CIMAS (Ölçüt Önem Değerlendirmesi / Criteria Importance Assessment)

CIMAS bir sıralama yöntemi değildir. Seçenekleri değil kriterleri puanlar, çıktısı da toplamı 1 olan bir ağırlık kümesidir. Yöntem, "hangi ölçüt ne kadar önemli" sorusunu birden çok uzmana sorarak ve uzmanların kendi aralarındaki görüş ayrılığından yararlanarak cevaplar. Bošković, Jovčić, Simić, Švadlenka, Dobrodolac ve Bacanin bu yöntemi 2023'te önermiş, 2025'te FACTA Universitatis dergisinde yayımlamıştır. Yöntem henüz yenidir ve şimdiden tedarikçi seçimi, kalabalık kaynaklı taşımacılık ve inovasyon kapasitesi değerlendirmesi gibi alanlarda uygulanmaya başlanmıştır.

CIMAS bir ağırlık üretir, ağırlık istemez. AHP, BWM ve SWARA gibi diğer öznel ağırlıklandırma yöntemleriyle aynı işi görür, ama farklı bir mekanizma kullanır. İkili karşılaştırma yerine doğrudan puanlama yapar. En iyi-en kötü seçimi yerine uzmanlar arası puan farkını temel alır.

CIMAS'ın arkasındaki fikir şudur: bir ölçütün önemi yalnızca uzmanların ona verdiği ortalama puanla değil, uzmanların o ölçüt üzerinde ne kadar ayrıştığıyla da ilgilidir. Bütün uzmanlar bir ölçüte aynı puanı veriyorsa, bu ölçüt üzerinde "bilgi" yoktur. Herkes zaten hemfikirdir, ölçüt karar vericileri ayırt etmez. Uzmanlar bir ölçütte birbirinden çok farklı puanlar veriyorsa, bu ölçüt üzerinde gerçek bir tartışma vardır. Bu tartışmanın genişliği, ölçütün ne kadar "ayırt edici" olduğunun bir işaretidir. CIMAS, her ölçüt için uzmanlar arası puan aralığının genişliğini o ölçütün ağırlığına çevirir. Bu aralık, en yüksek uzman puanı ile en düşük uzman puanı arasındaki farktır.

Bunun felsefi sonucu, CIMAS'ın uzman deneyimine duyarlı bir uzlaşma mekanizması olmasıdır: daha deneyimli uzmanların puanı, ağırlıklandırma sürecinde daha çok söz sahibidir. Bu, "herkesin görüşü eşit değerlidir" varsayımını reddeder ve deneyimi açık bir gerekçeyle öne çıkarır. Bu gerekçe kabul edilemiyorsa CIMAS'ın felsefesi kararın felsefesiyle uyuşmaz.

Yöntem altı adımda ilerler.

Birinci adım, uzman ağırlıkları. Her uzmana, deneyim yılına orantılı bir ağırlık verilir; toplamı 1'e tamamlanır. Deneyim bilgisi yoksa tüm uzmanlara eşit ağırlık verilir.

İkinci adım, ölçek eşitleme. Uzmanların her ölçüte verdiği puanlar, o ölçütün sütun toplamına bölünerek birimsiz hâle getirilir.

Üçüncü adım, uzman ağırlıklı matris. Eşitlenmiş puanlar, ilgili uzmanın ağırlığıyla çarpılır; böylece deneyimli bir uzmanın puanı sonuçta daha çok, deneyimsiz bir uzmanınki daha az yer kaplar.

Dördüncü adım, sütun uç değerleri. Uzman ağırlıklı matriste her ölçüt sütunu için en yüksek ve en düşük değer bulunur.

Beşinci adım, fark. Her ölçüt için bu en yüksek ve en düşük değer arasındaki fark hesaplanır; bu fark, uzmanlar arası ayrışmanın (ağırlıklandırılmış) büyüklüğünü temsil eder.

Altıncı adım, ağırlığa dönüştürme. Her ölçütün farkı, tüm farkların toplamına bölünerek toplamı 1 olan nihai ağırlıklara çevrilir.

Adımların formülleri DecisionMind'daki yöntem sayfasında verilir; bu kart formül taşımaz.

CIMAS'ın çıktısı bir ağırlıktır, bir sıralama değildir. En yüksek ağırlığa sahip ölçüt "en iyi" ölçüt değildir. Bu ölçüt, uzmanlar arasında en çok ayrışma yaratan ve deneyimli uzmanların en çok vurguladığı ölçüttür. Bir ölçütün ağırlığının düşük çıkması "önemsiz" demek değildir. Bu durum, tüm uzmanların o ölçütte hemfikir olduğu, dolayısıyla o ölçütün karar vericileri ayırt etmediği anlamına gelir.

Ağırlığın kalitesi, uzmanların gerçekten bilgili olup olmadığına bağlıdır. Uzmanlar bilgiliyse ayrışma gerçek bir sinyaldir. Uzmanlar önyargılıysa, yani görüş ayrılığı bilgiden değil pozisyondan kaynaklanıyorsa, CIMAS bu önyargıyı da ağırlığa çevirir. Yöntem ayrışmanın kaynağını sorgulamaz, yalnız büyüklüğünü ölçer. Bošković ve arkadaşları (2025) bu yüzden bir güvenilirlik indeksi önermiştir. Bu indeks düşükse, yani 0,1'in altındaysa, sonuçlar kabul edilebilir sayılır. İndeks yüksekse uzman panelinin gözden geçirilmesi önerilir.

Bu nedenle:

"CIMAS en önemli ölçütü buldu"

yerine:

"Bu uzman panelinin puanlarına göre en çok ayrışma yaratan (ve en deneyimli uzmanların en çok öne çıkardığı) ölçüt şudur; panel değişirse ağırlıklar da değişir"

biçiminde yazmak doğrudur.

CIMAS kesin (crisp) veriyle çalışır: her uzmanın her ölçüte verdiği tek bir puan. DecisionMind'da temel yöntemle birlikte üç CIMAS üyesi bulunur (klasik CIMAS ve resim-bulanık uzantılar); hangisinin veri durumunuza uyduğu ilgili veri türü kartlarında anlatılır.

Elinizde şunlar olmalı: satırlarda uzmanlar, sütunlarda kriterler, her hücrede bir önem puanı (örneğin 1-10 ölçeğinde) ve boş hücre yok. Ayrıca her uzman için deneyim yılı ya da benzeri bir kıdem ölçüsü gerekir. Bu bilgi yoksa DecisionMind eşit ağırlık varsayar. CIMAS ağırlık istemez, ağırlık üretir. Bu ağırlıklar sonra TOPSIS, SAW, WISP gibi sıralama yöntemlerine girdi olur. En az iki uzman ve iki kriter gerekir. Üç ile on iki kriter arası rahat çalışır. Bir kriterde tüm uzmanlar tam olarak aynı puanı verirse o kriterin ağırlığı sıfır çıkar. Bu bir hata değildir, sıfır bilgi sinyalidir.

Elinizde birden çok uzmanın bağımsız puanladığı bir kriter önem tablosu varsa ve uzman deneyimini ağırlıklandırma sürecine açıkça dahil etmek istiyorsanız CIMAS uygun bir seçimdir. Tipik alanları tedarikçi seçimi ve uzman odaklı grup ağırlıklandırmasıdır.

Kullanılmaması gereken durumlar şunlardır. Elinizde yalnız tek bir karar vericinin görüşü varsa CIMAS uygun değildir. Yöntemin uzmanlar arası ayrışma mantığı tek kişiyle çalışmaz, bu durumda AHP, BWM ya da SWARA daha uygundur. Uzmanlarınızın bilgi düzeyinden değil pozisyon ya da çıkar farkından dolayı ayrıştığından şüpheleniyorsanız CIMAS yine uygun değildir. Çünkü CIMAS bu ayrımı yapmaz, güvenilirlik indeksiyle yalnız ayrışmanın büyüklüğünü ölçer, kaynağını izlemez. Veriniz uzman puanı değil doğrudan ölçülmüş sayılardan oluşuyorsa nesnel ağırlıklandırma yöntemleri Entropy ya da CRITIC daha uygundur.

Çok uzmanlı önem puanlaması, deneyimi ağırlıklandırmak isteniyor → CIMAS

Tek karar verici, ikili karşılaştırma tercih ediliyor → AHP, BWM, SWARA

Ağırlık değil veri kendisi kriter önemini belirlesin isteniyor → Entropy, CRITIC

Uzmanların bilgiden değil önyargıdan ayrıştığı şüphesi var → Önce panel gözden geçirilmeli, sonra CIMAS

Ağırlık değil sıralama gerekiyor → TOPSIS, SAW, WISP, CRADIS ve diğer sıralama yöntemleri

CIMAS'ın en önemli özelliği şudur: ölçüt önemini tek bir "ortalama puan" yerine uzmanlar arası ayrışmadan türetir. Böylece tüm uzmanların hemfikir olduğu ölçütleri otomatik olarak düşük ağırlıklandırır; bu ölçütler zaten ayırt edici değildir. Uzman deneyimini açık ve izlenebilir biçimde sürece dahil etmesi, "kimin görüşü ne kadar sayılmalı" sorusuna somut bir cevap verir. Hesap yükü küçüktür, adımlar tablo üzerinde izlenebilir. Yöntem kendi güvenilirlik indeksini önerdiği için sonucun ne zaman şüpheyle karşılanması gerektiğini de işaret eder (Bošković ve ark., 2025).

Sınırlılıkları büyük ölçüde uzmanlar arası ayrışma mantığından gelir. Birincisi, CIMAS ayrışmanın kaynağını ayırt etmez. Bilgiden kaynaklanan sağlıklı bir görüş farkı ile önyargıdan kaynaklanan bir görüş farkı, yöntem için aynı görünür ve aynı ağırlığa dönüşür. Bošković ve arkadaşları (2025) güvenilirlik indeksini tam da bu yüzden önermiştir. İkincisi, sonuç uzman deneyim ağırlıklarına oldukça duyarlıdır. Deneyim ağırlığı en yüksek uzman panelin geri kalanından farklı puan veriyorsa, bu tek uzman sonucu domine edebilir. Üçüncüsü, tüm uzmanlar bir kriterde hemfikirse o kriterin ağırlığı sıfıra iner. Bu metodolojik olarak doğrudur, ama karar vericiler için sezgisel olmayabilir ve yanlışlıkla "hata" sanılabilir. Dördüncüsü, klasik CIMAS kesin puanlarla çalışır. Uzmanın kendi belirsizliğini, örneğin "6 ile 8 arası" gibi bir aralığı, yakalayamaz. Bu boşluk yüzünden, yöntemin önerilmesinden kısa süre sonra resim-bulanık bir uzantı yayımlanmıştır (Kara, Yalçın, Kaygısız, Simić, Örnek ve Pamučar, 2024).

En yaygın hata, uzman deneyimini hesaba katmadan tüm uzmanlara eşit ağırlık vermek ve bunu "tarafsızlık" diye sunmaktır. Oysa eşit ağırlık da bir karardır ve gerekçelendirilmelidir.

İkinci hata, bir kriterin ağırlığının sıfır çıkmasını veri hatası sanıp o kriteri tablodan çıkarmaktır. Oysa sıfır ağırlık, uzmanların o kriterde tam hemfikir olduğunu gösterir ve bu meşru bir sonuçtur. Üçüncü hata, deneyim ağırlığı en yüksek tek bir uzmanın sonucu ne kadar domine ettiğini kontrol etmeden ağırlıkları raporlamaktır. Bu uzman panelden çıkarılıp sonuç yeniden hesaplanmadan, sonucun sağlamlığı bilinemez. Dördüncü hata, CIMAS'ın ürettiği ağırlığı bir "doğru önem" gibi sunmak, panelin küçük ya da tek taraflı olabileceğini belirtmemektir. Beşinci hata, güvenilirlik indeksini hiç hesaplamadan sonucu nihai kabul etmektir.

Temel ilke şudur:

CIMAS ağırlıkları, o panelin uzmanları arasındaki ayrışmanın deneyimle tartılmış bir özetidir. Panel küçükse ya da tek bir uzman baskınsa, ağırlıklar da o baskınlığı taşır; rapor bunu göstermelidir.