WikiDer > Потенциально все попарные ранжирования всех возможных альтернатив

Potentially all pairwise rankings of all possible alternatives

Потенциально все попарные ранжирования всех возможных альтернатив (ПАПРИКА) - метод для принятие многокритериальных решений (MCDM) или совместный анализ,[1][2][3] как реализовано программное обеспечение для принятия решений и совместный анализ товары 1000minds и MeenyMo.[4][5][6]

Метод PAPRIKA основан на том, что пользователи выражают свои предпочтения в отношении относительной важности критериев или атрибутов, представляющих интерес для решения или выбора. попарное сравнение (рейтинг) альтернативы.

В приложениях MCDM PAPRIKA используется лицами, принимающими решения, для определения весов критериев принимаемого решения, отражающих их относительную важность. В зависимости от приложения эти веса используются для ранжирования, определения приоритетов или выбора альтернатив.

В приложениях совместного анализа PAPRIKA используется с потребителями или другими заинтересованными сторонами для оценки «частичной полезности» (т. Е. Весов), представляющих относительную важность атрибутов, характеризующих продукты или другие объекты интереса (т. Е. моделирование выбора, совместный анализ и дискретный выбор).[2][3]

Приложения

Метод ПАПРИКА ​​реализован программное обеспечение для принятия решений и совместный анализ товары 1000minds и MeenyMo.[4][5][6]

Примеры областей, в которых метод используется для принятие многокритериальных решений или же совместный анализ включить (см. также Приложения 1000minds):

Аддитивные модели значений с несколькими атрибутами

Метод PAPRIKA специально применим к добавка модели значений с несколькими атрибутами с категориями производительности[69] - также известные как системы или модели «баллов», «подсчета баллов», «подсчета баллов» или «линейные». Следующие объяснения в основном сформулированы с точки зрения принятия решений по нескольким критериям. Аналогичные объяснения в терминах совместного анализа возможны, но здесь не представлены.

Как следует из названия, добавка модели значений с несколькими атрибутами с категориями производительности - далее именуемые просто «моделями стоимости» - состоят из нескольких критериев (или «атрибутов») с двумя или более категориями производительности (или «уровнями») в каждом критерии, которые объединены аддитивно.

Каждая категория в рамках каждого критерия приносит определенное количество баллов, которое призвано отразить как относительную важность («вес») критерия, так и степень его достижения. Для каждой рассматриваемой альтернативы балльные значения равны подведены по критериям, чтобы получить общий балл - следовательно, это добавка ценностные модели, с помощью которых альтернативы расставляются по приоритетам или ранжируются (или иначе классифицируются) относительно друг друга.

Таким образом, ценностная модель (или «балльная система») - это просто набор критериев (и категорий) и балльных значений для рассматриваемой проблемы решения; например, см. Таблицу 1 в подразделе ниже. Такое представление «балльной системы» эквивалентно более традиционному подходу, включающему нормализованные веса критериев и «однокритериальные функции ценности» для представления относительной важности критериев и объединения значений в целом (см. модель взвешенной суммы). Представление системы невзвешенных баллов проще в использовании и помогает дать объяснение метода PAPRIKA ниже.

Пример применения балльной системы

Примером применения балльной системы является ранжирование кандидатов, претендующих на работу.

Представьте, что «Том», «Дик» и «Гарри» - это три кандидата на вакансии, которые должны быть ранжированы с использованием модели ценности, представленной в таблице 1 ниже. Предположим, они оцениваются по пяти критериям (см. Таблицу 1) следующим образом:

  • Тома образование является отлично, у него есть > 5 лет из опыт, и его Рекомендации, навыки общения и энтузиазм все бедные.
  • Дика образование является бедные, у него есть 2–5 лет из опыт, и его Рекомендации, навыки общения и энтузиазм все хороший.
  • Гарри образование является хороший, у него есть <2 лет из опыт, и его Рекомендации, навыки общения и энтузиазм все хороший.

Таблица 1: Пример ценностной модели (балльной системы) для ранжирования кандидатов на вакансии

КритерийКатегорияТочки
Образованиебедные0
хороший8
отлично20
отлично40
Опыт<2 лет0
2–5 лет3
> 5 лет10
Рекомендациибедные0
хороший27
Навыки общениябедные0
хороший10
Энтузиазмбедные0
хороший13

Суммирование значений баллов в Таблице 1, соответствующих описанию Тома, Дика и Гарри, дает их общие баллы:

  • Общий балл Тома = 40 + 10 + 0 + 0 + 0 = 50 баллов
  • Общий балл Дика = 0 + 3 + 27 + 10 + 13 = 53 балла
  • Общий балл Гарри = 8 + 0 + 27 + 10 + 13 = 58 баллов.

Ясно, что у Гарри самый высокий общий балл. Следовательно, согласно модели ценностей (и тому, как оценивались Том, Дик и Гарри), Гарри - лучший кандидат на эту должность. (Хотя, очевидно, по сравнению с другими кандидатами, которые потенциально могли подать заявку, Гарри не так хорош, как лучший гипотетически возможный кандидат - который набрал бы «идеально» 40 + 10 + 27 + 10 + 13 = 100 баллов.)

В общих чертах, после определения критериев и категорий для данной модели ценности, задача состоит в том, чтобы получить балльные значения, которые точно отражают относительную важность критериев и категорий для лица, принимающего решения. Получение достоверных и надежных баллов - это, пожалуй, самая сложная задача при создании модели ценности. Метод PAPRIKA делает это на основе предпочтений лиц, принимающих решения, выраженных с помощью попарного ранжирования альтернатив.

Обзор метода ПАПРИКА

Как упоминалось в начале статьи, ПАПРИКА ​​- это (частичное) сокращение от «ппотенциально Аll ппо воздуху ранKпредложения всех возможных Аальтернативы ». Следующее объяснение должно прояснить происхождение этого имени.

Метод PAPRIKA относится к моделям оценки для ранжирования конкретных альтернатив, которые известны лицам, принимающим решения (например, как в примере с кандидатами на работу выше), а также к моделям для ранжирования потенциально всех гипотетически возможных альтернатив в пуле, который меняется с течением времени (например, пациенты при обращении за медицинской помощью). Следующее объяснение сосредоточено на этом втором типе приложений, поскольку оно является более общим.

ПАПРИКА ​​основана на фундаментальном принципе, что общий ранжирование всех возможных альтернатив, представленных данной ценностной моделью - то есть всех возможных комбинаций категорий по критериям - определяется, когда все попарно рейтинги альтернатив по отношению друг к другу известны (и при условии, что рейтинги согласованы).

(В качестве аналогии предположим, что вы хотите ранжировать всех, живущих в данном городе, от самого молодого до самого старого. Если бы вы знали, как каждый человек попарно ранжируется по отношению ко всем остальным по их возрасту, т. Е. Для каждой возможной пары людей, вы определили, кто младший из двух людей или что они одного возраста - тогда вы можете получить общее население города от самого молодого до самого старого.)

Однако, в зависимости от количества критериев и категорий, включенных в модель ценности, количество попарных ранжирований всех возможных альтернатив потенциально исчисляется миллионами или даже миллиардами. Конечно, однако, многие из этих парных ранжирований автоматически решаются из-за того, что одна альтернатива в паре имеет более высокую категорию по крайней мере для одного критерия и не ниже для других критериев, чем для другой альтернативы, известной как «доминируемые пары».

Но это по-прежнему оставляет потенциально миллионы или миллиарды "ООНдоминированные пары '- пары альтернатив, в которых одна имеет категорию с более высоким рейтингом по крайней мере по одному критерию и категорию с более низким рейтингом по крайней мере по одному другому критерию, чем другая альтернатива, - и, следовательно, для попарного ранжирования альтернатив требуется суждение. Ссылаясь на пример ранжирования кандидатов на работу в предыдущем разделе, примером недоминируемой пары (кандидатов) может быть один человек в паре, скажем, высокообразованный но неопытный тогда как другой человек необразованный но очень опытный, поэтому для попарного ранжирования этой (недоминируемой) пары требуется суждение.

За п возможные альтернативы, есть п(п−1) / 2 попарного ранжирования. Например, для модели ценности с восемью критериями и четырьмя категориями внутри каждого критерия и, следовательно, 48 = 65 536 возможных альтернатив, имеется 65 536 x 65 535/2 = 2147 450 880 парных ранжировок. Даже после исключения 99 934 464 доминирующих пар остается 2 047 516 416 недоминируемых пар, подлежащих ранжированию.[1] Ясно, что это примерно такое же количество парных рейтингов - более двух миллиардов! - по-человечески невозможно без особого метода.

Метод PAPRIKA решает эту проблему «невозможности», гарантируя, что количество парных ранжирований, которые должны выполнить лица, принимающие решения, сведено к минимуму - то есть только небольшая часть потенциально миллионов или миллиардов недоминируемых пар - так что нагрузка на число лиц, принимающих решения, сведено к минимуму, а метод осуществим. PAPRIKA сводит к минимуму количество парных рейтингов, выполняемых лицами, принимающими решения, для каждой недоминируемой пары, явно ранжируемой лицами, принимающими решения, определяя (и исключая) все недоминируемые пары неявно ранжируются как следствия этой и других явно ранжированных пар. Основополагающим фактором эффективности метода является применение свойство транзитивности из добавка модели стоимости, как показано на простой демонстрации ниже.

Метод PAPRIKA начинается с того, что лицо, принимающее решение, попарно ранжирует недоминируемые пары, определенные одновременно только по двум критериям (где, по сути, категории всех других критериев попарно идентичны). Снова со ссылкой на пример ранжирования кандидатов на работу, пример такого попарного ранжирования вопроса: "Кого вы бы предпочли нанять, кого образование является бедные но он или она 5 лет и более опыт или другое лицо, чье образование является отлично но он или она менее 2 лет опытпри прочих равных? » (см. рисунок 1).

Рисунок 1: Пример вопроса попарного ранжирования (скриншот из 1000minds)
Example pairwise-ranking question for PAPRIKA decision-making method

Каждый раз, когда лицо, принимающее решение, ранжирует пару (например, в примере выше), все недоминируемые пары, неявно ранжированные как следствия, идентифицируются и отбрасываются. После завершения ранжирования недоминируемых пар, определенных только по двум критериям одновременно, за этим следует, если лицо, принимающее решение, решит продолжить (оно может остановиться в любое время), парами с последовательно увеличивающимся количеством критериев (т.е. три критерия, затем четыре, затем пять и т. д.), пока не будут ранжированы потенциально все недоминированные пары.

Таким образом, ппотенциально Аll ппо воздуху ранKпредложения всех возможных Аальтернативы (отсюда и аббревиатура PAPRIKA) идентифицируются как: (1) доминированные пары (данные), или (2) недоминируемые пары, явно ранжированные лицом, принимающим решения, или (3) недоминируемые пары, неявно ранжируемые как следствия. Из явно ранжированных пар значения баллов (веса) получаются посредством линейного программирования; хотя возможны несколько решений линейной программы, все полученные значения баллов воспроизводят один и тот же общий рейтинг альтернатив.

Моделирование использования PAPRIKA показывает, что если лицо, принимающее решение, останавливается после ранжирования недоминируемых пар, определенных только по двум критериям одновременно, итоговый общий рейтинг всех возможных альтернатив очень сильно коррелирует с `` истинным '' общим рейтингом лица, принимающего решения. получается, если ранжируются все недоминированные пары (включающие более двух критериев).[1]

Поэтому для большинства практических целей лицам, принимающим решения, вряд ли потребуется ранжировать пары, определенные более чем по двум критериям, тем самым снижая нагрузку на лиц, принимающих решения. Например, для вышеупомянутой модели ценности требуется приблизительно 95 явных парных ранжирований с восемью критериями и четырьмя категориями в каждой (и 2 047 516 416 недоминируемых пар, подлежащих ранжированию); 25 парных рейтингов для модели с пятью критериями и тремя категориями в каждой; и так далее.[1] Реальные приложения PAPRIKA, упомянутые ранее, предполагают, что лица, принимающие решения, могут удобно ранжировать более 50 и не менее 100 пар, и относительно быстро, и что этого достаточно для большинства приложений.

Теоретические предпосылки

Ближайшим теоретическим антецедентом метода PAPRIKA является анализ парных компромиссов,[70] предшественник адаптивного совместного анализа в маркетинговое исследование.[71] Как и метод PAPRIKA, парный анализ компромиссов основан на идее, что недоминируемые пары, которые явно ранжируются лицом, принимающим решения, могут использоваться для неявного ранжирования других недоминируемых пар. Однако от парного анализа компромиссов отказались в конце 1970-х, поскольку ему не хватало метода систематического определения пар с неявным ранжированием.

Также был предложен метод ЗАПРОС (от русского «Закрытая процедура для близких справочных ситуаций»);[72] однако в отношении попарного ранжирования всех недоминируемых пар, определенных по двум критериям, «неэффективно пытаться получить полный Информация".[73] Как объясняется в данной статье, метод PAPRIKA решает эту проблему эффективности.

Простая демонстрация метода ПАПРИКА

Метод PAPRIKA можно легко продемонстрировать на простом примере определения балльных значений (весов) критериев для модели стоимости с помощью всего трех критериев, обозначенных буквами «a», «b» и «c», и двух категорий в каждом. критерий - «1» и «2», где 2 - высшая категория.[1]

Шестибалльные значения этой модели стоимости (по два для каждого критерия) могут быть представлены переменными a1, a2, b1, b2, c1, c2 (a2> a1, b2> b1, c2> c1) и восемью возможными альтернативами ( 23 = 8) в виде упорядоченных троек категорий по критериям (abc): 222, 221, 212, 122, 211, 121, 112, 111. Эти восемь альтернатив и их уравнения для общей оценки - получены простым сложением переменных, соответствующих балльные значения (которые пока неизвестны: будут определены демонстрируемым здесь методом) перечислены в Таблице 2.

Недоминированные пары представлены как '221 против (против) 212 'или, в терминах уравнений общей оценки, как' a2 + b2 + c1 против a2 + b1 + c2 'и т. д. [Напомним, как объяснялось ранее, «недоминируемая пара» - это пара альтернатив, в которой одна характеризуется категорией с более высоким рейтингом по крайней мере по одному критерию и категорией с более низким рейтингом по крайней мере по одному другому критерием, чем другая альтернатива, и, следовательно, требуется суждение для попарного ранжирования альтернатив. И наоборот, альтернативы в «доминируемой паре» (например, 121 против 111 - соответствует a1 + b2 + c1 против a1 + b1 + c1) по своей природе ранжируются попарно из-за того, что один имеет более высокую категорию по крайней мере по одному критерию и не ниже по другим критериям (и независимо от того, каковы значения баллов, если a2> a1, b2> b1 и c2> c1, попарный рейтинг всегда будет одинаковым).]

«Оценка» этой модели включает определение значений переменных с шестью баллами (a1, a2, b1, b2, c1, c2), чтобы реализовать предпочтительное ранжирование восьми альтернатив лицом, принимающим решения.

Для многих читателей эту простую модель ценностей, возможно, можно сделать более конкретной, рассмотрев пример, к которому, вероятно, относится большинство людей: модель ранжирования кандидатов на работу, состоящая из трех критериев (например) (а) образование, (б) опыт, и (c) Рекомендации, каждая с двумя категориями "производительности", (1) бедные или (2) хороший. (Это упрощенная версия иллюстративной модели ценности, представленной в таблице 1 ранее в статье.)

Соответственно, каждую из восьми возможных альтернатив этой модели можно рассматривать как «тип» (или профиль) кандидата, который гипотетически мог бы когда-либо подать заявку. Например, «222» обозначает кандидата, который хороший по всем трем критериям; «221» - это кандидат, хороший на образование и опыт но бедные на Рекомендации; '212' третий, кто хороший на образование, бедные на опыт, и хороший на Рекомендации; и Т. Д.

Наконец, что касается недоминированных пар, 221 против 212, например, представляет кандидата 221, у которого хороший опыт и плохие ссылки тогда как 212 имеет противоположные характеристики (и они оба имеют хорошее образование). Таким образом, какой кандидат является лучшим, в конечном итоге зависит от предпочтений лица, принимающего решения, в отношении относительной важности опыт по отношению к Рекомендации.

Таблица 2: Восемь возможных альтернатив и их уравнения общей оценки

АльтернативаУравнение общей оценки
222а2 + в2 + с2
221а2 + в2 + с1
212а2 + b1 + с2
122а1 + в2 + с2
211a2 + b1 + c1
121а1 + b2 + c1
112а1 + b1 + c2
111а1 + b1 + c1

Выявление недоминированных пар

Первым шагом метода PAPRIKA является определение недоминированных пар. Всего с восемью альтернативами это можно сделать, попарно сравнивая все из них друг с другом и отбрасывая доминирующие пары.

Этот простой подход можно представить в виде матрицы на рис. 2, где восемь возможных альтернатив (выделены жирным шрифтом) перечислены внизу слева и вверху. Каждая альтернатива в левой части попарно сравнивается с каждой альтернативой в верхней части относительно того, какая из двух альтернатив имеет более высокий рейтинг (т.е. в данном примере, какой кандидат более желателен для работы). Ячейки со шляпами (^) обозначают доминированные пары (где не требуется никакого суждения), а пустые ячейки являются либо центральной диагональю (каждая альтернатива попарно ранжируется сама по себе), либо инверсией непустых ячеек, содержащих недоминируемые пары (где требуется суждение).

Фигура 2: Недоминируемые пары, идентифицированные путем попарного сравнения восьми возможных альтернатив (выделены жирным шрифтом)

против222221212122112121211111
222^^^^^^^
221(i) b2 + c1 против b1 + c2(ii) a2 + c1 против а1 + с2(iv) a2 + b2 + c1 против а1 + b1 + c2^^^
212(iii) a2 + b1 против a1 + b2^(v) a2 + b1 + c2 против а1 + b2 + c1^^
122^^(vi) a1 + b2 + c2 против a2 + b1 + c1^
112(* i) b1 + c2 против b2 + c1(* ii) a1 + c2 против а2 + с1^
121(* iii) a1 + b2 против a2 + b1^
211^
111

Примечания к рисунку 2: ^ обозначает доминируемые пары. Недоминируемые пары помечены римскими цифрами; три со звездочками - дубликаты пар (i) - (iii).

Как показано на Рисунке 2, существует девять недоминируемых пар (помеченных римскими цифрами). Однако три пары являются дубликатами после «отмены» любых переменных, общих для пары (например, пара * i является дубликатом пары i и т. Д.). Таким образом, шесть уникальный недоминируемые пары (без звездочек на Рисунке 2 и перечисленные ниже).

Исключение переменных, общих для недоминируемых пар, можно проиллюстрировать следующим образом. Например, при сравнении вариантов 121 и 112, a1 можно вычесть из обеих частей a1 + b2 + c1. против а1 + Ь1 + с2. Аналогичным образом, при сравнении 221 и 212, a2 ​​можно вычесть из обеих частей a2 + b2 + c1. против а2 + Ь1 + с2. Для обеих пар это оставляет одну и ту же отмененную форму: b2 + c1 против б1 + с2.

Формально эти вычитания отражают свойство независимости аддитивных стоимостных моделей от «совместных факторов»:[74] ранжирование недоминированных пар (в неотмененной форме) не зависит от их равного ранжирования по одному или нескольким критериям. Условно недоминируемые пары в их сокращенных формах, например b2 + c1 против b1 + c2, также могут быть представлены как _21 ‘'vs'’ _12 - т.е. где "_" обозначает идентичные категории для идентифицированного критерия.

Итак, вот шесть недоминированных пар для модели стоимости:

(i) b2 + c1 против b1 + c2
(ii) a2 + c1 против а1 + с2
(iii) a2 + b1 против a1 + b2
(iv) a2 + b2 + c1 против а1 + b1 + с2
(v) a2 + b1 + c2 против а1 + b2 + c1
(vi) a1 + b2 + c2 против a2 + b1 + c1

Задача состоит в том, чтобы попарно ранжировать эти шесть недоминируемых пар с целью, чтобы лицо, принимающее решение, выполняло как можно меньше попарных ранжирований (тем самым минимизируя нагрузку на лицо, принимающее решения).

Ранжирование недоминируемых пар и определение неявно ранжированных пар

Недоминируемые пары с двумя критериями по своей сути являются наименее когнитивными для лица, принимающего решения, для попарного ранжирования по сравнению с парами с большим количеством критериев. Таким образом, произвольно начиная с пары (i) b2 + c1 против b1 + c2, лицо, принимающее решение, спрашивают: «Какую альтернативу вы предпочитаете, _21 или _12 (т. е. учитывая, что они идентичны по критерию а), или между ними вас нет разницы?» Другими словами, это выбор между кандидатом с хороший опыт и плохие ссылки и еще один с плохой опыт и хорошие ссылки, все остальное тоже самое.

Предположим, лицо, принимающее решение, отвечает: «Я предпочитаю _21 вместо _12» (т. Е. хороший опыт и плохие ссылки предпочтительнее плохой опыт и хорошие ссылки). Это предпочтение может быть представлено как _21 ≻_12 ', что соответствует, в терминах уравнений общей оценки, b2 + c1> b1 + c2 [где ‘≻’И‘ ~ ’(используются позже) обозначают строгое предпочтение и безразличие соответственно, что соответствует обычным отношениям‘> ’и‘ = ’для уравнений общей оценки].

Центральным элементом метода PAPRIKA является идентификация все недоминируемые пары неявно ранжируются как следствия явно ранжированных пар. Таким образом, если a2> a1 (т.е. хорошее образование ≻ плохое образование), ясно, что (i) b2 + c1> b1 + c2 (как указано выше) означает, что пара (iv) (см. рисунок 2) ранжируется как a2 + b2 + c1> a1 + b1 + c2. Этот результат отражает свойство транзитивности (добавка) ценностные модели. В частности, 221≻121 (по преобладанию) и 121≻112 (т.е. пара i _21≻_12, как указано выше) подразумевает (iv) 221≻112; эквивалентно 212≻112 и 221≻212 означает 221≻112.

Далее, соответствующая паре (ii) a2 + c1 против a1 + c2, предположим, что лицо, принимающее решение, спрашивают: «Какую альтернативу вы предпочитаете, 1_2 или 2_1 (при условии, что они идентичны по критерию b), или между ними вас нет разницы?» Другими словами, это выбор между кандидатом с плохое образование и хорошие ссылки и еще один с хорошее образование и плохие ссылки, все остальное тоже самое.

Предположим, лицо, принимающее решение, отвечает: «Я предпочитаю 1_2 2_1» (т. Е. плохое образование и хорошие ссылки предпочтительнее хорошее образование и плохие ссылки). Это предпочтение соответствует a1 + c2> a2 + c1. Кроме того, если b2> b1 (хороший опыт ≻ плохой опыт) это предпочтение / неравенство подразумевает, что пара (vi) имеет ранг a1 + b2 + c2> a2 + b1 + c1.

Кроме того, две явно ранжированные пары (i) b2 + c1> b1 + c2 и (ii) a1 + c2> a2 + c1 подразумевают, что пара (iii) ранжируется как a1 + b2> a2 + b1. Этот результат легко увидеть, сложив соответствующие части неравенств для пар (i) и (ii) и исключив общие переменные. Опять же, этот результат отражает свойство транзитивности: (i) 121≻112 и (ii) 112≻211 следует (iii) 121≻211; эквивалентно 122≻221 и 221≻212 означает 122≻212.

В результате двух явных попарных сравнений - т.е. явно выполняется лицом, принимающим решение - ранжированы пять из шести недоминированных пар. Лицо, принимающее решение, может прекратить ранжирование в любое время (до того, как ранжируются все недоминируемые пары), но предположим, что он продолжит ранжирование оставшейся пары (v) как a2 + b1 + c2> a1 + b2 + c1 (т. Е. В ответ на аналогичный вопрос двум изложенным выше).

Таким образом, все шесть недоминируемых пар были ранжированы в результате того, что лицо, принимающее решение, явно оценило только три:

(i) b2 + c1> b1 + c2
(ii) a1 + c2> a2 + c1
(v) a2 + b1 + c2> a1 + b2 + c1

Общий рейтинг альтернатив и баллов

Поскольку три приведенных выше попарных рейтинга согласованы - и все п (п−1) / 2 = 28 попарных ранжировок (п = 8) для этой простой модели стоимости - определяется полный общий рейтинг всех восьми возможных альтернатив (с 1-го по 8-е): 222, 122, 221, 212, 121, 112, 211, 111.

Одновременное решение трех вышеперечисленных неравенств (i, ii, v), при условии, что a2> a1, b2> b1 и c2> c1, дает балльные значения (т.е. «систему баллов»), отражающие относительную важность критериев для принимающий решения. Например, одно решение: a1 = 0, a2 = 2, b1 = 0, b2 = 4, c1 = 0 и c2 = 3 (или нормализовано, так что «лучшая» альтернатива, 222, набирает 100 баллов: a1 = 0, a2 = 22,2, b1 = 0, b2 = 44,4, c1 = 0 и c2 = 33,3).

Таким образом, на примере ценностной модели ранжирования кандидатов на вакансию наиболее важным критерием является (хороший) опыт (b, 4 балла) с последующим Рекомендации (c, 3 балла) и, что менее важно, образование (а, 2 балла). Хотя возможны множественные решения трех неравенств, все итоговые значения в баллах воспроизводят тот же общий рейтинг альтернатив, перечисленных выше и воспроизведенных здесь с их общими баллами:

1-й 222: 2 + 4 + 3 = 9 баллов (или 22,2 + 44,4 + 33,3 = 100 баллов, нормализованные) - то есть общий балл от сложения значений баллов выше.
2 место 122: 0 + 4 + 3 = 7 баллов (или 0 + 44,4 + 33,3 = 77,8 балла нормализовано)
3 место 221: 2 + 4 + 0 = 6 баллов (или 22,2 + 44,4 + 0 = 66,7 балла нормализовано)
4-е место 212: 2 + 0 + 3 = 5 баллов (или 22,2 + 0 + 33,3 = 55,6 балла нормализовано)
5-е место 121: 0 + 4 + 0 = 4 балла (или 0 + 44,4 + 0 = 44,4 балла, нормализованные)
6-е место 112: 0 + 0 + 3 = 3 балла (или 0 + 0 + 33,3 = 33,3 балла, нормализованные)
7-е место 211: 2 + 0 + 0 = 2 балла (или 22,2 + 0 + 0 = 22,2 балла нормализовано)
8-е место 111: 0 + 0 + 0 = 0 баллов (или 0 + 0 + 0 = 0 баллов нормализовано)

Дополнительные соображения

Во-первых, лицо, принимающее решение, может отказаться от явного ранжирования любой заданной недоминируемой пары (тем самым исключив ее) на том основании, что по крайней мере одна из рассмотренных альтернатив соответствует невозможной комбинации категорий по критериям. Кроме того, если лицо, принимающее решение, не может решить, как явно ранжировать данную пару, он может пропустить это - и пара может в конечном итоге неявно ранжироваться как следствие других явно ранжированных пар (через транзитивность).

Во-вторых, для ранжирования всех недоминируемых пар от лица, принимающего решение, обычно требуется выполнять меньшее количество парных ранжирований, если некоторые из них указывают на безразличие, а не на строгое предпочтение. Например, если лицо, принимающее решение, оценило пару (i) выше как _21 ~ _12 (т.е. безразличие) вместо _21≻_12 (как указано выше), тогда ей нужно было бы ранжировать только одну пару, а не две (т.е. всего две явно ранжированные пары). В целом пары с равным рангом порождают больше следствий относительно пар с неявным ранжированием, чем пары со строгим ранжированием.

Наконец, порядок, в котором лицо, принимающее решение, ранжирует недоминируемые пары, влияет на количество требуемых ранжирований. Например, если лицо, принимающее решение, оценило пару (iii) перед пары (i) и (ii), то легко показать, что все три должны были быть явно ранжированы, а также пара (v) (то есть четыре явно ранжированных пары всего). Однако определение оптимального порядка проблематично, поскольку оно зависит от самих рейтингов, которые заранее неизвестны.

Применение PAPRIKA к моделям с более высокой стоимостью

Конечно, в большинстве реальных моделей ценности есть больше критериев и категорий, чем в приведенном выше простом примере, а это значит, что у них намного больше недоминируемых пар. Например, модель ценности, упомянутая ранее, с восемью критериями и четырьмя категориями внутри каждого критерия (и 48 = 65 536 возможных альтернатив) всего 2 047 516 416 недоминируемых пар (аналогично девяти, указанным на Рисунке 2), из которых, за исключением реплик, 402 100 560 уникальных (аналогично шести в примере выше).[1] (Как упоминалось ранее, для модели такого размера лицо, принимающее решение, должно явно ранжировать примерно 95 пар, определенных по двум критериям одновременно, что, вероятно, устроит большинство лиц, принимающих решения.)

Для таких моделей реальной стоимости простой подход парных сравнений для выявления недоминируемых пар, использованный в предыдущем подразделе (представлен на Рисунке 2), крайне непрактичен. Точно так же идентификация всех пар, неявно ранжированных как следствия явно ранжированных пар, становится все более трудной задачей по мере увеличения количества критериев и категорий. Таким образом, метод PAPRIKA основан на вычислительно эффективных процессах для идентификации уникальных недоминируемых пар и неявно ранжированных пар соответственно. Подробности этих процессов выходят за рамки этой статьи, но доступны в другом месте.[1] и, как упоминалось ранее, метод PAPRIKA реализуется программное обеспечение для принятия решений товары 1000minds и MeenyMo.[4][5][6]

Сравнение с традиционными методами подсчета очков

ПАПРИКА ​​влечет за собой большее количество судебных решений (но обычно менее 100, а часто и менее 50[1]), чем большинство «традиционных» методов оценки, таких как прямая оценка,[75] УМНАЯ,[76] Умнее[77] и Аналитическая иерархия процессов.[78] Ясно, однако, что здесь задействованы разные типы суждений. Для PAPRIKA судебные решения влекут за собой попарные сравнения недоминируемых пар (обычно определяемых одновременно только по двум критериям), тогда как большинство традиционных методов включают шкала интервалов или же шкала отношений измерения предпочтений лица, принимающего решения, относительно относительной важности критериев и категорий соответственно. Возможно, суждения в отношении PAPRIKA проще и естественнее, и поэтому можно разумно ожидать, что они будут более точно отражать предпочтения лиц, принимающих решения.

Смотрите также

Рекомендации

  1. ^ а б c d е ж грамм час Хансен, Пол; Омблер, Франц (2008). «Новый метод оценки аддитивных моделей значений с множеством атрибутов с использованием попарного ранжирования альтернатив». Журнал многокритериального анализа решений. 15 (3–4): 87–107. Дои:10.1002 / mcda.428.
  2. ^ а б c Smith, K. F .; Феннесси, П. Ф. (2011). «Использование совместного анализа для определения относительной важности конкретных признаков в качестве критериев отбора для улучшения видов многолетних пастбищ в Австралии». Земледелие и пастбища. 62 (4): 355–65. Дои:10.1071 / CP10320.
  3. ^ а б c Исма, Салим Аль; Или, Н.А .; Ли, Мэнсян; Шен, Цзюнь; Хэ, Цян (2016). «Моделирование принятия решений о внедрении облачных вычислений для МСП: совместный анализ». Международный журнал веб- и сетевых служб. 12 (3): 296. Дои:10.1504 / ijwgs.2016.079157.
  4. ^ а б c Вайстроффер, Х. Роланд; Ли, Ян (2016). Программное обеспечение для анализа решений по нескольким критериям. Анализ принятия решений по нескольким критериям. Международная серия исследований по операциям и менеджменту. 233. С. 1301–1341. Дои:10.1007/978-1-4939-3094-4_29. ISBN 978-1-4939-3093-7.
  5. ^ а б c Олесон, С. (2016), «Обзор программного обеспечения для анализа решений», ИЛИ / MS сегодня, 43 (5)
  6. ^ а б c Амоял, Дж. (2018), «Обзор программного обеспечения для анализа решений», ИЛИ / MS сегодня, 45 (5), Дои:10.1287 / orms.2018.05.13, S2CID 642562
  7. ^ Хансен, Пол; Хендри, Элисон; Наден, Рэй; Омблер, Франц; Стюарт, Ральф (2012). «Новый процесс создания системы баллов для определения приоритетности пациентов для плановых медицинских услуг». Клиническое руководство. 17 (3): 200–209. Дои:10.1108/14777271211251318.
  8. ^ Тейлор, Уильям Дж .; Лейкинг, Джордж (2010). «Соотношение цена / качество - изменение проблемы с точки зрения динамической приоритезации доступа». Инвалидность и реабилитация. 32 (12): 1020–1027. Дои:10.3109/09638281003775535. PMID 20380596. S2CID 30265587.
  9. ^ Гвинн-Джонс, Дэвид П .; Иосуа, Элла Э .; Стаут, Кирстен М. (1 мая 2016 г.). «Нормирование тотального эндопротезирования тазобедренного и коленного суставов с использованием шкалы Новой Зеландии ортопедической ассоциации: эффективность и сравнение с оценками пациентов». Журнал артропластики. 31 (5): 957–962. Дои:10.1016 / j.arth.2015.11.022. ISSN 0883-5403. PMID 26944014.
  10. ^ Фицджеральд, Аврил; Спеди, Барбара Коннер; ДеКостер, Кэролайн; Наден, Рэй; Хоукер, Джиллиан А .; Носуорти, Томас (октябрь 2009 г.). «Тестирование надежности и валидности приоритетных реферальных баллов WCWL по ревматологии». Артрит и ревматизм. 60 (Дополнение 10): 54. Дои:10.1002 / арт.25137 (неактивно 10 сентября 2020 г.). Архивировано из оригинал 3 марта 2016 г.CS1 maint: DOI неактивен по состоянию на сентябрь 2020 г. (связь)
  11. ^ Фицджеральд, Аврил; де Костер, Кэролайн; Макмиллан, Стюарт; Наден, Рэй; Армстронг, Фрейзер; Парикмахер, Элисон; Хитрость, Лес; Коннер-Спейди, Барбара; Хоукер, Джиллиан; Лакайль, Дайан; Лейн, Кэролайн; Мошер, Дайанна; Ранкин, Джим; Шолтер, Далтон; Носуорти, Том (2011). «Относительная срочность направления из первичного звена к ревматологам: приоритетный рейтинг направления». Уход и исследования артрита. 63 (2): 231–239. Дои:10.1002 / acr.20366. ISSN 2151-464X. PMID 20890984. S2CID 205221379.
  12. ^ Уайт, Дуглас; Соланки, Камаль; Куинси, Вики; Минетт, Эндрю; Там, Гордон; Дубе, Алан; Наден, Рэй (2015). «Разработка многомерной системы точек добавления для определения доступа к ревматологическим услугам». Журнал клинической ревматологии. 21 (5): 239–243. Дои:10.1097 / RHU.0000000000000274. ISSN 1076-1608. PMID 26203827. S2CID 32974482.
  13. ^ Носуорси, Т; Де Костер, К; Наден, Р. (2009). Инструменты определения приоритетов для улучшения доступа к медицинским специалистам (PDF). 6-е Международное ежегодное собрание по оценке технологий здравоохранения. Анналы, Медицинская академия, Сингапур. 38. Сингапур. п. S78. Архивировано из оригинал (PDF) 3 марта 2016 г.
  14. ^ Голан, Офра; Хансен, Пол; Каплан, Гиора; Тал, Орна (2011). «Приоритезация технологий здравоохранения: какие критерии для определения приоритетов новых технологий и каков их относительный вес?». Политика здравоохранения. 102 (2–3): 126–35. Дои:10.1016 / j.healthpol.2010.10.012. PMID 21071107.
  15. ^ Голан, Офра Дж; Хансен, Пол (2012). «Какие медицинские технологии следует финансировать? Структура приоритетов, основанная исключительно на соотношении цены и качества». Израильский журнал исследований политики здравоохранения. 1 (1): 44. Дои:10.1186/2045-4015-1-44. ЧВК 3541977. PMID 23181391.
  16. ^ Шмуэли, Амир (30 апреля 2017 г.). «Соответствуют ли предпочтения израильского комитета корзины в отношении справедливости и эффективности предпочтениям израильских политиков в области здравоохранения?». Израильский журнал исследований политики здравоохранения. 6 (1): 20. Дои:10.1186 / s13584-017-0145-4. ЧВК 5410368. PMID 28469840.
  17. ^ Шмуэли, Амир; Голан, Офра; Паолуччи, Франческо; Ментзакис, Эммануил (1 апреля 2017 г.). «Соображения эффективности и справедливости в предпочтениях политиков в области здравоохранения в Израиле». Израильский журнал исследований политики здравоохранения. 6 (1): 18. Дои:10.1186 / s13584-017-0142-7. ЧВК 5376275. PMID 28373904.
  18. ^ Салливан, Труди; Хансен, Пол (1 апреля 2017 г.). «Определение критериев и весов для определения приоритетности технологий здравоохранения на основе предпочтений населения в целом: пилотное исследование в Новой Зеландии». Ценность в здоровье. 20 (4): 679–686. Дои:10.1016 / j.jval.2016.12.008. ISSN 1098-3015. PMID 28408011.
  19. ^ Мартелли, Николас; Хансен, Пол; ван ден Бринк, Элен; Боудар, Орели; Кордонье, Анн-Лор; Дево, Капуцин; Pineau, Judith; Prognon, Patrice; Borget, Isabelle (1 February 2016). "Combining multi-criteria decision analysis and mini-health technology assessment: A funding decision-support tool for medical devices in a university hospital setting". Журнал биомедицинской информатики. 59: 201–208. Дои:10.1016/j.jbi.2015.12.002. PMID 26705065.
  20. ^ Lasorsa, I.; Abis, G.; Podda, B.; Accardo, A. (2015). Multi-criteria decision analysis to redesign an Italian Clinical Engineering Service under specific needs and regulation requirements. World Congress on Medical Physics and Biomedical Engineering, June 7–12, 2015, Toronto, Canada. IFMBE Proceedings. 51. pp. 1562–1565. Дои:10.1007/978-3-319-19387-8_380. ISBN 978-3-319-19386-1.
  21. ^ Aletaha, Daniel; Neogi, Tuhina; Silman, Alan J.; Funovits, Julia; Felson, David T.; Bingham, Clifton O.; Birnbaum, Neal S.; Burmester, Gerd R.; Bykerk, Vivian P.; Cohen, Marc D.; Combe, Bernard; Costenbader, Karen H.; Dougados, Maxime; Emery, Paul; Ferraccioli, Gianfranco; Hazes, Johanna M. W.; Hobbs, Kathryn; Huizinga, Tom W. J.; Kavanaugh, Arthur; Kay, Jonathan; Kvien, Tore K.; Laing, Timothy; Mease, Philip; Ménard, Henri A.; Moreland, Larry W.; Naden, Raymond L.; Pincus, Theodore; Smolen, Josef S.; Stanislawska-Biernat, Ewa; Symmons, Deborah; Tak, Paul P.; Upchurch, Katherine S.; Vencovský, Jiří; Wolfe, Frederick; Hawker, Gillian (2010). "2010 Rheumatoid arthritis classification criteria: An American College of Rheumatology/European League Against Rheumatism collaborative initiative". Артрит и ревматизм. 62 (9): 2569–2581. Дои:10.1002/art.27584. HDL:2027.42/78045. ISSN 0004-3591. PMID 20872595.
  22. ^ Neogi, Tuhina; Aletaha, Daniel; Silman, Alan J.; Naden, Raymond L.; Felson, David T.; Aggarwal, Rohit; Bingham, Clifton O.; Birnbaum, Neal S.; Burmester, Gerd R.; Bykerk, Vivian P.; Cohen, Marc D.; Combe, Bernard; Costenbader, Karen H.; Dougados, Maxime; Emery, Paul; Ferraccioli, Gianfranco; Hazes, Johanna M. W.; Hobbs, Kathryn; Huizinga, Tom W. J.; Kavanaugh, Arthur; Kay, Jonathan; Ханна, Динеш; Kvien, Tore K.; Laing, Timothy; Liao, Katherine; Mease, Philip; Ménard, Henri A.; Moreland, Larry W.; Nair, Raj; Pincus, Theodore (2010). "The 2010 American College of Rheumatology/European League Against Rheumatism classification criteria for rheumatoid arthritis: Phase 2 methodological report". Артрит и ревматизм. 62 (9): 2582–2591. Дои:10.1002/art.27580. ЧВК 3077961. PMID 20872596.
  23. ^ Aletaha, Daniel (2015), "Classification of rheumatoid arthritis", in Emery, Paul (ed.), Atlas of Rheumatoid Arthritis, 1, Springer Healthcare, pp. 3–21, Дои:10.1007/978-1-907673-91-7_1, ISBN 978-1-907673-90-0
  24. ^ Van Den Hoogen, F.; Khanna, D.; Fransen, J.; Johnson, S. R.; Барон, М .; Tyndall, A.; Matucci-Cerinic, M.; Naden, R. P.; Medsger, T. A.; Carreira, P. E.; Riemekasten, G.; Clements, P. J.; Denton, C. P.; Distler, O.; Allanore, Y.; Furst, D. E.; Gabrielli, A.; Mayes, M. D.; Van Laar, J. M.; Seibold, J. R.; Czirjak, L.; Стин, В. Д .; Inanc, M.; Kowal-Bielecka, O.; Müller-Ladner, U.; Valentini, G.; Veale, D. J.; Vonk, M. C.; Walker, U. A.; и другие. (2013). "2013 Classification Criteria for Systemic Sclerosis: An American College of Rheumatology/European League Against Rheumatism Collaborative Initiative". Артрит и ревматизм. 65 (11): 2737–2747. Дои:10.1002/art.38098. ЧВК 3930146. PMID 24122180.
  25. ^ Van Den Hoogen, F.; Khanna, D.; Fransen, J.; Johnson, S. R.; Барон, М .; Tyndall, A.; Matucci-Cerinic, M.; Naden, R. P.; Medsger, T. A.; Carreira, P. E.; Riemekasten, G.; Clements, P. J.; Denton, C. P.; Distler, O.; Allanore, Y.; Furst, D. E.; Gabrielli, A.; Mayes, M. D.; Van Laar, J. M.; Seibold, J. R.; Czirjak, L.; Стин, В. Д .; Inanc, M.; Kowal-Bielecka, O.; Muller-Ladner, U.; Valentini, G.; Veale, D. J.; Vonk, M. C.; Walker, U. A.; и другие. (2013). "2013 classification criteria for systemic sclerosis: An American college of rheumatology/European league against rheumatism collaborative initiative". Анналы ревматических болезней. 72 (11): 1747–55. Дои:10.1136/annrheumdis-2013-204424. HDL:2027.42/100304. PMID 24092682. S2CID 44940902.
  26. ^ Johnson, S. R.; Naden, R. P.; Fransen, J.; Van Den Hoogen, F.; Pope, J. E.; Барон, М .; Tyndall, A.; Matucci-Cerinic, M.; Denton, C. P.; Distler, O.; Gabrielli, A.; Van Laar, J. M.; Mayes, M.; Steen, V.; Seibold, J. R.; Clements, P.; Medsger, T. A.; Carreira, P. E.; Riemekasten, G.; Chung, L.; Fessler, B. J.; Merkel, P. A.; Серебро, R .; Varga, J .; Allanore, Y.; Mueller-Ladner, U.; Vonk, M. C.; Walker, U. A.; Cappelli, S.; Khanna, D. (2014). "Multicriteria decision analysis methods with 1000Minds for developing systemic sclerosis classification criteria". Журнал клинической эпидемиологии. 67 (6): 706–14. Дои:10.1016/j.jclinepi.2013.12.009. ЧВК 4134523. PMID 24721558.
  27. ^ Pope, Janet E.; Johnson, Sindhu R. (2015). "New Classification Criteria for Systemic Sclerosis (Scleroderma)". Rheumatic Disease Clinics of North America. 41 (3): 383–398. Дои:10.1016/j.rdc.2015.04.003. ISSN 0889-857X. PMID 26210125.
  28. ^ Johnson, Sindhu R. (2015). "New ACR EULAR Guidelines for Systemic Sclerosis Classification". Текущие отчеты ревматологии. 17 (5): 32. Дои:10.1007/s11926-015-0506-3. ISSN 1523-3774. PMID 25874345. S2CID 19695361.
  29. ^ Neogi, Tuhina; Jansen, Tim L. Th. А .; Дальбет, Никола; Франсен, Яап; Schumacher, H. Ralph; Berendsen, Dianne; Brown, Melanie; Choi, Hyon; Edwards, N. Lawrence; Janssens, Hein J. E. M.; Lioté, Frédéric; Naden, Raymond P.; Nuki, George; Ogdie, Alexis; Perez-Ruiz, Fernando; Saag, Kenneth; Singh, Jasvinder A .; Sundy, John S.; Tausche, Anne-Kathrin; Vaquez-Mellado, Janitzia; Yarows, Steven A.; Taylor, William J. (2015). "2015 Gout Classification Criteria: An American College of Rheumatology/European League Against Rheumatism Collaborative Initiative". Артрит и ревматология. 67 (10): 2557–2568. Дои:10.1002/art.39254. ISSN 2326-5191. ЧВК 4566153. PMID 26352873.
  30. ^ Vargas-Santos, Ana Beatriz; Taylor, William J.; Neogi, Tuhina (24 June 2016). "Gout Classification Criteria: Update and Implications". Текущие отчеты ревматологии. 18 (7): 46. Дои:10.1007/s11926-016-0594-8. ЧВК 4981244. PMID 27342957.
  31. ^ Haar, Nienke M. ter; Annink, Kim V.; Al-Mayouf, Sulaiman M.; Amaryan, Gayane; Anton, Jordi; Barron, Karyl S.; Benseler, Susanne M.; Brogan, Paul A.; Cantarini, Luca; Cattalini, Marco; Cochino, Alexis-Virgil; Benedetti, Fabrizio De; Dedeoglu, Fatma; Jesus, Adriana A. De; Alberighi, Ornella Della Casa; Demirkaya, Erkan; Dolezalova, Pavla; Durrant, Karen L.; Fabio, Giovanna; Gallizzi, Romina; Goldbach-Mansky, Raphaela; Hachulla, Eric; Hentgen, Veronique; Herlin, Troels; Hofer, Michaël; Hoffman, Hal M.; Insalaco, Antonella; Jansson, Annette F.; Kallinich, Tilmann; Koné-Paut, Isabelle; Kozlova, Anna; Kuemmerle-Deschner, Jasmin B.; Lachmann, Helen J.; Laxer, Ronald M.; Martini, Alberto; Nielsen, Susan; Nikishina, Irina; Ombrello, Amanda K.; Ozen, Seza; Papadopoulou-Alataki, Efimia; Quartier, Pierre; Rigante, Donato; Russo, Ricardo; Симон, Анна; Trachana, Maria; Uziel, Yosef; Ravelli, Angelo; Gattorno, Marco; Frenkel, Joost (1 May 2017). "Development of the autoinflammatory disease damage index (ADDI)". Анналы ревматических болезней. 76 (5): 821–830. Дои:10.1136/annrheumdis-2016-210092. ISSN 0003-4967. ЧВК 4597180. PMID 27811147.
  32. ^ Kuemmerle-Deschner, Jasmin B.; Ozen, Seza; Tyrrell, Pascal N.; Kone-Paut, Isabelle; Goldbach-Mansky, Raphaela; Lachmann, Helen; Blank, Norbert; Hoffman, Hal M.; Weissbarth-Riedel, Elisabeth; Hugle, Boris; Kallinich, Tilmann; Gattorno, Marco; Gul, Ahmet; Haar, Nienke Ter; Oswald, Marlen; Dedeoglu, Fatma; Cantarini, Luca; Benseler, Susanne M. (1 June 2017). "Diagnostic criteria for cryopyrin-associated periodic syndrome (CAPS)". Анналы ревматических болезней. 76 (6): 942–947. Дои:10.1136/annrheumdis-2016-209686. ISSN 0003-4967. PMID 27707729. S2CID 23147525.
  33. ^ de Lautour, Hugh; Taylor, William J.; Adebajo, Ade; Alten, Rieke; Burgos-Vargas, Ruben; Chapman, Peter; Cimmino, Marco A.; da Rocha Castelar Pinheiro, Geraldo; Day, Ric; Харролд, Лесли Р .; Helliwell, Philip; Janssen, Matthijs; Kerr, Gail; Kavanaugh, Arthur; Ханна, Динеш; Khanna, Puja P .; Lin, Chingtsai; Louthrenoo, Worawit; McCarthy, Geraldine; Vazquez-Mellado, Janitzia; Mikuls, Ted R.; Neogi, Tuhina; Ogdie, Alexis; Perez-Ruiz, Fernando; Schlesinger, Naomi; Ralph Schumacher, H.; Scirè, Carlo A.; Singh, Jasvinder A .; Sivera, Francisca; Slot, Ole; Stamp, Lisa K.; Tausche, Anne-Kathrin; Теркельтауб, Роберт; Uhlig, Till; van de Laar, Mart; White, Douglas; Yamanaka, Hisashi; Zeng, Xuejun; Дальбет, Никола (Май 2016). "Development of Preliminary Remission Criteria for Gout Using Delphi and 1000Minds Consensus Exercises". Уход и исследования артрита. 68 (5): 667–672. Дои:10.1002/acr.22741. PMID 26414176. S2CID 13512657.
  34. ^ Rider, Lisa G.; Aggarwal, Rohit; Pistorio, Angela; Bayat, Nastaran; Erman, Brian; Feldman, Brian M.; Huber, Adam M.; Cimaz, Rolando; Cuttica, Rubén J.; Oliveira, Sheila Knupp de; Lindsley, Carol B.; Pilkington, Clarissa A.; Punaro, Marilynn; Ravelli, Angelo; Reed, Ann M.; Rouster-Stevens, Kelly; Royen-Kerkhof, Annet van; Dressler, Frank; Magalhaes, Claudia Saad; Constantin, Tamás; Davidson, Joyce E.; Magnusson, Bo; Russo, Ricardo; Villa, Luca; Rinaldi, Mariangela; Rockette, Howard; Lachenbruch, Peter A.; Miller, Frederick W.; Vencovsky, Jiri; Ruperto, Nicolino (1 May 2017). "2016 American College of Rheumatology/European League Against Rheumatism Criteria for Minimal, Moderate, and Major Clinical Response in Juvenile Dermatomyositis". Анналы ревматических болезней. 76 (5): 782–791. Дои:10.1136/annrheumdis-2017-211401. ISSN 0003-4967. ЧВК 5517365. PMID 28385804.
  35. ^ Avila, M. L.; Brandão, L. R.; Уильямс, S .; Montoya, M. I.; Stinson, J.; Kiss, A.; Feldman, B. M. (December 2016). "Development of CAPTSure - a new index for the assessment of pediatric postthrombotic syndrome". Журнал тромбоза и гемостаза. 14 (12): 2376–2385. Дои:10.1111/jth.13530. PMID 27709837.
  36. ^ Aringer, M; Dörner, T; Leuchten, N; Johnson, S R (31 May 2016). "Toward new criteria for systemic lupus erythematosus—a standpoint". Волчанка. 25 (8): 805–811. Дои:10.1177/0961203316644338. PMID 27252256. S2CID 2719174.
  37. ^ Shiboski, Caroline H.; Shiboski, Stephen C.; Seror, Raphaèle; Criswell, Lindsey A.; Labetoulle, Marc; Lietman, Thomas M .; Rasmussen, Astrid; Scofield, Hal; Vitali, Claudio; Bowman, Simon J.; Mariette, Xavier; Group, the International Sjögren's Syndrome Criteria Working (1 January 2017). "2016 American College of Rheumatology/European League Against Rheumatism classification criteria for primary Sjögren9s syndrome". Анналы ревматических болезней. 76 (1): 9–16. Дои:10.1136/annrheumdis-2016-210571. ISSN 0003-4967. PMID 27789466. S2CID 25716098.
  38. ^ Shiboski, Caroline H.; Shiboski, Stephen C.; Seror, Raphaèle; Criswell, Lindsey A.; Labetoulle, Marc; Lietman, Thomas M .; Rasmussen, Astrid; Scofield, Hal; Vitali, Claudio; Bowman, Simon J.; Mariette, Xavier (January 2017). "2016 American College of Rheumatology/European League Against Rheumatism Classification Criteria for Primary Sjögren's Syndrome: A Consensus and Data-Driven Methodology Involving Three International Patient Cohorts". Артрит и ревматология. 69 (1): 35–45. Дои:10.1002/art.39859. ЧВК 5650478. PMID 27785888.
  39. ^ Miloslavsky, Eli M.; Naden, Ray P.; Bijlsma, Johannes W. J.; Brogan, Paul A.; Brown, E. Sherwood; Brunetta, Paul; Buttgereit, Frank; Choi, Hyon K.; DiCaire, Jean-Francois; Gelfand, Jeffrey M.; Heaney, Liam G.; Lightstone, Liz; Lu, Na; Murrell, Dedee F.; Петри, Мишель; Rosenbaum, James T.; Saag, Kenneth S.; Urowitz, Murray B.; Winthrop, Kevin L.; Stone, John H. (1 March 2017). "Development of a Glucocorticoid Toxicity Index (GTI) using multicriteria decision analysis" (PDF). Анналы ревматических болезней. 76 (3): 543–546. Дои:10.1136/annrheumdis-2016-210002. HDL:10044/1/39268. ISSN 0003-4967. PMID 27474764. S2CID 206852414.
  40. ^ Pinto, Daniel; Danilovich, Margaret K.; Hansen, Paul; Finn, Daniel J.; Chang, Rowland W.; Holl, Jane L.; Heinemann, Allen W.; Bockenholt, Ulf (1 June 2017). "Qualitative Development of a Discrete Choice Experiment for Physical Activity Interventions to Improve Knee Osteoarthritis". Архивы физической медицины и реабилитации. 98 (6): 1210–1216.e1. Дои:10.1016/j.apmr.2016.11.024. ISSN 0003-9993. PMID 28034720.
  41. ^ Griffin, D. R.; Dickenson, E. J.; О'Доннелл, Дж .; Agricola, R.; Awan, T.; Бек, М .; Clohisy, J. C.; Dijkstra, H. P.; Falvey, E.; Gimpel, M.; Hinman, R. S.; Hölmich, P.; Kassarjian, A.; Martin, H. D.; Martin, R .; Mather, R. C.; Philippon, M. J.; Reiman, M. P.; Takla, A.; Thorborg, K.; Уокер, S .; Weir, A.; Bennell, K. L. (1 October 2016). "The Warwick Agreement on femoroacetabular impingement syndrome (FAI syndrome): an international consensus statement". Br J Sports Med. 50 (19): 1169–1176. Дои:10.1136/bjsports-2016-096743. ISSN 0306-3674. PMID 27629403. S2CID 1017216.
  42. ^ Aggarwal, Rohit; Rider, Lisa G.; Ruperto, Nicolino; Bayat, Nastaran; Erman, Brian; Feldman, Brian M.; Oddis, Chester V.; Amato, Anthony A.; Chinoy, Hector; Cooper, Robert G.; Dastmalchi, Maryam; Фиорентино, Дэвид; Isenberg, David; Кац, Джеймс Д .; Mammen, Andrew; Visser, Marianne de; Ytterberg, Steven R.; Lundberg, Ingrid E.; Chung, Lorinda; Danko, Katalin; Torre, Ignacio García-De la; Song, Yeong Wook; Villa, Luca; Rinaldi, Mariangela; Rockette, Howard; Lachenbruch, Peter A.; Miller, Frederick W.; Vencovsky, Jiri (1 May 2017). "2016 American College of Rheumatology/European League Against Rheumatism criteria for minimal, moderate, and major clinical response in adult dermatomyositis and polymyositis". Анналы ревматических болезней. 76 (5): 792–801. Дои:10.1136/annrheumdis-2017-211400. ISSN 0003-4967. ЧВК 5496443. PMID 28385805.
  43. ^ Rider, Lisa G.; Aggarwal, Rohit; Pistorio, Angela; Bayat, Nastaran; Erman, Brian; Feldman, Brian M.; Huber, Adam M.; Cimaz, Rolando; Cuttica, Rubén J.; de Oliveira, Sheila Knupp; Lindsley, Carol B.; Pilkington, Clarissa A.; Punaro, Marilynn; Ravelli, Angelo; Reed, Ann M.; Rouster-Stevens, Kelly; van Royen-Kerkhof, Annet; Dressler, Frank; Magalhaes, Claudia Saad; Constantin, Tamás; Davidson, Joyce E.; Magnusson, Bo; Russo, Ricardo; Villa, Luca; Rinaldi, Mariangela; Rockette, Howard; Lachenbruch, Peter A.; Miller, Frederick W.; Vencovsky, Jiri; Ruperto, Nicolino (May 2017). "2016 American College of Rheumatology/European League Against Rheumatism Criteria for Minimal, Moderate, and Major Clinical Response in Juvenile Dermatomyositis: An International Myositis Assessment and Clinical Studies Group/Paediatric Rheumatology Inter". Артрит и ревматология. 69 (5): 911–923. Дои:10.1002/art.40060. ЧВК 5577002. PMID 28382778.
  44. ^ Tacconelli, Evelina; Carrara, Elena; Savoldi, Alessia; Harbarth, Stephan; Mendelson, Marc; Monnet, Dominique L; Pulcini, Céline; Kahlmeter, Gunnar; Kluytmans, Jan; Carmeli, Yehuda; Ouellette, Marc; Outterson, Kevin; Patel, Jean; Cavaleri, Marco; Cox, Edward M; Houchens, Chris R; Grayson, M Lindsay; Hansen, Paul; Singh, Nalini; Theuretzbacher, Ursula; Magrini, Nicola; Aboderin, Aaron Oladipo; Al-Abri, Seif Salem; Awang Jalil, Nordiah; Benzonana, Nur; Bhattacharya, Sanjay; Brink, Adrian John; Burkert, Francesco Robert; Cars, Otto; и другие. (2017). "Discovery, research, and development of new antibiotics: The WHO priority list of antibiotic-resistant bacteria and tuberculosis". Ланцетные инфекционные болезни. 18 (3): 318–327. Дои:10.1016/S1473-3099(17)30753-3. PMID 29276051.
  45. ^ Wijland, Roel; Hansen, Paul; Gardezi, Fatima (15 March 2016). "Mobile nudging: Youth engagement with banking apps". Journal of Financial Services Marketing. 21 (1): 51–63. Дои:10.1057/fsm.2016.1. S2CID 167856107.
  46. ^ Lee, Pui Yee; Lusk, Karen; Mirosa, Miranda; Oey, Indrawati (2015). "An attribute prioritization-based segmentation of the Chinese consumer market for fruit juice". Качество еды и предпочтения. 46: 1–8. Дои:10.1016/j.foodqual.2015.06.016. ISSN 0950-3293.
  47. ^ Boyd, Philip; Law, Cliff; Doney, Scott (2011). "A Climate Change Atlas for the Ocean" (PDF). Океанография. 24 (2): 13–6. Дои:10.5670/oceanog.2011.42.
  48. ^ Chhun, Sophal; Thorsnes, Paul; Moller, Henrik (2013). "Preferences for Management of Near-Shore Marine Ecosystems: A Choice Experiment in New Zealand". Ресурсы. 2 (3): 406–438. Дои:10.3390/resources2030406.
  49. ^ Chhun, Sophal; Kahui, Viktoria; Moller, Henrik; Thorsnes, Paul (2015). "Advancing Marine Policy Toward Ecosystem-Based Management by Eliciting Public Preferences". Экономика морских ресурсов. 30 (3): 261–275. Дои:10.1086/681052. HDL:10523/7118. ISSN 0738-1360. S2CID 154046715.
  50. ^ Graff, P.; McIntyre, S. (2014). "Using ecological attributes as criteria for the selection of plant species under three restoration scenarios". Австралия Экология. 39 (8): 907–917. Дои:10.1111/aec.12156.
  51. ^ Crozier, G. K. D.; Schulte-Hostedde, A. I. (2014). "Towards Improving the Ethics of Ecological Research". Наука и инженерная этика. 21 (3): 577–94. Дои:10.1007/s11948-014-9558-4. ЧВК 4430594. PMID 24903671.
  52. ^ de Olde, Evelien M.; Moller, Henrik; Marchand, Fleur; McDowell, Richard W.; MacLeod, Catriona J.; Sautier, Marion; Halloy, Stephan; Парикмахер, Эндрю; Benge, Jayson; Bockstaller, Christian; Bokkers, Eddie A. M.; de Boer, Imke J. M.; Legun, Katharine A.; Le Quellec, Isabelle; Merfield, Charles; Oudshoorn, Frank W.; Рид, Джон; Schader, Christian; Szymanski, Erika; Sørensen, Claus A. G.; Whitehead, Jay; Manhire, Jon (11 May 2016). "When experts disagree: the need to rethink indicator selection for assessing sustainability of agriculture". Environment, Development and Sustainability. 19 (4): 1327–1342. Дои:10.1007/s10668-016-9803-x. HDL:10523/7113. S2CID 62803197.
  53. ^ Byrne, T. J.; Amer, P. R.; Fennessy, P. F.; Hansen, P.; Wickham, B. W. (2011). "A preference-based approach to deriving breeding objectives: Applied to sheep breeding". Животное. 6 (5): 778–88. Дои:10.1017/S1751731111002060. PMID 22558925. S2CID 206336898.
  54. ^ Nielsen, H. M.; Amer, P. R.; Byrne, T. J. (2013). "Approaches to formulating practical breeding objectives for animal production systems". Acta Agriculturae Scandinavica, Section A. 64 (1): 2–12. Дои:10.1080/09064702.2013.827237. ISSN 0906-4702. S2CID 84895619.
  55. ^ Martin-Collado, D.; Byrne, T.J.; Amer, P.R.; Santos, B.F.S.; Axford, M.; Pryce, J.E. (2015). "Analyzing the heterogeneity of farmers' preferences for improvements in dairy cow traits using farmer typologies". Журнал молочной науки. 98 (6): 4148–61. Дои:10.3168/jds.2014-9194. ISSN 0022-0302. PMID 25864048.
  56. ^ Slagboom, M.; Kargo, M.; Edwards, D.; Sørensen, A. C.; Thomasen, J. R.; Hjortø, L. (2 July 2016). "Herd characteristics influence farmers' preferences for trait improvements in Danish Red and Danish Jersey cows" (PDF). Acta Agriculturae Scandinavica, Section A. 66 (3): 177–182. Дои:10.1080/09064702.2016.1277550. ISSN 0906-4702. S2CID 53575561.
  57. ^ Slagboom, M.; Kargo, M.; Edwards, D.; Sørensen, A.C.; Thomasen, J.R.; Hjortø, L. (1 December 2016). "Organic dairy farmers put more emphasis on production traits than conventional farmers". Журнал молочной науки. 99 (12): 9845–9856. Дои:10.3168/jds.2016-11346. ISSN 0022-0302. PMID 27692711.
  58. ^ Byrne, T.J.; Santos, B.F.S.; Amer, P.R.; Martin-Collado, D.; Pryce, J.E.; Axford, M. (1 October 2016). "New breeding objectives and selection indices for the Australian dairy industry". Журнал молочной науки. 99 (10): 8146–8167. Дои:10.3168/jds.2015-10747. ISSN 0022-0302. PMID 27522425.
  59. ^ Smith, K. F .; Fennessy, P. F. (2014). "Utilizing Conjoint Analysis to Develop Breeding Objectives for the Improvement of Pasture Species for Contrasting Environments when the Relative Values of Individual Traits Are Difficult to Assess". Sustainable Agriculture Research. 3 (2): 44. Дои:10.5539/sar.v3n2p44.
  60. ^ Smith, K. F .; Ludemann, C.; Lewis, C. D.; Malcolm, B.; Banks, R. G.; Jacobs, J. L.; Fennessy, P. F.; Spangenberg, G. C. (2014). "Estimating the value of genetic gain in perennial pastures with emphasis on temperate species". Crop and Pasture Science. 65 (11): 1230. Дои:10.1071/CP13384. ISSN 1836-0947. S2CID 84123507.
  61. ^ Christofferson, Andrew (2007), "Housing choice in Dunedin" (PDF), City Planning, District Plan Monitoring Series, Research Report, 2007/1
  62. ^ Moura, Filipe; Cambra, Paulo; Gonçalves, Alexandre B. (2016). "Measuring walkability for distinct pedestrian groups with a participatory assessment method: A case study in Lisbon". Landscape and Urban Planning. 157: 282–296. Дои:10.1016/j.landurbplan.2016.07.002.
  63. ^ Chang, Shoou-Yuh; Gronwald, Frank (1 May 2016). "A Multi-criteria Evaluation of the Methods for Recycling Scrap Tires". The Journal of Solid Waste Technology and Management. 42 (2): 145–156. Дои:10.5276/JSWTM.2016.145.
  64. ^ Mancini, Adriano; Frontoni, Emanuele; Zingaretti, Primo (December 2015). "Embedded Multisensor System for Safe Point-to-Point Navigation of Impaired Users". IEEE Transactions по интеллектуальным транспортным системам. 16 (6): 3543–3555. Дои:10.1109/TITS.2015.2489261. S2CID 8231525.
  65. ^ Smith, Christie (2009), "Revealing monetary policy preferences" В архиве 8 мая 2014 г. Wayback Machine, Reserve Bank of New Zealand Discussion Paper Series, DP2009/01;
  66. ^ Au, Joey; Coleman, Andrew; Sullivan, Trudy (2015). A Practical Approach to Well-being Based Policy Development: What Do New Zealanders Want from Their Retirement Income Policies?. New Zealand Treasury Working Papers. 15. ISBN 978-0-478-43678-5.
  67. ^ Hansen, P.; Kergozou, N.; Knowles, S.; Thorsnes, P. (2014). "Developing Countries in Need: Which Characteristics Appeal most to People when Donating Money?" (PDF). Журнал исследований развития. 50 (11): 1494–1509. Дои:10.1080/00220388.2014.925542. HDL:10523/4276. S2CID 154738603.
  68. ^ Cunningham, Harry; Knowles, Stephen; Hansen, Paul (12 March 2017). "Bilateral foreign aid: how important is aid effectiveness to people for choosing countries to support?". Applied Economics Letters. 24 (5): 306–310. Дои:10.1080/13504851.2016.1184372. HDL:10523/6393. ISSN 1350-4851. S2CID 29778171.
  69. ^ Belton, V and Stewart, TJ, Анализ принятия решений по множеству критериев: комплексный подход, Kluwer: Boston, 2002, pp. 166–168.
  70. ^ Johnson, Richard M. (1976). "Beyond conjoint measurement: A method of pairwise trade-off analysis". Advances in Consumer Research. 3: 353–8.
  71. ^ Green, P. E.; Krieger, A. M.; Wind, Y. (2001). "Thirty Years of Conjoint Analysis: Reflections and Prospects". Интерфейсы. 31 (3_supplement): S56. CiteSeerX 10.1.1.130.2548. Дои:10.1287/inte.31.3s.56.9676.
  72. ^ Larichev, O.I.; Moshkovich, H.M. (1995). "ZAPROS-LM – A method and system for ordering multiattribute alternatives". Европейский журнал операционных исследований. 82 (3): 503–521. Дои:10.1016/0377-2217(93)E0143-L.
  73. ^ Moshkovich, Helen M; Mechitov, Alexander I; Olson, David L (2002). "Ordinal judgments in multiattribute decision analysis". Европейский журнал операционных исследований. 137 (3): 625–641. Дои:10.1016/S0377-2217(01)00106-0.
  74. ^ Krantz, D. H. (1972). "Measurement Structures and Psychological Laws". Наука. 175 (4029): 1427–35. Bibcode:1972Sci...175.1427K. Дои:10.1126/science.175.4029.1427. PMID 17842276. S2CID 29113793.
  75. ^ Von Winterfeldt, D and Edwards, W, Decision Analysis and Behavioral Research, Cambridge University Press: New York, 1986.[страница нужна]
  76. ^ Edwards, Ward (1977). "How to Use Multiattribute Utility Measurement for Social Decisionmaking". IEEE Transactions по системам, человеку и кибернетике. 7 (5): 326–340. Дои:10.1109/TSMC.1977.4309720. S2CID 24173951.
  77. ^ Edwards, Ward; Barron, F.Hutton (1994). "SMARTS and SMARTER: Improved Simple Methods for Multiattribute Utility Measurement". Организационное поведение и процессы принятия решений людьми. 60 (3): 306–325. Дои:10.1006/obhd.1994.1087.
  78. ^ Saaty, TL, The Analytic Hierarchy Process, McGraw-Hill: New York, 1980.[страница нужна]