A Bayesian Analysis Framework for Decision Making with Interval Pairwise Comparison Judgments
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.
Notice bibliographique
Résumé
In this research, as a first step toward applying Bayesian inference to subjective expected utility analysis under judgment uncertainty, a Bayesian analysis framework for decision making with interval pairwise comparison judgments is developed on the basis of the analytic hierarchy process. This framework helps to effectively capture the inherent uncertainties associated with interval judgments and integrate prior information, including partially known preferences with observed judgments, to infer posterior preference. The key novelty of this framework lies in its mechanism for incorporating partially known preferences. Moreover, a consistency index is introduced to assess the inconsistency between partially known preferences and observed judgments. Results of illustrative examples and sensitivity analysis demonstrate that the proposed framework is adaptable to various judgmental data and model assumptions, the preference reversal probability is controlled by the inconsistency level and utility gap, and the impact of prior information can be regulated by manipulating its hyperparameters. Funding: This work was supported by the Top Talent Academic Foundation for University Discipline of Anhui Province [Grant gxbjZD2020056] and the National Natural Science Foundation of China [Grants 72171002, 72201004, 72271002, 72301003, and U22A20366]. Supplemental Material: The online appendix is available at https://doi.org/10.1287/deca.2024.0207 .
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 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 | 0,009 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,014 | 0,040 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,004 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 découle