Makina Öğrenmesi Normları

Yapay Zeka Destekli Akıllı Ölçekler

Makina Öğrenmesi Temelli Norm Nedir?

Psikometrik bir ölçekte normlar, danışanın her tanı için alınan skoru, o tanı için danışanın barındırdığı riski tarifler. Dijital yahut kağıt temelli klasik  ölçeklerde bu kesme noktaları temel istatistiki yöntemlerle tespit edilmeye çalışılır. Ancak, temelde ile “Düşük”,”Orta” ve “Yüksek” olarak üç kategoride sınıflandırılmış ve genel olarak 3 eşit değere bölünmüştür.

Sağdaki 1. şekilde klasik bir SCL-90 (Sympthom Check List) testine ait tanıların norm değerleri gözükmetedir.

Bu grafiğe göre herhangi bir tanıda puan alan danışanın puanı o tanı için alınabilecek toplam skorun 1/3’ü oranına göre değerlendirilir. Bu geçmiş yılların klasik düşüncesidir.

Yapay Zeka ve Makine Öğrenmesi Çalışmalarındaki son yıllarda elde edilen başarılar, psikometrik ölçeklerin norm değerlerini ve kesme noktalarını yeniden belirlememize imkan vermiştir.

Sağdaki 2 şekilde SCL-90 R (Sympthom Check List) testine ait tanıların norm değerlerinin Yapay Zeka Sınıflandırma algoritmalarına göre yeniden tespit edildiği infografik gözükmetedir.

Bu çalışmaya ait bilimsel içeriği DNB Analytics firmasının Research Gate hesabından inceleyebilrisiniz.

Klasik SCL 90-R Normları

Şekil 1, Klasik Likert Ölçeklerindeki Normlara Ait Kesme Noktaları

Yapay Zeka SCL-90 R

Şekil 2, Makina Öğrenmesi Normlarına Ait Kesme Noktaları.

Normlar Nasıl Belirlenir

Normlai, her bir test için farklı kültürlerde 100 binler'i bulan yasal onamlı DNB analytics test skorları havuzunda, herhangi kişisel bir veriye ihtiyaç duymadan, yüzlerce farklı tıbbi öykü verisinin de dahil edildiği, matrislerde, Multinominal Logistic Lasso Regresyon Yöntemi ve Yapay Zeka Sınıflandırmaları neticesinde bulunur.