Identifying Strategic Development Objectives for European Union’s Potential Candidate States Using Dominance-Based Rough Set Approach: Case Study of Bosnia and Herzegovina
Notice bibliographique
Résumé
This research is the second of a series of three researches to cope with strategic development objectives using Dominance-based Rough Set Approach (DRSA). The objective of this article is to expose the results of a research using DRSA to help the European Union (EU) identifying political, economical, sociological and technological strategic objectives for potential candidate countries planning to join the EU. Using the proposed methodology, politicians and leaders will be able to prioritize strategic development objectives according to political, economical, sociological and technological (PEST) needs of a specific candidate country to the EU. More precisely, the proposed methodology classifies all the European Union’s countries according to the following three different categories: [A] EU countries that are doing well according to the selected indicators; [B] EU countries that need support to acquire category A status; [C] EU countries ranked the lowest and needing special support with regard to the criterion or criteria considered. The three categories are delimited by tertiles relative to the average ranking of all EU countries including a potential candidate country, Bosnia and Herzegovina. Afterwards, DRSA provides decision rules based on this classification. These decision rules thus focus on the PEST needs of countries with respect to improve their development and classification by pointing out what was needed to be part of the different categories. We strongly believe that by targeting these identified needs, this research will help the development of the European Union’s economy, target and prioritize economical and sociological improvements with the use of strategic objectives for any candidate country. One of the results concerning our case study with Bosnia and Herzegovina is about the fact that this potential country has a weakness in the percentage of women in politics. Indeed, our research as shown that this criterion has an impact for the overall classification of the EU countries.
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 | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».