LBWA (Seviye Tabanlı Ağırlık Değerlendirmesi)

LBWA, kriterlere uzman görüşüyle ağırlık veren bir yöntemdir. Çıktısı, toplamı bir olan bir ağırlık vektörüdür; seçenek değerlendirmez, sıralama yapmaz. AHP kriter sayısı arttıkça hızla büyüyen bir ikili karşılaştırma listesi ister. LBWA bunun yerine uzmandan tek bir sıralama işlemi ister: önce en önemli kriteri belirlemek, sonra geri kalan kriterleri birkaç kaba seviyeye ayırmak (birinci derece önemli, ikinci derece önemli, üçüncü derece önemli gibi). Son adım, yalnız aynı seviye içindeki küçük farkları puanlamaktır. Žižović ve Pamučar tarafından 2019'da önerilen yöntem, kriter sayısı arttığında karşılaştırma yükünün neredeyse hiç artmaması nedeniyle çok kriterli tedarikçi seçimi, sürdürülebilirlik değerlendirmesi ve kamu politikası önceliklendirmesi gibi alanlarda tercih edilir.

LBWA'nın arkasındaki fikir, insanların kriterler arasında ince ince ikili karşılaştırma yapmakta değil, kabaca gruplamakta daha rahat olduğudur. Bir uzmana "hız mı güvenlik mi daha önemli, kaç kat önemli" diye sormak yerine LBWA şunu sorar: hangi kriter en önemlisi. Sonra hangi kriterlerin onunla neredeyse aynı düzeyde (birinci seviye), hangilerinin bir basamak daha az önemli (ikinci seviye) olduğu ve bu düzenin devamı sorulur. Her seviyenin içinde de küçük bir ayrım yapılır: aynı seviyedeki iki kriterden biri diğerinden biraz daha etkili olabilir. Bu iki aşamalı gruplama, insan sezgisine AHP'nin tam sıralı ikili karşılaştırmasından daha yakındır.

Bunun bir sonucu vardır: LBWA'da tüm karşılaştırma yükü, en önemli kriter etrafında toplanır. Diğer kriterler doğrudan birbiriyle değil, yalnız en önemli kriterle ve kendi seviyeleriyle ilişkilendirilir. Bu, yöntemi hızlı ve az yorucu yapar ama en önemli kriterin doğru seçilmiş olmasına da fazlasıyla bağımlı kılar; en önemli kriter yanlış seçilirse tüm ağırlık dizisi bu hatanın üzerine kurulur.

Yöntem üç adımda ilerler.

Birinci adım, seviye ve etki değerlendirmesi. Uzman önce tüm kriterler arasından en önemlisini seçer; bu kriter birinci seviyede ve sıfır etki puanıyla kabul edilir. Kalan kriterler, en önemli kritere göre önem kaybı arttıkça artan seviyelere (birinci, ikinci, üçüncü seviye gibi) dağıtılır. Aynı seviyedeki kriterler için uzman, en önemli kriterden ne kadar uzaklaştığını gösteren küçük bir tam sayı etki puanı verir (0'dan, o seviyedeki kriter sayısına kadar). Bu adımda ayrıca bir ölçek genişliği parametresi belirlenir; bu parametre en yüksek seviye sayısından büyük seçilir.

İkinci adım, etki fonksiyonu. Her kriter için, hangi seviyede olduğu ve o seviye içindeki etki puanı bir formülle tek bir sayıya (etki değerine) çevrilir. Seviye numarası büyüdükçe (kriter en önemliden uzaklaştıkça) bu değer küçülür; aynı seviye içinde etki puanı büyüdükçe de değer küçülür.

Üçüncü adım, ağırlığa çevirme. En önemli kriterin ağırlığı, diğer tüm kriterlerin etki değerlerinin toplamından türetilen bir anchor (çıpa) değeriyle hesaplanır. Diğer kriterlerin ağırlığı, kendi etki değerleri bu çıpa ile çarpılarak bulunur. Sonuçta tüm ağırlıkların toplamı bire eşit çıkar.

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

Ağırlık, uzmanın en önemli kriter etrafında kurduğu seviye ve etki yapısının doğrudan bir sonucudur; kriterler arasındaki ince farkları değil, uzmanın kabaca çizdiği grupları yansıtır. İki kriter aynı seviyede ve yakın etki puanına sahipse ağırlıkları da birbirine yakın çıkar; bu yakınlık, kriterlerin "neredeyse eşit önemli" görüldüğü anlamına gelir, ince bir matematiksel farkın kanıtı değildir. En önemli kriterin ağırlığı her zaman en yüksektir çünkü yöntem bunu tanım gereği öyle kurar; bu bir hesap sonucu değil, uzmanın birinci adımda verdiği kararın doğrudan yansımasıdır.

Bu nedenle:

"LBWA bu kriterin en önemli olduğunu kanıtladı"

yerine:

"Uzman bu kriteri en önemli olarak seçmiştir; LBWA bu seçimi ve kalan kriterlerin seviye-etki yapısını tutarlı bir ağırlık dizisine çevirmiştir"

biçiminde yazmak doğrudur.

LBWA kesin veriyle çalışır: seviye numaraları ve etki puanları tam sayıdır. DecisionMind'da LBWA'nın kendi ailesinde ayrı bir kayıtlı uzantı üyesi yoktur; literatürde bulanık, gri ve aralık kaba sayı gibi uzantıları tanımlanmış olsa da bunlar DecisionMind'da ayrı bir üye olarak yer almaz. Elinizde şunlar olmalı: en az iki kriter, hangi kriterin en önemli olduğuna dair açık bir seçim, her kriterin hangi seviyede olduğu, aynı seviye içindeki etki puanları ve ölçek genişliği parametresi. Yöntem ağırlık üretir, dışarıdan ağırlık istemez. Kriter sayısında üç ile on iki arası tipiktir; kriter sayısı arttıkça bile karşılaştırma yükü diğer yöntemler kadar hızlı büyümez, çünkü her kriter yalnız kendi seviyesi içinde küçük bir puanla değerlendirilir.

Kriter sayısı fazlaysa ve uzmandan tam ikili karşılaştırma istemek pratik değilse, buna karşılık uzman kriterleri kabaca birkaç önem grubuna ayırabiliyorsa LBWA uygun bir seçimdir. Uzman kriterler arasında zaten net oranlı karşılaştırmalar (şu, bundan üç kat önemli gibi) yapabiliyorsa AHP ya da BWM daha ayrıntılı bir ağırlık yapısı verir. En önemli kriterin kendisi tartışmalıysa, yani uzmanlar hangi kriterin en önemli olduğu konusunda anlaşamıyorsa, LBWA'nın tüm yapısı bu tek seçime dayandığından yöntem kırılgan hâle gelir. Bu durumda önce bir uzlaşı yöntemiyle (Delphi gibi) en önemli kriter üzerinde anlaşmaya varılmalıdır.

Çok kriter var, kaba seviye gruplaması yeterli → LBWA

Az kriter var, ince oranlı karşılaştırma isteniyor → AHP, BWM

En önemli kriter tartışmalı, önce uzlaşı gerekiyor → Delphi, Bulanık Delphi

Ağırlık değil verinin kendi değişkenliği önemli → Entropy, CRITIC

LBWA'nın en önemli üstünlüğü hızıdır: kriter sayısı arttıkça karşılaştırma yükü AHP'nin n(n-1)/2 ikili karşılaştırmasından çok daha yavaş büyür, çünkü kriterler yalnız kendi seviyeleri içinde karşılaştırılır. Uzmandan istenen yargı basittir ve kolayca gerekçelendirilebilir: "bu kriter en önemlisi", "bu üçü onunla neredeyse aynı düzeyde". Yöntem ayrıca bir tutarlılık kontrolü içerir ve ölçek genişliği parametresiyle sonuçların ne kadar keskin ayrıştığını ince ayarlamaya izin verir.

Yöntemin en büyük kırılganlığı, tüm yapının tek bir kritere (en önemli kritere) dayanmasıdır; bu seçim hatalıysa ya da uzmanlar arasında tartışmalıysa geri kalan tüm ağırlık dizisi bu hatanın üzerine kurulur. İkincisi, LBWA gibi az sayıda karşılaştırma isteyen parsimonik yöntemler (BWM, FUCOM, LBWA) kesin sayısal ölçek kullanır; bu, uzman yargısındaki dilsel belirsizliği (kararsızlığı) yakalayamaz (Ayan, Abacıoğlu ve Basilio, 2023). Üçüncüsü, seviye sayısının ve ölçek genişliği parametresinin seçimi uzmana bırakılmıştır ve bu seçim sonucu değiştirebilir; farklı bir seviye sayısıyla aynı kriter kümesi farklı ağırlıklar üretebilir. Dördüncüsü, LBWA çok uzmanlı değerlendirmeler için kendi içinde bir birleştirme kuralı tanımlamaz; birden fazla uzman varsa önce bir uzlaşıya varılmalıdır.

En sık hata, en önemli kriteri aceleyle seçip bu seçimin tüm sonucu belirlediğini fark etmemektir; bu seçim tartışmalıysa yöntem baştan sağlam bir zemine oturmaz. İkinci hata, kriterleri seviyelere ayırırken tutarsız davranmaktır; örneğin iki kriter benzer önemde görülüyorsa aynı seviyeye konmalıdır, farklı seviyelere dağıtmak yapay bir fark yaratır. Üçüncü hata, ölçek genişliği parametresini sonuçlara bakarak seçmektir; bu parametre analiz başlamadan önce sabitlenmelidir. Dördüncü hata, birden fazla uzmanın seviye-etki yapısını LBWA'nın kendisi birleştirebiliyormuş gibi davranmaktır; yöntem çok uzmanlı birleştirme kuralı içermez.

Temel ilke şudur:

LBWA'nın ağırlığı, uzmanın en önemli kriter etrafında kurduğu seviye ve etki yapısının doğrudan bir yansımasıdır; bu yapı ne kadar tartışmalıysa ağırlık da o kadar tartışmalıdır.