Notice bibliographique
Résumé
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.
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 | 0,007 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».