"Sanat, hayatı gerçek olandan daha ilginç kılan yalandır." - Fernando Pessoa"

Yapay Zeka ile Tercihler İçin Nicel Veri Analizi Nasıl Yapılır?

Üniversite tercihleri için kapsamlı veri analizi rehberi. Doğru tahminler için en az 5-6 yıllık yerleşme sıralamaları, kontenjan bilgileri ve aday sayıları toplanmalı, ardından bu veriler normalize edilmelidir. Yapay zeka araçları kullanılarak gelecek yıl tahminleri yapılabilir. Eksik veri analizlerin doğruluğunu tehlikeye atabilir. Tercih döneminde başarılı yerleşme stratejisi için sistematik bir yaklaşım sunar.

yazı resim

1. Gerekli Veri Setlerini Toplayın (En az 5-6 yıl):
Bu aşamada şu veriler eksiksiz şekilde toplanmalıdır:
- Bölüm bazlı yerleşen son sıralamalar (her yıl için)
- Kontenjan sayıları (her bölüm için, yıllara göre)
- Öğrenim düzeyine ait toplam kontenjan (önlisans/lisans ayrı ayrı)
- Sınavı geçerli aday sayısı (her yıl için TYT-AYT geçerli sayılar)
- Okul Birinciliği Kontenjanları (ayrıca işaretlenmeli)
Bunlar olmadığında yapılacak analiz eksik kalır ya da yanıltıcı olabilir.
2. Veri Temizliği ve Normalizasyonu:
Yıllara göre sınava giren aday sayısı ve kontenjan değiştiği için:
Sıralamaların nisbi karşılıkları hesaplanır (örneğin yüzdelik dilimler).
Kontenjan artış/azalış eğilimleri normalize edilir.
Okul birinciliği sıralamaları ayrı değerlendirilir.
3. Yapay Zekaya Soru:
Birkaç tane yapay zeka aracı kullanılıp kendilerine şu şekilde net bir komut verilir:
“2020-2024 yıllarındaki verilerle, 2025’te kontenjanı 5 kişi artan şu bölüme kaç bin sıralamada yerleşilir? Sınava giren aday sayısı bu kadar, kontenjan şu kadar, okul birinciliği kontenjanı da şu kadar, sınavı geçerli aday sayısı şu kadar, önlisanstan toplam kontenjan sayısı şu kadar.”
Bu komut verildiğinde yapay zeka araçları:
Geçmiş trendleri tanır,
Kontenjan etkisini hesaba katar,
Gerekirse volatilite düzeltmesi yaparlar.
Not: Veri eksikse analiz yanıltıcı olur.
Sadece tek modele dayanmak sakıncalıdır.
Kontenjanların ani değişimi mutlaka modele entegre edilmelidir.

Yorumlar

Başa Dön