模糊数学试图利用数学工具解决模糊事务问题,美国加州大学控制论专家扎德(L.A.Zadeh)发表了《模糊集合论》,形成了模糊数学算法。模糊数学用于评价的基本思想是:由于评价对象的比较等级之间具有模糊性,因而引入模糊隶属度进行运算,更能反映被评对象的属性,使评价结果更具有合理性[5]。
模糊综合评价法(Fuzzy Synthetin Evaluation)是建立在模糊集理论基础上的分析方法,在于运用模糊数学方法分析和评价具有多元复杂关系的服务组织上,其基本思路是将评价对象分解成多个因素组成的模糊集合集,按内在作用机制设定各因素的评价等级,组成评价的模糊集合,最后根据各个因素在评价目标中的权重分配,计算求出评价值[6]。在知识信息服务绩效评价中,基本步骤为:
首先,建立因素集,即将绩效评价的内容对象归为评价因素,如将服务质量因素归为服务完整性、适用性、及时性、针对性。即形成因素集:服务质量={完整性、适用性、及时性、针对性},表示为:
因素集U={u1,u2,…,ui},(i=1,2,…,n)。
其次,构建判断集,即评价判断的标准区分,如:
将评判标准分为1~5个级别,由此建立评判集V={V1,V2,V3,V4,V5},它们分别表示绩效水平的不同状态。以此出发,按评价者对评价对象的判断结果构建关系矩阵,即U与V之间的关联矩阵。
设共有n位评价者,在Di指标评判中,m位评价者选择j级,记作mij,j∈U,则评价者对Di指标选择j级的概率为:rij=mij/n。
于是,可以得到对Di指标评价的行向量[7]。设按1~5个等级进行评价,Di评价的行向量记为Ri=(ri1,ri2,…,ri5),模糊评价矩阵R为:(www.xing528.com)
其中,rij为对第i个因素做出第j评价级别的专家人数与参加评价的专家总人数之比。
最后,进行模糊综合评判,即根据模糊运算规划进行绩效因素的评判,以明确信息服务绩效在各方面的体现。
由前面的模糊集合和模糊矩阵,可以建立如下的模糊综合评价模型:
因此,模糊综合评判集为:
在模糊运算的基础上,即可得出关于绩效评价的结论。所得出的结论由于客观地反映了评价者对相关问题的判断,因而具有统计上的意义。
模糊综合评价法是在模糊环境下,考虑多种因素的影响,基于某种目的对一事物做出的综合评价方法,通过定性指标的定量化判断,提供综合性评价结果。
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。