Changement d'avis des préférences des décideurs assisté par un modèle multicritère
Notice bibliographique
Résumé
Often, the decision-maker does not have consistent knowledge about the problems to be judged. Consequently, he provides answers without calculation, non-stereotyped, rather dynamic therefore. We believe that it is high time that we look for a mathematical formulation that can assist the dynamic thinking of the decision-maker in a state of limited rationality. This is why we proposed a model of temporal evolution of weights and other decision parameters, then we validated it using a confidential project of investment in urban infrastructure, and an evolution of consumption in France. This model was used to simulate consumption a few years later. We have not recalled all the calculations related to the use of the flow balance method because they have often been explained in the literature. We simply presented the inputs since they are the ones that are likely to evolve over time. Subsequently, we propose a possibilist form of flow balances, the interest of which is to reduce by one the number of parameters per criterion that the decision-maker must evaluate. Indeed, these parameters are difficult to quantify, especially the indifference, preference and veto thresholds because the weight of each criterion must correspond to the preferences of the decision-maker. This is why we then propose a method for determining thresholds for flow balances. It is not a question of replacing the decision-maker, but on the contrary of facilitating the complicated task of evaluating thresholds, since the final choice is up to him.
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 | 0,006 | 0,001 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,000 |
| Science ouverte | 0,003 | 0,007 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».