Output begrijpen

De pipeline schrijft de resultaten naar data/output/. Er zijn twee typen uitvoerbestanden: een tussenresultaat en drie eindresultaten.

Outputbestanden

Bestand	Fase	Beschrijving
output_prelim_{modus}.xlsx	Tussenresultaat	Voorlopige voorspellingen vóór ratio-model, ensemble en foutmaten. Nuttig voor debugging.
output_first-years_{modus}.xlsx	Eindresultaat	Eerstejaars voorspellingen per opleiding/herkomst/week
output_higher-years_{modus}.xlsx	Eindresultaat	Hogerjaars voorspellingen
output_volume_{modus}.xlsx	Eindresultaat	Totaal studentvolume-voorspellingen

{modus} is cumulatief, individueel of beide, afhankelijk van de gebruikte -d vlag.

Kolomdefinities

Elke rij in de output beschrijft een combinatie van opleiding × herkomst × examentype × week × jaar.

Voorspelkolommen

Kolom	Beschikbaar bij	Omschrijving
SARIMA_cumulative	-d c of -d b	SARIMA-voorspelling op basis van Studielink telbestanden
SARIMA_individual	-d i of -d b	SARIMA-voorspelling op basis van individuele aanmelddata
Prognose_ratio	-d c of -d b	Ratio-modelvoorspelling (3-jaars historisch gemiddelde)
Ensemble_prediction	-d b	Gewogen combinatie van bovenstaande modellen
Baseline	-d c of -d b	Naïeve referentie: vorig_jaar_inschrijvingen / vorig_jaar_aanmeldingen × huidige_aanmeldingen. Identiek aan Prognose_ratio, maar expliciet benoemd voor gebruik als planningsreferentie.

Als -d b is gebruikt maar individuele data ontbreekt, zijn SARIMA_individual en Ensemble_prediction leeg — zie bekende valkuil.

Actuele aanmeldcijfers in de output

De output bevat naast voorspellingen ook de actuele Studielink-cijfers voor het voorspelmoment:

Kolom	Omschrijving
Gewogen vooraanmelders	Gewogen aanmeldingen op predict_week (actueel)
Ongewogen vooraanmelders	Ongewogen aanmeldingen op predict_week
Aantal aanmelders met 1 aanmelding	Aanmelders die exclusief voor deze opleiding kozen
Inschrijvingen	Reeds ingeschreven studenten op predict_week

Deze kolommen worden direct uit de cumulatieve Studielink-snapshot gevuld voor de rijen die overeenkomen met het voorspeljaar en de voorspelweek. Zo staan de voorspelling en de actuele stand altijd op dezelfde rij.

Wanneer is de Baseline betrouwbaarder dan het ensemble?

De Baseline is in bepaalde situaties een betrouwbaardere leidraad dan Ensemble_prediction:

• Stabiele, grote opleidingen — als een opleiding jaar op jaar een vaste conversieverhouding (aanmelding → inschrijving) heeft, geeft de naïeve ratio een scherpe schatting met weinig ruis.
• Weinig trainingsdata — SARIMA en XGBoost hebben meerdere jaren nodig om betrouwbare patronen te leren. Bij een jonge opleiding (< 4 jaar data) is het ensemble onzeker; de ratio is dan vaak stabieler.
• Grote afwijking tussen Baseline en Ensemble — als de twee ver uit elkaar liggen (> 15–20%), is dat een signaal om de invoerdata te controleren. Het ensemble kan reageren op een anomalie in de aanmelddata; de ratio weerspiegelt puur het huidige aanmeldvolume.

Omgekeerd is het ensemble betrouwbaarder als de conversieverhouding snel verandert (nieuw instroombeleid, deadlineverschuiving) of als de opleiding een sterk niet-lineair aanmeldpatroon heeft dat de ratio niet kan volgen.

Foutmaatkolommen

Foutmaten zijn gebaseerd op historische modelfouten — hoe goed presteerde elk model in voorgaande jaren op dezelfde opleiding/herkomst/week? Ze zijn dus geen maat voor de nauwkeurigheid van de huidige voorspelling.

Kolom	Omschrijving
MAE_Ensemble_prediction	Gemiddelde absolute fout van het ensemble in voorgaande jaren
MAE_Prognose_ratio	Gemiddelde absolute fout van het ratio-model
MAE_SARIMA_cumulative	Gemiddelde absolute fout van SARIMA cumulatief
MAE_SARIMA_individual	Gemiddelde absolute fout van SARIMA individueel
MAPE_Prognose_ratio	Gemiddelde procentuele fout van het ratio-model
MAPE_SARIMA_cumulative	Gemiddelde procentuele fout van SARIMA cumulatief
MAPE_SARIMA_individual	Gemiddelde procentuele fout van SARIMA individueel

MAE (Mean Absolute Error): gemiddeld aantal studenten waarmee het model afweek. Een MAE van 8 betekent: het model zat in het verleden gemiddeld 8 studenten naast de werkelijkheid.

MAPE (Mean Absolute Percentage Error): gemiddelde procentuele afwijking. Een MAPE van 0.12 betekent: het model zat gemiddeld 12% naast de werkelijkheid.

Foutmaten zijn alleen beschikbaar als er historische data is

Bij een eerste run of bij opleidingen zonder historische modeloutput zijn de MAE/MAPE-kolommen leeg.

Wanneer is een prognose betrouwbaar?

Er is geen harde drempel, maar de volgende signalen helpen:

Meer vertrouwen:

• De individuele modellen (SARIMA_cumulative, SARIMA_individual, Prognose_ratio) komen dicht bij elkaar uit — consensus tussen modellen is een goed teken
• De historische MAE is klein ten opzichte van het voorspelde aantal
• De voorspelling is gemaakt op of na week 10 (meer aanmelddata beschikbaar)

Minder vertrouwen:

• Grote spreiding tussen de modellen — overweeg elk model afzonderlijk te beoordelen
• Hoge historische MAE of MAPE
• Opleiding met weinig historische data (nieuw, of klein aantal inschrijvingen per jaar)
• Vroeg in het jaar (vóór week 6) — de tijdreeks is dan erg kort
• Het jaar na een uitzonderlijk jaar (COVID, beleidswijziging)

Meerdere modellen vergelijken

De individuele modelkolommen naast Ensemble_prediction zijn bewust in de output opgenomen. Ze stellen je in staat om:

• Te controleren of de modellen het eens zijn
• Te signaleren welk model structureel afwijkt voor een specifieke opleiding
• De baseline (ratio-model) te vergelijken met de complexere modellen — als het ensemble niet beter is dan de ratio, is er reden om kritischer te kijken

Zie Ensemble voor uitleg over hoe de gewichten tot stand komen.

Foutmaten en numerus-fixusopleidingen

MAE en MAPE worden berekend exclusief numerus-fixusopleidingen. Voor deze opleidingen worden de foutkolommen op NaN gezet. De reden: bij numerus-fixusopleidingen wordt het voorspelde aantal afgekapt op de capaciteitslimiet, waardoor de modelfouten niet vergelijkbaar zijn met reguliere opleidingen.

Interactief dashboard

Naast de Excel-bestanden genereert de pipeline interactieve HTML-dashboards onder data/output/visualisaties/. Per modus (-d i, -d c, -d b) wordt een apart dashboard aangemaakt met daarin:

• Individueel dashboard: XGBoost-voorspellingen per opleiding, SARIMA-trajecten, feature importance (classifier).
• Cumulatief dashboard: SARIMA-voorspellingen op cumulatieve teldata, XGBoost-regressorresultaten, feature importance (regressor).
• Eindoverzicht: ensemble-voorspellingen per opleiding, foutmaten, vergelijking met vorige jaren.

De dashboards zijn zelfstandige HTML-bestanden (geen server nodig) en kunnen in elke browser geopend worden.

Dashboard toont alleen de laatste week

Bij een multi-week run (bijv. -w 10:20) toont het dashboard alleen de prognose van de laatste week in de reeks. De Excel-output bevat wel alle weken.