Using Distributed Map Overlay and Layer Opacity for Visual Multi-Criteria Analysis
Notice bibliographique
Résumé
Strategic decision-making is often based on multiple decision criteria and on the decision-makers’ preferences regarding relative criterion importance. We present version 2 of a map overlay and opacity tool (moot2), which supports the visual exploration of decision-making scenarios. The tool uses a basic function of geographic information systems (GIS): visual map overlay. In this approach, visual overlay serves as a representation of weighted linear combination in multi-criteria decision analysis (MCDA). Using the tool, we model a global human influence index for the extent of the province of Ontario, Canada. The index is a weighted overlay of six indicators that represent human influence on the land. The semi-transparent overlay of the six indicator layers occurs online in a web browser, making it accessible to distant collaborators in low-technology settings. The software architecture of moot2 includes the OpenLayers JavaScript library to display thematic Web Map Service (WMS) layers, such as the human influence indicators, on top of popular base map services, such as OpenStreetMap or Google Maps. The tool also uses jQuery, a JavaScript library that enables interactions between the user and the map environment. Layer opacity is manipulated by the jQuery Slider, permitting the user to generate on-the-fly weighting schemes for the combination of the human influence indicators. By removing the analytical engine (i.e., GIS), decision-makers can perform rapid MCDA without recalculating composite evaluation scores. The case study demonstrates how visual-spatial MCDA supports the refinement of decision-making parameters such as criterion weights.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».