MétaCan
Menu
Retour à la cohorte
Enregistrement W4403963100 · doi:10.47709/cnahpc.v6i4.4784

Analysis of the Selection of the Best Household Ceramics Using the Complex Proportional Assessment (COPRAS) Method

2024· article· en· W4403963100 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueJournal Of Computer Networks Architecture and High Performance Computing · 2024
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueCultural and Historical Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSelection (genetic algorithm)StatisticsMathematicsComputer scienceEconometricsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Rapid advances in communication and information technology due to globalization have had a significant impact on a number of industries, including the industrial sector. The industry is taking great advantage of the capabilities of this technology to search, store, distribute and present information. The ceramic sector in Indonesia looks increasingly promising every year. One type of building material that functions to cover the floor and beautify its appearance is ceramic. When choosing ceramics, consumers become confused because of the availability of various brands (vendors) with different themes and quality. When deciding on product quality, a decision support system can be implemented to offer a structured evaluation that assists stakeholders in the business and consumers in assessing high-quality ceramic options. DSS The complex proportional assessment method, or COPRAS, is used in system design. In improving the accuracy and efficiency of decision making, the COPRAS approach can evaluate several options and estimate them based on their utility level when attribute values ??are expressed in intervals. Based on the findings of this research, the application of the COPRAS method in the decision-making process to determine the best household ceramics can be used in selecting the best household ceramics by collecting data on ceramic criteria and the alternative used is the type of ceramic. The weights obtained for each criterion are then normalized which are then used to determine the Ui for each alternative, so that based on the results of this research the best household ceramics are obtained, namely Redhorse type ceramics with a Ui value of 100%, Fortuna type with a Ui value of 99.27%. , Prato type with a Ui value of 98.82%, Crystal type with a Ui value of 98.71%, Mulia type with a Ui value of 88.50%, Vancouver type with a Ui value of 88.24%, Murano type with a Ui value of 84.97% and the Virginia type with a Ui value of 79.77%.

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.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,147
Score d'incertitude au seuil0,628

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,044
Tête enseignante GPT0,272
Écart entre enseignants0,228 · 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