Large-Scale Group Decision-Making with Linear Uncertain Preference Relations Using Improved Density Peak Clustering and Two-Stage Feedback
यह शोध पत्र रैखिक अनिश्चित वरीयता संबंधों (linear uncertain preference relations) के लिए एक बड़े पैमाने के समूह निर्णय लेने वाले मॉडल का प्रस्ताव करता है जो न्यूनतम वरीयता समायोजन के साथ उच्च सहमति दर प्राप्त करने के लिए गतिशील विश्वास अद्यतनीकरण (dynamic trust updating), उपसमूह पहचान के लिए उन्नत डेंसिटी पीक क्लस्टरिंग (Density Peak Clustering) और एक दो-चरणीय फीडबैक तंत्र को एकीकृत करता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
एक कमरे की कल्पना करें जो दर्जनों लोगों से भरा हुआ है, जिनमें से प्रत्येक के पास एक जटिल समस्या को हल करने के लिए एक अनूठा दृष्टिकोण है। वे अजनबी नहीं हैं; वे एक-दूसरे को विभिन्न स्तरों तक जानते हैं और उन पर भरोसा करते हैं, जिससे एक ऐसे संबंधों का जाल बनता है जो बातचीत के दौरान बदलता रहता है। लक्ष्य यह नहीं है कि हर कोई तुरंत सहमत हो जाए, बल्कि एक ऐसा साझा मार्ग खोजना है जो पूरे समूह के लिए स्वीकार्य महसूस हो। यह बड़े पैमाने पर समूह निर्णय लेने का सार है, एक ऐसी चुनौती जो तब उत्पन्न होती है जब संगठनों, समुदायों या सरकारों को कई व्यक्तियों के विचारों में समन्वय स्थापित करना होता है। कठिनाई इस तथ्य में निहित है कि लोगों की राय शायद ही कभी श्वेत या श्याम (पूर्णतः स्पष्ट) होती है; वे अक्सर अनिश्चितता के ग्रे क्षेत्र में मौजूद होती हैं, और उनके बीच का विश्वास स्थिर नहीं बल्कि एक-दूसरे को सुनने के साथ विकसित होता है। जब समूह पर्याप्त बड़ा होता है, तो केवल सभी से समझौता करने के लिए कहना अक्सर विफल हो जाता है, क्योंकि विचारों की विशाल संख्या शोर पैदा करती है, और सहमति के लिए मजबूर करने वाली कठोर विधियाँ मानवीय संबंधों की सूक्ष्म, परिवर्तनशील प्रकृति को अनदेखा कर सकती हैं।
शोधकर्ताओं ने लंबे समय से इस जटिलता को समझने का तरीका खोजने का प्रयास किया है, विशेष रूप से तब जब लोग अपनी प्राथमिकताओं को निश्चित संख्याओं के बजाय अनिश्चितता की श्रेणियों के रूप में व्यक्त करते हैं। हाल ही में एक अध्ययन में, विद्वानों की एक टीम ने इस समस्या से निपटने के लिए एक प्रणाली डिजाइन की जो निर्णय लेने को एक जीवंत प्रक्रिया के रूप में देखती है। उन्होंने एक परिदृश्य पर ध्यान केंद्रित किया जहाँ बीस व्यक्ति, जो निर्णय लेने वाले के रूप में कार्य कर रहे थे, उन्हें एक विशिष्ट प्रकार के प्रोजेक्ट डिलीवरी के लिए महत्वपूर्ण सफलता कारकों को प्राथमिकता देनी थी। इन बीस लोगों को एक स्थिर ब्लॉक के रूप में मानने के बजाय, शोधकर्ताओं ने एक ऐसा मॉडल बनाया जो यह देखता है कि एक-दूसरे के प्रति उनका विश्वास कैसे बदलता है जबकि उनके विचार बदलते हैं। उन्होंने पहचाना कि यदि दो लोग एक जैसे विचार रखने लगते हैं, तो एक-दूसरे के प्रति उनका विश्वास स्वाभाविक रूप से बढ़ता है, और यदि वे अलग होते हैं, तो वह विश्वास कम हो जाता है। इन उतार-चढ़ाव को ट्रैक करके, मॉडल यह नहीं केवल एक शुरुआती स्नैपशॉट पर निर्भर रहने के बजाय, कि कौन किसका विश्वास करता है, उसका एक गतिशील मानचित्र बनाता है।
उनके दृष्टिकोण का मुख्य भाग इन व्यक्तियों को विश्वास और विचारों की समानता के आधार पर छोटे, अधिक प्रबंधनीय समूहों (clusters) में विभाजित करना है। ऐसा करने के लिए, उन्होंने एक उन्नत क्लस्टरिंग तकनीक का उपयोग किया जो डेटा में घनत्व के "शिखरों" (peaks) की तलाश करती है—अनिवार्य रूप से उन लोगों को ढूंढना जो समान विचारधारा वाले व्यक्तियों के समूह के केंद्र में हैं। उनकी विधि का एक प्रमुख नवाचार यह है कि यह केवल वर्तमान क्षण को नहीं देखती; यह याद रखती है कि विश्वास और विचारों के बदलने का इतिहास पिछले दौरों में कैसा रहा है। यह ऐतिहासिक स्मृति प्रणाली को राय के एक एकल, शायद अस्थायी, बदलाव के आधार पर जल्दबाजी में निर्णय लेने से बचने में मदद करती है। एक बार समूह बन जाने के बाद, शोधकर्ताओं ने प्रत्येक व्यक्ति और प्रत्येक समूह को भार (weights) सौंपा, जिससे उन लोगों को अधिक प्रभाव मिला जो अपने विचारों में सुसंगत हैं, जिनका विश्वास का एक मजबूत रिकॉर्ड है, और जो एक घनिष्ठ समूह से संबंधित हैं।
जब समूह समग्र रूप से उच्च स्तर की सहमति प्राप्त करने में विफल रहता है, तो प्रणाली एक दो-चरणीय फीडबैक प्रक्रिया को सक्रिय करती है। पहले, यह उन छोटे समूहों की पहचान करती है जो आम सहमति को रोक रहे हैं। संघर्ष कर रहे समूह में सभी से अपना मन बदलने की मांग करने के बजाय, मॉडल मुआवजे का रास्ता खोजता है। यदि कुछ समूह पहले से ही मजबूत सहमति में हैं, तो वे संघर्ष कर रहे समूहों के भार को प्रभावी ढंग से "वहन" कर सकते हैं, जिससे सहमति की दहलीज को निष्पक्ष रूप से समायोजित किया जा सके। दूसरे, उन व्यक्तियों के लिए जिन्हें अभी भी अपने विचारों को समायोजित करने की आवश्यकता है, प्रणाली उस परिवर्तन की लागत की गणना करती है। यह विचार करता है कि एक व्यक्ति अतीत में कितना समझौता कर चुका है और वह उन लोगों पर कितना भरोसा करता है जिन्हें उसे सुनने के लिए कहा जा रहा है। लक्ष्य प्रतिरोध का न्यूनतम मार्ग खोजना है, केवल उन्हीं को कहना जिन्होंने कम घर्षण के साथ समायोजन किया है, और उन्हें एक सामान्य औसत के बजाय एक विशिष्ट, विश्वसनीय संदर्भ बिंदु की ओर निर्देशित करना है।
शोधकर्ताओं ने इस पद्धति का परीक्षण बीस निर्णय-निर्माताओं और पांच विभिन्न प्रोजेक्ट आयामों वाले एक वास्तविक डेटासेट का उपयोग करके किया। चर्चा के पहले दौर में, समूह की समग्र सहमति लक्ष्य से थोड़ी कम रह गई। प्रणाली ने उन विशिष्ट व्यक्तियों की पहचान की जिन्हें अपने विचारों को समायोजित करने की आवश्यकता थी और उन्हें बातचीत की प्रक्रिया के माध्यम से निर्देशित किया। गतिशील क्लस्टरिंग और लक्षित फीडबैक के कुछ ही दौरों के बाद, समूह ने एक सर्वसम्मति प्राप्त की जो पूर्व-निर्धारित आवश्यकताओं को पूरा करती थी। अध्ययन ने हजारों कंप्यूटर सिमुलेशन भी चलाए ताकि यह देखा जा सके कि विभिन्न स्थितियों के तहत मॉडल कैसा प्रदर्शन करेगा। इन परीक्षणों ने दिखाया कि यह विधि पारंपरिक और मध्यम उच्च सहमति आवश्यकताओं के तहत अत्यधिक प्रभावी है, लेकिन जब उच्च सहमति आवश्यकताओं को बहुत बड़े समूह के आकार के साथ जोड़ा जाता है, तो इसे महत्वपूर्ण चुनौतियों का सामना करना पड़ता है, क्योंकि उन विशिष्ट परिस्थितियों में सहमति तक पहुँचना कठिन हो जाता है।
जो इस कार्य को महत्वपूर्ण बनाता है वह केवल यह नहीं है कि यह एक समाधान खोजता है, बल्कि यह है कि यह मानवीय अंतःक्रिया की जटिलता का सम्मान कैसे करता है। विश्वास को विकसित होने की अनुमति देकर और अस्थायी असहमति को सुचारू बनाने के लिए इतिहास का उपयोग करके, यह मॉडल कठोर, एक-समान दृष्टिकोणों के दोषों से बचता है। यह स्वीकार करता है कि एक बड़े समूह में, समाधान तक पहुँचने के लिए हर किसी को अपना मन बदलने की आवश्यकता नहीं होती; कभी-कभी, सही लोगों को बस थोड़ा समायोजन करने की आवश्यकता होती है, और बाकी समूह उनका अनुसरण कर सकता है। अध्ययन निष्कर्ष निकालता है कि हालांकि बहुत बड़े समूहों में अत्यंत उच्च मानकों के साथ पूर्ण सहमति तक पहुँचना कठिन है, फिर भी यह दृष्टिकोण शामिल व्यक्तियों के लिए न्यूनतम व्यवधान के साथ एक मजबूत, व्यावहारिक सर्वसम्मति प्राप्त करने का एक विश्वसनीय तरीका प्रदान करता है। यह विविध समूहों के लिए अनिश्चित विचारों के संग्रह से एक एकीकृत निर्णय की ओर बढ़ने का एक स्पष्ट, संरचित तरीका प्रदान करता है, यह सिद्ध करता है कि बदलते विश्वास और अस्पष्ट प्राथमिकताओं की दुनिया में भी, एक साझा मार्ग खोजा जा सकता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।