A Novel Enhanced Weighted Product Approach Using Euclidean Normalization and Standard Deviation for Accurate Ranking

يواجه القادة والمديرون كل يوم خيارات لا يمكن حلها بالنظر إلى رقم واحد فقط؛ إذ يتعين عليهم توظيف موظف، أو اختيار مورد، أو اختيار مشروع من خلال موازنة عوامل مختلفة عديدة في آن واحد. بعض هذه العوامل تتعلق بالمال، وأخرى بالمهارة، بينما تتعلق أخرى بالشخصية أو السرعة. وتكم-ن التحدي في حقيقة أن هذه العوامل تُقاس بطرق مختلفة؛ فقد يكون أحدها راتباً بالدولارات، والآخر درجة اختبار من مائة، والثالث تقييماً لمدى جودة حديث الشخص. وعندما تحاول مقارنة هذه المقاييس المختلفة مباشرة، يمكن أن تصبح النتائج منحازة، مما يرجح كفة العامل ذي الأرقام الأكبر بدلاً من العامل الأكثر أهمية حقاً. وهذا هو جوهر مشكلة اتخاذ القرار متعدد المعايير: كيفية موازنة قطع المعلومات المتضاربة والمقاسة بطرق مختلفة للوصول إلى الخيار الأفضل الوحيد دون السماح للرياضيات بتشويه الواقع.

لقد حاول الباحثون طويلاً حل هذه المشكلة عبر ابتكار أساليب تعمل على تطبيع، أو توحيد، هذه المقاييس المختلفة حتى يمكن مقارنتها بشكل عادل. ومع ذلك، غالباً ما تعاني الطرق التقليدية عندما تكون البيانات غير منظمة أو عندما يتم تحديد أهمية عامل ما بناءً على الرأي البشري، والذي قد يكون متحيزاً. وقد اقترح فريق من الباحثين من إندونيسيا الآن طريقة جديدة للتعامل مع هذا التعقيد؛ حيث طوروا نسخة منقحة من أداة موجودة لاتخاذ القرار تسمى طريقة "المنتج الموزون" (Weighted Product). ومن خلال الجمع بين طريقة محددة لقياس المسافة بين نقاط البيانات وتقنية رياضية تبحث في مدى تباين البيانات، نجحوا في إنشاء نظام أكثر استقراراً وموضوعية من النهج السابق. ويشير عملهم إلى أنه من خلال ترك البيانات نفسها تحدد مدى أهمية كل عامل، بدلاً من الاعتماد كلياً على التقدير البش، فإن التصنيفات النهائية للمرشحين أو الخيارات تصبح أكثر موثوقية ومقاومة للتغيرات الطفيفة في المدخلات.

اختبر الباحثون نهجهم الجديد، الذي أطلقوا عليه اسم "WP-DISTA"، باستخدام سيناريو من واقع الحياة: اختيار أفضل المرشحين للوظائف من بين تسعة متقدمين. وفي هذا السيناريو، تم تقييم كل مرشح بناءً على سبعة معايير متميزة، تتراوح بين مستوى التعليم وسنوات الخبرة العملية إلى المهارات التقنية، والقدرات التواصلية، والأداء في الاختبارات الكتابية والمقابلات. وكان بعض هذه المعايير "مزايا"، بمعنى أن الدرجة الأعلى هي الأفضل، بينما كانت معايير أخرى "تكاليف"، حيث تكون الدرجة الأقل هي المفضلة. وقد أدخل الفريق هذه البيانات في نظامهم الجديد، الذي قام أولاً بتعديل جميع الدرجات المختلفة لتصبح على مقياس مشترك باستخدام طريقة تعتمد على المسافة الهندسية بين النقاط، بدلاً من مجرد النظر إلى القيم العليا والدنيا. وضمنت هذه الخطوة عدم قيام معيار ذي أرقام كبيرة جداً، مثل درجة اختبار في المئات، بالتفوق عرضياً على معيار ذي أرقام أصغر، مثل تقييم على مقيض من واحد إلى عشرة.

بمجرد موازنة البيانات، قام النظام بحساب أهمية كل معيار بناءً على مدى اختلاف المرشحين عن بعضهم البعض في ذلك المجال المحدد. فإذا كان لدى مجموعة من المرشحين مستوى تعليمي متقارب جداً، فقد أُعطي هذا العامل وزناً أقل لأنه لم يساعد في تمييز الأفضل عن الب rest. ومع ذلك، إذا تباين المرشحون بشكل واسع في مهاراتهم التقنية، فقد أُعطي هذا العامل وزناً أكبر لأنه كان أفضل في الفصل بين المتفوقين والضعفاء. وقد أزالت هذه العملية الحاجة إلى تخمين البشر لأهمية العوامل، مستبدلةً الرأي الذاتي بمقياس موضوعي للتباين. ثم قام النظام بدمج هذه الدرجات والأوزان المعدلة لحساب التصنيف النهائي لكل مرشح، وتحديد من هو الأقرب إلى مجموعة المؤهلات المثالية.

كانت نتائج هذه الطريقة الجديدة مذهلة في اتساقها. فعندما قارن الباحثون التصنيفات التي أنتجها نظامهم الجديد بخمس طرق أخرى معتمدة لاتخاذ القرار، كان الاتفاق مرتفعاً بشكل ملحوظ. فقد طابق النهج الجديد إحدى طرق المقارنة بشكل شبه تام، بسجل ارتباط بلغ 0.9914، وطابق طريقة أخرى عن كثب عند 0.9742. ويشير هذا المستوى العالي من الاتفاق إلى أن الطريقة الجديدة لا تنتج نتائج غريبة أو معزولة، بل تتماشى مع أفضل الممارسات المستخدمة بالفعل. والأهم من ذلك، اختبر الباحثون استقرار نظامهم من خلال تغيير أهمية المعايير قليلاً، لمحاكاة موقف قد يقرر فيه مدير التوظيف أن الخبرة أكثر أهمية من المعتاد بقليل. وحتى مع هذه التحولات، لم يتغير ترتيب المرشحين؛ فظل المرشح الأول في الصدارة، وظل الأخير في ذيل القائمة، مما أثبت أن النظام قوي وغير قابل للتأثر بسهولة بالتقلبات الطفيفة في كيفية وزن العوامل.

في الختام، تثبت الدراسة أنه يمكن جعل أداة اتخاذ القرار أكثر عدلاً وموثوقية من خلال ترك البيانات تتحدث عن نفسها. لقد نجحت الطريقة الجديدة في التعامل مع الواقع الفوضوي لمقارنة أنواع مختلفة من المعلومات، مما ضمن عدم هيمنة عامل واحد على النتيجة لمجرد حجم مقياسه. ومن خلال دمج نهج هندسي لموازنة البيانات مع طريقة رياضية لتحديد الأهمية، أنشأ الباحثون نظاماً ينتج تصنيفات واضحة ومستقرة. ويقدم هذا العمل بديلاً عملياً للمؤسسات والأفراد الذين يحتاجون إلى اتخاذ قرارات معقدة، مما يوفر وسيلة للتنقل عبر المعايير المتضاربة بثقة أكبر في أن القرار النهائي يعكس نقاط القوة الحقيقية للخيارات المتاحة.