Πάντειο Πανεπιστήμιο Κοινωνικών και Πολιτικών Επιστημών
Περίληψη:
Αντικείμενο της παρούσας διατριβής είναι η Ασαφής Λογική και τα Τεχνητά Νευρωνικά Δίκτυα, πεδία της Τεχνητής Νοημοσύνης και πιο συγκεκριμένα των έμπειρων συστημάτων, και η εφαρμογή αυτών στη μέτρηση των στάσεων με τη βοήθεια των κλιμάκων Likert. Οι κλίμακες Likert (ή υπό κλίμακες) συνήθως κατασκευάζονται με την άθροιση (ή τον μέσο όρο) των αντίστοιχων τιμών όταν η εκτίμηση των ψυχομετρικών ιδιοτήτων τους έχει ως αποτέλεσμα την αξιοπιστία και την εγκυρότητα της κλίμακας. Η παρούσα διδακτορική διατριβή αρχικά παρουσιάζει μια μεθοδολογία για την ανάπτυξη μιας λύσης συνδυάζοντας τη θεωρία της ασαφούς λογικής με τα στοιχεία της κλίμακας Likert σε μια ενιαία συνολική κλίμακα (ή υπό κλίμακες). Η προτεινόμενη μεθοδολογία συγκεντρώνει τις πληροφορίες που παράγονται από την κατασκευή της εγκυρότητας της εννοίας, τη στατιστική ανάλυση αλλά και τη γνώση των εμπείρων του συστήματος, η οποία παράγεται κατά τη διάρκεια της ανάπτυξης της θεωρίας, σε ένα ασαφές σύστημα συλλογιστικής με σκοπό να αναπτύξει μια πιο ακριβή μέτρηση για τη στάση. Ακόμα, στην παρούσα διατριβή προτείνεται μια μεθοδολογία για την ανάπτυξη των «προφίλ» για κάθε άτομο η οποία θα βασίζεται στη σύγκριση των πρωτογενών με τους ασαφείς βαθμούς μιας κλίμακας Likert χρησιμοποιώντας τα εκατοστημόρια ως νόρμα. Στόχος είναι η διαπίστωση του κατά πόσο οι πρωτογενείς ή ασαφείς βαθμοί αφού μετασχηματιστούν χρησιμοποιώντας τα εκατοστημόρια ως νόρμα θα αντανακλούν καλύτερα τα σχετικά επίπεδα της υποκείμενης στάσης. Τέλος, στην παρούσα διατριβή προτείνεται μια μεθοδολογία για την ανάπτυξη ενός νευρο-ασαφούς συστήματος που θα ταξινομεί τους ερωτώμενους στα επίπεδα της υποκείμενης στάσης λαμβάνοντας υπόψη έναν αριθμό παραγόντων που είναι σημαντικοί μειώνοντας με αυτόν τον τρόπο την αβεβαιότητα. Η αξιολόγηση των μεθοδολογιών που παρουσιάζονται δοκιμάζονται σε μια κλίμακα Likert που χρησιμοποιήθηκε σε μια δειγματοληπτική έρευνα μεγάλης κλίμακας για τη μέτρηση της ξενοφοβίας στη Βόρεια Ελλάδα και η οποία διενεργήθηκε υπό την αιγίδα του Εθνικού Κέντρου Κοινωνικών Ερευνών με επιστημονικά υπεύθυνη την Καθ. κ. Μιχαλοπούλου. Οι μεθοδολογίες μπορούν να εφαρμοστούν με μικρές τροποποιήσεις σε άλλα σύνολα δεδομένων.
Abstract:
The object of this doctoral thesis is Fuzzy Logic and Artificial Neural Networks, domains of Artificial Intelligence, and their extension in Likert scales. Likert scales (or subscales) are usually constructed by summing up the items when the assessment of their psychometric properties has resulted in showing that the scale is both reliable and valid. This doctoral thesis presents a methodology for developing a fuzzy set theory solution to combine Likert items into a single overall scale (or subscales). The proposed methodology puts together information produced by construct validity assessment, statistical analysis and experts’ knowledge produced during theory development, in a fuzzy inference system to develop a more accurate attitude measurement. Moreover, this thesis presents a methodology for developing individuals’ profiles based on fuzzy Likert scale scores using percentile norms. The aim is the determination whether the normative or fuzzy data after their transformation using the percentile norms will better reflect the relative levels of the underlying attitude. Finally a neuro-fuzzy system is proposed that classifies the respondents into levels of the underlying attitude considering a number of crucial factors thereby reducing the uncertainty. The evaluation of the methodologies presented are tested on a Likert scale that was used in a large-scale sample survey for measuring xenophobia in Northern Greece conducted under the auspices of the National Centre for Social Research with scientifically responsible Prof. Michalopoulou. The methodologies can be applied with minor modifications to other data sets.
Περιγραφή:
Διατριβή (διδακτορική). Πάντειο Πανεπιστήμιο, Τμήμα Κοινωνικής Πολιτικής, 2018
