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

リーダーやマネージャーは、日々、単一の数値を見るだけでは解決できない選択に直面しています。彼らは、多くの異なる要素を同時に天秤にかけることで、従業員を採用したり、サプライヤーを選定したり、あるいはプロジェクトを選択したりしなければなりません。ある要素は金銭に関するものであり、別の要素はスキルに関するものであり、また別の要素は性格やスピードに関するものです。課題は、これらの要素が異なる方法で測定されているという事実にあります。あるものはドルの給与であり、別のものは100点満点のテストのスコアであり、さらに別のものは話し方の評価です。これらの異なるスケールを直接比較しようとすると、結果が歪み、真に最も重要な要素ではなく、数値が大きい方の要素に有利に働いてしまうことがあります。これが多基準意思決定（multi-criteria decision making）の核心的な問題です。すなわち、いかにして数学によって現実を歪めることなく、相反する、かつ異なる尺度で測定された情報をバランスさせ、唯一の最善の選択肢を見つけ出すかということです。

研究者たちは、これらの異なるスケールを正規化、すなわち標準化することで、公平に比較できるようにする方法を長らく試みてきました。しかし、従来のメソッドは、データが乱雑であったり、要素の重要性が人間の意見（それは偏りを含む可能性があります）によって決定されたりする場合に、苦戦することがよくあります。インドネシアの研究チームは、この複雑さを処理するための新しい方法を提案しました。彼らは、既存の意思決定ツールである「加重積法（Weighted Product method）」の改良版を開発しました。データポイント間の距離を測定する特定の方法と、データの変動を分析する数学的テクニックを組み合わせることで、彼らは従来のアプローチよりも安定し、客観的なシステムを作り上げました。彼らの研究は、人間の判断だけに頼るのではなく、データそのものに各要素の重要性を決定させることで、候補者や選択肢の最終的なランキングがより信頼性が高く、入力値のわずかな変化に対して耐性を持つようになることを示唆しています。

研究者たちは、彼らの新しいアプローチである「WP-DISTA」を、9人の応募者の中から最適な求職者を選出するという実世界のシナリオを用いてテストしました。このシナリオでは、各候補者は、学歴、職務経験年数から、技術的スキル、コミュニケーション能力、さらには筆記試験や面接でのパフォーマンスに至るまで、7つの明確な基準に基づいて評価されました。これらの基準の中には、スコアが高いほど良いとされる「利益（beneficial）」となるものもあれば、スコアが低い方が好ましいとされる「コスト（cost）」となるものもありました。チームはこのデータを新しいシステムに投入しました。このシステムはまず、単に最高値と最低値を見るのではなく、点間の幾何学的な距離に基づいた手法を用いて、すべての異なるスコアを共通のスケールへと調整しました。このステップにより、例えば数百点満点のテストスコアのような非常に大きな数値を持つ基準が、1から10のスケールによる評価のような小さな数値を持つ基準を、誤って圧倒してしまうことが防がれました。

データがバランス調整された後、システムは、候補者がその特定の領域においてどの程度異なっているかに基づいて、各基準の重要性を算出しました。もし候補者グループが全員、ほぼ同じレベルの学歴を持っていた場合、その要素は候補者を差別化する助けにならないため、低い重みが与えられました。しかし、もし候補者たちの間で技術的スキルに大きな開きがあった場合、その要素は強みを持つ者とそうでない者を分けるのに適しているため、より高い重みが与えられました。このプロセスにより、人間がどの要素が最も重要かを推測する必要がなくなり、主観的な意見が客観的な変動の尺度へと置き換えられました。その後、システムはこれらの調整されたスコアと重みを組み合わせて各候補者の最終的なランキングを算出し、誰が理想的な資格セットに最も近いかを決定しました。

この新手法の結果は、驚くほど一貫していました。研究者たちが、彼らの新しいシステムによって生成されたランキングを他の5つの確立された意思決定手法と比較したところ、その一致度は極めて高いものでした。新しいアプローチは、比較対象となった手法の一つとほぼ完全に一致し、相関係数0.9914を示し、別の手法とも非常に密接に一致して0.9742を記録しました。この高い一致レベルは、新しい手法が奇妙で孤立した結果を出しているのではなく、すでに使用されているベストプラクティスと整合していることを示唆しています。さらに重要なことに、研究者たちは、経験が通常よりも少し重要であるとマネージャーが判断するような状況をシミュレートするために、基準の重要性をわずかに変化させて、システムの安定性をテストしました。このような変化があったとしても、候補者の順位は変わりませんでした。トップの候補者はトップのまま残り、最下位の候補者は最下位のまま維持され、システムが堅牢であり、重みの付け方の些細な変動に左右されないことが証明されました。

結局のところ、この研究は、データに自ら語らせることによって、意思決定ツールをより公平で信頼できるものにできることを実証しています。この新しい手法は、異なる種類の情報を比較するという、乱雑な現実をうまく処理し、単一の要素がそのスケールゆえに結果を支配してしまうことがないようにすることに成功しました。データのバランスを取るための幾何学的なアプローチと、重要性を決定するための数学的な方法を統合することで、研究者たちは明確で安定したランキングを生み出すシステムを作り上げました。この研究は、複雑な選択を行う組織や個人に対し、相反する基準を乗り越えるための実用的な代替案を提供し、最終的な決定が利用可能な選択肢の真の強みを反映しているという、より大きな確信を持って進むための道筋を示しています。