Εφέτος ήταν μία “Τρελή” χρονιά εκτιμήσεων, καθότι είχαμε επαναφορά συντελεστών και πρώτη εφαρμογή ελάχιστης βάσης εισαγωγής. Με βάση τις περισσότερες εκτιμήσεις αναλυτών επροβλέποντο άνοδοι ειδικά στο 2^ο και 3^ο πεδίο ακόμη και 1000 μορίων στις περιζήτητες σχολές! Μελετώντας ήδη εδώ και δύο χρόνια τη μέθοδο εκτίμησης βάσεων, έβγαλα τα εξής συμπεράσματα για τη μεθοδολογία που ακολουθούν ( επί το ακριβέστερον – δεν ακολουθούν ) συνήθως οι αναλυτές:
Εξάγουν τον μέσο όρο βαθμολογίας ανά πεδίο και τον συγκρίνουν με τον αντίστοιχο περισινό. Αν για παράδειγμα ο μέσος όρος από 11,00 έχει γίνει 11,20 τότε αυτό μεταφράζεται σε αύξηση 200 μορίων – υποτίθεται σε όλες τις βάσεις! Φυσικά αυτό είναι ένα λογιστικό λάθος από εκ του προχείρου εκτίμηση.

    Μία άλλη μέθοδος την οποία ακολουθούν είναι η σύγκριση του πλήθους γραπτών πάνω από ένα τμήμα, π.χ. Νομικής Αθηνών ανάμεσα στα δύο έτη, τρέχον και παρελθόν. Αν για παράδειγμα βρουν περισσότερα 1000 γραπτά, τα διαιρούν χοντρικά με το πλήθος των εισακτέων σε αυτό το εύρος και συμπεραίνουν – ότι συμπεραίνουν.

    Αυτές είναι προχειρότητες οι οποίες στις περισσότερες περιπτώσεις έχουν σαν αποτέλεσμα τερατώδεις αποκλίσεις. Εφέτος ειδικά έγινε και ένα άλλο τραγικό λάθος από πολλούς εκτιμητές, συγκεκριμένα συγκρίθηκαν οι φετινές επιδόσεις με τις περσινές νέου συστήματος μόνον, ενώ περίπου 10% επιπλέον πέρυσι ήταν εξεταζόμενοι παλαιού συστήματος. Παρέλειψαν δηλαδή να κάνουν την αναγωγή των περισινών νέου συστήματος επί του συνόλου. Συγκρίνοντας φετινά πλήθη σε σχέση με λιγότερα το δέοντος περσινά, βγήκε το συμπέρασμα ότι έχουμε δραματικά υψηλή αύξηση καλύτερων γραπτών ενώ η πραγματικότητα ήταν ότι είχαμε αρκετή και όχι δραματικά υψηλή αύξηση καλύτερων γραπτών.

    Αναφορικά και δια ταύτα: Στο 1^ο επιστημονικό πεδίο υπήρξαν εκτιμήσεις ανόδου στις Νομικές της τάξης των 400 μορίων ενώ ο αλγόριθμος που χρησιμοποίησα μου έβγαζε άνοδο π.χ. για Νομική Αθήνας το πολύ 100 μορίων όπως και επαληθεύτηκε με άνοδο ακριβώς 100 μορίων!

    Στο 2^ο επιστημονικό πεδίο προβλέφθηκαν άνοδοι ομοίως της τάξης των 1000 μορίων ενώ ο αλγόριθμος για π.χ. τους Μηχανολόγους ΕΜΠ μου έβγαζε 300 έως 400 μόρια άνοδο – τελικά ήταν 492.

    Στο 3^ο επιστημονικό πεδίο προβλέφθηκαν επίσης τερατώδεις άνοδοι για τις σχολές Ιατρικής ενώ ο αλγόριθμος π.χ. για Ιατρική Αθήνας μου έβγαζε περί τα 500 μόρια άνοδο και τελικά ήταν 576.

    Στο 4^ο επιστημονικό πεδίο προβλέφθηκαν άνοδοι 500 μορίων και βάλε. Ο αλγόριθμος όμως για π.χ. για το Οικονομικό ΣΣΑΣ μου έβγαζε άνοδο 100 μορίων και τελικά τόσο ήταν ακριβώς!

    Ο αλγόριθμος εκτίμησης βάσεων κάθε χρόνο βελτιώνεται γιατί “μαθαίνει” τη συμπεριφορά ενός τμήματος π.χ. εάν έχει ανοδικές τάσεις ζήτησης ή πτωτικές. Λαμβάνει επίσης υπόψη πλήθος άλλων παραμέτρων όπως μεταβολές διαθέσιμων θέσεων, στατιστικά επιδόσεων υποψηφίων, EBE, κ.λ.π. Ο αλγόριθμος ως λογισμικό χρησιμοποιεί την ίδια τεχνολογία που χρησιμοποιείται από τους brokers για εκτίμηση μεταβολών τιμών χρηματιστηρίων. Ως εκπαιδευόμενος αλγόριθμος κάθε χρόνο έχει περισσότερη προστιθέμενη πείρα και γίνεται πιο “σοφός”

    Βέβαια, θα αναρωτηθεί κανείς πιο το όφελος του να εκτιμούμε από νωρίς τη διακύμανση των βάσεων. Η απάντηση βρίσκεται στους ίσως και εκατοντάδες αγχωμένους γονείς που μου τηλεφώνησαν: Καταπραΰνεται το άγχος και γίνονται επιπλέον ρεαλιστικότερες επιλογές στο μηχανογραφικό.