SPORTİF FAALİYETLERDE ÇOK KATEGORİLİ ÇOKLU HAKEM DEĞERLENDİRMESİNDEKİ UYUMUN HESAPLANMASINDA BAYESCİ YAKLAŞIM

Yıl 2016, , 127 - 136, 20.06.2016

Mehmet İlker Bek Ercan Efe

https://doi.org/10.17155/spd.41202

Öz

Çok kategorili değerlendirme sistemleri ile çok sayıda hakemin değerlendirme yaptığı faaliyetlerde hakemlerin değerlendirmelerinde değişkenlikler görülebilir. Bu değişkenliğin genelde iki sebebi vardır. İlki değerlendirilen kişi veya nesneye olan özel ilgi veya yakınlık, ikincisi ise değerlendirme sisteminin belirli bir standartla değerlendirilmemiş olmasıdır. Değerlendirme ölçeği kategorik yapıda ise uyum hesaplamalarında kullanılan farklı klasik yaklaşımlar da vardır. Hakemler arası uyumun değerlendirmesinde kullanılan farklı yöntemlerden birisi de Bayesci yaklaşımdır. Bayesci yaklaşım ile diğer konvensiyonel yaklaşımların farkı, Bayesci yaklaşımda önsel olasılıklar, deneysel veri ve sonsal olasılıklar dikkate alınarak sonuca erişilir. Ancak istatistik paketlerin çoğunda Bayesci çözümleri elde etmek mümkün olmamaktadır. Bunun için WinBUGS gibi özel paket programlar kullanılabilir.
Bu çalışmanın amacı, 3 hakemin, 3 şıklı değerlendirme sistemi kullanarak yaptığı yetenek sıralamasındaki hakemler arası uyumu Bayesci yaklaşımla hesaplamak ve elde edilen katsayıların yorumlanmasını yaparak klasik yaklaşımlardan farklarını ortaya koymaktır.
Bayesci yaklaşımda parametrelerin sonsal dağılışları doğrudan elde edilebilmekte ve ortalamalarına ait inanırlılık (Credibility) sınırları, klasik yaklaşımlardaki güven sınırlarından farklı olarak elde edilebilmektedir. Aynı zamanda uyum kadar önemli olan uyumsuzlukları da incelemek mümkün olabilmektedir. Bu nedenle Bayesci yaklaşım hakemler arası uyumu değerlendirmede iyi bir istatistik analiz tekniktir.
Anahtar Kelimeler:, Bayesci uyum, Çoklu değerlendirici, Değerlendirici uyumu, Uyum

Anahtar Kelimeler

Bayesci uyum, çoklu değerlendirici, değerlendirici uyumu, uyum

Kaynakça

• Fleiss, J, Cohen J. and Everitt B. Large sample standard errors of kappa and weighted kappa. 1969. Psychological Bulletin 72, 323-327.
• Fleiss J. L. 1971. Measuring nominal scale agreement among many raters. Psychol. Bull. 76, 378.
• Agresti, A. Categorical data analysis. 1990. New York: John Wiley and Sons.
• Altaye, M, Donner, A, and Klar, N. Inference procedures for assesing agreement among multiple raters. 2001.Biometrics 57, 584.
• VonEye A, Mun EY. Analyzing rater agreemenet, manifest variable methodes. 2005. Maswash, NJ, London: Larence ErbaumAssociaties.
• Peter Congdon. Bayesian models for categorical data. 2005. John Wiley&SonsLtd, England.
• Lyle DB. Bayesian Methodes for measures of agreement. 2009.Boca Raton, London,NewYork: Chapmanand Hall/CRC.
• Erasmus JJ, Gladish GW, Broemeling L, BS Sabloff. Interobserver variability in measurement of non-small cell carcinoma of the lung lesion: implication of assessment of tumor response. 2003. J.Clin Oncol. 21,2547.
• WinBUGS. 1996-2003. Imperial College & MRC UK. http://www.mrc-bsu.cam.ac.uk/software/bugs/the-bugs-project-winbugs/
• Fleiss JL. Statistical methods for rates and proportions (2nd ed). 1981. New York: Wiley.
• Landis JR & Koch GG. The measurement of observer agreement for categorical data. 1977. Biometrics, 33, 159-174.