Antrenman Monitörizasyonu
Hafta 14
Yüzde Doksan Doğru mu?
Gelecek: yapay zekâ ile sakatlık tahmini, AUC ve PPV, dış doğrulama, uzaktan izleme, sporcu verisinin etiği ve dersin kapanışı
Prof. Dr. İzzet İNCE
© Prof. Dr. İzzet İNCE · izzetince.com.tr
1 dk. Geçen haftanın kapanış sorusu: bir algoritma “bugün dinlen” derse kararı kim vermiş olur? Bugün yeni teknolojiyi kanıt, hesap ve etik sorularıyla değerlendiriyoruz; sonunda 14 haftayı tek sistemde topluyoruz.
Akışta beş yoklama, sonda yedi soru. KVKK kısmı hukuki danışmanlık değildir.
Satış sunumu
“Yapay zekâmız sakatlıkları %90 doğrulukla tahmin ediyor.”
Sunumda “AUC 0,91” yazıyor. Model başka ülkedeki tek bir takımın iki sezonluk verisiyle geliştirilmiş. Şirket, modelin nasıl çalıştığını “ticari sır” diye paylaşmıyor.Satın alır mısınız?
© Prof. Dr. İzzet İNCE · izzetince.com.tr
2 dk. Oylatın. Görünen: yüksek bir sayı. Görünmeyen: hangi veride sınandığı, sakatlığın ne kadar nadir olduğu, uyarıların kaçının doğru çıkacağı ve verinin kime ait olduğu. Dersin sonunda yeniden oylatın.
Bu derste
Ders sonunda şunları yapabileceksiniz
1 AUC, duyarlılık, özgüllük ve PPV’yi sahaya çevirmek. 2 İç ve dış doğrulama farkını ve “ticari sır” sorununu açıklamak. 3 Uzaktan izlemenin yararını ve sınırını tartmak. 4 Onam, erişim ve saklama içeren bir veri politikası yazmak. 5 14 haftayı tek bir izleme sisteminde birleştirmek.
© Prof. Dr. İzzet İNCE · izzetince.com.tr
1 dk. Geri çağırma: vakanın dört adımı (Hafta 13); olay nadirse uyarıların çoğu yanlış (Hafta 10); teknoloji alımında önce soru, sonra kanıt, sonra maliyet (Hafta 9).
Önce temel · bir yüzdenin arkası
Tahmin modeli, doğruluk, AUC, doğrulama
Kelime Anlamı Örnek Tahmin modeli Geçmiş kayıttan risk olasılığı çıkaran program Makine öğrenmesi: kuralı veriden öğrenir Doğruluk yanılgısı Nadir olayda boş model bile doğru görünür “Kimse sakatlanmaz” %97 AUC Sakatlanana daha yüksek risk verme olasılığı 0,5 yazı tura, 1,0 kusursuz İç / dış doğrulama Aynı veride ya da başka takım ve sezonda sınama Aşırı uyum: gürültüyü ezberleme
© Prof. Dr. İzzet İNCE · izzetince.com.tr
2 dk. AUC 0,91: 100 çiftin ≈ 91’inde doğru sıralama; uyarıların kaçının doğru olduğunu söylemez. Modeli öğrendiği veriyle sınamak, sınav sorularını önceden görmüş öğrenciyi yoklamaya benzer. Oyuncu-haftası: bir oyuncunun bir haftası.
Görsel · doğruluk yanılgısı · hesap örneği
Hiçbir şey yapmayan model %97 doğru
doğruluk %97 yakalanan sakatlık 0 / 30 “Kimse sakatlanmayacak” diyen model 1.000 oyuncu-haftası, %3 sakatlık (30) · 970 kez haklı, 30 sakatlığın hiçbiri yakalanmadı · hesap örneği
© Prof. Dr. İzzet İNCE · izzetince.com.tr
1 dk. Nadir olayda doğruluk en boş modeli bile iyi gösterir. Bir modelde sorulacak: kaç sakatlığı yakaladı, uyarılarının kaçı doğru çıktı?
Önce temel · uyarı doğruluğu (Hafta 10’un hesabı)
Duyarlılık, özgüllük, PPV, nadirlik
Kelime Anlamı 1.000 oyuncu-haftası Duyarlılık Sakatlananların uyarı alan payı 24 ÷ 30 = %80 Özgüllük Sağlamların uyarı almayan payı 894 ÷ 970 ≈ %92 PPV Uyarı gelince doğru çıkma oranı 24 ÷ 100 = %24 Nadirlik Sıklık %1’e inerse 8 ÷ 87 ≈ %9
© Prof. Dr. İzzet İNCE · izzetince.com.tr
2 dk. Model 100 uyarı verdi: 24 doğru, 76 yanlış. 76 yanlış uyarı 76 gereksiz müdahale demek. Antrenörün sahada hissettiği oran PPV’dir.
Tahmin yoklaması · 1 dakika
Satıcının modeli yalnız geliştirildiği takımın verisinde AUC 0,91 gösteriyor. Ne yaparsınız?
A Dış doğrulama ve PPV sorarımB 0,91 çok yüksek; hemen alırımC AUC hiçbir şey anlatmaz, bakmamD Yalnız fiyatına göre karar veririm
Doğru: A. İç doğrulamadaki AUC iyimserdir; kendi kadronuzdaki doğru uyarı sayısı bilinmez.
© Prof. Dr. İzzet İNCE · izzetince.com.tr
1 dk. C de yanlış: AUC sıralama gücünü verir, yalnız tek başına yetmez.
Görsel · aynı model, iki takım · hesap
Sakatlık %1’e inince PPV %24’ten %9’a düşer
%1 → PPV %9 %3 → PPV %24 %0 %2 %4 %6 %8 %10 %0 %20 %40 %60 haftalık sakatlık sıklığı → · dikey: PPV · duyarlılık %80, özgüllük %92 · hesap
© Prof. Dr. İzzet İNCE · izzetince.com.tr
1 dk. PPV = duyarlılık × sıklık ÷ [duyarlılık × sıklık + (1 − özgüllük) × (1 − sıklık)]. Model değişmedi; yalnız takımdaki sakatlık sıklığı düştü. Uyarı sayısını planlarken önce sıklığı sorun.
Tahmin yoklaması · 1 dakika
100 oyunculuk akademide 10 oyuncu sakatlanacak. Model %80 duyarlı, %80 özgül; 26 oyuncuya uyarı verdi. Kaçı gerçekten sakatlanır?
A 20 oyuncuB 8 oyuncuC 26 oyuncuD 18 oyuncu
Doğru: B. 10 sakatlığın %80’i = 8; kalan 18 uyarı yanlış alarm.
© Prof. Dr. İzzet İNCE · izzetince.com.tr
1 dk. Önce oylatın, sonra tabloyu açın.
Sahadan örnek · 100 oyunculuk kadro, sezonluk %10
26 uyarının 18’i yanlış
100 oyuncu Uyarı aldı Uyarı almadı Toplam Sakatlanan 8 (doğru uyarı) 2 (kaçırılan) 10 Sakatlanmayan 18 (yanlış alarm) 72 (doğru sessizlik) 90 Toplam 26 74 100
© Prof. Dr. İzzet İNCE · izzetince.com.tr
2 dk. PPV 8 ÷ 26 ≈ %31: her 3 uyarıdan ≈ 2’si yanlış; 18 oyuncunun sprint yükü boşuna azalır. NPV (uyarı almayanın sağlam kalma oranı) 72 ÷ 74 ≈ %97 yüksek görünür, ama model olmadan da %90 sağlam kalıyordu. Aynı model sezonda %3 sakatlanan kadroda PPV ≈ %11 verir.
BÖLÜM 1
Yapay Zekâ ve Tahmin
Sayının arkasındaki sorular.
© Prof. Dr. İzzet İNCE · izzetince.com.tr
Önce temel · kanıt dili
Derleme, dâhil etme, prospektif, temassız
Kelime Anlamı Kapsam / sistematik derleme Ne çalışıldığını haritalamak / önceden yazılmış ölçütle toplamak Kayıt, dâhil etme Aramanın getirdiği yayınlar; ölçütü geçenler Prospektif Önce izle, sakatlığı sonra kaydet; geleceğe dönük sınav Temassız sakatlık Rakip teması olmadan; sprintte arka uyluk yırtığı
© Prof. Dr. İzzet İNCE · izzetince.com.tr
2 dk. 123 kayıttan 11 çalışma kalması ≈ %9 demek: modeller çoğu zaman az sayıda çalışmaya dayanıyor. Sinyal: modelin yararlandığı ölçüm (dış yük, önceki sakatlık, toparlanma).
Gerçek bir araştırma · 2026
Yapay zekâ ile sakatlık tahmini: nerede duruyoruz?
Soru Takım sporlarında yapay zekâ ve sensör verisiyle sakatlık tahmini ne kadar olgun?
Ne yapıldı Kapsam derlemesi: 123 kayıt tarandı, 11 çalışma dâhil edildi.
11 / 123
çalışma; çoğu tek takım, dış doğrulama nadir.
Tutarlı sinyaller: dış yük, önceki sakatlık, toparlanma.
Tsenos M, Kokkotis C, Draganidis D, et al. Injury prediction and risk modelling in team sports using artificial intelligence and sensor-based monitoring: a scoping review. J Funct Morphol Kinesiol. 2026;11(2):204.
© Prof. Dr. İzzet İNCE · izzetince.com.tr
2 dk. Çoğunlukla futbol ve ragbi; bildirilen başarı çok değişken. Yuan ve ark. (2026): temassız alt ekstremite sakatlığında 15 çalışma, en iyi AUC 0,91 (karar ağacı); büyük ölçekli prospektif doğrulama hâlâ gerekli.
Gerçek bir araştırma · 2022
Sakatlık tahmin modellerine ne kadar güvenebiliriz?
Soru Sporda kas-iskelet sakatlığı tahmin modelleri yöntem olarak ne durumda?
Ne yapıldı Sistematik derleme: 30 çalışma, 204 model.
0 / 30
çalışma modelini dış veride sınamış.
Modellerin %98’inde yanlılık riski yüksek ya da belirsiz.
Bullock GS, Mylott J, Hughes T, et al. Just how confident can we be in predicting sports injuries? A systematic review of the methodological conduct and performance of existing musculoskeletal injury prediction models in sport. Sports Med. 2022;52(10):2469–2482.
© Prof. Dr. İzzet İNCE · izzetince.com.tr
2 dk. Yalnız 3 çalışma örneklemi önceden hesapladı, 2’si kalibrasyon bildirdi. Van Eetvelde ve ark. (2021): 249 kayıttan 11 çalışma; AUC 0,52 (yazı turaya çok yakın) ile 0,87 arası. TRIPOD+AI (Collins ve ark., 2024): tahmin modeli raporlaması için kontrol listesi; satıcıya sorulacak soru: “Çalışmanız buna göre raporlandı mı?”
Görsel · kanıtın genişliği
Çok kayıt, az çalışma, sıfır dış doğrulama
Van Eetvelde 2021 11 / 249 dâhil edilen / kayıt Tsenos 2026 11 / 123 dâhil edilen / kayıt Bullock 2022 0 / 30 dış doğrulayan / çalışma makine öğrenmesiyle sakatlık tahmini derlemeleri · Bullock 2022: 204 modelin %98’inde yüksek ya da belirsiz yanlılık
© Prof. Dr. İzzet İNCE · izzetince.com.tr
1 dk. Açılıştaki satış sunumunun modeli (tek takım, iç doğrulama, kapalı yöntem) istisna değil, alandaki yaygın durum.
Satın almadan önce
Sorulacak altı soru
Soru Neden? Hangi veriyle geliştirildi? Tek takım, az sakatlık: gürültüyü öğrenebilir Dış doğrulama yapıldı mı? Başka veride başarı genellikle düşer Sakatlık ne kadar sık? Nadirse yüksek AUC bile düşük PPV verir Uyarıların kaçı doğru? Sahadaki yükü PPV belirler Açıklanabilir mi? Nedeni bilinmeyen uyarıya müdahale seçilemez Uyarı gelince ne yapacağız? Etkili müdahale yoksa sonuç değişmez
Bullock GS, Ward P, Impellizzeri FM, et al. The trade secret taboo: open science methods are required to improve prediction models in sports medicine and performance. Sports Med. 2023;53(10):1841–1849.
© Prof. Dr. İzzet İNCE · izzetince.com.tr
2 dk. Bahr (2016): risk etkeniyle sakatlık arasında güçlü ilişki olsa bile tek test bireyleri doğru ayırmaya yetmez (Hafta 10). Aynı mantık karmaşık modellere de uygulanır. Kapalı modeller bağımsız olarak sınanamaz.
Eşik ve kalibrasyon · AUC 0,80, haftalık %3 · hesap
Daha çok yakalamanın bedeli
Uyarı oranı Haftada uyarı Yakalanan (30’dan) Yanlış uyarı PPV %10 2,5 oyuncu 13,2 (%44) 86,8 %13 %20 5 oyuncu 18,6 (%62) 181,4 %9 %40 10 oyuncu 24,5 (%82) 375,5 %6
© Prof. Dr. İzzet İNCE · izzetince.com.tr
2 dk. 25 oyuncu × 40 hafta = 1.000 oyuncu-haftası. Model her oyuncuya risk yüzdesi verir; kimin uyarı alacağını eşik belirler (Hafta 10). “Kadronun %20’si”: her hafta en riskli 5 oyuncu. Kalibrasyon: modelin “%20 risk” dediği 100 oyuncu-haftasının ≈ 20’sinde sakatlık çıkması. Bütün riskleri iki katı söyleyen modelin AUC’si değişmez, kalibrasyonu bozulur.
Görsel · AUC’den sahaya · hesap
AUC 0,90 bile olsa 100 uyarıda yalnız 12 doğru
rastgele uyarı: %3 dış doğrulama 0,62 → %5 yayımlanan 0,80 → %9 çok iyi 0,90 → %12 0,5 0,6 0,7 0,8 0,9 1,0 %0 %10 %20 %30 AUC → · dikey: PPV · haftalık sakatlık %3, kadronun %20’sine uyarı · binormal model, hesap
© Prof. Dr. İzzet İNCE · izzetince.com.tr
1 dk. Eşit varyanslı binormal model: d = √2 × Φ⁻¹(AUC); sakatlanan ve sakatlanmayan grupların risk puanları arasındaki SS cinsinden uzaklık. Dış doğrulamada AUC 0,62’ye inince kaçırılan sakatlık 11,4’ten 19,9’a çıkar. Nadir olayda iyi sıralama, az yanlış alarm demek değildir.
Tahmin ve neden · 2026
Tahmin eden her değişken neden değildir
Nedensel risk faktörü Değiştirince sonuç değişir.
YHK’de ani artış; deneyle gösterilir.
Nedensel olmayan İlişki gerçek, neden değil.
Fizyoterapi odasına sık gitmek.
Risk belirteci Neden iddiası yok; kime uyarı verileceğini söyler.
Önceki sakatlık.
Stovitz SD, Impellizzeri FM, Shrier I. The risks of misunderstanding the term “risk factor”: a primer with suggestions to improve sports medicine. Sports Med. 2026;56(4):837–843.
© Prof. Dr. İzzet İNCE · izzetince.com.tr
2 dk. Tahmin “kim sakatlanacak?”, nedensel çıkarım “neyi değiştirirsem azalır?” sorusunu cevaplar. Ağrısı olan oyuncu odaya gider; odayı yasaklamak sakatlığı azaltmaz ama model bu değişkenle iyi tahmin yapar. Yazılım “yükü %30 azaltın” diyorsa bu önerinin ayrı bir çalışmada sınanıp sınanmadığı sorulur.
Hızlı yoklama · 1 dakika
Model “fizyoterapi odasına sık giden” oyuncuya yüksek risk veriyor. Odaya gitmeyi kısıtlamak sakatlığı azaltır mı?
A Evet, en güçlü risk faktörü budurB Evet, model yanılmaz, uygulanırC Hayır; ilişki var ama neden değilD Hayır; model tamamen çöpe gider
Doğru: C. Ağrısı olan odaya gider; değişken tahmin eder ama sakatlığa yol açmaz.
© Prof. Dr. İzzet İNCE · izzetince.com.tr
1 dk. D aşırı: model uyarıyı kime vereceğimizi söylemekte işe yarayabilir; ne yapacağımızı söylemez.
BÖLÜM 2
Uzaktan İzleme
Giyilebilirler ve veri seli.
© Prof. Dr. İzzet İNCE · izzetince.com.tr
Önce temel · tesis dışından gelen veri
Giyilebilir, öznel–nesnel, r, bireysel düzey
Kelime Anlamı Örnek Giyilebilir Vücuda takılan ölçüm cihazı Uyku yüzüğü, sürekli glikoz ölçer Öznel / nesnel Sporcunun bildirimi / cihazın ölçtüğü İyi oluş anketi / nabız r Birlikte değişme; karesi ortak pay 0,39² ≈ %15 Bireysel düzey Grupta görülen ilişki her kişide yok Veli’de var, Ayşe’de yok
© Prof. Dr. İzzet İNCE · izzetince.com.tr
2 dk. Üreticiler “hazır olma” skorlarını çoğu zaman hesap yöntemini açıklamadan verir (Hafta 9). r = 0,81 ise ortak pay ≈ %66: orta bir ilişki bile bir ölçümle ötekini tahmin etmeye yetmez.
Görsel · r neye benzer? · öğretim simülasyonu
r = 0,39: bulut; r = 0,81: belirgin eğilim
r = 0,39 · ortak değişim %15 anket puanı → · dikey: cihaz değeri r = 0,81 · ortak değişim %66 anket puanı → · dikey: cihaz değeri 60 gün, öğretim amaçlı simüle veri (sabit tohum) · uç değerler Spetz ve ark. (2025) aralığından
© Prof. Dr. İzzet İNCE · izzetince.com.tr
1 dk. Soldaki ilişkide bir günün anketinden cihaz değeri tahmin edilemez. Sağdakinde bile farkın ≈ üçte biri başka etkenlerden gelir.
Gerçek bir araştırma · 2025
Daha çok veri, daha iyi karar mı?
Soru Sporcunun kendi bildirimi giyilebilir verisiyle ne kadar uyuşuyor?
Ne yapıldı 20 milli dayanıklılık sporcusu, bir yıl: uyku yüzüğü, sürekli glikoz ölçer, GPS saati ve anket.
0,39–0,81
öznel sorular ile cihaz karşılıkları arasındaki r.
Bireysel farklılık büyüktü; kişisel analiz grup analizinden doğruydu.
Spetz L, Rogestedt J, Nilsson R, Mattsson CM, Larsen FJ. Validating subjective ratings with wearable data for a nuanced understanding of load-recovery status in elite endurance athletes. Sports Med Open. 2025;11:154.
© Prof. Dr. İzzet İNCE · izzetince.com.tr
2 dk. Artı: tesis dışındaki uyku, toparlanma ve yük görülür. Eksi: tüketici cihazlarının algoritmaları kapalı ve sık güncellenir; her gün onlarca gösterge dikkati dağıtır, yanlış alarm artar (Hafta 10). Öznel ve nesnel veri birlikte okunur.
Branşa göre · uzaktan izleme
Ne işe yarar, nerede tökezler?
Branş Uzaktan izlenen Dikkat Maraton, triatlon Saat: tempo, nabız, uyku Bilek nabzı yüksek hızda kayar Yüzme Uyku yüzüğü, anket Suda bilek nabzı zayıf Futbol (tatil, milli ara) GPS saat, koşu kaydı Kulüp yeleğiyle aynı tanım değil Dövüş sporları Sabah kilosu, idrar rengi Kilo verisi baskıya dönüşebilir Genç sporcu Uygulama anketi Veli onamı, ekran kaygısı
© Prof. Dr. İzzet İNCE · izzetince.com.tr
2 dk. Her satırda iki soru: veri karar değiştiriyor mu, sporcuya yük oluyor mu? Ölçüme takılma (orthometria) Hafta 9’da.
Hızlı yoklama · 1 dakika
Sporcu kendini iyi hissediyor, iyi oluş anketi normal; yüzük “hazır olma skoru 42 – dinlen” diyor. Ne yapılır?
A Skor her zaman haklıdır; dinlenB Öbür verilerle birlikte yorumlaC Yüzüğü hemen çöpe atmak gerekirD Sporcuyu anketten muaf tut
Doğru: B. Kapalı algoritmalı tek skor, öznel veri ve kişisel eğilimle okunur.
© Prof. Dr. İzzet İNCE · izzetince.com.tr
BÖLÜM 3
Sporcu Verisinin Etiği
Kimin verisi, kim görür, ne kadar saklanır?
© Prof. Dr. İzzet İNCE · izzetince.com.tr
Önce temel · veri etiği sözlüğü
Özel nitelikli veri, onam, anonimleştirme
Kelime Anlamı Özel nitelikli veri KVKK’da sıkı korunan grup; sağlık verisi burada Bilgilendirilmiş onam Anlayarak ve zorlanmadan verilen izin; imza değil süreç Anonimleştirme Kişiye geri bağlanamaz hâle getirmek; ad silmek yetmez Veri sahibi / sorumlusu Sporcu / amacı ve yöntemi belirleyen kulüp
© Prof. Dr. İzzet İNCE · izzetince.com.tr
2 dk. Kalp atımı, sakatlık öyküsü, kan tahlili ve uyku özel nitelikli olabilir. KVKK’da bilgilendirmenin adı aydınlatma, iznin adı açık rıza (Hafta 9). “2,05 m, pivot, 34 maç” kombinasyonu tek bir kişiyi gösterebilir. Sentetik veri: gerçeğe benzeyen yapay kayıtlar.
İyi bir veri politikası
Altı ilke
İlke Uygulamada Bilgilendirilmiş onam Hangi veri, hangi amaç, kim: yazılı bilgilendirme Amaçla sınırlılık Antrenman verisi sözleşme pazarlığında kullanılmaz Rol tabanlı erişim Antrenör yükü, yalnız sağlık ekibi tıbbi veriyi görür Veri en azlığı Karara dönüşmeyecek veri toplanmaz Saklama ve silme Süre ve ayrılınca ne olacağı yazılı Sporcunun erişimi Kendi verisini görür, düzeltilmesini ister
6698 sayılı Kişisel Verilerin Korunması Kanunu. Resmî Gazete, 7 Nisan 2016, sayı 29677.
© Prof. Dr. İzzet İNCE · izzetince.com.tr
2 dk. KVKK md. 6, 7499 sayılı Kanunla değişti (Resmî Gazete 12 Mart 2024; yürürlük 1 Haziran 2024): özel nitelikli verinin işlenme şartları yeniden yazıldı; sağlık verisi yine özel nitelikli. AB’de GDPR benzer koruma sağlar. Kulüp ve federasyonlar hukuk danışmanlığı almalı.
Görsel · verinin yaşam döngüsü · şematik
Onamla başlar, sporcunun erişimiyle kapanır
Onam bilgilendir, sor Amaç yalnız antrenman Erişim rol tabanlı En az veri karara dönen Saklama, silme süre yazılı Sporcunun erişimi görür, düzeltir sporcu verisi sağlık verisidir altı ilke · 6698 sayılı KVKK, sağlık verisi özel nitelikli · şematik
© Prof. Dr. İzzet İNCE · izzetince.com.tr
1 dk. Halkalardan biri eksikse politika sporcuyu değil kulübü korur. Chen ve Zhang (2026): elit sporcularda yeniden kimliklendirme riski yüksek; paylaşım için sentetik veri ve gizlilik testi önerdiler.
Biyometrik izlemenin beş riski · Hafta 9’dan
Risk ve sahada örneği
Risk Sahada örnek Geçerlik ve yorum Kapalı algoritmalı “skor 42” yanlış okunur Gözetim, mahremiyet 7/24 uyku ve konum, tesis dışı hayatı açar Gizlilik, güvenlik Sızan sakatlık öyküsü transfer değerini düşürür Çıkar çatışması Kulüp hekimi hem sporcuya hem kadroya hizmet eder Zorlama “Yüzüğü takmayan kadroya girmez”
Karkazis K, Fishman JR. Tracking U.S. professional athletes: the ethics of biometric technologies. Am J Bioeth. 2017;17(1):45–60.
© Prof. Dr. İzzet İNCE · izzetince.com.tr
2 dk. Yazarlara göre aynı kaygılar tüketici cihazları, üniversite ve lise sporu için de geçerli. Sınıf tartışması: kulüp iki sezonluk yük, sakatlık ve uyku verisini sözleşme yenilemede “risk yüksek” gerekçesiyle kullanmak istiyor; amaç, kanıtın gücü ve sporcunun haklarıyla iki cümle.
Hızlı yoklama · 1 dakika
Kulüp, milli takım pivotunun verisinden yalnız adını silip araştırmacılarla paylaştı. Veri anonim mi?
A Evet; ad yoksa kimse kim olduğunu bilemezB Evet; numara da silinirse yeterC Hayır; veri hiç paylaşılamazD Hayır; boy, mevki, maç ele verir
Doğru: D. Ad silmek maskelemedir; tanınmış sporcu kombinasyondan bulunur.
© Prof. Dr. İzzet İNCE · izzetince.com.tr
1 dk. C aşırı: onamla, amaçla sınırlı ve gerçekten anonim ya da sentetik veriyle paylaşım mümkün.
BÖLÜM 4
Dersin Kapanışı
14 hafta, tek sistem.
© Prof. Dr. İzzet İNCE · izzetince.com.tr
14 haftanın haritası
Bir izleme sistemi nasıl kurulur?
Adım Soru Hafta 1 · Amaç Neden izliyoruz, hangi karar? H01 2 · Ölçüm kalitesi Geçerli, güvenilir mi? Değişim gerçek mi? H02, H09 3 · Kuram Yük, uyum ve yorgunluk nasıl ilişkili? H03, H04 4 · Ne ölçülür? Dış, iç, sinir-kas, otonom, kan H05–H08 5 · Karar Hangi kural, eşik, kim karar verir? H10 6–7 · Bağlam, uygulama Bireysel ve takım; vaka, teknoloji, etik H11–H14
© Prof. Dr. İzzet İNCE · izzetince.com.tr
2 dk. Tek cümle: iyi bir izleme sistemi az sayıda, geçerli ve güvenilir ölçümü sporcunun kendi referansına göre yorumlar, önceden yazılmış karar kurallarıyla ekip kararına çevirir ve sporcunun verisini ona hizmet edecek şekilde korur.
Görsel · dersin tek sayfası · şematik
Yedi adım, tek sistem
1 Amaç H01 2 Ölçüm kalitesi H02, H09 3 Kuram H03–H04 4 Ne ölçülür? H05–H08 5 Karar H10 6 Bağlam H11–H12 7 Uygulama, etik H13–H14 neden ölçüyoruz → doğru mu ölçüyoruz → ne ölçüyoruz → nasıl karar veriyoruz az sayıda geçerli ölçüm · kişisel referans · önceden yazılmış kural · ekip kararı · korunan veri dersin tek sayfalık haritası · şematik
© Prof. Dr. İzzet İNCE · izzetince.com.tr
1 dk. Soldan sağa okuyun: neden ölçüyoruz, doğru mu ölçüyoruz, ne ölçüyoruz, nasıl karar veriyoruz ve sistemi sahada nasıl işletiyoruz.
SON BÖLÜM
Kendinizi Sınayın
Yedi soru · her biri bir dakika
© Prof. Dr. İzzet İNCE · izzetince.com.tr
Soru 1 / 7
1.000 oyuncu-haftasının %2’sinde sakatlık var. “Kimse sakatlanmaz” diyen modelin doğruluğu?
A %2B %50C %0D %98
Doğru: D. 980 kez haklı; ama 20 sakatlığın hiçbirini yakalamaz.
© Prof. Dr. İzzet İNCE · izzetince.com.tr
Soru 2 / 7
Model sezonda 50 uyarı verdi; 10’u gerçek sakatlıkla sonuçlandı. PPV kaçtır?
A %10B %80C %20D %50
Doğru: C. 10 ÷ 50 = 0,20.
© Prof. Dr. İzzet İNCE · izzetince.com.tr
Soru 3 / 7
Sezonda 20 sakatlık oldu; model bunların 15’ine önceden uyarı vermişti. Duyarlılık?
A %75B %25C %15D %133
Doğru: A. 15 ÷ 20 = 0,75.
© Prof. Dr. İzzet İNCE · izzetince.com.tr
Soru 4 / 7
Anket ile cihaz arasında r = 0,50. Ortak değişim payı yaklaşık kaçtır?
A %50B %5C %71D %25
Doğru: D. 0,50² = 0,25.
© Prof. Dr. İzzet İNCE · izzetince.com.tr
Soru 5 / 7
Bir modelin AUC’si 0,50. Bu ne demektir?
A Uyarıların yarısı doğrudurB Model kusursuz sıralarC Yazı turadan farkı yokturD Sakatlıkların yarısı yakalanır
Doğru: C. Sakatlanana daha yüksek risk verme olasılığı 0,5.
© Prof. Dr. İzzet İNCE · izzetince.com.tr
1 dk. A PPV’yi, D duyarlılığı anlatır; AUC ikisini de doğrudan söylemez.
Soru 6 / 7
Dış doğrulama nedir?
A Modeli başka takım ya da sezonda sınamakB Modeli aynı veri setinde yeniden sınamakC Modeli satıcının sunumunda izlemekD Modeli daha çok değişkenle büyütmek
Doğru: A. Başka veride başarı genellikle düşer.
© Prof. Dr. İzzet İNCE · izzetince.com.tr
Soru 7 / 7
Rol tabanlı erişime göre antrenör hangi veriyi görür?
A Bütün kan tahlilleri ve tanılarB Yük verisi ve yük önerisiC Sporcunun bütün sağlık geçmişiD Hiçbir veriyi göremez, yasak
Doğru: B. Tıbbi veriye yalnız sağlık ekibi erişir.
© Prof. Dr. İzzet İNCE · izzetince.com.tr
Özet
Bugün beş şey öğrendik
1 Nadir olayda yüksek AUC bile düşük PPV verir. 2 İç doğrulama iyimserdir; dış doğrulama ve açık yöntem şart. 3 Tahmin eden değişken neden olmayabilir . 4 Kapalı skorlar öznel ve kişisel veriyle okunur. 5 Sporcu verisi sağlık verisidir : onam, amaç, erişim, saklama.
© Prof. Dr. İzzet İNCE · izzetince.com.tr
1 dk. Satış sunumuna dönüp yeniden oylatın. Koşullu kabul için en az dört şart: dış doğrulama, kendi kadroda beklenen PPV, uyarıdan sonra yapılacak müdahalenin kanıtı, yazılı veri politikası.
Derslikten çıkmadan · dönem sonu
Bir sporcu grubu seçin ve 14 haftanın sorularıyla onun için tam bir izleme sistemi kurun.
Final görevi (dörtlü): amaç, ölçüm, karar kuralı, yeni teknoloji değerlendirmesi ve veri politikası .
Ayrıntılı okuma: Hafta 14 hoca sunumu · yapay zekâ, uzaktan izleme ve etik.
© Prof. Dr. İzzet İNCE · izzetince.com.tr
1 dk. Şablon: amaç ve karar (H01), her ölçüm için güvenirlik ve anlamlı değişim (H02, H09), ölçümler ve gerekçeleri (H05–H08), karar kuralları ve kimin karar verdiği (H10), bir yeni teknoloji ya da model için PPV ve dış doğrulama içeren rapor (H14), onam, erişim ve saklama ilkeli veri politikası (H09, H14), sistemi bir vakada sınama (H13). Dersin sonu; iyi çalışmalar.