A Novel Approach for Sequential Three-Way Decision Using Chi-Square Statistic as the Assessment Metric
Notice bibliographique
Résumé
Three-way decisions play a crucial role in addressing decision-making problems in situations of uncertainty.They categorize the decision space into three discrete regions, specifically referred to as the Positive, Negative, and Boundary regions.These models are frequently employed in scenarios that involve the existence of multiple potential alternatives, necessitating the inclusion of a deferral option in addition to the two extremes.This methodology is especially advantageous in situations where the intricacy of the decision-making environment necessitates a more sophisticated examination of potential options that extend beyond a binary choice.The concept of information granularity is the foundation for the ability to conceptualize, comprehend, and apply a sequential three-way decision approach.When working with fine-grained granules, people have the freedom to carefully consider all of their options before deciding on any one.The application of sequential three-way decisions results from the availability of detailed information.Through the application of various techniques and a shift from coarse to fine-grained information granularity, this decision-making method establishes specific thresholds for efficient decision-making.This study introduces an innovative approach for exploring objects that have not made a definitive decision ultimately leading to the convergence of these objects into the Positive and Negative regions.The Chi-square statistic is employed as the evaluative measure for the process of dividing the decision space into three distinct regions.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».