MétaCan
Menu
Retour à la cohorte
Enregistrement W3174035125 · doi:10.31181/oresta20402055a

Evaluation of OECD Countries with Multi-Criteria Decision-Making Methods in terms of Economic, Social and Environmental Aspects

2021· article· en· W3174035125 sur OpenAlexaboutno aff
Talip Arsu, Ejder Ayçın

Notice bibliographique

RevueOperational Research in Engineering Sciences Theory and Applications · 2021
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueMulti-Criteria Decision Making
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRanking (information retrieval)CompromiseHomogeneousOrder (exchange)Cluster (spacecraft)Test (biology)Scope (computer science)GeographyEconomicsPolitical scienceEconomic growthComputer scienceMathematicsEcology

Résumé

récupéré en direct d'OpenAlex

Exhausted natural resources and deteriorating ecological balance, together with the social privileges that people expect to have, are proof that the development of countries cannot be reduced to economic development alone. In this respect, this study aimed to evaluate the economic, social and environmental aspects of Organization for Economic Co-operation and Development (OECD) countries. Within this scope, the countries were firstly divided into two groups by performing cluster analysis in order to create more homogeneous country groups. Then, 12 criteria, consisting of four economic, four social and four environmental criteria, were determined by considering the literature and expert opinions. The criteria importance through intercriteria correlation (CRITIC) method was used to weight the determined criteria and using the calculated criterion weights, the countries in each cluster were then evaluated with the measurement of alternatives and ranking according to compromise solution (MARCOS) method. As a result, the most successful countries in the first cluster were determined as Switzerland, Denmark and Ireland with 68.8%, 62.7% and 62.5% performance scores, respectively. Whereas, the most unsuccessful countries were USA, Canada and Australia with 49.8%, 50.0% and 50.1% performance scores, respectively. The most successful countries in the second cluster were found as Slovenia, Spain and Portugal with 65.9%, 65.5% and 64.5% performance scores, while the most unsuccessful countries were Turkey, Chile and Colombia with 45.9%, 55.4% and 55.9% performance scores, respectively. Finally, in order to test the sensitivity of the MARCOS method, the solution was repeated with the MAIRCA, WASPAS, MABAC and CoCoSo methods using the weights obtained by the CRITIC method. A high correlation (greater than 80%) was found between the rankings acquired using the other methods and the rankings obtained by the MARCOS method.

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 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)0,032
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,613
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0320,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,226
Tête enseignante GPT0,555
Écart entre enseignants0,329 · 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 tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
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

Citations26
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOperational Research in Engineering Sciences Theory and ApplicationsMême sujetMulti-Criteria Decision MakingTravaux en français237 207