多元認知模式之量測－以社會判斷理論模糊化為例

Measurement of Multiple Cognitive Judgments Model-Fuzzification of Social Judgment Theory Case Study

黃宗誠(Tsung-Cheng Huang) ； 李泳龍(Yung-Lung Lee) ； 汪明生(Ming-Shen Wang)

《管理學報》 31卷2期 (2014/06) Pp. 157-177

https://doi.org/10.6504/JOM.2014.31.02.04

摘要

本研究之目的在於結合社會判斷理論與模糊集理論，嘗試針對多元認知模式判斷效果重新建立量測方式。經由實證結果發現，模糊集理論（fuzzy set theory, FST）的模糊質化方式，確實能夠改善收斂社會判斷理論（social judgment theory, SJT）的權重數值。此外，針對傳統的社會判斷理論方法提出三點結論：（1）以質化方式提供決策者針對決策參考變數進行判斷值的評估，亦即採取語意變數區隔的方式，由決策者進行判斷選擇，如此或能更加具體掌握決策者之方案偏好水準；（2）在與模糊集理論的結合方面，需建立適當的決策者語意變數判斷值範圍，包括適合的語意變數區間與模糊歸屬函數型態；以及（3）宜運用其他適當分析方法，先行完成語意變數區間之確認，與模糊歸屬函數型態和範圍的界定後，再投入社會判斷理論模式提供決策者進行判斷，如此將能獲得更佳成果。綜合上列三點結論顯示，以模糊集理論結合擴展社會判斷理論，應可得到良好之實質成效。

關鍵字

社會判斷理論 ； 模糊集理論 ； 決策判斷 ； 權重

並列摘要

This study aims to propose a measurement improvement method for multiple cognitive judgments with a case study using fuzzification of social judgment theory. The empirical results show fuzzy set theory (FST) can efficiently improve the weights of social judgment theory (SJT). The main conclusions find (1) Qualitative method can provide decision makers with judgment value evaluation for cues, that linguistic variables can reflect the decision preference of programs. (2) Applying fuzzy set it is required to offer an appropriate judgment value range of linguistic variable for decision makers. That includes interval of linguistic variable and the type of fuzzy membership function. (3) Better results comes from appropriate methods for confirming the interval of linguistic variable, type of fuzzy membership function and range in advance, therefore decision makers can make judgments better in SJT model. Finally integrating fuzzy set theory with SJT can contribute to better results.

並列關鍵字

Social Judgment Theory ； Fuzzy Set Theory ； Decision Making ； Weights

參考文獻

王千文、陳敦源(2012)。形式上還是實質上的「公私協力」：全民健康保險總額支付制度個案分析。公共行政學報。42，99-137。

王文俊(2000)。認識 Fuzzy。台北:全華科技圖書股份有限公司。

李泳龍、黃宗誠(2002)。特種營業鄰近住宅使用影響之分析─以台南市第五期重劃區為例。台灣土地研究。4，81-100。

汪明生、黃宗誠(2003)。公共事務管理整合參考架構與兩岸大學 MPA 課程之結構分析。公共事務評論。4(1)，1-68。

汪明生、李泳龍、黃宗誠、楊永和()。