Üniversite tercih süreci, öğrencilerin sadece eğitim değil, aynı zamanda kariyer ve yaşam planlarını doğrudan etkileyen bir dönüm noktasıdır. Bu süreçte yapılan hatalı tercihler, yıllar sürecek pişmanlıklara yol açabileceği gibi, bilinçli ve veriye dayalı kararlar geleceğe yönelik sağlam bir temel atılmasını sağlar. Dolayısıyla tercih listesi hazırlamak, salt bireysel isteklerin ötesine geçerek, bilimsel ve analitik bir yaklaşımla ele alınmalıdır. Günümüzde çeşitli yaklaşımlarla hazırlanan tercih listeleri arasında önemli kalite ve güvenilirlik farkları bulunmaktadır.
Mevcut Tercih Listesi Yaklaşımlarının Analizi
- Yüzdelik Yaklaşım: Yüksek Riskli Strateji
İlk yaklaşım, öğrencinin mevcut sıralamasından daha iyi bölümlere belirli yüzdelerle tercih dağılımı yapan sistemdir. Bu yöntemde üçüncü sıraya %10, dördüncü sıraya %15, beşinci sıraya %20, altıncı sıraya %30-40 oranında daha iyi sıralamaya sahip bölümler yerleştirilir. Yedinci ile on dokuzuncu sıralar arasına öğrencinin kendi sırasına yakın bölümler (%5 üstü, %10 altı), yirminci ile yirmi dördüncü sıralar arasına ise %10 ile %40 altında yer alan bölümler tercih edilir. Bu yaklaşımın matematik kullanmasına rağmen güvenilirliği oldukça düşüktür. Sabit yüzdelerle yapılan bu dağılım, bölümlerin dinamik yapısını, kontenjan değişikliklerini ve yıllara göre değişen popülerlik trendlerini göz ardı eder. Risk seviyesi çok yüksek olan bu yöntem, öğrencileri beklenmedik sonuçlarla karşı karşıya bırakabilir. - Çarpan Katsayılı Yaklaşım: Orta Düzey Güvenilirlik
İkinci yaklaşım daha sofistike bir sistem sunar. İlk altı tercih için sayısal bölümlerde 0.70, sözel bölümlerde 0.65, eşit ağırlıkta 0.70, yabancı dilde 0.75 ve TYT'de 0.50 katsayıları kullanılarak daha iyi sıralamalı bölümler seçilir. Yedinci ile on dokuzuncu tercihler arası için öğrencinin sıralaması 0.9 ve 1.1 ile çarpılarak yakın bölümler belirlenir. Son tercihlerde ise sayısal için 1.7, sözel için 1.8, eşit ağırlık için 1.9, yabancı dil için 1.5 ve TYT için 2.5 katsayıları kullanılır. Bu yöntem birinci yaklaşıma göre daha gelişmiş olsa da hala orta düzeyde güvenilirlik sunar. Bir önceki yılın verilerini temel alan bu sistem, sadece anlık sıralama verilerini kullandığı için uzun vadeli trendleri yakalayamaz. - İstatistiksel Veri Analizi: Bilimsel Üstünlük
Üçüncü yaklaşım, gerçek anlamda bilimsel bir metodoloji sunar. Python veya R gibi programlama dilleri kullanılarak, en az beş-altı yıllık verilerden yararlanılan bu sistem, nicel veri analizi tekniklerini içerir. Meteoroloji, savunma sanayi ve ekonomi gibi alanlarda kanıtlanmış istatistiksel yöntemler tercih listesi hazırlamada uygulanır. Bu yaklaşımda kullanılan analiz türleri oldukça kapsamlıdır:
Basit Ortalama: Bölümlerin geçmiş yıllardaki taban sıralamalarının aritmetik ortalamasını hesaplar.
Ağırlıklı Ortalama: Son yılların verilerine daha fazla ağırlık vererek, güncel trendleri daha iyi yansıtır.
Hareketli Ortalama: Belirli bir zaman penceresindeki verilerin ortalamasını alarak, kısa vadeli dalgalanmaları düzeltir.
Doğrusal Regresyon: Bölümlerin taban sıralamalarındaki uzun vadeli trendleri matematiksel olarak modelleyerek gelecek tahmini yapar.
Üstel Düzeltme: Exponential smoothing teknikleri kullanarak, son dönem verilerine daha fazla ağırlık verir.
Volatilite Analizi: Bölümlerin taban sıralamalarındaki değişkenliği ölçerek, risk seviyesini belirler.
Kontenjan Etkisi Modeli: Kontenjan artış ve azalışlarının taban sıralamalara etkisini matematiksel olarak modeller.
Sarkaç Modeli: Bölümlerin yıllar içindeki popülerlik değişimlerini döngüsel bir yapı içinde analiz eden modelleme tekniğidir. Bu model, bazı bölümlerde dönemsel yükseliş ve düşüşlerin tekrar ettiğini göstererek ileriye dönük öngörü sağlar.
Hata Payı ve Güven Aralığı: Tahminlerin doğruluk seviyesini istatistiksel olarak belirlir.
Bu metodoloji, New York University Stern School of Business'ın üniversite kabulleri için geliştirdiği predictive modeling teknikleriyle benzer bilimsel titizliği taşır. Ancak hem şuanda Türkiye'de sadece ben kullanmaktayım hem de Türkiye'nin eğitim sistemine özgü dinamikler, modele yerel parametrelerin eklenmesini zorunlu kılar. Türkiye'deki sınav sisteminin dinamik yapısı, şu faktörlerin modellenmesini gerektirir:
- Kontenjan artış ve azalışları
- Meslek popülerlik trendleri
- Ekonomik koşulların bölüm tercihlerine etkisi
- Üniversitelerin prestij değişimleri
- Coğrafi faktörler
- YÖK politika değişiklikleri
İstatistiksel veri analizi yaklaşımının avantajları açıktır: En isabetli tercih listesi türü olması, gerçek verilere dayanması, objektif olması, volatilite analiziyle sürprizleri öngörebilmesi ve risk seviyesinin kontrollü olması. Ancak bu yaklaşımın kritik bir dezavantajı vardır: GIGO (Garbage In, Garbage Out) prensibi. Hatalı veri girişi durumunda, sonuçlar felaket boyutlarda yanlış olabilir. Bu nedenle veri kalitesi ve doğruluğu hayati önem taşır. Bu metodoloji, ileri düzey veri bilimi uzmanlığı gerektiren karmaşık bir uygulamadır. Şu anda Türkiye'de bu konuda yeterli uzmanlık seviyesine sahip kişi sayısı oldukça sınırlıdır. Veri bilimi, istatistik, matematik ve eğitim sistemleri hakkında derin bilgi birikimine sahip uzmanların yetiştirilmesi, bu yaklaşımın yaygınlaşması için öncelikli ihtiyaçtır.
Üniversite tercih listesi hazırlamada kullanılan üç yaklaşım arasında, istatistiksel veri analizi yöntemi açık ara en güvenilir ve bilimsel olanıdır. Ancak bu yöntemin başarılı uygulanması için nitelikli uzman kadrosu, kaliteli veri altyapısı ve sürekli model geliştirme çalışmaları gereklidir. Bu bilimsel yaklaşım, tercih sürecini şansa bırakmaktan çıkarıp veriye dayalı stratejik bir karara dönüştürür. Doğru uygulandığında sürpriz sonuçları %70-80 oranında öngörebilir. Üniversite tercih listesi hazırlama süreci, artık sezgisel değil, bilimsel temellere dayalı olarak yönetilmelidir. Veriye dayalı istatistiksel analiz yöntemleri, öğrencilerin daha doğru tercihler yapmasına olanak sağlarken, eğitim politikalarının da daha gerçekçi temeller üzerinde inşa edilmesine katkı sunar. Bu metodolojilerin yaygınlaşması, Türkiye'nin eğitim sisteminde stratejik dönüşüm oluşturabilir. Eğitim danışmanları ve öğrenciler, tercih listesi hazırlarken mümkün olduğunca bilimsel yöntemlere dayalı yaklaşımları tercih etmelidir. Basit yüzdelik dağılımlar yerine, en az birkaç yıllık verileri analiz eden, istatistiksel modelleme kullanan sistemlerin seçilmesi, daha başarılı sonuçlar elde edilmesini sağlayacaktır. Gelecekte, yapay zeka ve makine öğrenmesi tekniklerinin de bu modellere entegre edilmesiyle, tercih listesi hazırlama sürecinin daha da geliştirilmesi mümkün olacaktır. Bu durum, öğrencilerin doğru kararlar vermelerine yardımcı olacak ve Türkiye'nin insan kaynaklarının daha verimli kullanılmasına katkı sağlayacaktır.
