K-means and multicriteria decision aid applied to sustainability evaluation
| Ano de defesa: | 2023 |
|---|---|
| Autor(a) principal: | |
| Orientador(a): | |
| Banca de defesa: | , |
| 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 |