Academic conferences are popular platforms for academicians to share their research with colleagues, get feedback, and stay up to date on recent academic studies. Conferences also provide opportunities for the participants to express themselves, expand their network, and become socialized. However, academicians are forced to choose a limited number of conferences to participate due to several different factors such as time required for preparing a research, traveling and lodging expenses, and conference fees. At this multi-criteria decision problem, relevant factors can be used to evaluate the alternatives (i.e., academic conferences to participate) and prioritization of these factors would be necessary in advance. To address this issue, this study suggests an improved fuzzy cognitive mapping (FCM) approach to analyze factors affecting the choice of academic conferences to participate. The classical FCM allows to observe the dynamic behavior of complex systems during time. While the approach is widely used in different areas, it has considerable drawbacks: (i) producing same steady state values under different initial conditions and (ii) yielding completely different steady state values when different threshold functions are used. The new approach provides a mathematical formulation that produces steady state values sensitive to initial conditions. Since the selection of the threshold function in classical FCM is a highly subjective choice, the proposed approach offers an alternative way to obtain comparable values.

中文翻译：

---

会议选择问题的模糊认知映射方法

学术会议是院士与同事分享他们的研究、获得反馈并及时了解最新学术研究的流行平台。会议还为参与者提供了表达自己、扩大网络和社交的机会。然而，由于准备研究所需的时间、交通和住宿费用以及会议费用等几个不同的因素，院士们被迫选择数量有限的会议参加。在这个多标准决策问题中，可以使用相关因素来评估备选方案（即参加的学术会议），并且需要提前对这些因素进行优先排序。为了解决这个问题，这项研究提出了一种改进的模糊认知映射 (FCM) 方法来分析影响选择参加学术会议的因素。经典的 FCM 允许观察复杂系统在一段时间内的动态行为。虽然该方法在不同领域广泛使用，但它有相当大的缺点：（i）在不同的初始条件下产生相同的稳态值，以及（ii）在使用不同的阈值函数时产生完全不同的稳态值。新方法提供了一种数学公式，可以产生对初始条件敏感的稳态值。由于经典 FCM 中阈值函数的选择是一个高度主观的选择，因此所提出的方法提供了一种获得可比较值的替代方法。经典的 FCM 允许观察复杂系统在一段时间内的动态行为。虽然该方法在不同领域广泛使用，但它有相当大的缺点：（i）在不同的初始条件下产生相同的稳态值，以及（ii）在使用不同的阈值函数时产生完全不同的稳态值。新方法提供了一种数学公式，可以产生对初始条件敏感的稳态值。由于经典 FCM 中阈值函数的选择是一个高度主观的选择，因此所提出的方法提供了一种获得可比较值的替代方法。经典的 FCM 允许观察复杂系统在一段时间内的动态行为。虽然该方法在不同领域广泛使用，但它有相当大的缺点：（i）在不同的初始条件下产生相同的稳态值，以及（ii）在使用不同的阈值函数时产生完全不同的稳态值。新方法提供了一种数学公式，可以产生对初始条件敏感的稳态值。由于经典 FCM 中阈值函数的选择是一个高度主观的选择，因此所提出的方法提供了一种获得可比较值的替代方法。(i) 在不同的初始条件下产生相同的稳态值和 (ii) 当使用不同的阈值函数时产生完全不同的稳态值。新方法提供了一种数学公式，可以产生对初始条件敏感的稳态值。由于经典 FCM 中阈值函数的选择是一个高度主观的选择，因此所提出的方法提供了一种获得可比较值的替代方法。(i) 在不同的初始条件下产生相同的稳态值和 (ii) 当使用不同的阈值函数时产生完全不同的稳态值。新方法提供了一种数学公式，可以产生对初始条件敏感的稳态值。由于经典 FCM 中阈值函数的选择是一个高度主观的选择，因此所提出的方法提供了一种获得可比较值的替代方法。