DOI: https://doi.org/10.48084/etasr.9235
تاريخ النشر: 2025-02-02
المؤلف: Nguyễn Trọng
الموضوع الرئيسي: اتخاذ القرار متعدد المعايير
نظرة عامة
تستكشف هذه الدراسة دمج طرق اتخاذ القرار متعددة المعايير (MCDM)، مع التركيز بشكل خاص على استخدام مؤشر اختيار التفضيل (PSI) في وظيفتين: للتصنيف التقليدي للبدائل ولحساب أوزان المعايير. ثم تُطبق هذه الأوزان لترتيب البدائل التي تم إنشاؤها بواسطة طرق MCDM الأخرى، وهي طريقة Faire Un Choix Adéquat (FUCA)، وطريقة تقييم الجذر (RAM)، وقيمة المؤشر القريب (PIV)، مما يؤدي إلى تطوير ثلاثة نماذج هجينة: FUCA-PSI، RAM-PSI، وPIV-PSI.
تُقيّم فعالية هذه النماذج الهجينة من خلال تصنيف 20 مدينة فيتنامية بناءً على مبادراتها في التحول الرقمي. تكشف النتائج عن وجود ارتباط قوي بين التصنيفات التي تنتجها الطرق المختلفة، مع معامل ارتباط رتبي سبيرمان يصل إلى 0.8571. ومن الجدير بالذكر أن كل من طريقة PSI والنماذج الهجينة حددت باستمرار نفس البديل الأعلى تصنيفًا، مما يبرز موثوقية ودقة الأساليب الهجينة المقترحة في MCDM.
مقدمة
تسلط المقدمة الضوء على أهمية طرق اتخاذ القرار متعددة المعايير (MCDM) في تسهيل اتخاذ القرارات المثلى عبر مجالات متنوعة، بما في ذلك التعليم والصحة والهندسة. مع تطوير أكثر من 200 طريقة MCDM، عززت التقدمات في التكنولوجيا والبيانات دقتها وكفاءتها. جانب محوري من MCDM هو تحديد أوزان المعايير، التي تعكس أهمية كل عامل في عملية اتخاذ القرار. يمكن اشتقاق هذه الأوزان باستخدام أساليب موضوعية أو ذاتية أو مجمعة، لكل منها مزاياها وقيودها.
تقترح هذه الدراسة نهجًا جديدًا لتحديد أوزان المعايير باستخدام طريقة مؤشر اختيار التفضيل (PSI)، التي تسمح بالحساب التلقائي لأوزان المعايير دون تدخل المستخدم. تم تطبيق طريقة PSI بنجاح في مجالات متنوعة، مثل اختيار الطابعات ثلاثية الأبعاد وتقييم جودة الهواء. ومن الجدير بالذكر أن هذه الدراسة تستكشف دمج الأوزان المستمدة من PSI مع طرق MCDM الأخرى، وتحديدًا FUCA وRAM وPIV، مما يؤدي إلى طرق هجينة تُسمى FUCA-PSI وRAM-PSI وPIV-PSI. تستفيد كل طريقة هجينة من نقاط القوة الفريدة لمكوناتها، مع معالجة التحديات مثل تطبيع البيانات، وتوازن المعايير، وتقليل عكس الترتيب.
طرق
في هذا القسم، يحدد المؤلفون نموذجًا هجينيًا يدمج مؤشر اختيار التفضيل (PSI) مع طرق اتخاذ القرار متعددة المعايير (MCDM). تبدأ المنهجية بإنشاء مصفوفة قرار لترتيب $m$ بدائل بناءً على $n$ معايير. يتم تصنيف كل معيار إلى نوعين: النوع B، حيث يُفضل القيمة الأعلى (الأكبر هو الأفضل)، والنوع C، حيث يُفضل القيمة الأقل (الأصغر هو الأفضل). يتم تمثيل مصفوفة القرار كـ $D = [d_{ij}]$، حيث يشير $d_{ij}$ إلى قيمة المعيار $j$ للبديل $i$، مع $i = 1، 2، \ldots، m$ و$j = 1، 2، \ldots، n$. يسهل هذا النهج المنظم التقييم المنهجي وترتيب البدائل بناءً على المعايير المحددة.
نتائج
في قسم النتائج، تقدم الدراسة أوزان المعايير لثمانية عوامل (C1 إلى C8) ذات الصلة بتقييم جهود التحول الرقمي في المدن الفيتنامية، مع قيم تتراوح من 0.0959 إلى 0.1508. تشير التصنيفات المستمدة من طريقة PSI وثلاثة نماذج هجينة—FUCA-PSI وRAM-PSI وPIV-PSI—إلى أن المدينة 1 تتصدر باستمرار في التحول الرقمي عبر جميع الطرق، مما يؤكد موثوقية ودقة النماذج الهجينة المستخدمة.
لتقييم تشابه التصنيفات عبر الطرق المختلفة، تم حساب معامل ارتباط رتبي سبيرمان، مما كشف عن قيم قريبة من 1، مما يدل على مستوى عالٍ من الاتفاق بين التصنيفات. يشير أدنى معامل، 0.8571، بين PSI وFUCA-PSI، إلى وجود اختلافات طفيفة، بينما يشير معامل 0.9985 بين RAM-PSI وPIV-PSI إلى تصنيفات متطابقة تقريبًا. بشكل عام، تسلط النتائج الضوء على قوة المنهجيات المقترحة في تقييم جهود التحول الرقمي بين المدن العشرين المدروسة، مع ظهور المدينة 1 كأفضل أداء.
نقاش
في قسم النقاش، يحدد البحث نهجًا منهجيًا لتقييم البدائل باستخدام طرق هجينة متنوعة، وتحديدًا PSI وFUCA وRAM وPIV. تتضمن كل طريقة سلسلة من الخطوات، بما في ذلك تطبيع البيانات، وحساب القيم المتوسطة المعيارية، وقيم التفضيل، والدرجات للبدائل، مما يؤدي إلى ترتيب بناءً على أعلى الدرجات. توضح دراسة الحالة تطبيق هذه الطرق لتقييم جهود التحول الرقمي للمدن الفيتنامية، باستخدام ثمانية معايير محددة تشمل جوانب مثل الوعي الرقمي، والبنية التحتية، ونشاط الحكومة.
تشير النتائج إلى أن هذه النماذج الهجينة تصنف المدن بشكل فعال، مما يوفر رؤى حول تطويرها الرقمي ويبرز المجالات المحتملة للاستثمار والتحسين. تؤكد الدراسة على أهمية مثل هذه التقييمات في تعزيز النمو الاقتصادي وتحسين الخدمات العامة. علاوة على ذلك، تقترح أن الطرق الهجينة المقترحة يمكن تعديلها لمشاكل اتخاذ القرار الأخرى، مما يشجع على البحث المستقبلي لاستكشاف تركيبات جديدة من PSI مع تقنيات اتخاذ القرار متعددة المعايير (MCDM) إضافية.
DOI: https://doi.org/10.48084/etasr.9235
Publication Date: 2025-02-02
Author(s): Nguyễn Trọng
Primary Topic: Multi-Criteria Decision Making
Overview
This study explores the hybridization of Multiple Criteria Decision Making (MCDM) methods, specifically employing the Preference Selection Index (PSI) in two capacities: for traditional ranking of alternatives and for calculating criteria weights. These weights are then applied to rank alternatives generated by other MCDM methods, namely the Faire Un Choix Adéquat (FUCA), Root Assessment Method (RAM), and Proximity Indexed Value (PIV), leading to the development of three hybrid models: FUCA-PSI, RAM-PSI, and PIV-PSI.
The effectiveness of these hybrid models is evaluated through the ranking of 20 Vietnamese cities based on their digital transformation initiatives. The findings reveal a strong correlation among the rankings produced by the different methods, with a Spearman rank correlation coefficient as low as 0.8571. Notably, both the PSI method and the hybrid models consistently identified the same top-ranked alternative, underscoring the reliability and accuracy of the proposed hybrid approaches in MCDM.
Introduction
The introduction highlights the significance of Multi-Criteria Decision-Making (MCDM) methods in facilitating optimal decision-making across various fields, including education, health, and engineering. With over 200 MCDM methods developed, advancements in technology and data have enhanced their accuracy and efficiency. A pivotal aspect of MCDM is the determination of criteria weights, which reflect the importance of each factor in the decision-making process. These weights can be derived using objective, subjective, or combined approaches, each with its own advantages and limitations.
This study proposes a novel approach to criteria weighting using the Preference Selection Index (PSI) method, which allows for automatic calculation of criteria weights without user intervention. The PSI method has been successfully applied in diverse areas, such as the selection of 3D printers and evaluation of air quality. Notably, this research explores the integration of PSI-derived weights with other MCDM methods, specifically FUCA, RAM, and PIV, resulting in hybrid methods named FUCA-PSI, RAM-PSI, and PIV-PSI. Each hybrid method leverages the unique strengths of its components, addressing challenges such as data normalization, balancing criteria, and minimizing rank reversal.
Methods
In this section, the authors outline a hybrid model that integrates Preference Selection Index (PSI) with Multi-Criteria Decision-Making (MCDM) methods. The methodology begins by establishing a decision matrix to rank $m$ alternatives based on $n$ criteria. Each criterion is classified into two types: type B, where a higher value is preferred (the-larger-the-better), and type C, where a lower value is preferred (the-smaller-the-better). The decision matrix is represented as $D = [d_{ij}]$, where $d_{ij}$ denotes the value of criterion $j$ for alternative $i$, with $i = 1, 2, \ldots, m$ and $j = 1, 2, \ldots, n$. This structured approach facilitates the systematic evaluation and ranking of alternatives based on the specified criteria.
Results
In the results section, the study presents the criteria weights for eight factors (C1 to C8) relevant to evaluating digital transformation efforts in Vietnamese cities, with values ranging from 0.0959 to 0.1508. The rankings derived from the PSI method and three hybrid models—FUCA-PSI, RAM-PSI, and PIV-PSI—indicate that City 1 consistently ranks as the leader in digital transformation across all methods, affirming the reliability and accuracy of the hybrid models employed.
To assess the similarity of rankings across different methods, Spearman’s rank correlation coefficient was calculated, revealing values close to 1, which signifies a high level of agreement among the rankings. The lowest coefficient, 0.8571, between PSI and FUCA-PSI, still indicates minimal discrepancies, while the coefficient of 0.9985 between RAM-PSI and PIV-PSI suggests nearly identical rankings. Overall, the findings highlight the robustness of the proposed methodologies in evaluating digital transformation efforts among the 20 cities studied, with City 1 emerging as the top performer.
Discussion
In the discussion section, the paper outlines a systematic approach for evaluating alternatives using various hybrid methods, specifically PSI, FUCA, RAM, and PIV. Each method involves a series of steps, including data normalization, calculation of average normalized values, preference values, and scores for alternatives, culminating in a ranking based on the highest scores. The case study demonstrates the application of these methods to assess the digital transformation efforts of Vietnamese cities, utilizing eight specific parameters that encompass aspects such as digital awareness, infrastructure, and government activity.
The findings indicate that these hybrid models effectively rank cities, providing insights into their digital development and highlighting areas for potential investment and improvement. The study emphasizes the importance of such evaluations in fostering economic growth and enhancing public services. Furthermore, it suggests that the proposed hybrid methods could be adapted for other decision-making problems, encouraging future research to explore new combinations of PSI with additional multi-criteria decision-making (MCDM) techniques.