A number of guidelines have been pr

A number of guidelines have been proposed [9] and a number of comparative studies done to help in selecting the most appropriate MCDA method,see for example [2][3][14][27] from the categories above. For collaborative modeling, modelers have to evaluate the dierent collaborative modeling approaches(CMA) using a set of dened criteria for the modeling artifacts used in and
produced by the collaborative modeling eort. They take decisions individually and as a group. This requires their preferences and priorities to be aggregated using group decision methods employing any of the MCDA methods mentioned above. Considering the pros and cons, given in [12,14], of each of the represent methods for the weighting, outranking and interactive methods and following the guidelines in [9,27] we have zeroed down to the single synthesizing
(weighting) criterion preference approach with AHP as the appropriate method
to evaluate the collaborative modeling process quality and thus helping in selecting the best collaborative modeling approach. This should, however, not be
interpreted to mean that AHP is superior to the other methods in all aspects.
It is its exibility and the availability of the mathematical axiomatic principles
in the aggregation of individual preferences and priorities to obtain the group
preferences and priorities that made it a favourite. It should also be noted that
it is possible to use a hybrid method employing a combination of the MCDA
methods as suggested in [14]. In the remainder of the paper we show how AHP
can be used to aggregate the individual modelers' preferences and priorities into group preferences and priorities.

Kết quả (Việt) 1:

Một số nguyên tắc đã đề xuất [9] và một số so sánh nghiên cứu được thực hiện để giúp đỡ trong việc lựa chọn phương pháp MCDA thích hợp nhất, xem ví dụ [2] [3] [14] [27] từ các chuyên mục ở trên. Đối với mô hình hợp tác, modelers có tiểu di hợp tác mô hình approaches(CMA) bằng cách sử dụng một tập hợp các tiêu chí de ned cho những đồ tạo tác mô hình được sử dụng trong đánh giá vàđược sản xuất bởi sự hợp tác mô hình e ort. Họ quyết định cá nhân và theo nhóm. Điều này đòi hỏi các ưu đãi và các ưu tiên của họ để được tổng hợp bằng cách sử dụng nhóm quyết định phương pháp sử dụng bất kỳ phương pháp MCDA đề cập ở trên. Xem xét các ưu và khuyết điểm, được đưa ra trong [12,14], của mỗi phương pháp đại diện cho các phương pháp cân, outranking và tương tác và làm theo các nguyên tắc trong [9,27] chúng tôi đã zeroed xuống tổng hợp duy nhất(hệ số) tiêu chí ưu tiên tiếp cận với AHP là phương pháp thích hợpđể đánh giá sự hợp tác mô hình hóa quy trình chất lượng và do đó giúp đỡ trong việc lựa chọn phương pháp mô hình hợp tác tốt nhất. Điều này, Tuy nhiên, không nêngiải thích để có nghĩa là AHP vượt trội so với các phương pháp khác trong tất cả các khía cạnh.Nó là exibility của nó và sự sẵn có của các nguyên tắc tiên đề toán họctrong tập hợp sở thích cá nhân và các ưu tiên để có được các nhómưu đãi và các ưu tiên đã làm cho nó một yêu thích. Nó cũng nên được lưu ý rằngnó có thể sử dụng một phương pháp kết hợp sử dụng một sự kết hợp của MCDACác phương pháp như đề xuất trong [14]. Phần còn lại của giấy chúng tôi hiển thị như thế nào AHPcó thể được sử dụng để tổng hợp modelers' cá nhân ưu đãi và các ưu tiên vào nhóm sở thích và ưu tiên.

Kết quả (Việt) 2:

Một số chủ trương đã được đề xuất [9] và một số nghiên cứu so sánh thực hiện để giúp lựa chọn các phương pháp thích hợp nhất MCDA, xem ví dụ [2] [3] [14] [27] từ các nhóm trên. Đối với mô hình hợp tác, lập mô hình phải đánh giá các di? Phương pháp erent hợp tác mô hình (CMA) sử dụng một tập hợp các tiêu chí ned de cho vật mẫu được sử dụng trong và
được sản xuất bởi các mô hình hợp tác ort e?. Họ đưa ra quyết định cá nhân và theo nhóm. Điều này đòi hỏi những ưu đãi và ưu tiên của họ sẽ được tổng hợp bằng phương pháp quyết định nhóm sử dụng bất kỳ phương pháp MCDA đề cập ở trên. Xem xét những ưu và khuyết điểm, đưa ra trong [12,14], của mỗi phương thức đại diện cho các trọng, outranking và phương pháp tương tác và theo các hướng dẫn trong [9,27], chúng tôi đã tập trung xuống tổng hợp duy nhất
(trọng số) tiêu chí cách tiếp cận thích với AHP như các phương pháp thích hợp
để đánh giá các tác chất lượng quá trình mô hình hóa và góp phần trong việc lựa chọn các phương pháp tiếp cận mô hình hợp tác tốt nhất. Điều này nên, tuy nhiên, không được
giải thích là AHP là vượt trội so với các phương pháp khác trong tất cả các khía cạnh.
Đó là tính linh hoạt và tính sẵn sàng của các nguyên tắc tiên đề toán học
trong sự tập hợp của những ưu đãi và ưu tiên cá nhân để có được các nhóm
sở thích và ưu tiên làm cho nó một yêu thích. Cũng nên lưu ý rằng
nó có thể sử dụng một phương pháp lai sử dụng một sự kết hợp của các MCDA
phương pháp như đề xuất trong [14]. Trong phần còn lại của bài báo chúng tôi hiển thị như thế nào AHP
có thể được sử dụng để tổng hợp sở thích và ưu tiên tạo mô hình cá nhân vào sở thích và ưu tiên nhóm.