Hierarchical fusion of expert opinion in the Transferable Belief Model, application on climate sensitivity - Archive ouverte HAL
Journal Articles International Journal of Approximate Reasoning Year : 2008

Hierarchical fusion of expert opinion in the Transferable Belief Model, application on climate sensitivity

Abstract

This paper examines the fusion of conflicting and not independent expert opinion in the Transferable Belief Model. Regarding procedures that combine opinions symmetrically, when beliefs are bayesian the non-interactive disjunction works better than the non-interactive conjunction, cautious conjunction or Dempster's combination rule.

Then a hierarchical fusion procedure based on the partition of experts into schools of thought is introduced, justified by the sociology of science concepts of epistemic communities and competing theories. Within groups, consonant beliefs are aggregated using the cautious conjunction operator, to pool together distinct streams of evidence without assuming that experts are independent. Across groups, the non-interactive disjunction is used, assuming that when several scientific theories compete, they can not be all true at the same time, but at least one will remain. This procedure balances points of view better than averaging: the number of experts holding a view is not essential.

This is illustrated with a 16 experts real-world dataset on climate sensitivity from 1995. Climate sensitivity is a key parameter to assess the severity of the global warming issue. Comparing our findings with recent results suggests that, unfortunately, the plausibility that sensitivity is small (below 1.5C) has decreased since 1995, while the plausibility that it is above 4.5C remains high.
Ce texte examine la fusion des opinions d'experts en situation de controverse scientifique, à l'aide du Modèle des Croyances Transférables.

Parmi les procédures qui combinent les experts symétriquement, nous constatons que lorsque les croyances sont bayésiennes (une modélisation classique s'appuyant sur les probabilités), l'opérateur de disjonction non-interactif donne de meilleurs résultats que les autres (conjonction prudente, la conjonction non-interactive, règle de Dempster).

Puis nous proposons une procédure de fusion hiérarchique. En premier lieu, une partition des experts en écoles de pensée est réalisée à l'aide des méthodes de sociologie des sciences. Puis les croyances sont agrégées à l'intérieur des groupes avec l'opérateur de conjonction prudente: on suppose que tous les experts sont fiables, mais pas qu'ils constituent des sources d'information indépendantes entre elles. Enfin les groupes sont combinés entre eux par l'opérateur de disjonction non-interactive: on suppose qu'au moins l'une des écoles de pensée s'imposera, sans dire laquelle. Cette procédure offre un meilleur équilibre des points de vue que la simple moyenne, en particulier elle ne pondère pas les opinions par le nombre d'experts qui y souscrivent.

La méthode est illustrée avec un jeu de données de 1995 obtenu en interrogeant 16 experts à propos de la sensibilité climatique (le paramètre clé exprimant la gravité du problème du réchauffement global). La comparaison de nos résultats avec la littérature récente montre que, hélas, la plausibilité que ce paramètre soit relativement faible (moins que 1.5C) a diminué depuis 1995, alors que la plausibilité qu'il soit au delà de 4.5C n'a pas décru.
Fichier principal
Vignette du fichier
HaDuong-2008-HierarchicalFusionOfExpertOpinionInTheTBMApplicationToClimateSensitivity.pdf (535.85 Ko) Télécharger le fichier
Origin Files produced by the author(s)
Loading...

Dates and versions

halshs-00112129 , version 1 (07-11-2006)
halshs-00112129 , version 2 (18-12-2007)
halshs-00112129 , version 3 (19-05-2008)

Identifiers

Cite

Minh Ha-Duong. Hierarchical fusion of expert opinion in the Transferable Belief Model, application on climate sensitivity. International Journal of Approximate Reasoning, 2008, 49 (3), pp.555-574. ⟨10.1016/j.ijar.2008.05.003⟩. ⟨halshs-00112129v3⟩
350 View
494 Download

Altmetric

Share

More