[논문 리뷰] A Fuzzy Topsis Multiple-Attribute Decision Making for Scholarship Selection

Shofwatul Uyun, Imam Riadi|arXiv (Cornell University)|2013. 06. 27.

Educational Methods and Technology참고 문헌 11인용 수 6

한 줄 요약

이 논문은 우니베르시타스 이슬람 네게리 수단 칼리자가의 장학금 선정을 지원하기 위해 통합 모델링 언어(UML)와 융합된 퍼지 TOPSIS 기반 다기능 결정 방법(FMDAM)을 제안한다. 이 방법은 명확한 기준과 퍼지 기준을 사용하여 지원자를 평가하며, TOPSIS 및 가중치 곱셈 방법이 지원자의 자격에 따라 순위를 매기는 데 효과적임을 입증한다. 선호도 값은 학술 및 비학술 장학금에 적합한 최상위 지원자를 식별한다.

ABSTRACT

As the education fees are becoming more expensive, more students apply for scholarships. Consequently, hundreds and even thousands of applications need to be handled by the sponsor. To solve the problems, some alternatives based on several attributes (criteria) need to be selected. In order to make a decision on such fuzzy problems, Fuzzy Multiple Attribute Decision Making (FMDAM) can be applied. In this study, Unified Modeling Language (UML) in FMADM with TOPSIS and Weighted Product (WP) methods is applied to select the candidates for academic and non-academic scholarships at Universitas Islam Negeri Sunan Kalijaga. Data used were a crisp and fuzzy data. The results show that TOPSIS and Weighted Product FMADM methods can be used to select the most suitable candidates to receive the scholarships since the preference values applied in this method can show applicants with the highest eligibility

연구 동기 및 목표

• 일관되지도 않고 모호한 평가 기준이 존재하는 대량의 장학금 지원서 처리 과제를 해결하기 위해.
• 장학금 수혜자 선정을 위한 체계적이고 투명하며 반복 가능한 의사결정 프레임워크를 개발하기 위해.
• 불확실성 있는 지원자 평가를 다루기 위해 퍼지 논리와 TOPSIS 및 가중치 곱셈 방법을 융합하기 위해.
• 의사결정 과정을 명확성과 재현 가능성을 확보하기 위해 통합 모델링 언어(UML)를 사용해 모델링하기 위해.
• 실제 대학 장학금 선정 과정의 데이터를 사용해 방법의 효과성을 검증하기 위해.

제안 방법

• 퍼지 다기능 결정 방법(FMDAM)을 적용해 장학금 선정 과정에서의 모호하거나 언어적 평가 기준을 다룬다.
• TOPSIS 방법을 사용해 이상 솔루션에 가까운 정도에 따라 지원자를 순위 매긴다. 이때 불확실한 입력을 위해 퍼지 수를 통합한다.
• 가중치 곱셈(WP) 방법을 비교 기법으로 적용해 TOPSIS 결과를 검증하며, 곱셈 기반 가중치를 사용한다.
• 시스템의 명확성을 확보하기 위해 UML 다이어그램을 사용해 의사결정 과정을 모델링한다. 클래스 다이어그램, 컴포넌트 다이어그램, 시퀀스 다이어그램을 포함한다.
• 퍼지 집합을 사용해 언어적 변수(예: '높음', '중간', '낮음'의 성과)를 표현해 주관적인 평가를 정량화한다.
• 각 지원자에 대해 퍼지 TOPSIS를 사용해 선호도 값을 계산하며, 높은 값일수록 더 높은 자격을 의미한다.

실험 결과

연구 질문

• RQ1 평가 기준이 주관적이거나 모호할 경우, 퍼지 TOPSIS가 장학금 선정 과정에서의 불확실성을 효과적으로 다룰 수 있는가?
• RQ2 FMDAM과 UML를 융합함으로써 의사결정 과정의 투명성과 재현 가능성은 얼마나 향상되는가?
• RQ3 TOPSIS 및 가중치 곱셈 방법이 장학금 선정에서 일관된 순위를 산출하는 데까지 어느 정도 영향을 미치는가?
• RQ4 퍼지 논리는 근거 없는 데이터와 언어적 데이터를 혼합해 평가하는 지원자에 대해 공정성과 객관성을 향상시킬 수 있는가?
• RQ5 선호도 값의 사용이 가장 자격이 높은 장학금 수혜자를 식별하는 데 어떤 영향을 미치는가?

주요 결과

• 퍼지 TOPSIS 방법은 명확한 기준과 퍼지 기준을 모두 사용해 지원자의 종합 자격에 따라 효과적으로 순위를 매였다.
• TOPSIS 및 가중치 곱셈 방법이 일관된 순위를 산출해, 제안된 접근 방식의 견고성을 검증했다.
• 이 방법으로 산출된 선호도 값은 학술 및 비학술 장학금에 가장 적합한 지원자를 명확히 식별했다.
• UML의 사용은 모델의 명확성을 향상시키며 의사결정 논리의 체계적인 표현을 제공했다.
• 이 방법은 지원자 평가의 불확실성을 효과적으로 관리해 주었으며, 주관적인 기준이 존재하는 실제 장학금 선정 과정에 적합했다.
• 결과적으로 FMDAM에 TOPSIS를 적용한 방법은 대량의 장학금 지원서를 처리하는 데 신뢰성 있고 확장 가능한 솔루션임을 입증했다.