In this study, a decision support s

In this study, a decision support system (DSS) for usability assessment and design of web-based information
systems (WIS) is proposed. It employs three machine learning methods (support vector machines,
neural networks, and decision trees) and a statistical technique (multiple linear regression) to reveal
the underlying relationships between the overall WIS usability and its determinative factors. A sensitivity
analysis on the predictive models is performed and a new metric, criticality index, is devised to identify
the importance ranking of the determinative factors. Checklist items with the highest and the lowest contribution
to the usability performance of the WIS are specified by means of the criticality index.

ผลลัพธ์ (ไทย) 1:

ในการศึกษานี้ ระบบสนับสนุนการตัดสินใจ (DSS) สำหรับใช้ประเมินและออกแบบเว็บมีเสนอระบบ (WIS) มันมีสามวิธีการเรียนรู้ของเครื่อง (เครื่องจักรแบบเวกเตอร์ สนับสนุนเครือข่ายประสาท และต้นไม้ตัดสินใจ) และเทคนิคทางสถิติ (หลายถดถอยเชิงเส้น) ให้เหมาะกับความสัมพันธ์พื้นฐานระหว่างใช้งาน WIS โดยรวมและปัจจัยของ determinative มีความไวดำเนินการวิเคราะห์แบบจำลองการคาดการณ์ และเป็นกำหนดวัดใหม่ ประการที่สามคือดัชนี การระบุจัดอันดับความสำคัญของปัจจัย determinative รายการตรวจสอบ มีสูงและสัดส่วนที่ต่ำเพื่อประสิทธิภาพการใช้งานของ WIS ที่ระบุ โดยดัชนีประการที่สามคือ

ผลลัพธ์ (ไทย) 2:

ในการศึกษานี้ระบบสนับสนุนการตัดสินใจ (DSS) สำหรับการประเมินการใช้งานและการออกแบบของเว็บที่ใช้ข้อมูล
ระบบ (รู้) จะเสนอ มันมีพนักงานวิธีการสามเครื่องการเรียนรู้ (การสนับสนุนเครื่องเวกเตอร์
เครือข่ายประสาทและต้นไม้ตัดสินใจ) และเทคนิคทางสถิติ (การถดถอยเชิงเส้นหลาย) ที่จะเปิดเผย
ความสัมพันธ์พื้นฐานระหว่างการใช้งานโดยรวมรู้และปัจจัยที่กำหนดของ ความไวของ
การวิเคราะห์ในรูปแบบการพยากรณ์จะดำเนินการและตัวชี้วัดดัชนีความสำคัญใหม่ที่คิดค้นเพื่อระบุ
การจัดอันดับความสำคัญของปัจจัยที่กำหนด รายการตรวจสอบที่มีสูงสุดและต่ำสุดของการมีส่วนร่วม
กับการทำงานการใช้งานของรู้ที่ระบุไว้โดยความหมายของดัชนีสำคัญ

ผลลัพธ์ (ไทย) 3:

ในการศึกษานี้ ระบบสนับสนุนการตัดสินใจในการประเมินการใช้งานและออกแบบระบบสารสนเทศ
เว็บ ( WIS ) เสนอ มันใช้ 3 เครื่อง วิธีเรียน ( สนับสนุนเวกเตอร์เครื่องจักร
เครือข่ายประสาท และการตัดสินใจ เทคนิคทางสถิติ ( ต้นไม้ ) และการถดถอยพหุคูณเชิงเส้นตรง ) เปิดเผย
ภายใต้ความสัมพันธ์ระหว่างปีเตอร์และโดยรวมการใช้งานของตัวกำหนดปัจจัย การวิเคราะห์ความไว
บนตัวแบบทำนายจะดําเนินการและตัวชี้วัดดัชนีใหม่ , วิกฤต , วางแผนที่จะระบุ
ลำดับความสำคัญของปัจจัยตัวกำหนด . รายการตรวจสอบรายการที่มีระดับสูงสุดและ
บริจาค ถูกที่สุดเพื่อสมรรถนะการใช้งานของ WIS จะถูกระบุโดยใช้ดัชนีความวิกฤต .