피드백 기반 그룹 불완전 쌍대 비교 집계 방법

초록

본 논문은 소규모 전문가 집단의 불완전한 쌍대 비교 데이터를 효과적으로 통합하기 위한 새로운 방법론을 제시한다. 기존 AHP·ANP와 달리, 전문가마다 다른 세분화 수준의 척도를 사용할 수 있게 하고, 컴비네토리얼 방식으로 비교 행렬을 분해·재구성한다. 또한 피드백 루프와 이중 엔트로피 상호평가 지표를 도입해 의견 일치를 촉진한다. 전략적 계획 수립 등 약형 구조 문제에 적용 가능하도록 설계되었다.

상세 분석

이 연구는 그룹 의사결정에서 흔히 발생하는 ‘불완전한 쌍대 비교 행렬’ 문제를 근본적으로 해결하려는 시도로, 기존 AHP·ANP가 전제하는 완전 행렬 가정에 대한 중요한 비판을 제시한다. 저자는 먼저 문제를 계층적 구조로 분해하고, 각 계층마다 별도의 쌍대 비교 행렬을 구성한다. 여기서 핵심은 ‘컴비네토리얼 접근법’이다. 전체 행렬을 가능한 모든 부분 행렬(즉, 완전한 서브셋)으로 분해하고, 각 서브셋에 대해 독립적인 가중치를 계산한 뒤, 이를 통계적 가중 평균으로 재조합한다. 이 과정은 불완전한 데이터가 존재해도 전체 우선순위 추정이 가능한 근거를 제공한다.

또한, 저자는 전문가 개별의 역량을 네 단계(주제 영역, 구체적 문제, 개별 행렬, 개별 비교)로 세분화하고, 각 단계마다 다른 ‘세부 척도’를 허용한다. 즉, 한 전문가는 전체적인 문제에 대해 9점 척도를, 특정 비교에 대해서는 5점 척도를 사용할 수 있다. 이는 전문가의 전문성 차이를 정량적으로 반영하면서도, 과도한 강제성을 피한다는 장점이 있다.

피드백 메커니즘은 ‘이중 엔트로피 상호평가 지표’를 중심으로 설계된다. 첫 번째 엔트로피는 각 전문가의 응답 분포의 불확실성을 측정하고, 두 번째 엔트로피는 전문가 간 응답 차이(상호 엔트로피)를 측정한다. 두 엔트로피를 결합한 지표가 일정 임계값 이하일 때, 전문가 집단이 충분히 합의에 도달했다고 판단한다. 합의가 부족하면, 시스템은 불일치가 큰 비교 항목을 식별하고, 해당 항목에 대해 전문가에게 재평가를 요청한다. 이러한 반복 피드백은 최종 우선순위가 안정화될 때까지 진행된다.

방법론의 강점은 첫째, 불완전 데이터에 대한 견고한 처리 능력이다. 컴비네토리얼 분해는 누락된 비교를 보완하기 위해 가능한 모든 완전 서브셋을 활용하므로, 데이터 손실에 대한 민감도가 낮다. 둘째, 전문가 역량을 다층적으로 반영함으로써, ‘전문가의 과잉·과소 평가’를 최소화한다. 셋째, 이중 엔트로피 기반 합의 측정은 단순한 평균 차이보다 더 정교하게 의견 일치를 평가한다.

하지만 몇 가지 한계도 존재한다. 컴비네토리얼 분해는 이론적으로는 모든 서브셋을 고려하지만, 실제 구현에서는 조합 폭이 급격히 증가해 계산 복잡도가 크게 늘어난다. 따라서 대규모 집단이나 고차원 문제에선 효율적인 근사 알고리즘이 필요하다. 또한, 척도 선택이 전문가에게 자유롭지만, 지나치게 다양한 척도가 도입되면 결과 해석이 복잡해질 위험이 있다. 마지막으로, 이중 엔트로피 임계값 설정이 주관적일 수 있어, 실제 적용 시 사전 실험이나 도메인 전문가의 조정이 요구된다.

전반적으로 이 논문은 전략적 기획 등 약형 구조 문제에서 전문가 집단의 의견을 체계적으로 통합하고, 합의를 촉진하는 실용적인 프레임워크를 제공한다는 점에서 학술적·실무적 의의가 크다.