خانه / مقالات انگلیسی با ترجمه / مدیریت / مقاله انگلیسی حل مسائل انتخاب پروژه های تحقیق و توسعه چند معیاره با یک قاعده استدلال شهودی مبتنی بر داده

مقاله انگلیسی حل مسائل انتخاب پروژه های تحقیق و توسعه چند معیاره با یک قاعده استدلال شهودی مبتنی بر داده

این مقاله ISI به زبان انگلیسی از نشریه الزویر مربوط به سال ۲۰۱۹ دارای ۱۱ صفحه انگلیسی با فرمت PDF می باشد در ادامه این صفحه لینک دانلود رایگان مقاله انگلیسی و بخشی از ترجمه فارسی مقاله موجود می باشد.

کد محصول: M848

سال نشر: ۲۰۱۹

نام ناشر (پایگاه داده):الزویر

تعداد صفحه انگلیسی:  ۱۱ صفحه PDF

عنوان فارسی:

مقاله انگلیسی ۲۰۱۹ :  حل مسائل انتخاب پروژه های تحقیق و توسعه چند معیاره با یک قاعده استدلال شهودی مبتنی بر داده

عنوان انگلیسی:

Solving multiple-criteria R&D project selection problems with a data-driven evidential reasoning rule

برای دانلود رایگان مقاله انگلیسی بر روی دکمه ذیل کلیک نمایید

دانلود رایگان مقاله بیس انگلیسی

وضعیت ترجمه: این مقاله تاکنون ترجمه نشده برای سفارش ترجمه ی مقاله بر روی دکمه ذیل کلیک نمایید (کد مقاله:M848)

ثبت سفارش ترجمه تخصصی در تمامی رشته ها

مقالات مرتبط با این موضوع: برای مشاهده سایر مقالات مرتبط با این موضوع (با ترجمه و بدون ترجمه)  بر روی دکمه ذیل کلیک نمایید

مقالات انگلیسی مرتبط با این موضوع جدید

چکیده فارسی:

در این مقاله، رویکرد جمع آوری شواهد مبتنی بر احتمال  برای حصول شواهدی از ارزیابی های کارشناسان در مجموعه داده های پیشین پیشنهاد شده است.سپس یک مدل بر اساس قاعده استدلال شهودی مبتنی بر داده برای فرآیند انتخاب پروژه ی تحقیق و توسعه با ترکیب بخش هایی از شواهد با اوزان و قابلیت اعتماد  متفاوت معرفی شده است. در نتیجه، درجه بندی کلی باورها و عملکرد کلی را می توان برای رتبه بندی و انتخاب پروژه ها ایجاد کرد. در نهایت، مطالعه موردی در مورد انتخاب پروژه های تحقیق و توسعه برای بنیاد ملی علوم طبیعی چین انجام شده است تا اثربخشی مدل پیشنهادی را نشان دهد.

مدل مبتنی بر قاعده استدلال شهودی بر اساس داده برای ارزیابی و انتخاب (۱) از داده های تجربی برای نشان دادن ارزیابی کارشناسان با استفاده از توزیع باورها بر روی مجموعه نتایج نهایی تامین مالی استفاده می کند و از طریق این آمارهای قبلی، به کارشناسان و کاربران کمک می کند تا احتمال تامین مالی برای درجه بندی ارزیابی داده شده را درک کنند. (۲) به ترسیم روابط بین درجه بندی های ارزیابی و نتایج نهایی تامین مالی با استفاده از داده های پیشین اشاره می کند  (۳) راهی برای تصمیم گیری منصفانه با در نظر گرفتن قابلیت اعتماد کارشناسان به گزارش ها ایجاد می کند. در مدل مبتنی بر قاعده استدلال شهودی بر اساس داده کارشناسان نقش های مختلفی را بر اساس قابلیت اطمینان خود ایفا می کنند  که توسط سوابق بررسی های پیشین آنها تعیین می شود، و فرایند انتخاب قابل تفسیر و عادلانه تر است. مدل جدید پیشنهاد شده، مدت زمان کارهای  وقت گیر بررسی پانل را برای مدیران و کارشناسان کاهش می دهد و بهره وری و کیفیت فرآیند انتخاب پروژه را به میزان قابل توجهی افزایش می دهد.  اگر چه مدل برای انتخاب پروژه در NSFC ایجاد شده است، می توان آن را به دیگر آژانس های تامین مالی و صنایع تعمیم داد.

کلیدواژگان: انتخاب پروژه تحقیق و توسعه، تامین مالی، استدلال شهودی ، قابلیت اعتماد، توزیع اعتقادی

Abstract

In this paper, a likelihood based evidence acquisition approach is proposed to acquire evidence from experts’ assessments as recorded in historical datasets. Then a data-driven evidential reasoning rule based model is introduced to R&D project selection process by combining multiple pieces of evidence with different weights and reliabilities. As a result, the total belief degrees and the overall performance can be generated for ranking and selecting projects. Finally, a case study on the R&D project selection for the National Natural Science Foundation of China is conducted to show the effectiveness of the proposed model.

The data-driven evidential reasoning rule based model for project evaluation and selection (1) utilizes experimental data to represent experts’ assessments by using belief distributions over the set of final funding outcomes, and through this historical statistics it helps experts and applicants to understand the funding probability to a given assessment grade, (2) implies the mapping relationships between the evaluation grades and the final funding outcomes by using historical data, and (3) provides a way to make fair decisions by taking experts’ reliabilities into account. In the data-driven evidential reasoning rule based model, experts play different roles in accordance with their reliabilities which are determined by their previous review track records, and the selection process is made interpretable and fairer. The newly proposed model reduces the time-consuming panel review work for both managers and experts, and significantly improves the efficiency and quality of project selection process. Although the model is demonstrated for project selection in the NSFC, it can be generalized to other funding agencies or industries.

Keywords: R&D project selection,Funding,Evidential reasoning,Reliability, Belief distribution

Introduction

With the rapid development of science and technology, the problem of selecting research and development (R&D) projects is becoming increasingly important (Arratia et al., 2016; Pinheiro et al., 2016; Santamaría et al., 2010). Many countries have established specific research funding agencies and designed formal procedures to evaluate and select projects. R&D project evaluation and selection is a frequent process and a significant task for funding agencies (Karasakal and Aker, 2016; Silva et al., 2014; Tang et al., 2017). As a typical multiple-criteria decision analysis problem, qualitative information often needs to be used in the selection process. The assessments from different experts can have different weights and reliabilities, which can significantly influence the decision analysis for project selection. Due to the exploding number of alternative proposals, the natures of R&D projects, and the subjective judgements of experts involved in the selection process, it has become especially critical and challenging for agencies to make rational and informative project funding decisions (Tavana et al., 2013).

R&D project evaluation and selection is a complicated multi-criteria decision-making process (Chiang and Che, 2010; Eilat et al., 2008). The decision makers have to determine which new proposals should be chosen for implementation. To make the decision making process transparent and consistent, research funding agencies tend to follow a structured, formalized decision process and select projects in a consistent way (Huang et al., 2008).

R&D project selection process can be carried out through several steps, namely, call for proposals, proposal submission, proposal validation, peer review, assessments aggregation, panel review and final decision (Feng et al., 2011; Silva et al., 2014; Zhu et al., 2015). Studies by Silva et al. (2014) revealed that the current approaches for R&D project selection either automate workflows or analyze only activities such as proposal clustering, reviewer assignment, and portfolio evaluation. Rather limited work is focused on aggregation methods for R&D project selection (Liu et al., 2017). The aggregation of assessment information serves as one of the key steps in the R&D project selection process. At this step, managers disseminate a comprehensive evaluation result for a project according to the rules and policies, as well as the assessments of the project provided by experts. This step includes the aggregation of multiple experts’ assessments on multiple evaluation criteria, which is critical for the final decision. There are mainly three elements that need to be taken into account when aggregating assessments from experts: representing assessments, measuring their weights and reliabilities, and dealing with conflicting assessments. The three elements should be handled differently in the light of the circumstances.

مقالات مرتبط با این موضوع
مقالات ترجمه شده مدیریت

مقالات ترجمه شده تحقیق و توسعه

مقالات ترجمه شده درباره تصمیم گیری