論文の概要: Analyzing Different Expert-Opined Strategies to Enhance the Effect on
the Goal of a Multi-Attribute Decision-Making System Using a Concept of
Effort Propagation and Application in Enhancement of High School Students'
Performance
- arxiv url: http://arxiv.org/abs/2307.02254v1
- Date: Wed, 5 Jul 2023 12:53:40 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-06 13:43:54.877408
- Title: Analyzing Different Expert-Opined Strategies to Enhance the Effect on
the Goal of a Multi-Attribute Decision-Making System Using a Concept of
Effort Propagation and Application in Enhancement of High School Students'
Performance
- Title（参考訳）: 努力伝播の概念を用いた多属性意思決定システムの目標に対する効果を高めるための異なるエキスパート・オピニオン戦略の分析と高校生の成績向上への応用
- Authors: Suvojit Dhara and Adrijit Goswami
- Abstract要約: 本稿では,並列化と階層化という2つの戦略と,伝搬戦略を提案する。
本研究は,高校生のパフォーマンス向上に重要な役割を担っている,インドの高校の経営要因に関する実生活事例研究について分析した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In many real-world multi-attribute decision-making (MADM) problems, mining
the inter-relationships and possible hierarchical structures among the factors
are considered to be one of the primary tasks. But, besides that, one major
task is to determine an optimal strategy to work on the factors to enhance the
effect on the goal attribute. This paper proposes two such strategies, namely
parallel and hierarchical effort assignment, and propagation strategies. The
concept of effort propagation through a strategy is formally defined and
described in the paper. Both the parallel and hierarchical strategies are
divided into sub-strategies based on whether the assignment of efforts to the
factors is uniform or depends upon some appropriate heuristics related to the
factors in the system. The adapted and discussed heuristics are the relative
significance and effort propagability of the factors. The strategies are
analyzed for a real-life case study regarding Indian high school administrative
factors that play an important role in enhancing students' performance. Total
effort propagation of around 7%-15% to the goal is seen across the proposed
strategies given a total of 1 unit of effort to the directly accessible factors
of the system. A comparative analysis is adapted to determine the optimal
strategy among the proposed ones to enhance student performance most
effectively. The highest effort propagation achieved in the work is
approximately 14.4348%. The analysis in the paper establishes the necessity of
research towards the direction of effort propagation analysis in case of
decision-making problems.
- Abstract（参考訳）: 多くの実世界のマルチ属性意思決定(MADM)問題では、要因間の相互関係や階層構造をマイニングすることが主要な課題であると考えられている。
しかし、それ以外には、ゴール属性への影響を高めるための要因に取り組むための最適な戦略を決定することが大きな課題です。
本稿では,並列および階層的作業割り当てと伝播戦略という2つの戦略を提案する。
戦略を通じた努力の伝播の概念は、正式に定義され、論文に記述されている。
並列戦略と階層戦略は、これらの要因への取り組みの割り当てが均一であるか、あるいはシステム内の要因に関連する適切なヒューリスティックに依存するかに基づいて、サブストラテジーに分けられる。
ヒューリスティックの適応と議論は、要因の相対的重要性と労力の持続性である。
本研究は,インドの高校の経営要因を事例として,学生のパフォーマンス向上に重要な役割を担っている。
システムに直接アクセス可能な要因に対して合計1単位の労力が与えられると、目標の約7%から15%の努力が提案された戦略全体にわたって達成される。
比較分析は,学生のパフォーマンスを最も効果的に向上させるため,提案手法の最適戦略を決定するために適応される。
この作品で達成された最も高い成果は14.4348%である。
本論文の分析は,意思決定問題に対する努力伝播分析の方向性に向けて,研究の必要性を確立するものである。
関連論文リスト
- Meta Reasoning for Large Language Models [58.87183757029041]
大規模言語モデル(LLM)の新規かつ効率的なシステムプロセッシング手法であるメタ推論プロンプト(MRP)を導入する。
MRPは、各タスクの特定の要求に基づいて異なる推論メソッドを動的に選択し、適用するようLLMに誘導する。
総合的なベンチマークによりMPPの有効性を評価する。
論文 参考訳（メタデータ） (2024-06-17T16:14:11Z) - Reduced-Rank Multi-objective Policy Learning and Optimization [57.978477569678844]
実際には、因果研究者は先験を念頭において1つの結果を持っていない。
政府支援の社会福祉プログラムでは、政策立案者は貧困の多次元的性質を理解するために多くの成果を集めている。
本稿では、最適政策学習の文脈において、複数の結果に対するデータ駆動型次元性推論手法を提案する。
論文 参考訳（メタデータ） (2024-04-29T08:16:30Z) - LLM as a Mastermind: A Survey of Strategic Reasoning with Large Language Models [75.89014602596673]
戦略推論は、戦略を調整しながら、マルチエージェント設定における敵の行動を理解し、予測する必要がある。
大規模言語モデルを用いた戦略的推論に関連するスコープ,アプリケーション,方法論,評価指標について検討する。
戦略的推論を重要な認知能力として重要視し、将来の研究の方向性や潜在的な改善に関する洞察を提供する。
論文 参考訳（メタデータ） (2024-04-01T16:50:54Z) - K-Level Reasoning: Establishing Higher Order Beliefs in Large Language Models for Strategic Reasoning [76.3114831562989]
マルチエージェント環境で戦略を動的に適応させるためには、LLM(Large Language Model)エージェントが必要である。
我々は,「K-Level Reasoning with Large Language Models (K-R)」という新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2024-02-02T16:07:05Z) - Quantifying Agent Interaction in Multi-agent Reinforcement Learning for
Cost-efficient Generalization [63.554226552130054]
マルチエージェント強化学習(MARL)における一般化の課題
エージェントが未確認のコプレイヤーに影響される程度は、エージェントのポリシーと特定のシナリオに依存する。
与えられたシナリオと環境におけるエージェント間の相互作用強度を定量化する指標であるLoI(Level of Influence)を提示する。
論文 参考訳（メタデータ） (2023-10-11T06:09:26Z) - Risk-reducing design and operations toolkit: 90 strategies for managing
risk and uncertainty in decision problems [65.268245109828]
本稿では,このような戦略のカタログを開発し,それらのためのフレームワークを開発する。
高い不確実性のために難解であるように見える決定問題に対して、効率的な応答を提供する、と論じている。
次に、多目的最適化を用いた決定理論にそれらを組み込む枠組みを提案する。
論文 参考訳（メタデータ） (2023-09-06T16:14:32Z) - Enhance Multi-domain Sentiment Analysis of Review Texts through
Prompting Strategies [1.335032286337391]
感情分析タスクの推進過程を定式化し、感情分析に適した2つの新しい戦略を導入する。
提案した感情分析手法の有効性を評価するために,3つの異なる領域データセットの比較実験を行った。
その結果,提案手法の採用により,感情分析の精度が向上することが示唆された。
論文 参考訳（メタデータ） (2023-09-05T08:44:23Z) - Iterative Hierarchy and Ranking Process (IHRP): A Novel Effective
Hierarchy Method for Densely Connected Systems and Case Study in Student
Performance Assessment [1.6317061277457001]
解釈構造モデリング(ISM)は、専門家の意見に基づいて要素間影響をマイニングする階層構築手法として広く用いられている。
本稿では,従来のISM法の主な欠点の一つとして,その要因が密接な関係にあるシステムについて論じる。
本稿では,このような高密度システムにおいて効果的に機能する「Iterative Hierarchy and Ranking Process」(IHRP)と呼ばれる,新しい反復的階層構築手法を提案する。
論文 参考訳（メタデータ） (2023-06-17T19:11:34Z) - Matching a Desired Causal State via Shift Interventions [13.89612747723388]
我々は,能動的学習を通じて,システムの望ましい平均値と一致するシフト介入を特定することの問題点を考察する。
目的と正確に一致することが保証される2つのアクティブな学習戦略を提案する。
我々の戦略は、これまで検討されたアプローチよりも指数関数的に少ない介入を必要とする可能性がある。
論文 参考訳（メタデータ） (2021-07-05T08:11:36Z) - Uncertainty quantification and exploration-exploitation trade-off in
humans [0.0]
本稿では,不確実性下における人間の意思決定戦略が情報収集(探索)と報酬獲得(探索)のトレードオフをどのように管理するかを分析する理論的枠組みを概説する。
論文 参考訳（メタデータ） (2021-02-05T16:03:04Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。