MétaCan
Menu
Retour à la cohorte
Enregistrement W2129372057 · doi:10.1111/j.1749-8198.2011.00431.x

GIS‐Based Multiple‐Criteria Decision Analysis

2011· article· en· W2129372057 sur OpenAlexafffund
Randal Greene, Rodolphe Devillers, J. Luther, Brian G. Eddy

Notice bibliographique

RevueGeography Compass · 2011
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueSoil and Land Suitability Analysis
Établissements canadiensNatural Resources CanadaCanadian Forest ServiceMemorial University of Newfoundland
Organismes subventionnairesCanadian Forest ServiceMitacsUniversité de SherbrookeUniversity of Ottawa
Mots-clésMultiple-criteria decision analysisComputer scienceDecision analysisManagement scienceVariety (cybernetics)Decision treeSet (abstract data type)Decision support systemHeuristicGeographic information systemStructuringData scienceOperations researchRisk analysis (engineering)Data miningEngineeringGeographyArtificial intelligenceMathematicsBusiness

Résumé

récupéré en direct d'OpenAlex

Abstract Important and complex spatial decisions, such as allocating land to development or conservation‐oriented goals, require information and tools to aid in understanding the inherent tradeoffs. They also require mechanisms for incorporating and documenting the value judgements of interest groups and decision makers. Multiple‐criteria decision analysis (MCDA) is a family of techniques that aid decision makers in formally structuring multi‐faceted decisions and evaluating the alternatives. It has been used for about two decades with geographic information systems (GIS) to analyse spatial problems. However, the variety and complexity of MCDA methods, with their varying terminologies, means that this rich set of tools is not easily accessible to the untrained. This paper provides background for GIS users, analysts and researchers to quickly get up to speed on MCDA, supporting the ultimate goal of making it more accessible to decision makers. A number of factors for describing MCDA problems and selecting methods are outlined then simplified into a decision tree, which organises an introduction of key methods. Approaches range from mathematical programming and heuristic algorithms for simultaneously optimising multiple goals, to more common single‐objective techniques based on weighted addition of criteria values, attainment of criteria thresholds, or outranking of alternatives. There is substantial research that demonstrates ways to couple GIS with multi‐criteria methods, and to adapt MCDA for use in spatially continuous problems. Increasing the accessibility of GIS‐based MCDA provides new opportunities for researchers and practitioners, including web‐based participation and advanced visualisation of decision processes.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,012
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0040,004
Études des sciences et des technologies0,0010,001
Communication savante0,0040,002
Science ouverte0,0020,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0110,001

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,229
Écart entre enseignants0,210 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations352
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGeography CompassMême sujetSoil and Land Suitability AnalysisTravaux en français237 207