Elimination Method of Multi-Criteria Decision Analysis (MCDA): A Simple Methodological Approach for Assessing Agricultural Sustainability
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In the present world context, there is a need to assess the sustainability of agricultural systems. Various methods have been proposed to assess agricultural sustainability. Like in many other fields, Multi-Criteria Decision Analysis (MCDA) has recently been used as a methodological approach for the assessment of agricultural sustainability. In this paper, an attempt is made to apply Elimination, a MCDA method, to an agricultural sustainability assessment, and to investigate its benefits and drawbacks. This article starts by explaining the importance of agricultural sustainability. Common MCDA types are discussed, with a description of the state-of-the-art method for incorporating multi-criteria and reference values for agricultural sustainability assessment. Then, a generic description of the Elimination Method is provided, and its modeling approach is applied to a case study in coastal Bangladesh. An assessment of the results is provided, and the issues that need consideration before applying Elimination to agricultural sustainability, are examined. Whilst having some limitations, the case study shows that it is applicable for agricultural sustainability assessments and for ranking the sustainability of agricultural systems. The assessment is quick compared to other assessment methods and is shown to be helpful for agricultural sustainability assessment. It is a relatively simple and straightforward analytical tool that could be widely and easily applied. However, it is suggested that appropriate care must be taken to ensure the successful use of the Elimination Method during the assessment process.
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.
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 | 0,009 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 découle