Метод поддержки принятия решений при многокритериальном выборе рецензентов с использованием интегральной оценки и методов обработки естественного языка в научном журнале

При определении рецензентов для рукописей, поступающих в научных журнал, возникает задача многокритериального выбора. Это связано с тем, что необходимо не только подобрать рецензентов, публикации которых наиболее близки к рукописям по специфике исследования, но и учесть при этом другие не менее значимые характеристики рецензентов. В существующих работах предлагается использовать различные критерии, затрагивающие в основном экспертность и авторитетность рецензентов. Однако такому критерию, как качество работы в роли рецензента, не уделяется должного внимания. Стаж рецензирования, качество оценки рукописей и активность рецензента могут значительно влиять на результат рецензирования и его сроки. В статье предложен метод поддержки принятия решений при многокритериальном выборе рецензентов с использованием интегральной оценки, учитывающий качество работы в роли рецензента и методов обработки естественного языка в научном журнале, который позволит решить описанную проблему. Апробация метода на данных по рецензентам научного журнала «Информационные технологии» показала работоспособность первого. Учет такого критерия, как качество работы в роли рецензента, помимо общепринятых характеристик оказывает существенное влияние на выбор рецензентов для рукописей.

1. Zhao X., Zhang Y. Reviewer assignment algorithms for peer review automation: A survey. Information Processing & Management. 2022;59:103028. DOI: 10.1016/j.ipm.2022.103028.

2. Hurst J.R., Howard E.C., Wedzicha J.A. Reviewer selection: Author or editor knows best? Thorax. 2005;60:799. DOI: 10.1136/thx.2005.051870.

3. Rodriguez M.A., Bollen J. An algorithm to determine peer-reviewers. Proceedings of the 17th ACM conference on Information and knowledge management (CIKM '08), 26-30 October 2008, Napa Valley, California, USA. Association for Computing Machinery; 2008. p. 319–328. DOI: 10.1145/1458082.1458127.

4. Nguyen J., Snchez-Hernndez G., Agell N., Rovira X., Angulo C. A decision support tool using order weighted averaging for conference review assignment. Pattern Recogn. Lett. 2018;105:114–120. DOI: 10.1016/j.patrec.2017.09.020.

5. Liu X., Suel T., Memon N. A robust model for paper reviewer assignment. Proceedings of the 8th ACM Conference on Recommender systems (RecSys '14), 6-10 October 2014, Foster City, Silicon Valley, USA. Association for Computing Machinery; 2014. p. 25–32. DOI: 10.1145/2645710.2645749.

6. Li X., Watanabe T. Automatic paper-to-reviewer assignment, based on the matching degree of the reviewers. Procedia Computer Science. 2013;22:633–642. DOI: 10.1016/j.procs.2013.09.144.

7. Di Mauro N., Basile T., Ferilli S. GRAPE: an expert review assignment component for scientific conference management systems. In: Ali M., Esposito F. (eds.) Innovations in Applied Artificial Intelligence. Lecture Notes in Computer Science, vol 3533. Berlin, Springer; 2005. p. 789–798. DOI: 10.1007/11504894_109.

8. Medakene A., Bouanane K., Eddoud A. A new approach for computing the matching degree in the paper-to-reviewer assignment problem. Proceedings of the 2019 International Conference on Theoretical and Applicative Aspects of Computer Science (ICTAACS), 15-16 December 2019, Skikda, Algeria. Institute of Electrical and Electronics Engineers Inc.; 2019. p. 1-8. DOI: 10.1109/ICTAACS48474.2019.8988127.

9. Latypova V., Martynov V., Turganov A. Decision support system in online training process management for implementing complex open ended assignments in engineering education. Proceedings of the V international conference on information technologies in engineering education (Inforino), 14–17 April 2020, Moscow. Institute of Electrical and Electronics Engineers Inc.; 2020. p. 1–5. DOI: 10.1109/Inforino48376.2020.9111821.

10. Saaty T.L., Vargas L.G. Models, methods, concepts & applications of the analytic hierarchy process. New York, Springer Science+Business Media; 2001. 333p.

11. Латыпова В.А. О применении приближенных методов расчета в методе анализа иерархий. Интернет-журнал «Науковедение». 2017;9(6):128. URL: https://naukovedenie.ru/PDF/146TVN617.pdf (дата обращения 30.11.2023).

12. Латыпова В.А. Сравнительный анализ и выбор программных средств, реализующих метод анализа иерархий. Моделирование, оптимизация и информационные технологии. 2018;6(4):322–347. URL: https://moitvivt.ru/ru/journal/article?id=534 (дата обращения 30.11.2023). DOI: 10.26102/2310-6018/2018.23.4.024.