TAXONOMY (Wrocław Taksonomik Gelişmişlik Ölçüsü)

TAXONOMY, "bir grup birimi (bölge, kurum, ülke) birden çok göstergeye göre nasıl tek bir gelişmişlik sıralamasında birleştiririm" sorusuna cevap verir. Çıktısı her seçenek için bir gelişmişlik payı ve bu paya göre bir sıradır. Yöntem, Wrocław ekolünden Florek, Łukaszewicz, Perkal, Steinhaus ve Zubrzycki tarafından 1951'de önerilmiş, Hellwig tarafından 1968'de ülke tipolojisi çalışmasında geliştirilmiştir. Bölgesel kalkınma karşılaştırmaları, kurumsal performans endeksleri ve tedarikçi değerlendirmesi gibi alanlarda kullanılır; resmi istatistik kurumlarının bölgesel kalkınma endekslerinde bugün de uygulama alanı bulmaktadır (Roszkowska, 2024).

TAXONOMY, TOPSIS'e benzer biçimde bir ideal referans noktası kurup her seçeneğin bu noktaya uzaklığını ölçer. Farkı ölçekleme biçimindedir. TOPSIS ham veriyi büyüklüğüne göre ölçeklerken TAXONOMY her kriteri kendi ortalamasından çıkarıp kendi standart sapmasına böler; buna standart skor (z-skoru) denir. Bu, "seçenek ortalamanın kaç standart sapma üstünde ya da altında" sorusuna cevap verir, ham büyüklüğe değil göreli konuma bakar.

Bir benzetme bunu netleştirir. Bir öğrencinin sınav başarısı yalnız aldığı puanla değil, sınıfın ortalamasından kaç standart sapma uzakta olduğuyla ölçülebilir. Kolay bir sınavda 80 puan vasat sayılırken, zor bir sınavda aynı puan üstün sayılabilir. TAXONOMY tüm kriterleri bu göreli ölçeğe çevirip tek bir hayali "en gelişmiş" referans seçenek kurar ve her gerçek seçeneğin bu referansa uzaklığını, verideki tipik uzaklık dağılımına oranlayarak bir gelişmişlik payına çevirir. Felsefi sonucu, yöntemin telafi edici olmasıdır: bir kriterdeki zayıflık başka bir kriterdeki güçle dengelenebilir; kriterler birbirinden bağımsız kabul edilir.

Yöntem dört adımda ilerler.

Birinci adım, standartlaştırma. Her kriter kendi ortalamasından çıkarılır ve kendi standart sapmasına bölünür; bu, tüm kriterleri birimsiz ve karşılaştırılabilir bir ölçeğe (z-skoru) taşır. Maliyet kriterlerinde bu standartlaştırılmış değerin işareti ters çevrilir, böylece her kriterde büyük değer her zaman "iyi" anlamına gelir.

İkinci adım, referans noktanın kurulması. Standartlaştırılmış tabloda her kriterin en yüksek değeri alınıp hayali bir "en gelişmiş" referans seçenek kurulur.

Üçüncü adım, uzaklığın ölçülmesi. Her gerçek seçeneğin bu referans noktasına düz çizgi uzaklığı (Öklid uzaklığı) hesaplanır.

Dördüncü adım, gelişmişlik payının hesaplanması. Uzaklık, verideki tipik uzaklık ölçeğine (uzaklıkların ortalaması ile bu ortalamanın üzerine eklenen bir güvenlik payına) oranlanır ve birden çıkarılır. Referansa en yakın seçenek 1'e en yakın bir pay alır; seçenekler bu paya göre büyükten küçüğe sıralanır.

Adımların formülleri, ara tabloları ve atıf biçimleri DecisionMind'daki yöntem sayfasında verilir; bu kart formül taşımaz.

Gelişmişlik payı, bir seçeneğin ideal referansa göre göreli konumunu gösterir. Pay 1'e ne kadar yakınsa seçenek o kadar "gelişmiş" sayılır, ama bu bir yüzde ya da olasılık değildir. Pay nadiren tam 0 ya da 1 çıkar, çünkü referans ölçeği verideki tipik uzaklık dağılımından türetilir; çok uç bir seçenek teorik olarak negatif bir pay bile alabilir. Pay yalnız bu seçenek grubu için anlamlıdır; başka bir gruptan gelen bir payla doğrudan karşılaştırılamaz, çünkü ortalama ve standart sapma her grupta yeniden hesaplanır.

Bu nedenle:

"Bu bölgenin gelişmişlik payı 0,44; yani yüzde 44 gelişmiş"

yerine:

"Bu bölgenin ideal referansa göreli uzaklığı, bu bölge grubundaki tipik uzaklık ölçeğine göre 0,44'lük bir gelişmişlik payına karşılık gelir; bu pay yalnız bu grup içinde anlamlıdır"

biçiminde yazmak doğrudur.

TAXONOMY kesin (crisp) veriyle çalışır: her hücrede tek bir sayı. DecisionMind'da TAXONOMY yalnız bu temel biçimiyle bulunur, ayrı bir veri türü uzantısı yoktur. Elinizde şunlar olmalı: satırlarda seçenekler, sütunlarda kriterler, her hücrede bir sayı, boş hücre yok; her kriter için yön bilgisi (çoğu iyi/azı iyi). Standart skor hesaplandığı için her kriterde en az birkaç farklı değer bulunmalıdır; bir kriterin tüm seçeneklerde aynı değeri alması standart sapmayı sıfırlar ve o kriter hesap dışı kalır.

Not: DecisionMind'ın TAXONOMY motoru şu an tüm kriterleri eşit ağırlıklı işler; kriter ağırlığı girilse bile hesaba katılmaz, DecisionMind ekibi bu noktayı gözden geçiriyor. En az iki seçenek, rahat kriter aralığı üç ile on iki arasıdır.

Amacınız bir grup birimi (bölge, kurum, şube) birden çok göstergeye göre tek bir gelişmişlik sıralamasında birleştirmekse ve göstergeler arasında telafiyi kabul ediyorsanız TAXONOMY uygun bir seçimdir. Grubunuzdaki birim sayısı çok azsa (iki-üç birim), standart sapma güvenilir bir tahmin olmaktan çıkar ve z-skorları anlamsızlaşabilir. Kriterlere gerekçeli farklı ağırlıklar vermeniz gerekiyorsa, DecisionMind'ın mevcut TAXONOMY motoru bunu uygulamadığı için ağırlıklandırmayı destekleyen başka bir yöntem (TOPSIS, WSM) tercih edilmelidir.

Grup içi gelişmişlik karşılaştırması, göreli konum önemli → TAXONOMY

Birim sayısı çok az (iki-üç) → standart sapma güvenilir değil, başka yöntem düşünün

Kriterlere farklı ağırlık verilmesi gerekiyor → TOPSIS, WSM gibi ağırlık uygulayan yöntemler

Sıralama değil ağırlık gerekiyor → AHP, BWM, SWARA (öznel) veya Entropy, CRITIC (nesnel)

TAXONOMY'nin temel üstünlüğü, farklı ölçek ve birimlerdeki göstergeleri z-skoru üzerinden doğrudan karşılaştırılabilir hale getirmesidir; bu, gelir gibi büyük sayılı bir göstergeyle memnuniyet puanı gibi küçük sayılı bir göstergeyi aynı tabloda dengeli biçimde birleştirir. Yöntem 1951'den bu yana resmi istatistik ve bölgesel kalkınma literatüründe geniş bir uygulama birikimine sahiptir (Roszkowska, 2024). Hesap yükü küçüktür ve sonuç kolay yorumlanabilir bir tek sayıya indirgenir.

Sınırlılıkları standart skor mantığından gelir. Birincisi, sonuç grup bağımlıdır: aynı seçenek farklı bir grup içinde değerlendirilseydi ortalama ve standart sapma değişeceği için payı da değişirdi. İkincisi, standart sapmanın küçük örneklemlerde güvenilirliği düşüktür; birkaç seçenekle çalışıldığında sonuç kırılgan olabilir (Bielak ve Kowerski, 2019). Üçüncüsü, DecisionMind'ın mevcut motoru kriter ağırlıklarını uygulamaz; gerekçeli farklı ağırlıklandırma isteyen kararlarda bu bir sınırlamadır. Dördüncüsü, yöntem kriterleri bağımsız sayar; birbirini etkileyen göstergelerde bu varsayım örtük çifte sayıma yol açabilir.

En yaygın hata kriter yönünü yanlış işaretlemektir. İşsizlik oranı gibi "azı iyi" bir gösterge "çoğu iyi" işaretlenirse, ideal referans en yüksek işsizliğe sahip birimden kurulur ve sonuç anlamsızlaşır. İkinci hata, çok az sayıda birimle (iki-üç) TAXONOMY uygulayıp standart sapmanın güvenilir olduğunu varsaymaktır. Üçüncü hata, gelişmişlik payını yüzde ya da olasılık gibi okumaktır; pay yalnız bu grup içindeki göreli konumu gösterir. Dördüncü hata, kriterlere farklı ağırlık verildiğini varsayıp raporlamaktır; mevcut motor tüm kriterleri eşit işler.

Temel ilke şudur:

TAXONOMY sonucu, seçeneklerin bulunduğu grubun ortalama ve standart sapmasına bağlıdır; grup değişirse pay da değişir, ve rapor bu grup bağımlılığını açıkça göstermelidir.