Entropy یا CRITIC؟

یکی از مهم‌ترین مراحل در تصمیم گیری چند معیاره (MCDM)، تعیین وزن معیارها است. اگر وزن معیارها به‌درستی محاسبه نشود، حتی استفاده از بهترین روش‌های رتبه‌بندی نیز نمی‌تواند نتایج قابل اعتمادی ارائه دهد. به همین دلیل انتخاب روش مناسب برای وزن‌دهی، نقش بسیار مهمی در کیفیت تصمیم‌گیری دارد.

در میان روش‌های وزن دهی معیارها، دو تکنیک Entropy و CRITIC از شناخته‌شده‌ترین روش‌های عینی (Objective Weighting Methods) هستند. هر دو روش بدون دخالت نظر خبرگان و تنها بر اساس اطلاعات موجود در ماتریس تصمیم، وزن معیارها را محاسبه می‌کنند. با این حال، مبنای محاسبات آن‌ها کاملاً یکسان نیست و همین موضوع باعث می‌شود در بسیاری از مسائل نتایج متفاوتی به دست آید.

اگر هنوز با فرآیند کلی تصمیم‌گیری چندمعیاره آشنا نیستید، پیشنهاد می‌کنیم ابتدا مقاله تصمیم گیری چند معیاره را مطالعه کنید. همچنین برای آشنایی با جایگاه این دو روش در فرآیند MCDM، مطالعه صفحه وزن دهی معیارها نیز توصیه می‌شود.

در این مقاله، Entropy یا CRITIC را از نظر مبانی نظری، نحوه محاسبه، مزایا، معایب، دقت، حساسیت به داده‌ها، کاربردها و شرایط استفاده مقایسه می‌کنیم تا بتوانید مناسب‌ترین روش را برای پایان‌نامه، مقاله یا پروژه پژوهشی خود انتخاب کنید.

---

Entropy و CRITIC چه هستند؟

روش‌های Entropy و CRITIC هر دو در گروه روش‌های عینی وزن دهی معیارها قرار می‌گیرند. برخلاف روش‌های ذهنی مانند AHP، BWM، SWARA و FUCOM، در این دو روش نظر خبرگان در تعیین وزن معیارها دخالت ندارد و وزن‌ها تنها از روی داده‌های موجود محاسبه می‌شوند.

روش Entropy بر پایه نظریه آنتروپی شانون توسعه یافته است. در این روش، هرچه پراکندگی داده‌های یک معیار بیشتر باشد، اطلاعات بیشتری در اختیار تصمیم‌گیرنده قرار می‌دهد و در نتیجه وزن بیشتری دریافت می‌کند. برای آشنایی کامل با این روش می‌توانید مقاله آموزش جامع روش Entropy را مطالعه کنید.

در مقابل، CRITIC علاوه بر میزان پراکندگی داده‌ها، همبستگی بین معیارها را نیز در نظر می‌گیرد. به همین دلیل، اگر دو معیار اطلاعات مشابهی داشته باشند، CRITIC از اختصاص وزن زیاد به هر دو معیار جلوگیری می‌کند. جزئیات کامل این الگوریتم در مقاله آموزش جامع روش CRITIC توضیح داده شده است.

به همین دلیل، انتخاب بین Entropy یا CRITIC تنها به نوع داده‌ها محدود نمی‌شود و میزان وابستگی یا استقلال معیارها نیز در این تصمیم نقش مهمی دارد.

---

تفاوت اصلی Entropy و CRITIC چیست؟

مهم‌ترین تفاوت Entropy یا CRITIC در نحوه ارزیابی اطلاعات موجود در داده‌ها است. روش Entropy تنها میزان پراکندگی مقادیر هر معیار را بررسی می‌کند و هرچه تنوع داده‌ها بیشتر باشد، وزن بیشتری به آن معیار اختصاص می‌دهد.

در مقابل، CRITIC علاوه بر پراکندگی، میزان همبستگی بین معیارها را نیز محاسبه می‌کند. اگر دو معیار اطلاعات تقریباً یکسانی داشته باشند، این روش وزن آن‌ها را تعدیل می‌کند تا از تکرار اطلاعات جلوگیری شود.

به همین دلیل، در مسائلی که معیارها با یکدیگر همبستگی زیادی دارند، CRITIC معمولاً وزن‌های واقع‌بینانه‌تری نسبت به Entropy تولید می‌کند. اما اگر معیارها مستقل از یکدیگر باشند، نتایج این دو روش می‌تواند بسیار نزدیک باشد.

در عمل، بسیاری از پژوهشگران هر دو روش را اجرا کرده و سپس وزن‌های به‌دست‌آمده را با یکدیگر مقایسه می‌کنند تا از پایداری نتایج اطمینان حاصل شود.

---

جدول مقایسه Entropy و CRITIC

ویژگی	Entropy	CRITIC
نوع روش	عینی	عینی
نیاز به نظر خبرگان	ندارد	ندارد
مبنای وزن‌دهی	پراکندگی داده‌ها	پراکندگی + همبستگی
بررسی همبستگی معیارها	✘	✔
پیچیدگی محاسبات	کم	متوسط
مناسب برای داده‌های مستقل	بسیار مناسب	مناسب
مناسب برای معیارهای همبسته	متوسط	بسیار مناسب
نسخه فازی	دارد	دارد
کاربرد در مقالات ISI	بسیار زیاد	بسیار زیاد

---

شباهت‌های Entropy و CRITIC

با وجود تفاوت‌های محاسباتی، Entropy یا CRITIC شباهت‌های زیادی با یکدیگر دارند. هر دو در گروه روش‌های وزن‌دهی عینی قرار می‌گیرند؛ یعنی برای تعیین وزن معیارها به نظر خبرگان یا مقایسات زوجی نیاز ندارند. در این روش‌ها، وزن معیارها تنها بر اساس اطلاعات موجود در ماتریس تصمیم محاسبه می‌شود و به همین دلیل نتایج از قضاوت‌های شخصی تأثیر نمی‌پذیرد.

هر دو روش معمولاً قبل از اجرای تکنیک‌های رتبه‌بندی گزینه‌ها مورد استفاده قرار می‌گیرند. پس از محاسبه وزن معیارها، این وزن‌ها را می‌توان در روش‌هایی مانند TOPSIS، VIKOR، MABAC، MARCOS یا EDAS به کار برد تا بهترین گزینه انتخاب شود.

شباهت دیگر این دو روش، کاربرد گسترده آن‌ها در مقالات علمی و پایان‌نامه‌ها است. هر دو تکنیک در حوزه‌هایی مانند مدیریت، مهندسی صنایع، محیط زیست، حمل‌ونقل، انرژی، سلامت و ارزیابی عملکرد سازمان‌ها استفاده می‌شوند و در بسیاری از پژوهش‌ها به‌عنوان روش استاندارد وزن‌دهی شناخته می‌شوند.

همچنین هر دو روش دارای نسخه‌های توسعه‌یافته و فازی هستند. در شرایطی که داده‌ها دارای عدم قطعیت یا ابهام باشند، می‌توان از نسخه‌های فازی این الگوریتم‌ها استفاده کرد تا نتایج واقع‌بینانه‌تری به دست آید.

---

چه زمانی Entropy انتخاب بهتری است؟

اگر هدف شما محاسبه وزن معیارها بر اساس میزان پراکندگی داده‌ها باشد و بین معیارها وابستگی یا همبستگی قابل توجهی وجود نداشته باشد، Entropy انتخاب بسیار مناسبی است. این روش ساده، سریع و از نظر محاسباتی سبک است و در بسیاری از پروژه‌های دانشگاهی بدون نیاز به اطلاعات اضافی قابل اجرا است.

در پژوهش‌هایی که داده‌ها از اندازه‌گیری‌های واقعی به دست آمده‌اند و تنوع مقادیر معیارها اهمیت زیادی دارد، Entropy معمولاً نتایج قابل قبولی ارائه می‌دهد. به همین دلیل، این روش در مطالعات مهندسی، ارزیابی عملکرد، تحلیل انرژی و مدیریت کیفیت کاربرد فراوانی دارد.

یکی دیگر از مزایای Entropy، سادگی پیاده‌سازی آن در نرم‌افزارهایی مانند Excel، MATLAB، Python و R است. به همین دلیل بسیاری از دانشجویان برای نخستین تجربه وزن‌دهی معیارها، این روش را انتخاب می‌کنند. برای یادگیری کامل مراحل محاسبات نیز می‌توانید مقاله آموزش جامع روش Entropy را مطالعه کنید.

اگر معیارهای مسئله مستقل از یکدیگر باشند و هدف صرفاً استخراج وزن‌ها از روی داده‌های موجود باشد، معمولاً Entropy پاسخگوی نیاز پژوهش خواهد بود و نیازی به استفاده از روش‌های پیچیده‌تر نیست.

---

چه زمانی CRITIC انتخاب بهتری است؟

اگر بین معیارهای تصمیم همبستگی وجود داشته باشد، معمولاً CRITIC انتخاب مناسب‌تری نسبت به Entropy است. این روش علاوه بر بررسی میزان پراکندگی داده‌ها، رابطه بین معیارها را نیز تحلیل می‌کند و اجازه نمی‌دهد معیارهایی که اطلاعات مشابهی دارند، وزن بیش از حد دریافت کنند.

به همین دلیل، CRITIC در مسائل واقعی که بسیاری از معیارها بر یکدیگر تأثیر می‌گذارند، نتایج دقیق‌تر و منطقی‌تری ارائه می‌دهد. برای مثال در ارزیابی شرکت‌ها، پروژه‌های سرمایه‌گذاری یا مسائل زیست‌محیطی، معمولاً تعدادی از معیارها با یکدیگر همبستگی دارند و استفاده از Entropy ممکن است این موضوع را نادیده بگیرد.

اگر کیفیت داده‌ها بالا باشد و هدف شما استخراج وزن‌هایی باشد که علاوه بر پراکندگی، میزان اطلاعات مستقل هر معیار را نیز منعکس کنند، CRITIC گزینه بسیار مناسبی خواهد بود. به همین دلیل در سال‌های اخیر استفاده از این روش در مقالات علمی رشد قابل توجهی داشته است.

برای آشنایی کامل با مراحل محاسبات، مثال‌های عملی و نحوه اجرای این تکنیک، پیشنهاد می‌شود مقاله آموزش جامع روش CRITIC را نیز مطالعه کنید.

مقایسه Entropy و CRITIC در یک مثال عملی

فرض کنید یک سازمان قصد دارد بهترین تأمین‌کننده را از میان چند شرکت انتخاب کند. معیارهایی مانند قیمت، کیفیت، زمان تحویل، خدمات پس از فروش و میزان رضایت مشتریان برای ارزیابی در نظر گرفته شده‌اند. پیش از آنکه از روش‌هایی مانند TOPSIS یا VIKOR برای رتبه‌بندی گزینه‌ها استفاده شود، لازم است وزن هر یک از این معیارها مشخص گردد. در این مرحله بسیاری از پژوهشگران بین Entropy یا CRITIC دچار تردید می‌شوند.

اگر داده‌های مربوط به معیارها مستقل از یکدیگر باشند و تنها میزان پراکندگی آن‌ها اهمیت داشته باشد، روش Entropy معمولاً وزن‌های مناسبی تولید می‌کند. به عنوان مثال اگر کیفیت و زمان تحویل ارتباط مستقیمی با یکدیگر نداشته باشند، Entropy می‌تواند اهمیت هر معیار را بر اساس اطلاعات موجود در داده‌ها تعیین کند.

اما فرض کنید معیار «کیفیت» و «رضایت مشتری» همبستگی بسیار زیادی با یکدیگر داشته باشند. در این شرایط اگر از Entropy استفاده شود، ممکن است هر دو معیار وزن بالایی دریافت کنند؛ در حالی که بخش زیادی از اطلاعات آن‌ها مشترک است. روش CRITIC این وابستگی را تشخیص داده و وزن‌ها را به گونه‌ای تعدیل می‌کند که از تکرار اطلاعات جلوگیری شود.

به همین دلیل در مسائلی که احتمال همبستگی میان معیارها وجود دارد، اجرای هر دو روش و مقایسه نتایج می‌تواند تصمیم‌گیری را مطمئن‌تر کند. بسیاری از پژوهشگران نیز ابتدا وزن‌ها را با Entropy و CRITIC محاسبه کرده و سپس آن‌ها را در روش‌های رتبه‌بندی مانند MARCOS، MABAC یا EDAS به کار می‌برند تا پایداری نتایج را بررسی کنند.

---

اشتباهات رایج در انتخاب بین Entropy و CRITIC

یکی از رایج‌ترین اشتباهات این است که پژوهشگران بدون بررسی ساختار داده‌ها، صرفاً به دلیل استفاده یک مقاله دیگر از Entropy یا CRITIC، همان روش را انتخاب می‌کنند. در حالی که انتخاب روش وزن‌دهی باید بر اساس ویژگی‌های مسئله و نوع داده‌ها انجام شود، نه صرفاً بر اساس سابقه استفاده در پژوهش‌های دیگر.

اشتباه دوم، نادیده گرفتن همبستگی بین معیارها است. اگر معیارهای تصمیم ارتباط زیادی با یکدیگر داشته باشند، استفاده از Entropy ممکن است وزن‌های غیرواقعی ایجاد کند. در چنین شرایطی معمولاً CRITIC عملکرد دقیق‌تری خواهد داشت، زیرا وابستگی بین معیارها را نیز در محاسبات لحاظ می‌کند.

برخی کاربران نیز تصور می‌کنند روش‌های عینی همیشه از روش‌های ذهنی بهتر هستند. این تصور درست نیست. اگر داده‌های قابل اعتماد در اختیار نداشته باشید یا لازم باشد تجربه و دانش خبرگان در تصمیم‌گیری دخالت داده شود، استفاده از روش‌هایی مانند AHP، BWM، SWARA یا FUCOM می‌تواند انتخاب مناسب‌تری باشد.

اشتباه دیگر، استفاده از وزن‌های به‌دست‌آمده بدون اعتبارسنجی است. در پروژه‌های مهم پیشنهاد می‌شود وزن‌های حاصل از چند روش مختلف با یکدیگر مقایسه شوند. اگر اختلاف زیادی بین نتایج وجود داشته باشد، لازم است داده‌ها، معیارها و نحوه نرمال‌سازی دوباره بررسی شوند.

---

Entropy یا CRITIC؛ کدام روش بهتر است؟

پاسخ این سؤال به نوع مسئله بستگی دارد. اگر معیارهای تصمیم مستقل از یکدیگر باشند و تنها بخواهید بر اساس اطلاعات موجود در داده‌ها وزن معیارها را تعیین کنید، Entropy انتخابی ساده، سریع و قابل اعتماد است. به همین دلیل این روش در بسیاری از پایان‌نامه‌ها و پروژه‌های دانشگاهی استفاده می‌شود.

در مقابل، اگر معیارها با یکدیگر همبستگی داشته باشند یا بخواهید میزان اطلاعات مستقل هر معیار نیز در وزن‌دهی لحاظ شود، CRITIC گزینه مناسب‌تری خواهد بود. این روش با بررسی همزمان پراکندگی داده‌ها و ارتباط بین معیارها، وزن‌هایی واقع‌بینانه‌تر تولید می‌کند.

اگر هنوز درباره انتخاب بین Entropy یا CRITIC مطمئن نیستید، پیشنهاد می‌شود مقاله راهنمای انتخاب بهترین روش تصمیم گیری چند معیاره (MCDM) را مطالعه کنید. در آن مقاله، مناسب‌ترین روش وزن‌دهی و رتبه‌بندی برای شرایط مختلف پژوهشی معرفی شده است.

در نهایت، باید توجه داشت که هیچ‌یک از این دو روش به‌صورت مطلق برتر نیستند. انتخاب صحیح زمانی امکان‌پذیر است که ساختار داده‌ها، میزان وابستگی معیارها، هدف پژوهش و روش رتبه‌بندی نهایی به‌طور همزمان در نظر گرفته شوند. Entropy و CRITIC هر دو ابزارهای قدرتمندی هستند که در صورت استفاده صحیح، می‌توانند کیفیت تصمیم‌گیری را به میزان قابل توجهی افزایش دهند.

برای آشنایی بیشتر با Entropy یا CRITIC این مقالات را مطالعه کنید

اگر قصد دارید بهترین روش وزن دهی معیارها را برای پایان‌نامه یا پروژه خود انتخاب کنید، پیشنهاد می‌شود ابتدا با مبانی تصمیم گیری چند معیاره آشنا شوید. سپس با مطالعه صفحه وزن دهی معیارها، تفاوت روش‌های ذهنی و عینی را بهتر درک کنید. پس از تعیین وزن معیارها نیز می‌توانید با استفاده از روش‌های رتبه بندی گزینه ها، بهترین گزینه را انتخاب نمایید.

روش‌های Entropy و CRITIC هر دو از معروف‌ترین روش‌های وزن‌دهی عینی (Objective Weighting) در تصمیم‌گیری چندمعیاره هستند، اما معیار متفاوتی برای تعیین اهمیت شاخص‌ها دارند. روش Entropy وزن هر معیار را بر اساس میزان پراکندگی و محتوای اطلاعات آن محاسبه می‌کند؛ به این معنا که هرچه داده‌های یک معیار تنوع بیشتری داشته باشند، آن معیار اطلاعات بیشتری ارائه داده و وزن بالاتری دریافت می‌کند.

در مقابل، روش CRITIC علاوه بر میزان پراکندگی، همبستگی بین معیارها را نیز در نظر می‌گیرد؛ بنابراین معیارهایی که هم تغییرات بیشتری دارند و هم اطلاعات تکراری کمتری نسبت به سایر معیارها ارائه می‌کنند، وزن بیشتری خواهند داشت.

برای آشنایی کامل با دو روش مورد بررسی این مقاله، پیشنهاد می‌شود آموزش‌های روش Entropy و روش CRITIC را مطالعه کنید. اگر قصد استفاده از روش‌های ذهنی را دارید، مقالات AHP، BWM، SWARA و FUCOM نیز می‌توانند به شما در انتخاب مناسب‌ترین روش وزن‌دهی کمک کنند.

---

سوالات متداول درباره Entropy یا CRITIC