Kentsel yaşam kalitesinin çok boyutlu değerlendirmesi için makine öğrenimi çerçevesi

Şehir yaşamı neden sadece paradır?

“İyi” bir şehirden söz ederken genellikle ortalama gelir veya konut fiyatları gibi basit sayılara bakarız. Oysa günlük yaşam, güvenlik, temiz hava, toplu taşıma, sağlık hizmetleri ve hatta geleceğe dair hissettiğimiz güven gibi unsurlarla en az gelir kadar şekillenir. Bu çalışma, dünyanın en gelişmiş 99 şehrini ele alıyor ve soruyor: bu bileşenlerin birden fazlasını aynı anda dikkate alırsak, bazı yerlerin neden daha yaşanılır göründüğünü açıklayan gizli desenleri keşfedebilir miyiz — ve şehir yöneticileri birbirlerinden nasıl öğrenebilir?

Şehirlere birçok mercekten bakmak

Araştırmacılar uzun süredir devam eden bir tartışmayla başlıyor: yaşam kalitesi büyük ölçüde gelir ve eğitim gibi somut gerçeklerle mi, insanların tercihlerini ne ölçüde karşılayabildikleriyle mi yoksa günlük güvenlik, konfor ve memnuniyet hisleriyle mi değerlendirilmelidir? Bir görüşü seçmek yerine ekip kasıtlı olarak üçünü bir arada kullanıyor. Hem resmi küresel “yaşanabilirlik” sıralamalarına hem de şehir sakinlerinden gelen kitle kaynaklı puanlamalara dayanıyorlar. Verileri, maliyet, kira, market fiyatları ve alım gücü gibi para ile ilgili faktörler; eğitim, sağlık hizmetleri, güvenlik ve siyasi istikrar gibi sosyal faktörler; ulaşım ve altyapı gibi altyapı göstergeleri; kirlilik, temizlik ve şehir büyüklüğü gibi çevresel koşullar olmak üzere dört geniş alana ayrılan on bir tür ölçüt içeriyor.

Bilgisayarlara şehir ailelerini tanıtmaya

Bu ölçütlerin birçoğu birlikte hareket ettiğinden —örneğin pahalı marketleri olan şehirlerde genellikle genel yaşam maliyetleri de yüksektir— yazarlar düğümü çözmek için istatistiksel ve makine öğrenimi araçları kullanıyor. Önce tüm sayıları standartlaştırarak şehirlerin adil biçimde karşılaştırılmasını sağlıyorlar, ardından bunları on bir göstergenin üç birleşik “boyuta” sıkıştırıldığı bir teknik olan temel bileşenler analizine sokuyorlar. Bir boyut güçlü okullar, hastaneler ve alım gücü gibi klasik kalkınma göstergelerini yansıtıyor (yazarların adlandırmasıyla “normatif” görüş). İkinci boyut ise güvenlik, istikrar ve altyapıyı birleştirerek şehir yaşamının nasıl hissettirdiğini yakalayan “bireysel deneyim” boyutunu oluşturuyor. Üçüncü boyut nüfus ve çevresel kaliteyi bir araya getirip şehirlerin büyümeyi sağlıklı bir çevreyle nasıl dengelediğini vurgulayan “insan ekolojisi” boyutunu bağlıyor.

Üç tür başarılı şehir

Bu üç boyut elde edildikten sonra ekip, hangi şehirlerin genel olarak birbirine benzediğini görmek için bir kümeleme yöntemi kullanıyor. Bilgisayar üç ayrı grupta duruyor. Birinci küme Viyana, Tokyo ve San Francisco gibi zengin Kuzey Amerika, Avrupa ve Asya şehirlerini topluyor. Bu yerler geleneksel yaşam kalitesi puanlarında öne çıkıyor ancak yaşanmış deneyim ve çevresel denge açısından şaşırtıcı derecede zayıf performans gösteriyor; genellikle yüksek maliyetler, kalabalık koşullar ve zenginliklerinin işaret ettiğinden daha zayıf günlük güvenlik veya temizlik karışımları görülebiliyor. İkinci küme Kopenhag, Abu Dabi ve Taipei gibi birçok Avrupa ile birkaç Körfez ve Doğu Asya kentini içeriyor. Bu şehirler daha dengeli bir profil sergiliyor: sağlam ekonomik performans, güçlü güvenlik, iyi altyapı ve görece daha iyi çevresel koşulların birleşimi.

Yükselen şehirler ve gizli güçlü yönler

Üçüncü küme çoğunlukla Mumbai, Nairobi ve São Paulo dahil olmak üzere Asya, Afrika ve Latin Amerika’daki yükselen ekonomilere ait büyük şehirlerden oluşuyor. Gelir, eğitim ve sağlık harcamaları gibi konvansiyonel ölçütlerde bu yerler ilk iki kümenin gerisinde kalıyor. Buna karşın analiz, az değer verilen güçlü yönleri ortaya koyuyor: deneyimsel ve ekolojik boyutlarda orta düzey puanlar bazı şehirlerin günlük güvenlik veya çevresel kalite açısından gelir düzeyleri tek başına işaret ettiğinden daha iyi olduğunu ya da en azından nüfus baskılarını beklenenden daha etkili yönettiklerini gösteriyor. Kümeleri en güçlü ayıran bileşenleri anlamak için yazarlar karar ağaçları ve güçlendirme (boosting) modelleri —yapay zekânın basit formları— eğitiyor. Bu modeller siyasi istikrarı en önemli ayırıcı olarak, ardından eğitim, çevresel kalite, kira düzeyleri ve altyapıyı öne çıkarıyor; politikanın en büyük farkı yaratabileceği müdahale noktalarına işaret ediyor.

Bu insanların ve politika yapıcıların ne işine yarar?

Uzman olmayanlar için temel mesaj şu: kentsel refah maaş veya gayri safi yurt içi hasıla ile indirgenemez. Bazı yüksek gelirli şehirler yine de güvenli, keyifli ve çevresel açıdan sağlıklı günlük yaşam sunmakta zorlanırken, bazı daha düşük gelirli devlerin bu alanlarda şaşırtıcı güçlü yönleri olabiliyor. Benzer profillere sahip şehirleri gruplandırarak çalışma, “kardeş şehir” öğrenmesi için bir yol haritası sunuyor: aynı kümeye giren yerler ortak zorluklar için stratejiler paylaşabilir, farklı kümelerde olanlar ise başkalarının parayı, hizmetleri, güvenliği ve çevreyi nasıl daha iyi dengelediğini inceleyebilir. Sonuç olarak yazarlar, gelecekte kentsel planlamanın büyüme her şeyin önüne konulan yaklaşımları aşmak ve refah, günlük deneyim ve ekolojik sağlığın birlikte yükseldiği şehirleri hedeflemek için bu tür çok boyutlu araçları kullanması gerektiğini savunuyor.

Atıf: Ahmed, A.A.A., Abdelghafur, Y., Ahmed, Y. et al. Machine learning framework for multidimensional assessment of urban quality of life. Sci Rep 16, 12568 (2026). https://doi.org/10.1038/s41598-026-41350-4

Anahtar kelimeler: kentsel yaşam kalitesi, şehir kümeleri, makine öğrenimi, yaşanabilirlik indeksleri, kentsel politika