Near Sets in Assessing Conflict Dynamics within a Perceptual System Framework
Notice bibliographique
Résumé
The problem considered in this chapter is how to assess different perceptions of changing socio-technical conflicts. Our approach to the solution to this problem of assessing conflict dynamics is to consider negotiation views within the context of perceptual information systems. Briefly, perceptual information systems (succinctly, perceptual systems) are real-valued, total, deterministic information systems. This particular form of an information system is a variant of the deterministic information system model introduced by Zdzislaw Pawlak during the early 1980s. This leads to a near set approach to evaluating perceptual granules derived from conflict situations considered in the context of perceptual systems. A perceptual granule is a set of perceptual objects originating from observations of objects in the physical world. Conflict situations typically result from different sets of viewpoints (perceptions) about issues under negotiation. Perceptual systems provide frameworks for representing and reasoning about different perceptions of socio-technical conflicts. Reasoning about conflict dynamics is made possible with nearness relations and tolerance perceptual near sets used to define a measure of nearness. Several approaches to the analysis of conflict situations are presented in this paper, namely, conflict graphs, approximation spaces and risk patterns. An illustrative example of a requirements scope negotiation for an automated lighting system is presented. The contribution of this chapter is a new way of representing and reasoning about conflicts in the context of requirements engineering with near set theory.
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 | 0,008 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,007 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,005 |
| Communication savante | 0,007 | 0,014 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 ».