MétaCan
Menu
Retour à la cohorte
Enregistrement W2749052963 · doi:10.1108/prr-05-2017-0028

Hierarchy grey relational analysis using DEA and AHP

2017· article· en· W2749052963 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevuePSU Research Review · 2017
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueEfficiency Analysis Using DEA
Établissements canadiensLaurentian University
Organismes subventionnairesnon disponible
Mots-clésGrey relational analysisAnalytic hierarchy processHierarchyComputer scienceData envelopment analysisData miningArtificial intelligenceMathematicsOperations researchStatistics

Résumé

récupéré en direct d'OpenAlex

Purpose This paper aims to apply an integrated data envelopment analysis (DEA) and analytic hierarchy process (AHP) approach to a multi-hierarchy grey relational analysis (GRA) model. Consistent with the most real-life applications, the authors focus on a two-level hierarchy in which the attributes of similar characteristics can be grouped into categories. Nevertheless, the proposed approach can be easily extended to a three-level hierarchy in which attributes might also belong to different sub-categories and further be linked to categories. Design/methodology/approach The procedure of incorporating the DEA and AHP methods in a two-level GRA may be broken down into a series of steps. The first three steps are under the heading of attributes and the latter three steps are under the heading of categories as follows: computing the grey relational coefficients of attributes for each alternative using the basic GRA model which further provides the required (output) data for an additive DEA model; computing the priority weights of attributes and categories using the AHP method which provides a priori information on the adjustments of attributes and categories in additive DEA models; computing the grey relational grades of attributes in each category for alternatives using an additive DEA model; converting the grey relational grades of attributes to the grey relational coefficients of categories; computing the grey relational grades of categories for alternatives using an additive DEA model; computing the dissimilarity grades of categories for the tied alternatives using an additive DEA exclusion model. Findings The proposed approach provides a more reasonable and encompassing measure of performance in a hierarchy GRA, based on which the overall ranking position of alternatives is obtained. A case study of a wastewater treatment technology selection verifies the effectiveness of this approach. Originality/value This research is a step forward to overcome the current shortcomings in a hierarchy GRA by extracting the benefits from both the objective and subjective weighting methods.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,035
score de la tête « metaresearch » (Gemma)0,046
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies, Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMétarecherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,577
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0350,046
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,004
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,657
Tête enseignante GPT0,593
Écart entre enseignants0,064 · 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