MétaCan
Menu
Retour à la cohorte
Enregistrement W2988565380 · doi:10.1109/tsmc.2019.2950673

Mixed Coalitional Stabilities With Full Participation of Sanctioning Opponents Within the Graph Model for Conflict Resolution

2019· article· en· W2988565380 sur OpenAlexafffund
Shinan Zhao, Haiyan Xu, Keith W. Hipel, Liping Fang

Notice bibliographique

RevueIEEE Transactions on Systems Man and Cybernetics Systems · 2019
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueGame Theory and Applications
Établissements canadiensToronto Metropolitan UniversityCentre for International Governance InnovationBalsillie School of International AffairsUniversity of Waterloo
Organismes subventionnairesNanjing University of Aeronautics and AstronauticsNatural Sciences and Engineering Research Council of CanadaNational Natural Science Foundation of China
Mots-clésConflict resolutionSet (abstract data type)Computer scienceSanctionsConflict analysisGraphMathematical economicsSolution conceptResolution (logic)Mathematical optimizationOperations researchGame theoryMathematicsTheoretical computer sciencePolitical scienceArtificial intelligenceLaw

Résumé

récupéré en direct d'OpenAlex

Mixed coalition analysis approaches are developed within the framework of the graph model for conflict resolution (GMCR) for analyzing the heterogeneous multicoalitional opponents having mixed coalitional sanctions, in which some sanctioning coalitions may only invoke coalitional improvements (CIs) while others may go to any reachable states to jointly sanction a focal coalition's CIs. To accomplish this, the concept of a full coalition set is defined in which each participating decision maker (DM) is represented once either as an individual player or part of a coalition. All possible scenarios in which a full coalition set could be formed is called the universal coalition set. When calculating the stability of a specific state for a particular coalition in a given conflict, the remaining DMs form the universal coalition set whose moves have the potential to block any CIs by the focal coalition within four specified solution concepts having full participation of sanctioning opponents. To handle heterogeneous opponents with mixed CIs (MCIs), the mixed coalition analysis approach is proposed, which provides a more general coalition analysis framework than existing coalition analysis approaches. Moreover, the interrelationships among coalitional stabilities and mixed coalitional stabilities with full participation are investigated followed by their corresponding matrix representations which can significantly improve their computational efficiency and make the computer implementation possible. Finally, a case study is investigated to demonstrate how to employ the proposed mixed coalition analysis approaches to address a real-world environmental conflict.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,002
Communication savante0,0020,002
Science ouverte0,0020,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,127
Tête enseignante GPT0,319
Écart entre enseignants0,193 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations29
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Systems Man and Cybernetics SystemsMême sujetGame Theory and ApplicationsTravaux en français237 207