CN107194727A - 基于Kano模型的用户需求因子表征及提取方法 - Google Patents
基于Kano模型的用户需求因子表征及提取方法 Download PDFInfo
- Publication number
- CN107194727A CN107194727A CN201710361511.XA CN201710361511A CN107194727A CN 107194727 A CN107194727 A CN 107194727A CN 201710361511 A CN201710361511 A CN 201710361511A CN 107194727 A CN107194727 A CN 107194727A
- Authority
- CN
- China
- Prior art keywords
- user
- request
- model
- demand
- factor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于Kano模型的用户需求因子表征及提取方法,包括下述步骤:(1)用户需求获取及分析:对用户需求进行整理、筛选和分析,通过对用户需求的聚类分析(cluster analysis)选取优质需求因子;(2)用户需求的层次结构模型:基于Kano模型和选取的需求因子,建立用户需求主导下的需求实现程度与用户满意度关联模型;(3)用户需求因子表征:借助可拓学中基元模型构建用户需求因子表征模型,该模型同时包含定性和定量的形式化特征,可以间接的表示用户需求的因子特征,便于计算机识别处理。本发明具有能对用户需求进行数字化表征,且提取结果准确的特点。
Description
技术领域
本发明属于产品设计技术领域,具体地说是涉及一种基于Kano 模型的用户需求因子表征及提取方法。
背景技术
传统的设计方法对用户需求考虑不够,造成用户不爱用、不愿用 的情况,近年随着以用户为中心的设计思想大量出现,用户需求主导 下的产品设计方法已成为当今设计领域研究的热点和重点,其中用户 需求的分析与提取也显得尤为重要。只有真实的获取用户的需求因子 设计师在进行设计时才能将其赋予到产品的的功能、造型、材质、色 彩等设计符号中以满足用户的需要来达到更高的用户满意度。
现有技术中,感性工学(Kansei Engineering,KE)运用工程学 量化与半量化的方法将用户需求等不确定因素应用到产品设计与制 造中,情感化设计是一种围绕用户需求的设计指导理论,要求在设计 过程中从多个层面综合考虑用户的心理和生理需求,但缺乏具体的设 计方法。工程美学将美学这一新的需求维度引入到人机工程中,希望 为设计师提供一种面向工程学的设计与评估方法以达到最终在产品 设计中以科学的、工程学的和基于数学的方法来***确认和量化评价 美学因素及美学问题。以上设计方法与思想为以用户需求为中心的设 计方法进行了有益探索并提供了理论基础。但依靠图示和文字的图解 思维方式很难完整描述整个创新过程,也难于被计算机识别,导致大 量创新技法与数字化设计制造脱节,设计创新过程迫切需要新的易于 计算机识别的表征方法来作为设计师思维过程与计算机模拟过程的 桥梁。总之,目前用户需求获取及分析方法大多以设计师感性评价为 主,数字化处理不足,造成提取结果不准确也不能与数字化制造技术 相衔接。
发明内容
本发明的目的在于克服上述缺点而提供一种能对用户需求进行 数字化表征,且提取结果准确的基于Kano模型的用户需求因子表征 及提取方法。
本发明的一种基于Kano模型的用户需求因子表征及提取方法, 包括下述步骤:
(1)用户需求获取及分析:对用户需求进行整理、筛选和分析, 通过对用户需求的聚类分析(cluster analysis)选取优质需求因子;
(2)用户需求的层次结构模型:基于Kano模型和选取的需求 因子,建立用户需求主导下的需求实现程度与用户满意度关联模型;
(3)用户需求因子表征:借助可拓学中基元模型构建用户需求 因子表征模型,该模型同时包含定性和定量的形式化特征,可以间接 的表示用户需求的因子特征,便于计算机识别处理。
上述基于Kano模型的用户需求因子表征及提取方法,其中:所 述步骤(1)中,通过语义差分法实验获取用户对需求因子的情感认 知,定义用户满意度位移(λ)和用户满意度(better-worse)系数, 量化表示用户需求与用户满意度映射关系
本发明与现有技术的相比,具有明显的有益效果,由以上方案可 知,通过对用户需求的聚类分析(cluster analysis)选取优质需求因子, 然后建立需求因子的可拓表征模型,使计算机可以简洁的表示用户需 求因子所蕴含的需求对象、对象特征、特征量值等内容。并通过语义 差分法实验获取用户对需求因子的情感认知,定义用户满意度位移 (λ)和用户满意度(better-worse)系数,达到量化表示用户需求与 用户满意度映射关系的目的,从而对需求因子进行排序,通过该方法 可使用户需求提取过程更加精确,便于进行需求优化。总之,借助可 拓基元理论(Extension element)建立可拓Kano模型的用户需求因子 表征及提取方法,可确定需求因子重要度来进行量性的需求优化,便 于用户需求进行表征使其更易于被计算机语言识别。
以下通过具体实施方式,进一步说明本发明的有益效果。
附图说明
图1为实施例中的需求实现程度与用户满意度关联模型图;
图2为实施例中的概念产品最终方案效果图。
具体实施方式
以下结合附图及较佳实施例,对依据本发明提出的基于Kano模 型的用户需求因子表征及提取方法具体实施方式、特征及其功效,详 细说明如后。
本发明的一种基于Kano模型的用户需求因子表征及提取方法, 包括下述步骤:
(1)用户需求获取及分析:对用户需求进行整理、筛选和分析, 通过对用户需求的聚类分析(cluster analysis)选取优质需求因子;
(2)用户需求的层次结构模型:基于Kano模型和选取的需求 因子,建立用户需求主导下的需求实现程度与用户满意度关联模型; 通过语义差分法实验获取用户对需求因子的情感认知,定义用户满意 度位移(λ)和用户满意度(better-worse)系数,量化表示用户需求 与用户满意度映射关系;
(3)用户需求因子表征:借助可拓学中基元模型构建用户需求 因子表征模型,该模型同时包含定性和定量的形式化特征,可以间接 的表示用户需求的因子特征,便于计算机识别处理。
实施例如下:
1.用户需求获取及分析
1.1用户需求获取及初步聚类分析
通过对机床一线操作工的调查(以访谈方式,若条件受限网络调 查应确定被调查对象具有主动配合调查以改良机床意愿的用户确保 调查数据的合理性),通过与机床厂沟通选取具有3年以上机床操作 经验并具有主动意愿的一线数控磨床操作工人5名(4男1女)。
由于用户对于理想中的产品的描述缺乏***性,需求笼统、模糊 而且存在大量的冗余,因此,需要对用户需求进行整理、筛选和分析。
设S={O1O2…0n}为用户需求集,集合中On为用户需求对象, 则任意用户需求对象Oa和Ob在需求内容上存在以下四种关系。
(1)包含关系。Oa的用户需求内容是Ob用户需求内容的真子集, 则称Oa和Ob为包含关系。
(2)交叉关系。Oa的用户需求内容是与Ob用户需求内容存在交集, 则称Oa和Ob为交叉关系。
(3)独立关系。Oa的用户需求内容是与Ob用户需求内容不存在任 何交集,则称Oa和Ob为独立关系。
(4)相等关系。Oa的用户需求内容是与Ob用户需求内容相同,则 称Oa和Ob为相等关系。
经过对用户需求内容的聚类和分析,去掉被包含的用户需求,存 在交叉关系的用户需求的交集和相同关系的用户需求均只保留一份, 这样实现用户需求的初步处理,达到去除冗余的目的。
(1)排斥关系。如果和的Oa和Ob需求内容不能同时被满足或最终 满意度的提升的满意度随之下降,则称Oa和Ob存在排斥关系。
(2)互补关系。如果Oa满意度的提高会导致Ob满意度随之提高, 则称Oa与Ob为互补关系。
(3)独立关系。如果Oa的满意度与Ob的满意度不存在任何相互作 用,则称Oa与Ob为独立关系。
根据用户需求的相互关系对用户需求进行进一步筛选得到以下用 户需求关键语义,如
表1。
表1用户需求关键语义
1.2用户需求的层次结构
用户对产品的需求是多种多样的,不仅局限于基本功能,由于社会的进 步,同类产品的多样性,用户有机会更加自由的选择能最大程度满足其功 能、情感需求的产品,对现有产品的不满和改进的意愿催生了期望需求。 美国心理学家亚伯拉罕·马斯洛在1943年将人类需求从低到高按层次分为 生理需求、安全需求、社交需求、尊重需求和自我实现需求。马斯洛需求 层次是人本科学的理论之一,为以人为本的设计思想奠定了思想基础。受 行为科学家赫兹伯格的双因素理论的启发,Kano等在1984年提出了Kano 模型,根据不同类型的质量特性与顾客满意度之间的关系,kano教授将产 品服务的质量特性分为五类:基本型需求(Basic Quality)、期望型需求 (Performance Quality)、兴奋型需求(Excitement Quality)、无差异型需求 (Neutral Quality)、反向型需求(ReverseQuality)。并提出了用户满意度与 需求实现程度的二维关系图,明确地将用户需求分为4类。借助马斯洛需 求层次理论对用户需求进行分析,提出用户需求主导下的需求实现程度与 用户满意度关联模型,如图1所示。
1)兴奋需求。这类需求被用户认为具有绝对吸引力的开拓性需要, 但并不强烈要求必须具备。实现程度与用户满意度之间具有二元函数 关系。经过设计满足该集合内的期望需求则用户的满意度就会得到很 大的提高,反之,如果该集合内的需求得不到有效满足,用户满意度 将会随之降低但不会产生抵触心理即满意度降为负数,该需求函数可 用y=kx2(k>0)表示。
2)期望需求。这类需求被用户认为具有一定吸引力的期望功能, 实现程度与用户满意度之间具有一元线性关系,需求实现程度度越高 满足度越高,当需求实现程度较低时,用户将会表现出失望情绪,满 意度降为负数,但失望情绪不强烈,该需求函数可用表示。
3)基本需求。这类需求被用户认为是必须具备的基础功能,实现 程度与用户满意度成反比例函数关系,如果该集合内的功能得到满足, 用户满意度将接近于0(由于基本功能不能做到无限精致,用户对基 本功能不会完全满意,满意度只能无限接近于0),如果基本功能不 能得到满足,用户失望情绪将剧增,用户满意度急剧下降,由于基本 功能代表产品属性则其满足程度不能低于1。该函数可用 表示。
4)无差异需求。这类需求被用户认为是可有可无功能,用户满意 度与功能实现程度无关,无论该集合内的功能是否得到满足,用户满 意度恒为0。该函数可用y=0表示。
由于决定需求满意度跟随实现程度走向的决定因素为函数系数k, 则我们在进行用户需求分析和提取过程中的计算机的主要研究对象 为k,本文将k定义better-worse系数,即B-W。
B-W量化的描述了用户需求实现程度与用户满意度的趋势。为设 计过程中用户需求的趋势提供了明确的参考依据。
2.用户需求因子表征方法
设计过程具有明显的“黑箱”性质,纵观目前的约340种创新设计 方法大多数需要在群体环境中激发,主要是大脑对于事物的认知方法 与计算机的认知方法不同,大多数创新设计方法中的表征元素混乱复 杂且不可被计算机识别,导致创新技法与数字化设计制造技术脱节, 目前创新设计研究的关键任务就是如何将难以捕捉的心智活动过程 转换为计算机可识别易操作的设计方法。为达到计算机可模拟心智模 型的目的首先应建立计算机可识别的思维过程元素表征方法。
2.1可拓表征理论
蔡文学者于1983年创立的一门原创性横断学科可拓学,可拓学是 基于定量与定性有机结合的创新解决矛盾问题的科学理论。可拓学以 形式化、逻辑化和数学化为基础,研究物、事、关系的可拓展性。可 拓理论以基元理论、可拓集理论和可拓逻辑为基础,基元是可拓学的 逻辑细胞。基元包含了描述世界万物的物元、描述世界万事的事元、 描述事物间关系的关系元。物元(对象O)、事元(特征C)、关系元 (量值v)共同构成了表征世界万物的基元。
可拓理论是通过建立可拓模型形式化、定量化处理矛盾问题的理 论。处理矛盾问题,必须涉及到矛盾的对象、特征、量值及他们之间 的相互关系。通过对矛盾问题的分析,以基元理论为基础建立表征矛 盾问题的形式化工具—可拓模型,可拓学的基元模型将基元组合到在 一个由对象O,特征C和量值v组成的三元组中,可以形式化地描基 元的特征、内涵和社会关系,表征基元内部的定量与定性问题,量化 的描述基元内部关系。
基元可以表示为:B=(O,C,V)
其中O为基元所研究的对象。C为研究对象的特征,V为量值,包 涵了特征所对应的数值信息。
将产品需求基元定义可拓原点B=(O,C,V),其中o为需求对象,c为 对象特征,v为特征量值。
2.2用户需求因子的可拓表征
借助可拓学中基元对客观世界的物元、事元、关系元的知识表征 方式,保留其“一物多征”“一征多值”的特点,借助基元模型构建用户 需求因子表征模型,该模型同时包含定性和定量的形式化特征,可以 间接的表示用户需求的因子特征,便于计算机识别处理。
3.用户需求评价
通过对用户需求的初步获取和分析,提取优质用户需求因子。由 于机床操作工属于技术工,单一工厂总体人数较少且过于单一,为确 保样本的多样性以保证调查结果的客观性。将优质需求因子制作网络 调查表在机床吧、机床之家、开思论坛等有较好机床基础人员活动区 进行网络调查。
3.1用户需求评价比例分析
将经过初步聚类分析的用户需求提取出来,制作Kanon网络调查 表格,进行网络调查,借助李克特量表制作满意度评分表,调查表只 需描述需求因子内容,当需求得到实现或得不到实现时被调查对象可 以给出很喜欢、理所当然、无所谓、勉强接受、很不喜欢5个评价, 计算机后台对应满意度评分为2、1、0、-1、-2。并生成用户需求满 意度比例表。本次调查共收到137位网友数据(102男35女)。如表 2-10。
表2美观需求满意度比例表
表3安全需求满意度比例表
表4信息化需求满意度比例表
表5刀具寿命需求满意度比例表
表6省电需求满意度比例表
表7易维护需求满意度比例表
表8磨削精度需求满意度比例表
表9静音需求满意度比例表
表10断电保护需求满意度比例表
3.2用户需求维度
根据需求维度借助Kano模型及各需求维度的意义,绘制Kano模 型需求分布表,如表11。表中〇代表兴奋需求,△代表期望需求,□ 基本需求,☆无差异需求或可疑结果,×代表反向需求。
表11 Kano模型需求维度分布表
在进行满意度比例表分析时应剔除可疑结果(所有需求均选择无 差异需求,或结果具有明显的规律性)以保证统计结果的准确性,通 过对需求满意度比例表的统计,将相同需求维度的比例相加,得到各 个需求维度的占比总和,总和最大的一个属性维度,便是该功能的属 性归属。
表12需求因子维度比例表
则用户需求维度归属为
3.3better-worse系数
通过对数据的分析处理可以得到用户需求的维度属性,对用户需 求与用户满意度间的映射关系有了基本认识,但仍未得到决定具体映 射关系的系数,不能量化的表示各个用户需求与用户满意度间的具体 关系,不仅计算机数量化处理各个元素对应间关系的优势没有表现出 来,而且也无法确定同一维度归属内的用户需求的优先排序。
定义需求得到实现与未得到实现间的满意度差值为满意度位移, 设满意度位移为λ,设对应满意对位移λ的的人数比例为θ。
根据Kano模型内用户需求维度结构定义可知决定用户满意度与 用户需求具体走向的因素为用户需求实现与否时用户满意度间的满 意度位移即better-worse系数。设better-worse(B-W)系数为p, 则p与λ和θ成正比例关系:
p=λ·θ
用户需求因子B-W系数如表13所示。
表13用户B-W系数结果
根据模型计算出的B-W系数值,说明在进行设计时安全、磨削精 度和刀具寿命为用户基本需求特别是设备的安全性为所有因素中要 求最为强烈的属于强烈的基本需求必须满足,该维度的功能属基础功 能,市场研究及设计已较为完善,一般并不耗费大量设计资源。设备 的易维护、造型美观、节省电量及断电保护等功能为用户期望需求, 应尽量满足,该功能对提升用户满意度有较好作用,而且没有满足用 户满意度会明显下降,该维度功能应为设计研究重点考虑对象。省电、 断电保护、美观、易维护等需求由B-W数值可得,用户期望承程度 依次递增,在设计资源有限的情况下应有限考虑B-W系数较高的需 求。信息化、静音等需求为用户兴奋性需求,当需求得到满足时用户 满意度较高,但需求未得到满足时用户满意随有下降但不剧烈,设计 资源丰富的情况下进行该维度设计。
对于那些由于设计能力及成本控制等原因未能满足的需求进行资 料存储以便于以后设计升级时进行参考。
本实施例主要对机床设计中用户需求提取及分析优化方法进行研 究,其用户需求与产品结构配置优化等设计阶段本文只做简要说明。
表14用户需求因子与结构功能的映射关系
根据用户需求的权重对需求映射之后的问题分布工程设计人员进 行技术设计和验证,在设计资源有限的情况下应优先满足高权重的需 求。
经过对用户需求的分析和团队设计最终形成MK8420概念产品最 终方案效果图(如图2)。
以上所述,仅是本发明的较佳实施例而已,并非对本发明作任何形式 上的限制,任何未脱离本发明技术方案内容,依据本发明的技术实质 对以上实施例所作的任何简单修改、等同变化与修饰,均仍属于本发 明技术方案的范围内。
Claims (2)
1.一种基于Kano模型的用户需求因子表征及提取方法,包括下述步骤:
(1)用户需求获取及分析:对用户需求进行整理、筛选和分析,通过对用户需求的聚类分析(cluster analysis)选取优质需求因子;
(2)用户需求的层次结构模型:基于Kano模型和选取的需求因子,建立用户需求主导下的需求实现程度与用户满意度关联模型;
(3)用户需求因子表征:借助可拓学中基元模型构建用户需求因子表征模型,该模型同时包含定性和定量的形式化特征,可以间接的表示用户需求的因子特征,便于计算机识别处理。
2.如权利要求1所述的基于Kano模型的用户需求因子表征及提取方法,其特征在于:所述步骤(1)中,通过语义差分法实验获取用户对需求因子的情感认知,定义用户满意度位移()和用户满意度(better-worse)系数,量化表示用户需求与用户满意度映射关系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710361511.XA CN107194727A (zh) | 2017-05-22 | 2017-05-22 | 基于Kano模型的用户需求因子表征及提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710361511.XA CN107194727A (zh) | 2017-05-22 | 2017-05-22 | 基于Kano模型的用户需求因子表征及提取方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107194727A true CN107194727A (zh) | 2017-09-22 |
Family
ID=59874809
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710361511.XA Pending CN107194727A (zh) | 2017-05-22 | 2017-05-22 | 基于Kano模型的用户需求因子表征及提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107194727A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109543734A (zh) * | 2018-11-14 | 2019-03-29 | 中国联合网络通信集团有限公司 | 用户画像方法及装置、存储介质 |
CN111768240A (zh) * | 2020-06-30 | 2020-10-13 | 杭州电子科技大学 | 基于感性工学和Kano模型的航空公司服务推荐方法及*** |
CN112184075A (zh) * | 2020-10-29 | 2021-01-05 | 西南交通大学 | 一种可持续供应链风险分析方法 |
-
2017
- 2017-05-22 CN CN201710361511.XA patent/CN107194727A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109543734A (zh) * | 2018-11-14 | 2019-03-29 | 中国联合网络通信集团有限公司 | 用户画像方法及装置、存储介质 |
CN111768240A (zh) * | 2020-06-30 | 2020-10-13 | 杭州电子科技大学 | 基于感性工学和Kano模型的航空公司服务推荐方法及*** |
CN112184075A (zh) * | 2020-10-29 | 2021-01-05 | 西南交通大学 | 一种可持续供应链风险分析方法 |
CN112184075B (zh) * | 2020-10-29 | 2022-04-22 | 西南交通大学 | 一种可持续供应链风险分析方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hashemkhani Zolfani et al. | Investment prioritizing in high tech industries based on SWARA-COPRAS approach | |
Tseng | A causal and effect decision making model of service quality expectation using grey-fuzzy DEMATEL approach | |
Peterson et al. | Modeling and predicting human response to the visual recreation environment | |
Saucier | Isms dimensions: Toward a more comprehensive and integrative model of belief-system components. | |
Anisseh et al. | Fuzzy extension of TOPSIS model for group decision making under multiple criteria | |
Ford et al. | Beauty, belief, and trust: toward a model of psychological processes in public acceptance of forest management | |
Huang et al. | A product configuration analysis method for emotional design using a personal construct theory | |
CN111950708B (zh) | 一种发现大学生日常生活习惯的神经网络结构与方法 | |
CN107194727A (zh) | 基于Kano模型的用户需求因子表征及提取方法 | |
Lokman et al. | Prelude to natphoric kansei engineering framework | |
Basri et al. | Determinant of interest in paying zakat with age as a moderating variable (study on minang society) | |
Gerhana et al. | Comparison of naive Bayes classifier and C4. 5 algorithms in predicting student study period | |
CN113918806A (zh) | 自动推荐培训课程的方法及相关设备 | |
CN106055875A (zh) | 一种基于大数据的皮纹分析处理装置 | |
Wuehrer et al. | Diversity in Homogeneity-A longitudinal bibliometric review of Industrial Marketing and Purchasing (IMP) Group Conferences from 1984 to 2012. | |
Xu et al. | Ranking academic impact of world national research institutes—by the Chinese Academy of Sciences | |
Honkela et al. | Subjects on objects in contexts: using GICA method to quantify epistemological subjectivity | |
Castro-Schez et al. | Using fuzzy repertory table-based technique for decision support | |
Polilova et al. | The Problem of Selecting a Reference Group for the Thematic Rating of Scientific Journals. | |
CN112667919A (zh) | 一种基于文本数据的个性化社区矫正方案推荐***及其工作方法 | |
Hutcheson | Categorical explanatory variables | |
Dimitrakopoulos et al. | Decision making using multicriteria analysis: a case study of decision modeling career in education | |
Tell | Productization of Business Models by Adding Situational Knowledge. | |
Kim | Computational art therapy | |
Dimitrakopoulos et al. | Social Choice and Multicriterion Decision-Making: Decision Modeling Career of Students in Secondary Education Using Multicriteria Analysis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170922 |
|
RJ01 | Rejection of invention patent application after publication |