If every rater ranks all the s attr

If every rater ranks all the s attributes under considcration, with rank I being low and rank s high, the mean rank assigned to an attribute may be a reasonable measure of its importance.However, this first procedure has three major drawbacks:I) asking for only the top few k preferences can leave many attributes with low aggregate rank scores, resulting in crowdingat the bottom of the IPA grid; this effcct will increase with greater numbers of attributes; 2) this procedure omits the reported orders of prefercnce listed by each rater, 3) comparisonwith perfiormance mean values would be difficult in both quadrant and diagonal approaches to IPA.

結果 (繁體中文) 1:

如果每個評價者居所有S下considcration屬性，秩我是低等級的高，分配到一個屬性平均排名可能是其重要的一個合理舉措。
然而，這第一個過程有三個主要缺點：
I）要求只有前幾k的喜好可以離開低總排名分值，造成擁擠的許多屬性
在IPA網格的底部; 這effcct將與屬性的更多數量的增加;
2）該過程省略了由每個評價者列出prefercnce的報告命令，3）比較
用perfiormance平均值將是在兩個象限和對角線方法IPA困難。

結果 (繁體中文) 2:

如果每個評級者將所有屬性按屬性排列，排名 I 為低，排名為高，則分配給屬性的平均排名可能是衡量其重要性的合理指標。
但是，第一個過程有三個主要缺點：
I） 只要求前幾個 k 首選項可以留下許多屬性，聚合排名分數較低，導致擁擠
在 IPA 網格的底部;此效率將隨著屬性數量的增加而增加;
2） 此過程省略每個評價者列出的偏好訂單，3） 比較
在象限和對角線方法中，使用 perfiormance 平均值都很困難。

結果 (繁體中文) 3:

如果每個評分者都對所有的s内容進行了排序，其中I級是低的，s級是高的，那麼分配給某個内容的平均秩可能是衡量其重要性的一個合理尺度。
然而，第一種方法有三個主要缺點：
一）只要求前幾個k首選項可以留下許多内容的低聚合秩分數，從而導致擁擠
在IPA網格的底部；這個effcct將隨著更多的内容而新增；
2）本程式省略了每個評分人列出的優先順序，3）比較
對於效能來說，在象限法和對角法中，平均值都很難達到IPA。