[論文レビュー] A Fuzzy Topsis Multiple-Attribute Decision Making for Scholarship Selection

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

Educational Methods and Technology参考文献 11被引用数 6

ひとこと要約

本論文は、Universitas Islam Negeri Sunan Kalijagaにおける奨学金選抜を支援するため、統合モデル化言語（UML）と統合されたファジィTOPSISベースの複数属性意思決定（FMDAM）手法を提案する。申請者をクリップス基準およびファジィ基準で評価し、TOPSISおよび重み付き積（WP）法が申請者の資格に応じて効果的に順位付けできることを示している。優先度値は、学術的および非学術的奨学金の最適候補者を特定する。

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

研究の動機と目的

• 膨大な奨学金申請書の処理において、一貫性のないまたは曖昧な評価基準に直面する課題に対処すること。
• 奨学金受賞者の選抜のための体系的で透明性があり、再現可能な意思決定フレームワークを開発すること。
• 不確実性を扱うために、ファジィ論理をTOPSISおよび重み付き積（WP）法と統合し、申請者評価における不確実性を処理すること。
• 意思決定プロセスを明確化し、再現可能性を高めるために、統合モデル化言語（UML）を用いてモデル化すること。
• 大学の奨学金選抜プロセスにおける実データを用いて、手法の有効性を検証すること。

提案手法

• 曖昧または言語的評価基準を扱うために、ファジィ多属性意思決定（FMDAM）が奨学金選抜に適用される。
• TOPSIS法は、理想解に近い度合いに基づいて申請者を順位付けするが、不確実な入力をファジィ数で組み込む。
• 重み付き積（WP）法は、乗法的重み付けを用いてTOPSISの結果を検証する比較手法として適用される。
• UML図は、システムの明確性を高めるために、クラス図、コンponent図、シーケンス図を用いて意思決定プロセスをモデル化する。
• ファジィ集合は、言語変数（例：「高い」、「中程度の」、「低い」の成績など）を表現し、主観的評価を定量化する。
• 各申請者について、ファジィTOPSISを用いて優先度値が計算され、高い値であるほど資格が高いことを示す。

実験結果

リサーチクエスチョン

• RQ1 基準が主観的または曖昧な場合に、ファジィTOPSISは奨学金選抜における不確実性を効果的に扱えるか？
• RQ2 FMDAMとUMLを統合することで、意思決定プロセスの透明性および再現性はどの程度向上するか？
• RQ3 TOPSISおよび重み付き積（WP）法は、奨学金選抜において一貫した順位付けをどの程度得られるか？
• RQ4 ファジィ論理は、クリップスデータと言語的データの混合がある申請者の評価において、公平性と客観性を向上させられるか？
• RQ5 優先度値を用いることで、最も適切な奨学金受賞候補者を特定する際の影響は何か？

主な発見

• ファジィTOPSIS法は、クリップス基準およびファジィ基準の両方を用いて、申請者の総合的資格に基づいて効果的に順位付けした。
• TOPSISおよび重み付き積（WP）法は一貫した順位付けを生み出し、提案手法の堅牢性を検証した。
• 本手法によって生成された優先度値は、学術的および非学術的奨学金の最も適切な候補者を明確に特定した。
• UMLの使用により、モデルの明確性が向上し、意思決定論理の構造的表現が可能になった。
• 本手法は、主観的基準を伴う実世界の奨学金選抜において、申請者評価の不確実性を効果的に管理した。
• 結果として、TOPSISを用いたFMDAMは、膨大な数の奨学金申請書を処理する信頼性がありスケーラブルなソリューションであることが示された。