A New Ranking of Environmental Performance Index Using Weighted Correlation Coefficient in Intuitionistic Fuzzy Sets: A Case of ASEAN Countries
Notice bibliographique
Résumé
Growth in number of population and development nowadays indicate a good sign for nation’s development. However, the development sometimes might neglects the preservation and conservation of nature and can reflects in environment performance. Concerning on this matters, Environmental Performance Index (EPI) has been introduced since 2006 to depict the environment performance for most of the countries in the world. The index considers ten policy categories associated with environmental public health and ecosystem sustainability. The main mathematics operation in establishing EPI is arithmetic mean of all ten policy categories. One of the weaknesses in the arithmetic mean is the operation might neglects some extreme values in data. Recently, Wan Ismail and Abdullah introduced the EPI using analytic hierarchy process (AHP) but the weight of policy category was not considered. This paper proposes a new ranking of EPI using a decision making tool of weighted correlation coefficient based on intuitionistic fuzzy sets (IFS). An original data of policy categories were converted into IFSs which benefiting in considering two-sided of membership and non membership. Criteria weights for alternatives in fuzzy correlation coefficient were utilized to set new EPI for nine ASEAN countries. A new ranking EPI among ASEAN countries show that Thailand is the highest EPI followed by Malaysia. The new ranking may offer an alternative measure in evaluating environmental performance particularly for ASEAN countries.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».