Uzantı kartı · Nötrosofik
Nötrosofik PSI
Nötrosofik PSI, kriter puanları doğruluk, belirsizlik ve yanlışlık derecesiyle, yani T, I, F üçlüsüyle verildiğinde kullanılan PSI biçimidir. Ağırlığı kendisi türetir, çıktısı bir tercih seçim puanıdır.
Temel yöntem
PSI →
Felsefe, işleyiş, güçlü ve zayıf yanlar temel yöntem kartında; bu kart yalnız farkı anlatır.
Veri türü (aile)
Nötrosofik (Neutrosophic) →
Bu veri türü nedir, ne zaman kullanılır, hücreye nasıl yazılır: ailenin ayrıntılı anlatımı burada.
Temel Yöntemden Ne Değişir?
Üç şey değişir. Ağırlığı kendisi türetme mantığı değişmez.
Hücreler. Kesin PSI'de her hücre tek sayıdır. Burada her hücre üç ayrı derece taşır: doğruluk, belirsizlik ve yanlışlık. PSI burada da ağırlık istemez; ağırlığı üçüncü adımda veriden türetir.
Ölçek eşitleme. Kesin PSI her sütunu kendi en iyisine böler. Burada önce her hücrenin T-I-F üçlüsü tek bir skora iner. Skor, doğruluktan belirsizliğin iki katını ve yanlışlığı çıkarıp ikiye böler; yüksek doğruluk ve düşük belirsizlik skoru büyütür. Sonra bu skorlar sütun içinde toplama bölünerek normalize edilir. Fayda kriterinde skorun kendisi sütun toplamına oranlanır. Maliyet kriterinde skorun tersi sütun toplamına oranlanır. Bu, kesin PSI'nin "sütunun en iyisine böl" kuralından farklıdır. Nötrosofik skor negatif çıkabildiği için PSI'nin en büyüğe bölme kuralı yerine toplama bölme kullanılır.
Tercih değişim değeri ve ağırlık. Burada kesin PSI'den bir sapma daha vardır. Temel PSI'de yayılım 1'den çıkarılıp ağırlığa çevrilir. Bu nötrosofik sürümde DecisionMind yayılımın kendisini doğrudan toplam yayılıma oranlayarak ağırlık üretir; "1'den çıkarma" adımı yoktur. Sonuçta büyük yayılıma sahip bir kriter, kesin PSI'nin tersine, göreli yüksek ağırlık alır. Düşük yayılıma sahip kriter göreli düşük ağırlık alır. Bu, kesin PSI'nin "az farklılaşan kriteri ödüllendir" mantığının tam tersidir. Bu tersine dönüş veri türünden değil, bu nötrosofik uyarlamanın kendi tasarım tercihinden gelir. Rapor bunu böyle belirtmelidir.
DecisionMind bu skor fonksiyonunu ve toplama bölme normalizasyonunu sabit tutar.
Çıktı Nasıl Yorumlanır?
Tercih seçim puanı, kesin PSI'de olduğu gibi yalnız bu tablodaki seçenekler arasında sıralayıcıdır. Yüzde ya da olasılık değildir. Burada ağırlığın yönü de tersine döner. Yukarıda anlatıldığı gibi büyük yayılım burada yüksek ağırlık demektir. Bir kriterin yüksek ağırlık alması "bu kriter az ayırt edicidir" demek değildir; "bu kriterde seçenekler birbirinden çok farklılaşıyor" demektir. Bu, kesin PSI kartındaki yorumun tam tersidir. Rapor hangi yönün geçerli olduğunu açıkça belirtmelidir. Aksi hâlde okuyucu kesin PSI'nin alıştığı yorumu buraya taşır.
Bu nedenle:
"N-PSI'de bu kriterin ağırlığı düşük çıktığı için seçenekler burada birbirine yakın"
yerine:
"Bu nötrosofik PSI uyarlamasında ağırlık, kriterin kendi içindeki yayılımıyla doğru orantılıdır; düşük ağırlık burada seçeneklerin bu kriterde az farklılaştığını, yüksek ağırlık ise çok farklılaştığını gösterir"
biçiminde yazmak doğrudur.
Ne Zaman Temel Yöntem Yerine Bu?
Kriterlere gerekçeli bir ağırlık vermek istemiyorsan ve elindeki kriter değerlendirmesi eksik ya da çelişkili bilgiye dayanıyorsa N-PSI uygun olur. Lehte kanıt, aleyhte kanıt ve bilinmeyen payı ayrı ayrı tutulmalıdır. Nötrosofik veri türü kartındaki kural burada da geçerlidir: ölçülmüş bir değeri gerekçesiz biçimde T-I-F üçlüsüne açmak bilgi eklemez. Yalnız "belirsizlik yok" dürüstçe gömülürse, yani (t, 0, 1−t) yazılırsa bu geçerli bir yol olur.
Karar vericinin bilinen bir önceliği kriterlere yansıtılacaksa ya da bir kriterde taviz kabul edilmiyorsa, temel PSI kartındaki çıkış koşulu aynen geçerlidir.
Bu Uzantıya Özgü Hatalar
T+I+F toplamını 1'e zorlamak. Nötrosofik veri türü kartındaki genel hata burada da geçerlidir. Üç bileşen birbirinden bağımsız kaynaklardan gelmelidir.
Ağırlık yönünü kesin PSI gibi okumak. Yukarıda anlatıldığı gibi bu uyarlamada yüksek ağırlık "az yayılım" değil "çok yayılım" demektir. Kesin PSI kartındaki yorumu buraya doğrudan taşımak tersine bir hata üretir.
Maliyet kriterinde skor tersini almadan toplama bölme uygulamak. Skor negatif ya da sıfıra yakın çıkabilir. Ters çevirme adımı atlanırsa maliyet kriterinin normalizasyonu anlamsızlaşır.
Belirsizliği doğruluk ve yanlışlıktan türetmek. I bağımsız bir bilgi kaynağına dayanmalıdır. 1−T−F olarak hesaplanırsa nötrosofik veri türünün gerekçesi ortadan kalkar.
Temel ilke şudur:
N-PSI'nin ağırlık yönü kesin PSI'nin tersinedir. Burada veriden türeyen ağırlık, kriterin ayırt ediciliği az değil çok olduğu ölçüde büyür. Bu tersine dönüş rapor edilmezse okuyucu kesin PSI'nin mantığını yanlış yere taşır.
Vakalar
Birinci vaka DecisionMind'ın doğrulama örneğidir. Bu sayılar bir literatür tablosundan gelmez; motorun formülleri bu kartın yazarı tarafından Python'da bağımsız olarak yeniden hesaplanmıştır. İkinci vaka öğretici bir kurgudur.
1. Öğretici örnek: Üç seçenek, üç kriter (DecisionMind doğrulama örneği)
Üç seçenek üç kriterde T-I-F üçlüleriyle değerlendirilmiştir. Üç kriter de "çoğu iyi"dir.
| Seçenek | C1 (T,I,F) | C2 (T,I,F) | C3 (T,I,F) |
|---|---|---|---|
| A1 | 0,70 / 0,20 / 0,10 | 0,60 / 0,30 / 0,20 | 0,50 / 0,40 / 0,30 |
| A2 | 0,50 / 0,30 / 0,40 | 0,70 / 0,20 / 0,20 | 0,60 / 0,30 / 0,30 |
| A3 | 0,80 / 0,10 / 0,20 | 0,50 / 0,40 / 0,30 | 0,70 / 0,30 / 0,20 |
| Yön | çoğu iyi | çoğu iyi | çoğu iyi |
Yöntem her hücrenin skorunu hesaplar, sütun toplamına göre normalize eder, sütunların yayılımını ölçer ve yayılımla doğru orantılı ağırlık türetir.
| Seçenek | Tercih seçim puanı | Sıra |
|---|---|---|
| A3 | 0,347 | 1 |
| A2 | 0,328 | 2 |
| A1 | 0,325 | 3 |
Sonuç şöyle okunur. A3 birincidir, çünkü C1'de en yüksek skora sahiptir. C1 de üç kriter arasında seçenekleri en çok ayıran, yani en yüksek yayılıma sahip olduğu için en yüksek ağırlığı alan kriterdir. A1 ile A2 arasındaki fark çok küçüktür.
Kurulun tereddüdü şudur. A1 ile A2 arasındaki puan farkı, 0,0027 gibi neredeyse görünmeyecek kadar küçüktür. A2'nin C1 kriterindeki doğruluk derecesi 0,50'den 0,60'a çıkarılırsa, yani A2 lehine ek bir kanıt bulunursa, sıra tamamen değişir. A2, 0,354 puanla A3'ün 0,331 puanının önüne geçer; A1 üçüncü kalır. Bu, A3'ün birinciliğinin tek bir kriterdeki küçük bir kanıt değişikliğine karşı kırılgan olduğunu gösterir.
Raporda: "Tercih seçim puanları N-PSI ile, ağırlık dışarıdan verilmeden, doğrudan kriterlerin kendi içindeki yayılımından türetilmiştir. A3, 0,347 puanla en yüksek puana sahiptir. Ancak A1, A2 ve A3 arasındaki farklar küçüktür ve A2'nin C1 kriterindeki kanıtı güçlenirse sıra A2 lehine değişebilir."
Kaynak: Bu örnek DecisionMind'ın N-PSI motorunun doğrulama örneğidir. Bir makaledeki vaka değildir. Motorun F.steps formülleri bu kartın yazarı tarafından Python ile bağımsız olarak yeniden hesaplanmıştır.
2. Kütüphanecilik: Bir üniversite kütüphanesinin süreli yayın veri tabanı sağlayıcısı seçimi
Bir üniversite kütüphanesi, üç veri tabanı sağlayıcısından birine abone olacaktır. Kriterler şunlardır: içerik kapsamı, arayüz kullanılabilirliği ve erişim kesintisi geçmişi. İçerik kapsamı dergi sayısını ve disiplin çeşitliliğini birlikte ölçer. Kütüphane, sağlayıcıların pazarlama materyalleri ile akademisyenlerden gelen çelişkili geri bildirimler arasında net bir ölçüm yapamaz. Bu yüzden her kriteri bir yargıya çevirmiş, doğruluk, belirsizlik ve yanlışlık derecesini ayrı ayrı değerlendirmiş ve ağırlıkları da bu değerlendirmeden türetmeye karar vermiştir.
Yöntem üç sağlayıcının skorlarını hesaplar, normalize eder ve kriterlerin yayılımına göre ağırlık türetir. Diyelim ki erişim kesintisi geçmişinde sağlayıcılar arasında belirgin fark bulundu; biri sık şikayet almış, diğeri hiç almamış. İçerik kapsamında ise üçü de birbirine yakın çıktı. N-PSI bu durumda erişim kesintisine göreli yüksek, içerik kapsamına göreli düşük ağırlık verdi.
Kütüphanenin tereddüdü şudur. İçerik kapsamının düşük ağırlık alması, kütüphanenin içerik zenginliğini önemsemediği anlamına gelmez. Bu, üç sağlayıcının bu kriterde zaten birbirine yakın olmasından gelir. Kütüphane, bir akademisyen grubundan gelen ek olumlu geri bildirimin, yani bir sağlayıcının doğruluk derecesini yükseltmesinin, sırayı değiştirip değiştirmeyeceğini ayrıca sınamadan kararı kesinleştirmemelidir.
Raporda: "Kriter ağırlıkları N-PSI ile, üç sağlayıcı arasındaki değerlendirme farkından türetilmiştir. Erişim kesintisi geçmişinin yüksek ağırlığı, sağlayıcılar arasında bu kriterde en büyük farkın bulunmasından gelir. Kütüphanenin içerik kapsamını önemsizleştirdiği anlamına gelmez."
3. Yapılmaması Gereken
Öğretici örnekte A1 ile A2 arasındaki 0,0027'lik farkı görmezden gelip yalnız "A3 birinci" demek yanlıştır; A1-A2 sırası bir kanıt değişikliğiyle tersine dönebilir ve bu raporlanmalıdır. İkinci yanlış, C1'in yüksek ağırlığını kesin PSI mantığıyla "bu kriter az ayırt edici" diye okumaktır. N-PSI'de tam tersi geçerlidir. Üçüncü yanlış, bir sağlayıcının T ve F değerlerinden I'yı 1−T−F olarak hesaplayıp "tam bilgiye dayanıyor" izlenimi vermektir. I ayrı bir kaynağa, örneğin veri eksikliğine, dayanmalıdır.
Kaynaklar
Adımların formülleri, ara tabloları ve atıf biçimleri için DecisionMind yöntem sayfası: decisionmind.app/library/n-psi
Maniya, K., & Bhatt, M. G. (2010). A selection of material using a novel type decision-making method: Preference selection index method. Materials & Design, 31(4), 1785–1789. DOI: 10.1016/j.matdes.2009.11.020
Smarandache, F. (1998). Neutrosophy: Neutrosophic Probability, Set, and Logic. American Research Press, Rehoboth. (DOI yok)
Ye, J. (2014). A multicriteria decision-making method using aggregation operators for simplified neutrosophic sets. Journal of Intelligent & Fuzzy Systems, 26(5), 2459–2466. DOI: 10.3233/IFS-130916