Une typologie des méthodes multicritères: Proposition d'un cadre méthodologique
Notice bibliographique
Résumé
Plusieurs méthodes d'aide multicritère à la décision ont vu le jour au cours des dernières décennies. L'examen du développement des méthodes multicritères (MMC) montre que la majorité sont ad hoc et résultent de dificultés rencontrées lors de tentatives d'applications des méthodes existantes à des cas réels. Ces dificultés émergent de la complexité de structurer les situations décisionnelles réelles, de traiter des évaluations de diverses natures et de modéliser les préférences du (des) décideur (s). Il y a lieu de se demander si la diversité des méthodes multicritères est un reflet de la créativité et la richesse de l'activité intellectuelle en aide multicritère à la décision, ou au contraire de ses faiblesses. Est-il nécessaire d'avoir autant de méthodes; sont-elles vraiment si différentes? Dans le cadre de cet article, nous proposons un cadre méthodologique afin de distinguer entre les différentes méthodes. Ce cadre méthodologique repose sur une représentation des situations décisionnelles qui permet de les catégoriser en classes de problémes d'aide à la décision. Un travail minutieux d'analyse de quelques procédures d'agrégation multicritère a permis de les caractériser pour traiter certaines classes de problèmes. Un ensemble de propriétés est proposé afin de distinguer entre elles les PAMC d'une même classe. Une illustration de l'application du cadre méthodologique proposé est présentée.
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 | 0,015 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,007 | 0,006 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,002 |
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 ».