Preferansebaserte

Preferansebaserte metoder er beslutnings- og analysemetoder som bygger på de preferanser beslutningstakere eller brukere har. En preferanse kan uttrykkes som en rangering, en nyttefunksjon eller en sannsynlighet som reflekterer forventet tilfredshet. Målet er å finne alternativer som best samsvarer med hva beslutningstakerne foretrekker, heller enn å følge faste, objektive regler alene.

Teoretisk rammeverk for preferansebaserte tilnærminger er knyttet til beslutningsteori, nytte- og verdiutvikling, samt multi-kriterie beslutningsteori (MCDA). Vanlige metoder inkluderer preferanseelering for å avdekke brukeres prioriteringer, konjunktanalyse og rangering, samt kombinasjoner av disse i beslutningsmodeller. Innen kunstig intelligens og maskinlæring brukes også preferansebaserte tilnærminger som Bayesian preferenselæring, invers forsterkningslæring og preferansebasert forsterkningslæring for å tilpasse systemer etter brukernes ønsker.

Anvendelser varierer mellom områder. I recommender-systemer brukes preferansebaserte metoder for å foreslå produkter eller innhold som passer bedre til individuelle eller gruppers smak. I helserelaterte beslutningsstøttesystemer kan pasient- eller pårørendes preferanser veie ulike behandlingsalternativer. I offentlig forvaltning og ressursfordeling bidrar preferansebaserte analyser til prioriteringsprosesser og politikkutforming. I brukergrensesnittdesign og menneske-maskin-interaksjon hjelper de til å tilpasse opplevelser etter brukerpreferanser.

Utfordringer inkluderer innhenting og kompleksitet i å uttrykke preferanser, inkonsekvenser eller endringer over tid, konflikter mellom ulike interessenters synspunkter, samt personvern og rettferdighet i modelleringen.