یک رویکرد یادگیری ماشین برای مقابله با ابهام در تصمیم گیری بشردوستانه
| عنوان | یک رویکرد یادگیری ماشین برای مقابله با ابهام در تصمیم گیری بشردوستانه |
|---|---|
| نویسنده | گراس، ای.، اورتمن، جی.، کویونجو، بورکو بالچیک، ری، دبلیو. |
| تاریخ انتشار: | 2023-09 |
| محل انتشار | - وایلی |
| موضوع | ابهام، خوشهبندی، تجمیع دادهها، تصمیمگیری بشردوستانه، نیازسنجی |
| نوع | دوره ای |
| زبان | انگلیسی |
| دیجیتال | بله |
| نسخه خطی | خیر |
| کتابخانه: | دانشگاه اوزیغین |
| شناسه دارایی کتابخانه | 1059-1478 |
| شماره ثبت | 3e05fcca-3240-45a2-a15a-b22d08c0f244 |
| محل کتابخانه | مهندسی صنایع |
| تاریخ | 2023-09 |
| متن نمونه | یکی از چالشهای اصلی سازمانهای بشردوستانه در برنامهریزی واکنش، مقابله با ابهام و عدم اطمینان ذاتی در موقعیتهای بلایا است. اطلاعات موجود که از منابع مختلف در محیطهای پس از فاجعه به دست میآید ممکن است شامل عناصر گمشده و ناسازگاریهایی باشد که میتواند مانع تصمیمگیری مؤثر انسان دوستانه شود. در این مقاله، ما یک چارچوب روششناختی جدید مبتنی بر خوشهبندی نمودار و بهینهسازی تصادفی برای حمایت از تصمیمگیرندگان بشردوستانه در تجزیه و تحلیل پیامدهای تخمینهای متفاوت از منابع دادههای متعدد بر تصمیمهای نهایی و ادغام کارآمد این تخمینها در تصمیمگیری پیشنهاد میکنیم. تا آنجا که ما میدانیم، ادغام اطلاعات مبهم در تصمیمگیری با ترکیب روش یادگیری ماشین خوشهای با بهینهسازی تصادفی قبلاً انجام نشده است. ما رویکرد پیشنهادی را در یک مطالعه موردی واقعبینانه نشان میدهیم که بر مکانیابی سرپناهها برای خدمت به آوارگان داخلی (IDP) در یک محیط درگیری، بهویژه، جنگ داخلی سوریه تمرکز دارد. ما از دادههای نیازسنجی از دو منبع معتبر مختلف برای برآورد نیازهای سرپناه در ادلب، منطقهای در سوریه استفاده میکنیم. تجزیه و تحلیل داده های ارائه شده توسط دو منبع ارزیابی نشان دهنده درجه بالایی از ابهام به دلیل برآوردهای متناقض است. ما روش پیشنهادی را برای ادغام تخمینهای متفاوت در تصمیمگیری مکان پناهگاه اعمال میکنیم. نتایج نشان میدهد که روششناسی ما منجر به رضایت بیشتر تقاضا برای پناهگاهها نسبت به سایر رویکردها مانند یک مدل برنامهریزی تصادفی کلاسیک میشود. علاوه بر این، ما نشان میدهیم که راهحل ما اطلاعاتی را که از هر دو منبع به دست میآید به طور موثرتری یکپارچه میکند و در نتیجه به طور مؤثرتری در برابر ابهام محافظت میکند. با روش پیشنهادی جدید، تصمیم گیرنده قادر است میزان ابهام در داده ها و میزان توافق بین منابع مختلف داده را تجزیه و تحلیل کند تا در نهایت تصمیمات بهتری برای ارائه کمک های بشردوستانه اتخاذ کند. |
| DOI | 10.1111/poms.14018 |
| Cilt | 32 |
