Πόσο μέσα πέσαμε στις βάσεις 2026: αποτίμηση του μοντέλου μας

Οι βάσεις βγήκαν στις 23 Ιουλίου 2026. Αντί να σβήσουμε την αρχική πρόβλεψη ή να την ξαναγράψουμε εκ των υστέρων, την κρατάμε όπως είχε δημοσιευθεί στις 2026-06-25 και τη συγκρίνουμε με τις επίσημες βάσεις.

Αυτός είναι ο μόνος καθαρός τρόπος να κριθεί ένα μοντέλο: όχι από το αν “ακούγεται σωστό”, αλλά από την απόσταση που είχε από το τελικό αποτέλεσμα.

Το αποτέλεσμα σε 4 αριθμούς#

Η σύντομη ανάγνωση: το μοντέλο στάθηκε καλά. Στις 25 σχολές του δείγματος είχε μέσο απόλυτο σφάλμα 139 μόρια, διάμεσο σφάλμα 94 μόρια και σωστή κατεύθυνση τάσης στο 96%.

Ανά πεδίο#

Το 3ο Πεδίο ήταν η καλύτερη περιοχή του μοντέλου: 100% των σχολών του δείγματος έμειναν μέσα στο εύρος και το μέσο απόλυτο σφάλμα ήταν 77 μόρια.

Στο 2ο Πεδίο πιάστηκε η μεγάλη ανοδική πίεση που έδιναν η Φυσική και τα Μαθηματικά. Το μοντέλο ήταν λίγο συντηρητικό σε ορισμένα μεσαία θετικά τμήματα, με πιο χαρακτηριστικό το Μαθηματικό ΕΚΠΑ.

Στο 4ο Πεδίο η τάση διαβάστηκε σωστά, αλλά δύο σχολές βγήκαν οριακά πάνω από το εύρος. Δεν είναι δομική αποτυχία του μοντέλου, γιατί οι αποκλίσεις από το άνω όριο ήταν 3 και 28 μόρια.

Η βασική αστοχία#

Η Αγγλική Φιλολογία ΕΚΠΑ ήταν το καθαρό miss. Το μοντέλο περίμενε σχεδόν σταθερή βάση, ενώ η επίσημη βάση υποχώρησε κατά 925 μόρια σε σχέση με το 2025.

Αυτό δείχνει το όριο ενός μοντέλου που ξεκινά κυρίως από βαθμολογικές κατανομές, συντελεστές βαρύτητας, ΕΒΕ και εισακτέους. Σε σχολές όπου η ζήτηση μπορεί να αλλάξει απότομα λόγω ειδικού μαθήματος, προτιμήσεων, γεωγραφίας ή αντίληψης επαγγελματικής προοπτικής, χρειάζεται ξεχωριστό επίπεδο μοντελοποίησης της ζήτησης.

Πίνακας σχολών#

Τι έκανε σωστά το μοντέλο#

Το μοντέλο δεν προσπάθησε να μαντέψει έναν “μαγικό” αριθμό. Έδωσε κεντρική εκτίμηση και εύρος, με βάση:

1. Τα επίσημα στατιστικά βαθμολογιών ΓΕΛ 2026.
2. Τη σύγκριση με τις βαθμολογίες και τις βάσεις 2025.
3. Τους συντελεστές βαρύτητας ανά τμήμα.
4. Την ΕΒΕ και τον αριθμό εισακτέων.
5. Δεύτερη μέθοδο ευαισθησίας για να μην εμφανίζεται ψευδής ακρίβεια.

Αυτός ο σχεδιασμός βοήθησε ιδιαίτερα στα τμήματα όπου η βαθμολογική μετατόπιση εξηγούσε μεγάλο μέρος της τελικής κίνησης, όπως στις σχολές του 2ου και 3ου Πεδίου.

Τι πρέπει να βελτιώσουμε#

Το επόμενο επαγγελματικό βήμα είναι να προστεθεί πιο καθαρό demand layer. Δηλαδή να μη μετράμε μόνο “πόσα μόρια παράγονται”, αλλά και πόσο αλλάζει η προτίμηση των υποψηφίων για κάθε ομάδα τμημάτων.

Για το επόμενο μοντέλο θέλουμε:

1. Ιστορική μεταβολή πρώτων προτιμήσεων ανά τμήμα.
2. Ένδειξη ευαισθησίας σε ειδικά μαθήματα και ειδικές κατηγορίες σχολών.
3. Γεωγραφικό και οικονομικό σήμα για σχολές Αθήνας, Θεσσαλονίκης και περιφέρειας.
4. Ξεχωριστή μεταχείριση τμημάτων που δεν ακολουθούν καλά τη γενική τάση του πεδίου.
5. Public scorecard κάθε χρονιάς, ώστε το μοντέλο να ελέγχεται ανοιχτά.

Πώς να το διαβάσεις για το μηχανογραφικό#

Η αποτίμηση δεν σημαίνει ότι ένα μοντέλο μπορεί να αντικαταστήσει τη σειρά πραγματικής προτίμησης. Στο μηχανογραφικό η σωστή σειρά παραμένει: πρώτα αυτό που θέλεις περισσότερο, μετά οι ρεαλιστικές επιλογές, μετά οι ασφαλείς επιλογές.

Το χρήσιμο εδώ είναι άλλο: βλέπεις ποια σήματα ήταν ισχυρά, ποια ήταν αδύναμα και γιατί οι βάσεις δεν πρέπει να αντιμετωπίζονται σαν στατικός πίνακας. Για τη σύνδεση με τις επιλογές, συνέχισε στον οδηγό για το μηχανογραφικό μετά τις Πανελλήνιες και στον οδηγό για το παράλληλο μηχανογραφικό.

Η συγκεντρωτική σελίδα με τον πίνακα forecast vs official είναι εδώ: Εκτίμηση και αποτίμηση βάσεων 2026.