RAWEC (Ranking of Alternatives with Weights of Criterion)

RAWEC, elinizde bir karar tablosu olduğunda seçenekleri tek bir sıraya dizen bir sıralama yöntemidir. Çıktısı her seçenek için -1 ile 1 arasında bir endeks değeri ve bu değere göre sıradır. Puška ve arkadaşları tarafından 2024'te önerilmiş, MethodsX dergisinde yayımlanmış görece yeni bir yöntemdir; adı ("Weights of Criterion") ağırlıkların dışarıdan geldiğini, yönteme içkin bir eşit ağırlık varsayımı olmadığını belirtir.

RAWEC'in arkasında bir fikir var: bir seçeneği tek bir referans noktasına göre değerlendirmemek. Yöntem seçeneği yalnız ideale ya da yalnız en kötüye göre değil, iki karşıt bakış açısından birden değerlendirir. Her kriter için iki ayrı normalizasyon üretir: biri "bu değer, bu kriterdeki en iyiye göre nerede duruyor" (birincil), diğeri "bu değer, bu kriterdeki en kötüye göre nerede duruyor" (tümleyen). Yöntem her iki bakıştan da bir "en iyiden sapma" ölçüsü çıkarıp ağırlıklarla toplar; sonunda bu iki sapmanın farkını toplamlarına oranlar.

Bu fikrin bir felsefi sonucu vardır. RAWEC, bir seçeneğin yalnız "iyiye ne kadar yakın" olduğuna değil, "kötüden ne kadar uzaklaştığına" da simetrik biçimde bakar; bu iki bakışın birbirini ne ölçüde doğruladığını endekse yansıtır. Bu bakımdan TOPSIS'in ideal/anti-ideal mantığına yakın durur, ama uzaklığı geometrik olarak değil ağırlıklı ortalama sapma olarak ölçer ve sonucu sınırlı bir [-1, 1] aralığına sıkıştırır. Pozitif bir değer seçeneğin ortalamanın iyi tarafında olduğunu, negatif bir değer kötü tarafında olduğunu gösterir.

Yöntem dört adımda ilerler.

Birinci adım, karar matrisinin kurulması. Seçenekler satırlarda, kriterler sütunlarda, her hücrede tek bir sayı olacak biçimde tablo oluşturulur.

İkinci adım, çift yönlü normalizasyon. Yöntem her kriter için iki ayrı normalize değer hesaplar: birincil normalizasyon, fayda kriterinde değeri sütunun en iyisine, maliyet kriterinde sütunun en iyisini değere oranlar (klasik "en iyiye göre" bakış); tümleyen normalizasyon ise bunun tam tersini yapar (fayda kriterinde en kötüye göre, maliyet kriterinde değerin kendisi en büyüğe göre). Bu, her seçeneği hem "iyiye yakınlık" hem "kötüden uzaklık" açısından iki kez normalize eder.

Üçüncü adım, ağırlıklı sapmaların hesaplanması. Yöntem her iki normalizasyon için ayrı ayrı "1'den ne kadar uzak olduğunu" (yani en iyiden sapmayı) hesaplar, kriter ağırlığıyla çarpıp tüm kriterler üzerinden toplar. Böylece her seçenek için iki toplam sapma değeri çıkar: biri birincil bakıştan, diğeri tümleyen bakıştan.

Dördüncü adım, RAWEC endeksinin hesaplanması ve azalan sırada sıralama. Yöntem iki sapma değerinin farkını toplamlarına böler; sonuç -1 ile 1 arasında bir endeks verir. Endeksi yüksek olan seçenek daha iyidir; yöntem seçenekleri bu endekse göre büyükten küçüğe sıralar.

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

RAWEC endeksi, seçeneğin bu tablodaki diğer seçeneklere göre "iyiye yakınlık" ve "kötüden uzaklık" bakımından nerede durduğunu söyler; başka bir şey söylemez. Pozitif bir değer (örneğin 0,38) seçeneğin ortalamanın iyi tarafında olduğunu, negatif bir değer (örneğin -0,38) kötü tarafında olduğunu gösterir. Ama "0,38 = yüzde 38 iyi" gibi bir yüzdesel okuma yapılamaz; endeks yalnız bu seçenek kümesi ve bu ağırlıklarla anlamlıdır. Sıfıra yakın bir değer (örneğin 0,01) seçeneğin tam olarak "ortalama" bir konumda olduğu anlamına gelir; seçenek ne belirgin iyi ne belirgin kötüdür. Bu durumda küçük bir veri ya da ağırlık değişikliği seçeneği pozitif ya da negatif tarafa geçirebilir.

Bu nedenle:

"RAWEC endeksi 0,01 çıktığı için bu seçenek nötr, göz ardı edilebilir"

yerine:

"Bu seçeneğin endeksi sıfıra çok yakındır; bu, verilen ağırlıklar ve seçenek kümesiyle ne belirgin iyi ne belirgin kötü bir konumda olduğu, küçük bir değişiklikle sırasının kolayca değişebileceği anlamına gelir"

biçiminde yazmak doğrudur.

Klasik RAWEC kesin (crisp) veriyle çalışır: her hücrede tek bir sayı, boş hücre yok. Veriniz bulanık ya da nötrosofik ise DecisionMind'da temel yöntemle birlikte dört RAWEC üyesi bulunur (bulanık, nötrosofik ve plithogenic uzantılarıyla).

Elinizde şunlar olmalı: satırlarda seçenekler, sütunlarda kriterler, her hücrede bir sayı; her kriter için yön bilgisi; ve toplamı 1 olan kriter ağırlıkları. RAWEC ağırlık üretmez, dışarıdan ister; bu, yöntemin adında geçen "Weights of Criterion" ifadesinin de vurguladığı bir noktadır. Ağırlık kaynağınız yoksa eşit ağırlık kullanılabilir, ama bu bir varsayımdır ve raporda gerekçelendirilmelidir. RAWEC eşit ağırlığı otomatik olarak dayatmaz; bu seçimi siz yaparsınız. En az iki seçenek ve iki kriter gerekir; üç ile on iki kriter arası rahat çalışır.

Kriterleriniz sayıyla ölçülebiliyorsa, ağırlıklarınız hazırsa (ya da gerekçeli biçimde eşit kabul ediyorsanız) ve bir seçeneğin hem iyiye yakınlığını hem kötüden uzaklığını aynı anda görmek istiyorsanız RAWEC uygun bir seçimdir. Tipik alanları tedarikçi ve teknoloji seçimi, performans karşılaştırmalarıdır; yöntem alandan bağımsızdır.

Kullanılmaması gereken iki durum vardır. Birincisi, bir kriterde taviz kabul edilmiyorsa: RAWEC de TOPSIS gibi telafi edicidir. İkincisi, ağırlık kaynağınız yoksa ve eşit ağırlık varsayımını savunamıyorsanız: bu durumda önce bir ağırlıklandırma yöntemi (öznel ya da nesnel) çalıştırılmalı, RAWEC'e hazır ağırlıkla girilmelidir.

Sayısal tablo, ağırlık hazır, iyiye yakınlık ve kötüden uzaklığı birlikte görmek isteniyor → RAWEC

Ağırlık kaynağı yok, gerekçeli eşit ağırlık da savunulamıyor → önce AHP, BWM, SWARA (öznel) ya da Entropy, CRITIC (nesnel)

Ağırlık hiç istenmesin, veriden kendiliğinden türesin → PSI

Bir kriterde taviz yok, eşik altı elenmeli → önce eleme, sonra sıralama

Aynı amaç, veri bulanık / nötrosofik → RAWEC'in ilgili uzantısı

RAWEC'in en önemli üstünlüğü şudur: bir seçeneği tek bir referans yönünden değil, hem "iyiye yakınlık" hem "kötüden uzaklık" açısından birden değerlendirir ve bunu tek, sınırlı bir [-1, 1] endeksinde birleştirir. Bu sayede endeksin işareti (pozitif/negatif) kendi başına yorumlanabilir bir bilgi taşır. Hesap yükü küçüktür ve her adım tablo üzerinde izlenebilir. Yeni bir yöntem olarak farklı bulanık ve alan-özel uzantılarla hızla genişliyor; bu da yöntemin farklı veri türlerine uyarlanabildiğini gösterir (Nedeljković vd., 2024; Tešić vd., 2025).

Sınırlılıkları görece yeni bir yöntem olmasından ve yapısından doğar. Birincisi, 2024'te önerildiği için literatürde uzun vadeli, çok sayıda bağımsız uygulamayla sınanmış bir geçmişi henüz yoktur; TOPSIS ya da AHP gibi kırk yıllık bir eleştiri ve düzeltme birikimine sahip değildir. İkincisi, tam telafi varsayımına dayanır: bir kriterdeki ciddi zayıflık başka kriterle örtülebilir. Üçüncüsü, ağırlıkların kalitesi yöntemin dışındadır; RAWEC ağırlık üretmediği için kötü ağırlıklarla kusursuz bir hesap kötü bir sıra verir. Dördüncüsü, adındaki "Weights of Criterion" vurgusuna rağmen ağırlık kaynağı belirtilmeden (örneğin gerekçesiz eşit ağırlıkla) kullanılması hâlinde, sonucun görünürdeki nesnelliği yanıltıcı olabilir.

En yaygın hata, ağırlık kaynağı belirtmeden eşit ağırlık kullanmak ve bunu RAWEC'in "kendiliğinden ürettiği" bir sonuçmuş gibi sunmaktır; RAWEC ağırlık üretmez, eşit ağırlık da dışarıdan gelen bir varsayımdır ve raporda gerekçelendirilmelidir. İkinci hata, kriter yönünü yanlış işaretlemektir; bu, hem birincil hem tümleyen normalizasyonu aynı anda bozar ve sonucu ciddi biçimde çarpıtır. Üçüncü hata, endeksin işaretini (pozitif/negatif) "iyi/kötü" diye ikili okuyup büyüklüğünü göz ardı etmektir; sıfıra yakın pozitif bir değer ile 0,90 gibi yüksek bir değer aynı "iyi" kategorisinde değildir. Dördüncü hata, farklı analizlerin RAWEC endekslerini doğrudan karşılaştırmaktır; endeks yalnız aynı seçenek kümesi ve ağırlıklarla anlamlıdır.

Temel ilke şudur:

RAWEC endeksi, sizin verdiğiniz ağırlıkların ve seçenek kümesinin hem iyiye yakınlık hem kötüden uzaklık açısından tutarlı bir özetidir; ağırlık kaynağı tartışmalıysa endeks de tartışmalıdır ve rapor bunu göstermelidir.