K-means and multicriteria decision aid applied to sustainability evaluation

Detalhes bibliográficos
Ano de defesa: 2023
Autor(a) principal: Souza, Rafaela Lima Santos de
Orientador(a): Costa, Helder Gomes
Banca de defesa: Roboredo, Marcos Costa, Pessoa, Leonardo Antônio Moreira
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: eng
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Link de acesso: http://app.uff.br/riuff/handle/1/30396
Resumo: Em um mundo sempre em desenvolvimento, com população e demanda por recursos naturais em escalada, a avaliação da sustentabilidade se torna mais relevante para informar adequadamente os tomadores de decisão. Classificar a sustentabilidade dos países em categorias geralmente aplica abordagens de classificação baseadas em agregações compensatórias. Isso leva a situações em que países que possuem pontuações semelhantes são agrupados nas mesmas categorias, apesar de possuírem características diferentes ao longo dos diferentes aspectos ou variáveis que compõem o indicador. Neste trabalho, visando preencher essa lacuna, propomos o uso de uma função de agregação de similaridade (k-means) ao invés de abordagens compensatórias para melhorar a classificação dos países de acordo com seu desempenho de sustentabilidade. Para atingir esse objetivo, primeiramente foi realizada uma revisão da literatura sobre o assunto na base de dados Scopus e os resultados comparados com o SS Index proposto por Van de Kerk e Manuel (2008). Dos 265 indicadores identificados na seleção dos artigos finais, apenas 12 foram repetidos pelo menos 3 vezes entre os registros e somente 4 indicadores propostos originalmente não foram encontrados na literatura. Os indicadores mais repetidos das dimensões de bem-estar ambiental e econômico estiveram alinhados aos indicadores apresentados pelo SSI. Os principais métodos multicritérios utilizados foram quantificados, revelando que 30% dos autores utilizaram a agregação ponderada para a construção do índice. Além disso, o corte geográfico dos estudos foi exposto, exibindo 35% dos autores focados apenas em países europeus. Após notar que a maioria dos trabalhos pesquisados focou em abordagens compensatórias para os índices de sustentabilidade, foi aplicado o procedimento de classificação k-means aos dados mais recentes disponíveis no SSI para gerar um conjunto de seis categorias (o mesmo número de categorias que aparece no SSI). Após a definição dos clusters, eles foram classificados usando o algoritmo não compensatório ELECTRE III, de tal forma que o cluster pudessem ser comparados com aqueles que aparecem no SSI. Comparado com a estratificação de dados original, o método proposto cria grupos que são mais semelhantes em termos de subconjuntos de indicadores, enriquecendo o conhecimento fornecido pelo índice, sem apresentar a deficiência de perda de informação causada pela agregação. Também é interessante notar a característica pioneira da aplicação de um método multicritério de sobreclassificação para classificar os clusters gerados pelo k-means.
id UFF-2_baf434e2a022bf4a88431c971aa9964f
oai_identifier_str oai:app.uff.br:1/30396
network_acronym_str UFF-2
network_name_str Repositório Institucional da Universidade Federal Fluminense (RIUFF)
repository_id_str
spelling Souza, Rafaela Lima Santos deCosta, Helder GomesRoboredo, Marcos CostaPessoa, Leonardo Antônio Moreirahttp://lattes.cnpq.br/53496134920672492023-09-18T16:14:11Z2023-09-18T16:14:11ZSOUZA, Rafaela Lima Santos de. K-means and multicriteria decision aid applied to sustainability evaluation. 2019. 79 f. Dissertação (Mestrado em Engenharia de Produção ) – Programa de Pós Graduação em Engenharia de Produção, Escola de Engenharia, Universidade Federal Fluminense, Niterói, 2019.http://app.uff.br/riuff/handle/1/30396Em um mundo sempre em desenvolvimento, com população e demanda por recursos naturais em escalada, a avaliação da sustentabilidade se torna mais relevante para informar adequadamente os tomadores de decisão. Classificar a sustentabilidade dos países em categorias geralmente aplica abordagens de classificação baseadas em agregações compensatórias. Isso leva a situações em que países que possuem pontuações semelhantes são agrupados nas mesmas categorias, apesar de possuírem características diferentes ao longo dos diferentes aspectos ou variáveis que compõem o indicador. Neste trabalho, visando preencher essa lacuna, propomos o uso de uma função de agregação de similaridade (k-means) ao invés de abordagens compensatórias para melhorar a classificação dos países de acordo com seu desempenho de sustentabilidade. Para atingir esse objetivo, primeiramente foi realizada uma revisão da literatura sobre o assunto na base de dados Scopus e os resultados comparados com o SS Index proposto por Van de Kerk e Manuel (2008). Dos 265 indicadores identificados na seleção dos artigos finais, apenas 12 foram repetidos pelo menos 3 vezes entre os registros e somente 4 indicadores propostos originalmente não foram encontrados na literatura. Os indicadores mais repetidos das dimensões de bem-estar ambiental e econômico estiveram alinhados aos indicadores apresentados pelo SSI. Os principais métodos multicritérios utilizados foram quantificados, revelando que 30% dos autores utilizaram a agregação ponderada para a construção do índice. Além disso, o corte geográfico dos estudos foi exposto, exibindo 35% dos autores focados apenas em países europeus. Após notar que a maioria dos trabalhos pesquisados focou em abordagens compensatórias para os índices de sustentabilidade, foi aplicado o procedimento de classificação k-means aos dados mais recentes disponíveis no SSI para gerar um conjunto de seis categorias (o mesmo número de categorias que aparece no SSI). Após a definição dos clusters, eles foram classificados usando o algoritmo não compensatório ELECTRE III, de tal forma que o cluster pudessem ser comparados com aqueles que aparecem no SSI. Comparado com a estratificação de dados original, o método proposto cria grupos que são mais semelhantes em termos de subconjuntos de indicadores, enriquecendo o conhecimento fornecido pelo índice, sem apresentar a deficiência de perda de informação causada pela agregação. Também é interessante notar a característica pioneira da aplicação de um método multicritério de sobreclassificação para classificar os clusters gerados pelo k-means.In an ever-developing world with growing population and increasing demand for natural resources, sustainability evaluation becomes more relevant in order to inform decision makers adequately. Sorting sustainability of countries into categories usually applies ranking approaches based on compensatory aggregations. This leads to situations where countries that have similar scores are grouped in the same categories, despite having different features along the different aspects or variables that compose the indicator. In this paper, aiming to fulfil this gap, we propose the use of a similarity aggregation function (k-means) instead of compensatory approaches to improve the sorting of countries according their sustainability performance. In order to pursue that goal, a literature review was performed on the subject on the Scopus database and results were compared to the Sustainable Society Index (SSI) proposed by Van de Kerk and Manuel (2008). Out of 265 indicators identified in the final articles selection, 12 were found to be repeated at least three times between records and only 4 indicators originally proposed were not found in the literature. The most repeated records from the Environmental and Economic wellbeing dimension were aligned to the SSI. Main multicriteria methods utilized were quantified, revealing most 30% of the authors utilized weighed aggregation for their index construction. Also, the geographical cut of the studies was exposed, imparting 35% of the authors focused on European countries only. After noting most records dealt with compensatory approaches in ranking sustainability, we apply the k-means sorting procedure to the most recent data available in the SSI to generate a set of six categories (the same number of categories that appears in the SSI). After defining the clusters, they were ranked using the non- compensatory ELECTRE III algorithm, in such way the cluster should be compared with those that appears in the SSI. Compared against the original data stratification, the proposed method creates groups that are more similar in terms of subsets of indicators, enriching the knowledge provided by the index, while not presenting the shortcoming of loss of information caused by aggregation. It is also interesting to notice the pioneer feature of applying an outranking multicriteria method to sort clusters generated by k-means79 p.CC-BY-SAinfo:eu-repo/semantics/openAccessK-means and multicriteria decision aid applied to sustainability evaluationinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisAuxílio multicritério a decisãoDesenvolvimento sustentávelMineração de dados (Computação)Apoio multicritério à decisãoK-meansMCDASSISustainability evaluationMestrado acadêmicoUniversidade Federal FluminenseEscola de EngenhariaPrograma de Pós-Graduação em Engenharia de Produção2019Niterói, RJengreponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF)instname:Universidade Federal Fluminense (UFF)instacron:UFFORIGINALDissertação Rafaela Souza.pdfDissertação Rafaela Souza.pdfapplication/pdf2715265https://app.uff.br/riuff/bitstream/1/30396/1/Disserta%c3%a7%c3%a3o%20Rafaela%20Souza.pdf14d71913a361d7640ed53e45b778ba88MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81866https://app.uff.br/riuff/bitstream/1/30396/2/license.txt43cd690d6a359e86c1fe3d5b7cba0c9bMD521/303962023-09-18 13:14:14.914oai:app.uff.br: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ório InstitucionalPUBhttps://app.uff.br/oai/requestriuff@id.uff.bropendoar:21202023-09-18T16:14:14Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF)false
dc.title.pt_BR.fl_str_mv K-means and multicriteria decision aid applied to sustainability evaluation
title K-means and multicriteria decision aid applied to sustainability evaluation
spellingShingle K-means and multicriteria decision aid applied to sustainability evaluation
Souza, Rafaela Lima Santos de
Auxílio multicritério a decisão
Desenvolvimento sustentável
Mineração de dados (Computação)
Apoio multicritério à decisão
K-means
MCDA
SSI
Sustainability evaluation
title_short K-means and multicriteria decision aid applied to sustainability evaluation
title_full K-means and multicriteria decision aid applied to sustainability evaluation
title_fullStr K-means and multicriteria decision aid applied to sustainability evaluation
title_full_unstemmed K-means and multicriteria decision aid applied to sustainability evaluation
title_sort K-means and multicriteria decision aid applied to sustainability evaluation
author Souza, Rafaela Lima Santos de
author_facet Souza, Rafaela Lima Santos de
author_role author
dc.contributor.authorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/5349613492067249
dc.contributor.author.fl_str_mv Souza, Rafaela Lima Santos de
dc.contributor.advisor1.fl_str_mv Costa, Helder Gomes
dc.contributor.referee1.fl_str_mv Roboredo, Marcos Costa
dc.contributor.referee2.fl_str_mv Pessoa, Leonardo Antônio Moreira
contributor_str_mv Costa, Helder Gomes
Roboredo, Marcos Costa
Pessoa, Leonardo Antônio Moreira
dc.subject.keyword.pt_BR.fl_str_mv Auxílio multicritério a decisão
topic Auxílio multicritério a decisão
Desenvolvimento sustentável
Mineração de dados (Computação)
Apoio multicritério à decisão
K-means
MCDA
SSI
Sustainability evaluation
dc.subject.descriptor.pt_BR.fl_str_mv Desenvolvimento sustentável
Mineração de dados (Computação)
Apoio multicritério à decisão
dc.subject.keywordother.pt_BR.fl_str_mv K-means
MCDA
SSI
Sustainability evaluation
description Em um mundo sempre em desenvolvimento, com população e demanda por recursos naturais em escalada, a avaliação da sustentabilidade se torna mais relevante para informar adequadamente os tomadores de decisão. Classificar a sustentabilidade dos países em categorias geralmente aplica abordagens de classificação baseadas em agregações compensatórias. Isso leva a situações em que países que possuem pontuações semelhantes são agrupados nas mesmas categorias, apesar de possuírem características diferentes ao longo dos diferentes aspectos ou variáveis que compõem o indicador. Neste trabalho, visando preencher essa lacuna, propomos o uso de uma função de agregação de similaridade (k-means) ao invés de abordagens compensatórias para melhorar a classificação dos países de acordo com seu desempenho de sustentabilidade. Para atingir esse objetivo, primeiramente foi realizada uma revisão da literatura sobre o assunto na base de dados Scopus e os resultados comparados com o SS Index proposto por Van de Kerk e Manuel (2008). Dos 265 indicadores identificados na seleção dos artigos finais, apenas 12 foram repetidos pelo menos 3 vezes entre os registros e somente 4 indicadores propostos originalmente não foram encontrados na literatura. Os indicadores mais repetidos das dimensões de bem-estar ambiental e econômico estiveram alinhados aos indicadores apresentados pelo SSI. Os principais métodos multicritérios utilizados foram quantificados, revelando que 30% dos autores utilizaram a agregação ponderada para a construção do índice. Além disso, o corte geográfico dos estudos foi exposto, exibindo 35% dos autores focados apenas em países europeus. Após notar que a maioria dos trabalhos pesquisados focou em abordagens compensatórias para os índices de sustentabilidade, foi aplicado o procedimento de classificação k-means aos dados mais recentes disponíveis no SSI para gerar um conjunto de seis categorias (o mesmo número de categorias que aparece no SSI). Após a definição dos clusters, eles foram classificados usando o algoritmo não compensatório ELECTRE III, de tal forma que o cluster pudessem ser comparados com aqueles que aparecem no SSI. Comparado com a estratificação de dados original, o método proposto cria grupos que são mais semelhantes em termos de subconjuntos de indicadores, enriquecendo o conhecimento fornecido pelo índice, sem apresentar a deficiência de perda de informação causada pela agregação. Também é interessante notar a característica pioneira da aplicação de um método multicritério de sobreclassificação para classificar os clusters gerados pelo k-means.
publishDate 2023
dc.date.accessioned.fl_str_mv 2023-09-18T16:14:11Z
dc.date.available.fl_str_mv 2023-09-18T16:14:11Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv SOUZA, Rafaela Lima Santos de. K-means and multicriteria decision aid applied to sustainability evaluation. 2019. 79 f. Dissertação (Mestrado em Engenharia de Produção ) – Programa de Pós Graduação em Engenharia de Produção, Escola de Engenharia, Universidade Federal Fluminense, Niterói, 2019.
dc.identifier.uri.fl_str_mv http://app.uff.br/riuff/handle/1/30396
identifier_str_mv SOUZA, Rafaela Lima Santos de. K-means and multicriteria decision aid applied to sustainability evaluation. 2019. 79 f. Dissertação (Mestrado em Engenharia de Produção ) – Programa de Pós Graduação em Engenharia de Produção, Escola de Engenharia, Universidade Federal Fluminense, Niterói, 2019.
url http://app.uff.br/riuff/handle/1/30396
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv CC-BY-SA
info:eu-repo/semantics/openAccess
rights_invalid_str_mv CC-BY-SA
eu_rights_str_mv openAccess
dc.source.none.fl_str_mv reponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF)
instname:Universidade Federal Fluminense (UFF)
instacron:UFF
instname_str Universidade Federal Fluminense (UFF)
instacron_str UFF
institution UFF
reponame_str Repositório Institucional da Universidade Federal Fluminense (RIUFF)
collection Repositório Institucional da Universidade Federal Fluminense (RIUFF)
bitstream.url.fl_str_mv https://app.uff.br/riuff/bitstream/1/30396/1/Disserta%c3%a7%c3%a3o%20Rafaela%20Souza.pdf
https://app.uff.br/riuff/bitstream/1/30396/2/license.txt
bitstream.checksum.fl_str_mv 14d71913a361d7640ed53e45b778ba88
43cd690d6a359e86c1fe3d5b7cba0c9b
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF)
repository.mail.fl_str_mv riuff@id.uff.br
_version_ 1882027997892968448