Veri türleri
Dilsel (Linguistic)
Değerlendirmenin sayıyla değil, önceden tanımlı sıralı bir kelime kümesindeki bir terimle yapıldığı ve hesabın kelimeler sayıya çevrilmeden bu terimler üzerinden yürütüldüğü veri yapısıdır.
Örnek hücre: s₄, 0
Nedir?
Dilsel veri yapısı, bir alternatifin bir kriterdeki değerlendirmesini "çok düşük, düşük, orta, yüksek, çok yüksek" gibi sıralı bir terim kümesinden seçilen bir kelimeyle ifade eder. Her terim kümede bir konuma sahiptir: beş terimli bir kümede "orta" üçüncü konumdur. Hesap, bu konumlar üzerinden yapılır; kelime bir üçgen bulanık sayıya ya da başka bir sayıya çevrilmez, sonuç da yine bir terim olarak okunur: "bu alternatif kalite kriterinde yüksek ile çok yüksek arasında, yükseğe daha yakın".
Bu yapının ayırt edici özelliği, insanın doğal değerlendirme dilini olduğu gibi korumasıdır. Uzman "iyi" dediğinde, "iyi" teriminin hangi sayıya karşılık geldiğini kimse varsaymaz; "iyi"nin "orta"dan bir üstte, "çok iyi"den bir altta olduğu bilgisi yeterlidir ve hesap yalnız bu sıra bilgisini kullanır.
Ne Zaman Kullanılır?
Kriterin doğal ölçüsü kelime olduğunda kullanılır: hizmet kalitesi, kullanıcı memnuniyeti, tasarım estetiği, kurumsal itibar, uyum düzeyi gibi kriterlerde uzmanlar sayı vermekte zorlanır ama "yüksek" ya da "orta" demekte zorlanmaz. Birden fazla uzmanın aynı terim kümesiyle değerlendirme yaptığı grup kararlarında, sonucun karar vericiye yine kelimeyle sunulmasının istendiği durumlarda ve kelimeyi sayıya çevirmenin gerektirdiği ölçek varsayımından kaçınmak istendiğinde yararlıdır.
Buna karşılık kriter ölçülebiliyorsa (fiyat, süre, adet) kelimeye çevirmek bilgi kaybettirir; ölçülmüş bir değeri "yüksek" diye yazmak, sayının taşıdığı ayrıntıyı atmaktır.
Crisp Veriden Dilsel Veri Oluşturulabilir mi?
Evet, ancak iki adım gerekir ve ikinci adım bilgi kaybına yol açar.
Birincisi, terim kümesini ve her terimin sınırlarını analizden önce ilan etmektir: kaç terim var, hangi sırada, ölçülen değerin hangi aralığı hangi terime düşer. Bu sınırlar keyfi değil, kriterin alanındaki kabul görmüş eşiklerden gelmelidir.
İkincisi, ölçülen değeri bu sınırlara göre bir terime atamaktır. 2.450 TL'lik bir fiyat, ilan edilmiş bütçe eşiklerine göre "uygun" terimine düşebilir. Ancak bu atama 2.450 ile 2.550 arasındaki farkı siler; her ikisi de "uygun" olur. Bu nedenle ölçülebilen kriter ölçülmüş hâliyle kalmalı, dilsel yapı ölçülemeyen kriterler için kullanılmalıdır.
Yapılmaması gereken, terim kümesini analiz sırasında ya da sonrasında, sonuca bakarak tanımlamaktır. Terimlerin sayısı ve sırası tüm uzmanlar ve tüm alternatifler için aynı olmalı ve raporda yazılmalıdır.
Dilsel Değerlendirme ile Bulanık Sayıya Çevrilmiş Kelime Aynı Şey Değildir
Bulanık veri yapısında da kelimeler kullanılır: "iyi" terimi ilan edilmiş bir ölçekle (7, 9, 10) gibi bir üçgen sayıya çevrilir ve hesap üçgen sayılarla yapılır. Dilsel yapıda ise "iyi" terimi hiçbir sayıya çevrilmez; hesap terimin kümedeki konumu ve komşu terimlere olan sıra ilişkisi üzerinden yürür.
Fark, hangi varsayımın yapıldığındadır. Üçgene çeviren yaklaşım "iyi teriminin sayısal karşılığı budur" varsayımını yapar ve sonuç bu varsayıma bağlıdır. Dilsel yaklaşım yalnız "iyi, ortadan üstte ve çok iyiden altta" der; daha az varsayım yapar, buna karşılık terimler arası mesafeyi eşit sayar.
Bu nedenle:
"Uzmanlar kelimeyle değerlendirdi, o hâlde kelimeleri sayıya çevirip bulanık yöntem uygulanır"
yerine:
"Uzmanlar kelimeyle değerlendirdi; kelimeler terim kümesi üzerinde kalır, sonuç da terim olarak okunur"
yaklaşımı dilsel yapının doğru kullanımıdır. İki yaklaşım da meşrudur; ayrım, ölçek varsayımı yapmak istenip istenmediğidir.
Güçlü Yanları
Dilsel yapının en önemli avantajı, uzmanın söylediğiyle hesabın kullandığı arasına bir çeviri katmanı koymamasıdır. Kelimeyi sayıya çeviren ölçek bir varsayımdır ve farklı ölçekler farklı sonuç verir; dilsel yapı bu varsayımı ortadan kaldırır.
İkinci avantajı sonucun okunabilirliğidir. Karar verici "alternatif A kalite kriterinde 0.73 puan aldı" yerine "alternatif A, yüksek ile çok yüksek arasında, yükseğe daha yakın" ifadesini görür; bu, değerlendirmenin yapıldığı dilin kendisidir.
Sınırlılıkları
Dilsel yapı terimler arasındaki mesafeyi eşit sayar: "düşük" ile "orta" arasındaki fark, "yüksek" ile "çok yüksek" arasındaki farka eşittir. Bu varsayım her kriter için doğru değildir; uçlardaki terimler arasındaki fark gerçekte daha büyük ya da daha küçük olabilir.
Terim sayısı seçimi sonucu etkiler. Beş terimli küme kaba, dokuz terimli küme incedir; uzmanların dokuz terimi tutarlı biçimde ayırt edip edemeyeceği ayrı bir sorudur. Ayrıca farklı uzmanların farklı terim kümeleri kullandığı durumlarda kümelerin birbirine çevrilmesi gerekir ve bu çeviri de bir varsayımdır.
Uygulamada terim kümesi analizin ayrılmaz parçasıdır. Uygulamaya yüklenen dosya, hangi terimlerin hangi sırada olduğunu belirten bir ölçek sayfası taşımak zorundadır; bu sayfa yoksa hücreler okunmaz. Bu, bir eksiklik değil, "s3" gibi bir terimin hangi kümede kaçıncı konum olduğunun dosya dışından bilinemeyeceğinin sonucudur.
2-Tuple ve Olasılıksal Dilsel Ne Zaman Kullanılır?
Terimler üzerinden hesap yapıldığında sonuç çoğu zaman iki terimin arasına düşer: "orta" ile "yüksek" arasında bir yer. Klasik dilsel yapı bu sonucu en yakın terime yuvarlar ve bilgi kaybeder. 2-tuple dilsel yapı, sonucu bir terim ve o terimden sembolik bir kayma olarak korur: ("yüksek", −0.3) ifadesi "yükseğin biraz altında" demektir. Böylece birleştirme ve sıralama işlemleri kayıpsız yapılır. Uygulamada 2-tuple hücresi terim konumu ve kayma değerinden oluşur.
Bir uzman tek terim yerine birkaç terimi olasılıklarıyla veriyorsa ("yüzde 60 yüksek, yüzde 40 çok yüksek") olasılıksal dilsel yapı kullanılır. Bu yapı, uzmanın terimler arasında dağılmış kanaatini olasılıklarıyla birlikte korur; grup kararlarında farklı uzmanların terim dağılımlarını birleştirmeye uygundur.
Uzman "en az orta" ya da "orta ile yüksek arası" gibi bir ifade kullanıyorsa ve olasılık vermiyorsa, bu tereddütlü dilsel yapının konusudur; ilgili kart tereddütlü (hesitant) veri türü altındadır.
Sık Yapılan Hatalar
En yaygın hata, ölçülebilen bir kriteri kelimeye çevirmektir. Fiyat, süre ve adet gibi kriterlerin sayı olarak kalması gerekir; "uygun / uygun değil" diye yazmak ayrıntıyı atar.
İkinci hata, terim kümesini önceden ilan etmemek ya da uzmandan uzmana farklı küme kullanmaktır. Bir uzmanın "iyi"si beş terimli kümede dördüncü, diğerinin "iyi"si yedi terimli kümede beşinci konumsa bu ikisi doğrudan karşılaştırılamaz.
Üçüncü hata, terim konumlarını doğrudan sayı gibi kullanmaktır: "orta = 3, yüksek = 4" deyip aritmetik ortalama almak, dilsel yapının kaçındığı ölçek varsayımını arka kapıdan geri getirir. Ayrıca sonucu bir terime yuvarlarken kaymayı atmak (2-tuple yerine klasik yuvarlama) grup kararlarında ayırt ediciliği yok eder.
Temel ilke şudur:
Terim kümesi analizden önce ilan edilir, tüm uzmanlar ve alternatifler için aynı tutulur; kelime sayıya çevrilmez, sonuç da kelimeyle okunur.
Örnekler
Her örnek herkesin bildiği tek bir kesin sayıdan başlar ve aynı sayının hangi koşulda, hangi adımlarla dilsel biçime geçtiğini gösterir.
1. İK: Performans puanı 4/5
Kesin sayı. Yıllık değerlendirme formunda bir çalışanın "takım içi iş birliği" puanı 4/5. Sayı gibi görünür; ama formdaki 4, "iyi" teriminin sayıya çevrilmiş hâlidir. Ölçülen bir şey yoktur.
Adım 1: Kriter gerçekten kelimeyle mi ölçülüyor? Karar üç adayın terfi sıralaması, kriter "iş birliği". Değerlendirici bunu sayı olarak değil, "iyi" olarak düşünmüştür; dilsel yapı çeviriyi geri alır ve kelimeyi olduğu gibi tutar.
Adım 2: Terim kümesini ilan edin, terimi seçin. Beş terimli küme: çok zayıf, zayıf, orta, iyi, çok iyi. Terim kümesi yükleme dosyasındaki ölçek sayfasına yazılır; sistem dilsel türlerde bu sayfayı zorunlu tutar, sayfa yoksa dosya kabul edilmez. Değerlendirici "iyi" seçmiştir; kümedeki konumu dördüncüdür.
Dilsel hâli. Çalışan, "iş birliği" kriterinde iyi (s₄). Hesap bu konum üzerinden yapılır; "iyi" bir üçgen sayıya çevrilmez.
Aynı sayı, farklı durum. Üç değerlendirici orta, iyi, iyi diyorsa birleştirme sonucu tam bir terime düşmez; 2-tuple biçiminde (iyi, −0.33) olarak korunur: "iyinin biraz altında". En yakın terime yuvarlanırsa "iyi" olur ve bir değerlendiricinin "orta" demesi kaybolur.
2. Turizm: Otel puanı 4.3/5
Kesin sayı. Bir rezervasyon platformunda otelin ortalama puanı 4.3. Bu, yüzlerce yıldız puanının ortalamasıdır; ölçülmüş bir sayıdır ve "genel puan" kriterinde sayı olarak kalır.
Adım 1: Kriter gerçekten kelimeyle mi ölçülüyor? Karar üç otel arasında, kriter "personel ilgisi". Misafir yorumları bu kriteri kelimeyle veriyor: "çok iyi", "iyi", "orta". Sayıya çevirmek yerine terim olarak tutulur.
Adım 2: Terim kümesini ilan edin, dağılımı çıkarın. Beş terimli küme ilan edilir. İki yüz yorumun yüzde 45'i "çok iyi", yüzde 35'i "iyi", yüzde 20'si "orta" diyor. Tek terim yerine terimlerin olasılık dağılımı kullanılır.
Dilsel hâli. Otel, "personel ilgisi" kriterinde olasılıksal dilsel biçimde {çok iyi (0.45), iyi (0.35), orta (0.20)}. Dağılım tek terime indirgenmez; iki otelin aynı "iyi" ortalamasına farklı dağılımlarla ulaşması karara görünür kalır.
Aynı sayı, farklı durum. Yorum yerine tek bir gizli-misafir değerlendirmesi varsa ve değerlendirici "iyi" demişse klasik dilsel biçim yeter: iyi (s₄). 4.3 sayısı ise hangi durumda olursa olsun kelimeye çevrilmez; ölçülen kriter sayı olarak kalır.
3. Eğitim: Rubrik puanı 2/3
Kesin sayı. Bir proje raporunun "argüman kalitesi" ölçütünde rubrik puanı 2/3. Rubrikte 1 "yetersiz", 2 "gelişmeli", 3 "yeterli" demektir; sayı aslında bir terimin etiketidir.
Adım 1: Kriter gerçekten kelimeyle mi ölçülüyor? Karar üç proje arasında ödül sıralaması, kriter "argüman kalitesi". Jüri bunu ölçmez; rubrikteki üç terimden birini seçer. Dilsel yapı terimi korur: gelişmeli (s₂).
Adım 2: Terim kümesini ilan edin, birleştirin. Üç terimli küme rubrikten gelir ve ölçek sayfasına yazılır. Üç jüri üyesi aynı projeye gelişmeli, yeterli, gelişmeli diyor.
Dilsel hâli. Birleştirilmiş sonuç 2-tuple biçiminde (gelişmeli, +0.33): "gelişmelinin biraz üstünde". Karar verici sonucu rubriğin kendi diliyle okur.
Aynı sayı, farklı durum. Aynı projenin "sunum süresi" kriteri 12 dakika olarak ölçülmüşse sayı olarak kalır; "uzun" ya da "kısa" diye terime çevrilmez. Aynı karar matrisi tek veri türünde olmak zorunda olduğundan, ölçülen ve dilsel kriterler birlikte kullanılacaksa hangi yapının seçileceğine analizden önce karar verilir.
4. İşletme: Çağrı merkezi yanıt süresi 45 saniye (Dilsel Yapının Doğal Örneği)
Kesin sayı. Bir çağrı merkezinin ortalama yanıt süresi 45 saniye. Ölçümdür; "yanıt süresi" kriterinde sayı olarak kalır.
Adım 1. Karar üç çağrı merkezi hizmet sağlayıcısı arasında, kriter "müşteri temsilcisinin nezaketi". Bu kriter ölçülmez; gizli müşteri değerlendiricileri kelimeyle puanlar.
Adım 2. Yedi terimli küme ilan edilir. Dört değerlendirici aynı sağlayıcıyı iyi, çok iyi, iyi, biraz iyi olarak değerlendiriyor.
Dilsel hâli. Birleştirilmiş sonuç 2-tuple biçiminde (iyi, +0.25): "iyinin biraz üstünde". Karar verici sonucu sayı değil, değerlendirmenin yapıldığı kelimeyle okur. Yanıt süresi 45 saniye ayrı bir kriterde sayı olarak durur.
5. Yapılmaması Gereken
4.3 puanı "iyi", 45 saniyeyi "hızlı", 12 dakikayı "uzun" diye yazmak. Ölçülmüş üç değerin her biri sayı olarak taşıdığı ayrıntıyı kaybeder ve kelimeye çevrilirken kullanılan eşik gerekçesizdir. Tersi de yanlıştır: formdaki 4/5 ya da rubrikteki 2/3 etiketini sayı sanıp üzerinde ortalama almak, sıra bilgisini ölçek bilgisi gibi kullanmaktır. Dilsel yapı ölçülemeyen kriterler içindir; terim kümesi analizden önce ilan edilir ve ölçek sayfası olmadan yükleme yapılmaz.
Örneklerdeki sayılar kurgusaldır; gerçek veri değildir.
Kısa karar kuralı
Kriter ölçülebiliyor → Crisp; kelimeye çevirme
Kriterin doğal ölçüsü kelime, tek terim → Dilsel
Birleştirme sonucu terimler arasına düşüyor ve kayıp istenmiyor → 2-tuple dilsel
Uzman birkaç terimi olasılıkla veriyor → Olasılıksal dilsel
Uzman "en az orta" gibi aralık ifadesi kullanıyor, olasılık vermiyor → Tereddütlü dilsel (tereddütlü kartı)
Kelimeyi ilan edilmiş ölçekle üçgen sayıya çevirmek isteniyor → Dilsel değil, bulanık (bulanık kartı)
Temel kaynaklar
Zadeh, L. A. (1975). The concept of a linguistic variable and its application to approximate reasoning—I. Information Sciences, 8(3), 199–249. DOI: 10.1016/0020-0255(75)90036-5
Herrera, F., & Martínez, L. (2000). A 2-tuple fuzzy linguistic representation model for computing with words. IEEE Transactions on Fuzzy Systems, 8(6), 746–752. DOI: 10.1109/91.890332
Wei, G., Lin, R., Zhao, X., & Wang, H. (2010). Models for multiple attribute group decision making with 2-tuple linguistic assessment information. International Journal of Computational Intelligence Systems, 3(3), 315–324. DOI: 10.1080/18756891.2010.9727702
Rodríguez, R. M., Martínez, L., & Herrera, F. (2012). Hesitant fuzzy linguistic term sets for decision making. IEEE Transactions on Fuzzy Systems, 20(1), 109–119. DOI: 10.1109/TFUZZ.2011.2170076
Pang, Q., Wang, H., & Xu, Z. (2016). Probabilistic linguistic term sets in multi-attribute group decision making. Information Sciences, 369, 128–143. DOI: 10.1016/j.ins.2016.06.021