Approaches of the concordance coefficient in assessing the degree of subjectivity of expert assessments in technology selection

• Autorzy: Matuszny Marcin , Strączek Julia

Identyfikatory

DOI

10.15199/180.2024.3.4

Warianty tytułu

PL

Process wykorzystanie współczynnika zgodności w ocenie stopnia subiektywności ocen ekspertów w procesie doboru technologii

• Języki publikacji: EN

Abstrakty

EN

The article aims to present the issue of assessing the subjectivity of tests in methods used in the technology selection process. The analysis of selecting technology was based on Kendall's concordance coefficient, with more than two experts participating in the study. The selection methods analyzed in the article are comparative (equivalent and weighted) based on the results of the comparative cost calculation method. The main result of the research was to examine the level of agreement among expert evaluations in the inspected technology selection methods. Using Kendall's coefficient of concordance allows for an effective determination of the correctness of technology selection and the implementation of appropriate actions depending on the obtained result. The technology selection process refers to the systematic approach used to evaluate and choose the most suitable technology for a specific task or project. It involves comparing different technologies based on predefined criteria, such as cost, efficiency, and compatibility, to ensure the best possible decision is made.

PL

Artykuł ma na celu przedstawienie zagadnienia oceny subiektywności testów w metodach stosowanych w procesie doboru technologii. Analiza doboru technologii została oparta na współczynniku zgodności Kendalla, przy udziale trzech ekspertów. Analizowane w artykule metody doboru są porównawcze (równoważne i ważone) w oparciu o wyniki komparatywnej metody kalkulacji kosztów. Głównym celem badań było zbadanie poziomu zgodności ocen ekspertów w badanych metodach doboru technologii. Zastosowanie współczynnika zgodności Kendalla pozwala na skuteczne ustalenie poprawności doboru technologii i wdrożenie odpowiednich działań w zależności od uzyskanego wyniku. Proces doboru technologii odnosi się do systematycznego podejścia stosowanego do oceny i wyboru najbardziej odpowiedniej technologii do konkretnego zadania lub projektu. Polega on na porównywaniu różnych technologii w oparciu o wstępnie zdefiniowane kryteria, takie jak koszt, wydajność i kompatybilność, w celu zapewnienia podjęcia najlepszej możliwej decyzji.

Słowa kluczowe

EN

technology selection methods; concordance coefficient; ranks; expert opinion

PL

metody doboru technologii; współczynnik zgodności; rangi; opinia ekspertów

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Polish Technical Review
• Rocznik: 2024
• Tom: No. 3
• Strony: 23--31
• Opis fizyczny: Bibliogr. 30 poz., wykr., tab.

Twórcy

autor

Matuszny Marcin

• University of Bielsko-Biala, Faculty of Mechanical Engineering and Computer Science, Department of Production Engineering, Poland

• https://orcid.org/0000-0002-4124-7355

autor

Strączek Julia

• University of Bielsko-Biala, Faculty of Mechanical Engineering and Computer Science, Department of Production Engineering, Poland

Bibliografia

• [1] Field A. P.: 2005. Kendall’s Coefficient od Concordance. Encyclopedia of Statistics in Behavioral Science, Volume 2, pp. 1010-1011, ISBN-13: 978-0-470-86080-9,ISBN-10: 0-470-86080-4, DOI: 10.1002/0470013192.bsa327.
• [2] Berry K. J., Johnston J. E., 2023. Statistical Methods: Connections, Equivalencies, and Relationships, Springer Cham. DOI: 10.1007/978-3-031-41896-9.
• [3] Kaptein M. , Heuvel E. Van D., 2022. Statistics for Data Scientists. ISSN 1863-7310, DOI: doi.org/10.1007/978-3-030-10531-0.
• [4] Wójciak M., 2015. Metody oceny zgodności opinii ekspertów na potrzeby badania foresight. Zeszyty Naukowe Uniwersytetu Ekonomicznego w Katowicach, nr 220, 2015, ISSN 2083-8611.
• [5] Stabryła A., 2009. Doskonalenie struktur organizacyjnych przedsiębiorstw w gospodarce opartej na wiedzy, Wydawnictwo C.H. Beck, Warszawa 2009, ISBN 978-83-255-0237-9.
• [6] Cabała P.: Zastosowanie współczynnika konkordancji w pomiarze zgodności ocen ekspertów, „Przegląd statystyczny”, Nr 57(2- 3) (2010), s. 36-52.
• [7] Shanta M. H., Choudhury I. A., Salman S., 2023. Municipal solid waste management: Identification and analysis of technology selection criteria using Fuzzy Delphi and Fuzzy DEMATEL technique. Research article, Volume 10, Issue 1, E23236, January 15, 2024, DOI: 10.1016/j.heliyon.2023.e23236.
• [8] Wolniak R., Sułkowski M.: Skuteczność narzędzi, metod i technik zarządzania jakością w branży obróbki metali - badania eksperckie, Zeszyty naukowe Politechniki Śląskiej (2018), s.633-634.
• [9] Piscopo V., Ascione S., Scamardella A., 2024. A new wave spectrum assessment procedure based on spearman rank correlation algorithm. Ocean Engineering, Volume 308, 2024, 118348, ISSN 0029-8018, DOI: 10.1016/j.oceaneng.2024.118348.
• [10] Czarnecki M., 2020. Metodyka pracy z sędziami kompetentnymi w procesie opracowywania skali do pomiaru konstruktów: rekomendacje i egzemplifikacja. Przegląd organizacji, nr 12(971) (2020), s. 13-18, DOI: 10.33141/po.2020.12.02.
• [11] Arabi B., Toloo M., Yang Z., Zhang P., Xu B., 2024. Sustainable refrigeration technology selection: An innovative DEA-TOPSIS hybrid model. Environmental Science & Policy, Volume 158, August 2024, 103780, DOI: 10.1016/j.envsci.2024.103780.
• [12] Kunlere I. O., Shah K. U., 2023. A recycling technology selection framework for evaluating the effectiveness of plastic recycling technologies for circular economy advancement. Circular Economy, Volume 2, Issue 4, December 2023, 100066, DOI: 10.1016/j. cec.2023.100066.
• [13] Halicka K., 2016. Prospektywna analiza technologii - metodologia i procedury badawcze. ISBN 978-83-65596-05-5.
• [14] Chan F.T.S., Chan M.H., Tang N.K.H., 2000. Evaluation methodologies for technology selection , Journal of Materials Processing Technology. Journal of Materials Processing Technology 107 (2000) 330-337, ISSN 0924-0136.
• [15] UNIDO ITPO: Negocjacje w transferze technologii, UNIDO.95.2.E, Warszawa 2004, s.156.
• [16] Grünert G., Grünebaum T., Beckers A., Stauder L., Bart S., Bergs T., 2022. Methodology for the selection of manufacturing technology chains based on ecologic and economic performance indicators. Journal of Manufacturing Systems,Volume 66, February 2023, Pages 42-55, DOI: 10.1016/j.jmsy.2022.11.002.
• [17] Khouja M., 1994. The use of data envelopment analysis for technology selection, Computers ind. Engng Vol. 28, No. I, pp. 123-132, 1995, ISSN 0360-8352.
• [18] Tippins N. T., 2015. Technology and Assessment in Selection. Annu. Rev. Organ. Psychol. Organ. Behav. 2015. 2:551-82, DOI: 0.1146/annurev-orgpsych-031413-091317.
• [19] Miao-Yu Tsai , Chao-Chun Lin, 2018. Concordance correlation coefficients estimated by variance components for longitudinal normal and Poisson data. Computational Statistics & Data Analysis, Volume 121, May 2018, Pages 57-70, DOI: 10.1016/j. csda.2017.12.003.
• [20] Torkkeli M., Tuominen M., 2001. The contribution of technology selection to core competencies. Int. J. Production Economics 77 (2002) 271-284, ISSN 0925-5273.
• [21] Cabała P.: Zastosowanie współczynnika konkordancji w pomiarze zgodności ocen ekspertów, „Przegląd statystyczny”, Nr 57(2-3) (2010), s. 36-52.
• [22] Kumar J. A., Abirami S., 2018.Aspect-based opinion ranking framework for product reviews using a Spearman’s rank correlation coefficient method. Information Sciences 240-461 (2018) 23-41, ISSN 0020-0255, DOI: 10.1016/j.ins.2018.05.net.
• [23] Puth M.T., Neuhäuser M., Ruxton G.D., 2015. Effective use of Spearman's and Kendall's correlation coefficients for association between two measured traits. Animal Behaviour, Volume 102, April 2015, Pages 77-84, MS. number: 14-00893, DOI: 10.1016/j. anbehav.2015.01.010.
• [24] El-Hashash E. F., Shiekh R. H. A., 2022. A Comparison of the Pearson, Spearman Rank and Kendall Tau Correlation Coefficients Using Quantitative Variables. Asian Journal of Probability and Statistics 20(3): 36-48, 2022; Article no.AJPAS.92398, ISSN 2582-0230, DOI: 10.9734/AJPAS/2022/v20i3425.
• [25] Xu W., Hou Y., Hung Y.S., Zou Y., 2012. A comparative analysis of Spearman's rho and Kendall's tau in normal and contaminated normal models. Signal Processing, Volume 93, Issue 1, January 2013, Pages 261-276, DOI: 10.1016/j.sigpro.2012.08.005.
• [26] Stephanou M., Varughese M., 2021. Sequential estimation of Spearman rank correlation using Hermite series estimators. Journal of Multivariate Analysis, Volume 186, November 2021, 104783, DOI: 10.1016/j.jmva.2021.104783.
• [27] Grzegorzewski P. 2006. The coefficient of concordance for vague data, Computational Statistics & Data Analysis, Volume 51, Issue 1, 1 November 2006, Pages 314-322, DOI: 10.1016/j. csda.2006.04.027.
• [28] Abdi H., 2007. The Kednall Rank Corerlation Coefficien., Encyclopedia of Measurement and Statistic, TX 75083-0688, USA.
• [29] Ma S., Zhang L. L., Cai ., 2023. Optimizing joint technology selection, production planning and pricing decisions under emission tax: A Stackelberg game model and nested genetic algorithm. Expert Systems with Application, Volume 238, Part D,15 March 2024, 122085, DOI: 10.1016/j.eswa.2023.122085.
• [30] Field A. P.: 2005. Kendall’s Coefficient od Concordance. Encyclopedia of Statistics in Behavioral Science, Volume 2, pp. 1010-1011, ISBN-13: 978-0-470-86080-9,ISBN-10: 0-470-86080-4, DOI: 10.1002/0470013192.bsa327.