İnsan Tercihlerini Tahmin Etmenin Sırrı: Üç Seçenek Gücü

İnsanlar birden fazla seçenek arasında karar verirken, aslında tercihlerini en yüksek fayda sağlayacak olan lehine kullanıyor. Bu temel prensip, 1927 yılında Amerikalı psikolog L. L. Thurstone tarafından ortaya atılan "Karşılaştırma Yargısı Yasası"na dayanıyor. Thurstone’un çalışmaları, zihinsel süreçlerin ölçülebilir ve nicelleştirilebilir olduğunu savunarak, psikometri alanını temellerini attı.

Thurstone’un geliştirdiği rastgele fayda modelleri (RUM), insan tercihlerinin matematiksel bir çerçevede tanımlanmasını sağlıyor. Bu modeller, bireylerin farklı zamanlarda değişen tercihlerine rağmen, genel eğilimleri tahmin etmek için kullanılıyor. MIT Elektrik Mühendisliği ve Bilgisayar Bilimi Bölümü’nde yardımcı doçent olan Gabriele Farina, konuyla ilgili şu görüşü paylaşıyor: "Bu modeller doğası gereği rastgeledir, çünkü her bireyin tercihleri farklıdır. Hatta aynı kişi bile tercihlerini zaman içinde değiştirebilir. Örneğin, sabah kahve seven biri, akşamüstü çay tercih edebilir ya da nadiren de olsa ikisini karıştırabilir."

RUM’lar, sadece günlük tercihlerde değil, büyük ölçekli karar süreçlerinde de kritik bir rol oynuyor. Ulaşım planlaması, kamu politikaları ve hatta şehir planlaması gibi alanlarda, insanların tercihlerini tahmin etmek için kullanılıyor. Örneğin, bir kentin 20 milyon dolarlık bütçesini nasıl dağıtması gerektiği ya da trafiğin kapanması durumunda insanların hangi ulaşım yollarını tercih edeceği gibi senaryolar, RUM’lar sayesinde analiz edilebiliyor.

Üçlü Karşılaştırmanın Önemi

MIT araştırmacıları, Yeshwanth Cherapanamjeri, Gabriele Farina, Constantinos Daskalakis ve Sobhan Mohammadpour, RUM’ların geleneksel uygulamalarında gizlenen bir eksikliği ortaya çıkardı. Şu ana kadar RUM’lar, genellikle ikili karşılaştırmalar üzerinden tahmin edilmekteydi. Örneğin, bir kişi Netflix’te izleyeceği filmin seçiminde A ve B filmlerinden hangisini tercih ettiğini belirtmek zorundaydı. Bu yaklaşımın yaygın kullanımının nedeni, bireylerin tek bir seçeneğe sayısal bir puan vermesinin zorluğu ve ikili karşılaştırmanın daha kolay olmasıydı.

Ancak, bu yöntem tercihler arasındaki gizli bağlantıları göz ardı ediyordu. Constantinos Daskalakis, konuyla ilgili olarak şunları söylüyor: "İki seçenek arasındaki ilişkiyi incelemek, tercihler arasındaki olası korelasyonları ortaya çıkarmamızı engelliyor. Örneğin, silah kontrolüne destek veren bir kişi, aynı zamanda devlet destekli çocuk bakımı programını da destekleyebilir. Benzer şekilde, bağımsız filmleri seven biri yabancı filmleri de tercih edebilirken, Hollywood aksiyon filmlerinden hoşlanmayabilir."

MIT ekibi, tercihler arasındaki korelasyonları ortaya çıkarmanın tek yolunun, üçlü karşılaştırmalar olduğunu kanıtladı. Bu yöntemde, bireylerden üç seçenek arasında sıralama yapmaları isteniyor. Sobhan Mohammadpour, bu süreci şöyle açıklıyor: "İnsanlara üç seçenek sunarak, tercihlerini sıralamalarını istiyoruz. Ardından, geliştirdiğimiz yöntemle bireysel tercihleri bir araya getirerek, geniş bir veri seti oluşturabiliyoruz."

Verimli Algoritmalar ve Gelecek Perspektifleri

Araştırmacılar, RUM’ların hesaplama tarafında da önemli ilerlemeler kaydetti. Tercih bilgilerini çıkarmak ve bu verileri analiz etmek için gereken veri miktarını optimize eden algoritmalar geliştirdiler. Farina, bu konuda şunları belirtiyor: "Geliştirdiğimiz algoritmalar, verilerin büyüklüğüne bağlı olarak üssel bir artış göstermiyor. Bu da, geniş veri setlerinde bile verimli bir şekilde çalışabileceklerini gösteriyor."

Üniversité de Montréal’de bilgisayar bilimci olan Emma Frejinger, bu çalışmayı "kritik bir atılım" olarak nitelendiriyor ve ekliyor: "Bu araştırma, tercih tahmini alanında yeni bir dönemin kapısını aralıyor. İkili karşılaştırmaların ötesine geçerek, tercihler arasındaki gizli bağlantıları ortaya çıkarmamızı sağlıyor."

RUM’ların gelecekteki uygulamaları, hem akademik hem de endüstriyel alanlarda büyük bir potansiyele sahip. Bu modellerin geliştirilmesi, bireylerin tercihlerinin daha doğru bir şekilde tahmin edilmesini ve böylece daha kişiselleştirilmiş hizmetlerin sunulmasını sağlayabilir. Araştırmacılar, bu alandaki çalışmalarını sürdürerek, tercih tahminlerinin doğruluğunu artırmayı ve yeni kullanım alanları keşfetmeyi hedefliyor. Sonuç olarak, insan tercihlerinin karmaşıklığını anlamak, sadece bilimsel değil, aynı zamanda toplumsal ve ekonomik açıdan da büyük önem taşıyor.