler için riski gizleyebilir.

Hesaba belirsizliği sokmak

Yazarlar, sıralamaları sabit noktalar olarak değil, bulanık, kaygan büyüklükler olarak ele alan bir yöntem öneriyor. Her üniversiteye tek ve kesin bir sayı atamak yerine model, bu sıralamayı birbiriyle örtüşen birkaç banda yayarak bir kurumun eşik yakınında olabileceğini veya kriz yıllarında olağanüstü dalgalı davranabileceğini kabul eder. Özellikle salgından etkilenen dönemlerden gelen güncel veriler, uzak tarihlerden daha fazla ağırlıklandırılır; bu yaklaşım geçen yılın çalkantılarının on yıl önceki olaylardan daha çok önem taşıdığı fikrini yansıtır. Bu “bulanık” bakış, kesin ortalamaların yakalayamadığı belirsizliği ve kısa vadeli şokları yakalar.

Benzer yolculukları kümelendirip zayıf tahminleri budamak

Bu daha bulanık tabloyu somut tahminlere dönüştürmek için model, zaman içinde benzer sıralama yolları izleyen üniversiteleri gruplar; salgın yıllarında birçok kurumun ani düşüşler veya yükselişler yaşadığı özel kümeler de oluşturulur. Her küme içinde ayrı tahmin makineleri eğitilir ve her biri tarihin biraz farklı bir diliminden öğrenir. Özel bir budama adımı en zayıf ve en düzensiz makineleri eler, yalnızca en güvenilir olanları tutar ve bunların çıktıları birleştirilir. Bu topluluk yaklaşımı, aşırı özgüvenli tek bir modelin ya da tek bir sıradışı veri yılının tahmini domine etme riskini azaltır.

Modeli eğitim ve ötesinde test etmek

Araştırmacılar yöntemlerini 2008–2021 dönemini kapsayan Shanghai küresel sıralama verileri üzerinde değerlendirdiler; bu dönem hem COVID öncesi hem de sonrası yılları içeriyor. Ayrıca yöntemin çok farklı belirsizlik türleriyle başa çıkıp çıkmadığını görmek için hisse senedi fiyatları, deniz buzu ölçümleri, hava kalitesi ve öğrenci kayıtları gibi zaman bağımlı diğer verilerde de test ettiler. Bu durumların tümünde toplulukları, birkaç yerleşik bulanık zaman serisi tekniğinden daha tutarlı biçimde daha doğru tahminler üretti. Özellikle üniversite sıralamaları için model, ortalama yüzde hatayı yaklaşık %7’ye düşürdü ve bir üniversitenin sıralamada yükseleyip yükelmeyeceğini yön olarak doğru tahmin etme oranı %80’in üzerinde oldu.

Daha iyi tahminlerden daha adil tercihlere

Basitçe ifade etmek gerekirse, çalışma “bilmediğini bilen” bir sıralama tahmini inşa etmenin mümkün olduğunu gösteriyor. Belirsizliği, ani şokları ve güncel olayların daha büyük ağırlığını açıkça modelleyerek önerilen sistem, üniversitelerin nereye doğru gittiğine dair sadece geçmişi değil daha güvenilir görüntüler sunuyor. Bu, ailelerin tek seferlik düşüşlere aşırı tepki vermekten kaçınmasına yardımcı olabilir, kurumlara dijital hazırlık veya araştırma gücüne yatırım yaparken rehberlik edebilir ve kalite eğitimi genişletme ile eşitsizliği azaltma yönündeki kamu çabalarını bilgilendirebilir. Hiçbir model sıralamaları kusursuzca tahmin edemezken, bu çalışma en azından onları belirsizlik konusunda dürüst ve geleceği üzerinde söz sahibi olan insanlar için daha faydalı biçimde tahmin edilebileceğini öne sürüyor.

Atıf: Agarwal, N., Tayal, D.K., Rajeena, P.P.F. et al. A fuzzy time-series driven ensemble approach for accurate forecasting of higher education rankings. Sci Rep 16, 13329 (2026). https://doi.org/10.1038/s41598-026-40570-y

Anahtar kelimeler: üniversite sıralamaları, eğitim tahmini, bulanık zaman serisi, COVID-19 etkisi, topluluk öğrenmesi