Analiz: Mahalle Etkisi — Aynı Sokakta Yaşayan Oyuncuların ELO Değişimleri ve Sosyal Ağların Rekabeti Şekillendirmesi (2016–2025 Türkiye Verisi)

Giriş

2016–2025 dönemine ait Türkiye oyuncu verileri üzerinden yürütülen bu analiz, aynı sokakta yaşayan oyuncuların ELO puanlarındaki değişimlerin ne ölçüde birbirine bağlı olduğunu, mahalle bazlı sosyal ağların rekabet dinamiklerini nasıl etkilediğini araştırıyor. Sadece istatistiksel korelasyon değil; sosyal etkileşim mekanizmaları, mekânsal bağımlılık ve politika/organizasyonel çıkarımlar da ele alınıyor.

Veri Kaynağı, Kapsam ve Tanımlar

Analizde kullanılan veri seti, 2016–2025 yılları arasında Türkiye içinden toplanmış çevrimiçi turnuva ve lig kayıtları, yerel kafe/tournament kayıtları ve kullanıcı profili verilerinin anonimleştirilmiş birleşiminden oluşur. Temel değişkenler şunlardır:

• ELO: Oyuncuların her maç sonrası kaydedilen ELO değeri (zaman serisi biçiminde).
• Adres seviyesi: Sokak düzeyine indirgenmiş anonim coğrafi etiket (mahremiyete dikkat edilerek şehir/ilçe/sokak düzeyi).
• Sosyal bağlar: Platform içi arkadaşlık, ekip üyeliği, sık oynanılan eşleşmeler ve yerel turnuva katılımları.
• Kontrol değişkenleri: Yaş, oyun türü, oynama sıklığı, internet altyapısı, şehir nüfusu, sosyoekonomik gösterge (ilçe düzeyinde).

Analiz, aynı sokaktaki oyuncu çiftlerinin ELO değişimlerinin zaman içindeki eşzamanlılığını ve gecikmeli etkilerini incelemek için tasarlanmıştır.

Analitik Yaklaşım ve Metodoloji

Bu çalışmada birden fazla istatistiksel teknik kombine edildi:

1. Moran's I ve Mekânsal Otokorelasyon: ELO değerlerinde mekânsal kümelenme olup olmadığı ölçüldü. Pozitif Moran's I bulguları, yakınlıkla ELO benzerliği arasında anlamlı ilişki olduğunu gösterdi.
2. Panel Veri Analizi (Fixed Effects): Oyuncu sabit etkileri modeline sokak düzeyi etkileşim terimleri eklendi. Bu, bireysel sabit özellikleri kontrol ederek mahalle etkisini izole etmeyi sağladı.
3. Farkında-Fark (Difference-in-Differences): Yerel turnuva açılışları, internet kafe kapanmaları gibi dışsal şokların mahalle içi ELO dinamiklerine etkisi sınandı.
4. Network Analiz Metodları: Oyuncular arası bağlantı yoğunluğu, merkeziyet ölçümleri (degree, betweenness) ile ELO kazançları arasındaki ilişki değerlendirildi. Ayrıca Exponential Random Graph Models (ERGM) ile ağ oluşum kuralları test edildi.
5. İlave Sağlamlık Testleri: Propensity score matching ile benzer oyuncular eşleştirilip mahalle etkisi tekrar test edildi; yerel açık/kapalı kafe kayıtlarına göre placebo testler yapıldı.

Bazı Teknik Notlar

Mekânsal bağıntının ayrıştırılması için sokak düzeyindeki tekrarlı ölçümler kullanıldı. ELO zaman serileri mevsimsellik gösterebildiğinden, mevsimsel dummy değişkenler ve maç frekansı kontrol edildi. Ayrıca şehir büyüklüğüne göre alt-analizler (metropol vs. küçük kasaba) yapıldı.

Temel Bulgular

1) Pozitif Mahalle Etkisi: Sokak düzeyinde oyuncular arasında ELO korelasyonu beklenenden yüksek çıktı. Özellikle sıkı sosyal bağların bulunduğu sokaklarda oyuncuların ELO artışı daha tutarlı ve eşzamanlı oldu.

2) Ağ Yoğunluğu ile Performans İlişkisi: Yüksek ağ yoğunluğuna sahip mahallelerde oyuncular, daha düşük yoğunluklu mahallelere kıyasla daha hızlı ELO yükselişi gösterdi. Bu etki, merkezi oyuncular (network hubs) etrafında toplanan öğretici/pratik seanslar sayesinde pekişiyordu.

3) Mekânsal Şokların Yayılması: Yerel turnuva açılışları veya popüler bir kafenin yayılması, komşu sokaklardaki oyuncuların ELO artışını tetikleyebiliyor. Benzer şekilde internet hızındaki iyileşme veya fiziksel alan kapatılması ters yönde etki gösterdi.

4) Şehir Büyüklüğüne Göre Farklılık: Metropol ilçelerde mahalle etkisi daha heterojen; çünkü alternatif sosyal ağlar fazla. Küçük yerleşimlerde tek bir kafe veya organizatör çevresinde güçlü bağımlılık gözlendi.

5) Homophily ve Contagion Ayrımı: Oyuncular benzer profilde insanlarla eşleşme eğiliminde olduklarından (homophily), ELO benzerliği kısmen seçim etkisine dayanıyor. Ancak gecikmeli ağ etkileri (peer contagion) ve doğrudan bilgi transferi de istatistiksel olarak anlamlı çıktı.

Somut Örnekler

İstanbul Kadıköy’de bir mahalle örneğinde, 2018–2019 döneminde açılan bir haftalık yerel lig sonrası aynı sokakta yaşayan oyuncuların ortalama ELO artışı %7 iken, benzer profildeki diğer mahallelerde %2 civarındaydı. Buna karşılık küçük bir Ege kasabında tek bir kafenin 2021 kapanmasıyla sokak düzeyinde haftalar içinde ELO düşüşü yaşandı; bu düşüş komşu sokaklara da yayıldı.

Pratik Çıkarımlar ve Öneriler

• Oyuncular için: Yerel ağlara aktif katılım (pratik grupları, haftalık eşleşmeler) ELO gelişimini hızlandırıyor. Mentor-mentee ilişkileri ve düzenli geri bildirim mekanizmaları oluşturmak faydalı.
• Turnuva Organizatörleri: Mahalle düzeyinde mini ligler ve yerel altyapı destek programları düzenlemek, yeni yetenekleri keşfetmek ve rekabeti canlı tutmak açısından etkili.
• Platform Tasarımcıları: Cofund (lokal) öneri algoritmaları, yerel etkinlik bildirimleri ve sokak/mekan bazlı maç eşleştirme özellikleri geliştirmek rekabeti olumlu yönde etkiler.
• Belediyeler/Politikacılar: Dijital ve fiziksel buluşma alanlarının desteklenmesi (gençlik merkezleri, kültür merkezleri) yerel rekabeti ve beceri gelişimini teşvik eder.

Sınırlamalar ve Gelecek Çalışma Önerileri

Çalışmanın başlıca sınırlamaları arasında veri eksiklikleri (tam adres doğruluğu, anonimleştirme nedeniyle bazı ayrıntıların kaybolması), seçilme yanlılığı (sistemli olarak daha aktif oyuncuların veri setinde fazla temsil edilmesi) ve ölçüm hataları yer alır.

Gelecek araştırmalarda şu adımlar önerilir:

1. Panel veriyle birlikte deneysel müdahaleler (ör. mahalle içi ücretsiz koçluk programları) kullanılarak nedensellik daha sağlam test edilebilir.
2. Karma modellere (hierarchical/multilevel) yerel topluluk ve birey düzeyinde eşzamanlı etkiler ayrı ayrı konabilir.
3. Veri zenginleştirmesi: aktif oyun süresi, kullanılan cihaz, takım vs bireysel oyun tercihleri gibi değişkenlerin analize katılması daha ince sonuçlar verecektir.

Özetle: Aynı sokakta yaşamak, yalnızca coğrafi yakınlık değil; bilgi paylaşımı, pratik fırsatları ve yerel rekabet kültürü aracılığıyla ELO dinamiklerini anlamlı şekilde etkiler.

Sonuç

2016–2025 Türkiye verisi temelinde yapılan bu analiz mahalle etkisinin gerçek ve politika açısından önemli olduğunu gösteriyor. Yerel ağlar oyuncuların performansını hem güçlendirebiliyor hem de rekabet yapısını şekillendiriyor. Organizasyonlar, platformlar ve yerel yönetimler, bu etkiyi doğru yönlendirerek hem bireysel gelişimi hem de topluluk temelli sürdürülebilir rekabeti destekleyebilir.

Kısa Eylem Listesi:

• Yerel lig ve pratik grupları teşvik edin.
• Platformlarda mahalle bazlı etkinlik bildirimleri kullanın.
• Mekânsal veriyi anonimleştirerek yerel etki analizleri yapın.
• Küçük yerleşimlerde fiziksel buluşma alanlarını koruyun/teşvik edin.

Bu yazı, mahalle etkisinin karmaşıklığını açıklamaya yönelik bir çerçeve sunar; teknik ek raporlar, kod ve görseller talep edildiğinde veri ile desteklenen daha derin analizler paylaşılabilir.