摘要:为了解决信息系统有效性的测量问题,需采用模糊理论等相关概念,用比较自然地、真实地反映人类思维的模糊性概念来对用户的感受进行准确描述。文章选用了评价信息系统有效性的六个常用属性,利用模糊理论将语言表述转为可测量的数值,得到经模糊理论修正后的信息系统有效性评价结果。
关键词:信息系统有效性;三角模糊数;评价指数;绝对权重;模糊化权重
一、 引言
在企业信息系统有效性测量中很多的属性反应的是用户对信息系统有效性的感受,这些感受难以用精确的数字表示。因此为了解决信息系统有效性的测量问题,需采用模糊理论等相关概念。
模糊理论的最大特点就是可以用比较自然地、真实地反映人类思维的模糊性概念来对用户的感受进行准确描述。三角模糊数具有运算简单,容易了解的特征,为目前最常用的模糊数。
二、 信息系统有效性测量指标
信息系统有效性有三个基本的要求:第一是维护信息的保密性;第二是确保信息的完整性;第三是确保信息能够在适当的时间以适当的格式访问,即信息的可存取性。
1. 信息的保密性。信息系统有效性必须具有信息保护能力。组织采用有效的存取控制和保护手段,防止非授权或因疏忽而更改、毁坏或破坏业务记录和财务信息的保密性。
2. 信息的完整性。信息系统有效性必须具有信息准确跟踪能力,即要求组织能够保存关键记录和信息系统之间所有交互行动的审计轨迹,信息和记录以及文档管理软件、硬件和安全存储环境形成了关键的内部控制,确保信息是准确和可靠的。存储系统中应有防止数据被随意修改或删除的功能,确保信息的完整性。
3. 信息的可存取性。信息系统有效性必须具有信息长期保存能力,即要求公司确保用于保留规定记录的存档和存储系统支持长期可靠存取,对某些特定信息要求保存长达七年的时间。
上述保密性、完整性和可存取性在用户问卷调查时,可用一些描述性语言进行信息系统有效性属性的细化。如:信息系统有良好的备份系统、信息系统安装有正版的防火墙和防病毒软件、可以方便地使用计算机设施、硬件能及时升级、软件能及时升级、系统支持员工具有较高的素质、能较好地控制所使用的系统、系统反应迅速、信息系统能及时处理关于改进现有系统的要求等。这些属性指标主要体现用户的感受,不同的用户对同一项属性的感受是不一致。
三、 基于模糊理论的信息系统有效性测量方法
1. 将自然语言评价转换为三角模糊数。三角形模糊数是决策分析中较常用的一种模糊数。若实数域R上的模糊数M,简记为M=(a,b,c),a,b,c都是实数则其Membership Function为:
fm(x)=■,a?燮x?燮b,
fm(x)=■,b?燮x?燮c
fm(x)=0,otherwise
语言变量是以自然语言中的词或词组为变数,而不是以数值为变数。语言变量皆可用模糊数表示,模糊数常被用来表示人类的语义。将评估者对某问题的看法:{非常不重要、较不重要、不重要、一般、重要、比较重要、非常重要},利用语言变量转换为模糊估值,以达到量化的目的。
首先,为了便于有效性评价指标的测量,将用户评价的自然语言转化为三角模糊数。
每个属性的评价集包括七个等级,即{1,2,3,4,5,6,7},1表示非常不重要,2表示较不重要,3表示不重要,4表示一般,5表示重要,6表示比较重要,7表示非常重要。用语言方式表达评价意见,虽然没有数值精确,但它更容易使人理解,而且也减少了干扰项。
评价集P=(p1,p2,p3,p4,p5,…,pm)代表一组有序的自然语言评价集合,并且按照语言评价元素在集合中的位置从1开始依次累加分配计数值,即集合中第一个元素的计数值为1,最后一个元素的计数值为m,集合中共有m个元素。
假设Pj为评价集的一个自然语言评价,那么该评价结果的三角模糊数表示为(■,■,■),j为该元素在集合中的计数值,m为该集合中最后一个元素的计数值。
针对评价集,该元素所在的评价集中的最后一个元素的计数值m为7。若用户的语言值是较不重要(j=2)则对应的三角模糊数为(1,2,3)。
设计的语意表达词对应的模糊数形式以7点量表为准,其语意变量的计算量表示成三角模糊数,如表1所示。
2. 将三角模糊数值权重模糊化。组织专家群体对绩效评价指标进行重要性程度的模糊语意尺度衡量,结合不确定性分析的三角模糊数的统计方法, 通过权重分析确定模糊权重, 依此综合获得专家群体对各组指标所给予的权重倾向,和中间值就构成了表达各指标权重范围的三角模糊数。
根据面积中值法原则,可得到三角模糊数值Fi=(a,b, c)的评价指标的绝对权重和模糊权重。
W(Fi)为三角模糊数值的绝对权重,计算公式为
W(Fi)=(b+c-a)/3
Wi为模糊化权重,其计算公式为:
Wi=■
每个权重Wi都在[0,1]之间,并且它们之和为1。
3. 将用户评价意见定量为评价指数。利用顶点法(Vertex Method)将每个用户对于信息系统有效性的评价意见定量为评价指数(Value Index)Y。
设定P=[Pij]表示评价集,W=[Wi] 表示每个评价标准的权重。因此,每个评价指标的评估值为Pwij0=wj0pij0,Pwij1=wj1pij1,Pwij2=wj2pij2,…
顶点法定义如下
假设X=(x1,x2,x3)和Y=(y1,y2,y3)为两个属性的三角模糊数,则顶点法定义其间的距离算法为:
d(x,y)={[(x1-y1)2+(x2-y2)2+(x3-y3)2]/3}1/2
最好的评价意见P*j=(1,1,1),最差的评价意见P-j=(0,0,0),顶点法中,每个评价对于最理想和最差的评价意见之间的距离的计算采用以下公式:
d*i=■d(Pwij,P*j)
d-i=■d(Pwij,P-j)
其中,i=1,2,…,m,j=1,2,…,n
有效性指数(Si)公式为:si=d-i+n-■,其中,i=1,…,m,这里n代表评价标准的个数。
Y表示用户对信息系统有效性的评价经模糊理论修正后的结果,公式为:
Y=■wisi
四、 基于模糊理论的信息系统有效性测量方法的应用
我们在信息系统有效性的众多指标中选择六个属性,如信息系统备份管理、信息系统安全管理、信息系统数据访问方便正确、信息系统软硬件可靠使用、信息系统运行反应迅速、信息系统管理队伍结构。组织专家群体对绩效评价指标进行了重要性程度问卷调查,共收回有效专家群体问卷调查表17份。
这六个属性评价集为{1,2,3,4,5,6,7},1表示不非常重要,2表示较不重要,3表示不重要,4表示一般,5表示重要,6表示比较重要,7表示非常重要。用户可以在评价集中的七个数值中进行选择,必须且只能选择一个数值。
六个属性所对应的三角模糊权重分别为:
F1=(0.187 6,0.204 7,0.216 8)
F2=(0.183 4,0.199 2,0.206 7)
F3=(0.121 7,0.130 5,0.137 4)
F4=(0.139 9,0.150 1,0.159 2)
F5=(0.1867,0.1987,0.204 7)
F6=(0.105 3,0.116 8,0.120 1)
有效性指数为:
S0=7.964 5;S1=7.217 6;S2=5.815 2;S3=6.145 2;
S4=7.362 2;S5=7.164 5;S6=5.521 8
最终评价结果为:Y=6.982 3
五、 结论
应用三角模糊数的测量法来建立的模糊权重值,将原本非数量化的重要性程度用比较合理的方式转化为可分析的数量化数值,消除因个人主观因素所造成的不合理性,从问卷调查结果中获得更加客观和准确的权重值。
参考文献:
1. Tong Hongxia, Zhang Shensheng.“Multi-attr- ibute group decision making algorithm for Web service selection based on QOS”.Journal of Sout- heast University,2006-03-002.
2. Norman Fenton, Wei Wang.“Risk and confidence analysis for fuzzy multi-criteria decision making”.Knowledge-Based Systems,2006:430-437.
3. 刘丽华.基于相似度加权的模糊聚类方法.云南大学学报,2008,9(28),5.
4. 刘英华.可配置模糊综合评价模型研究与系统实现.上海交通大学博士学位论文,2007:78-96.
基金项目:国家自然科学基金项目“关键字广告位定价策略及其优化研究”(70602031);上海财经大学211三期重点项目。
作者简介:胡克瑾,同济大学经济与管理学院教授、博士生导师;陈岗,同济大学经济与管理学院博士生,上海财经大学信息管理与工程学院副教授。
收稿日期:2009-10-03。
