اغلب، بحث می‌شود که روش بوردا و سایر روش‌های تخصیص امتیاز نسبت به دستکاری نتایج با تغییر دستورکار رأی‌دهندگان حساس هستند. معرفی یک گزینة تصمیم‌گیری «نامربوط» به سیستم، می‌تواند به‌طور مؤثر ترتیب امتیاز کل گزینه‌های موجود را معکوس کند؛ اگرچه هیچ تغییری ایجاد نشود. در رتبه‌بندی رأی‌دهندگان ساخته شده است. درواقع، روش اصلی Borda، خود ممکن است قانون اکثریت را نقض کند؛ زیرا می‌تواند گزینه‌ای را که اولین انتخاب اکثریت است، شکست دهد. سیستم‌های مشتق شمارش Borda که اخیراً پیشنهاد شده است، از جمله سیستم سهمیة Borda و نمایندگی تناسبی(دومارت۱۹۷۷) Borda برای مقابله با این مشکلات توسعه یافته است. گرلین و همکاران (۱۹۸۲) استدلال کردند که بعید است بوردا برنده را تغییر دهد؛ زمانی که یک جایگزین بازنده از گزینه‌های مورد رأی حذف می‌شود. اگرچه امتیاز Borda برای مدت طولانی تحت‌الشعاع عملکرد انتخاب اجتماعی Condorcet قرار داشت، به نظر می‌رسد که بار دیگر در حال به رسمیت شناخته شدن است که می‌تواند با استفادة مکرر از آن در شرکت‌های خصوصی و سازمان‌های ورزشی (مانند المپیک، لیگ ملی فوتبال) نشان داده شود. ، یا تور دو فرانس) (برامز و فیشبرن ۱۹۹۱).
سطح ۲: پشتیبانی از تجزیه و تحلیل تصمیم
(d) مدل‌سازی گزینه‌ها در تصمیم‌گیری فضایی، معمولاً با مکان‌ها مرتبط است. یافتن مکان‌های مناسب، یعنی مکان‌هایی که به‌طور پیوسته ارضای معیارهای مکان، یکی از پایه‌های اصلی مدل‌سازی در GIS است. گزینه‌های تصمیم‌گیری مکانی، معمولاً در GIS با استفاده از روش‌های غربالگری استثنایی پیاده‌سازی می‌شوند. این رویه‌ها عبارت‌اند از:
۱٫انتخاب معیارهای مکانی، به‌عنوان مثال درآمد متوسط خانوار، تراکم شبکة جاده، در دسترس بودن قطعات خالی منطقة تجاری و غیره.
۲٫ایجاد نقشه‌های تناسب فردی برای هر معیار مکان و
۳٫ترکیب نقشه‌های تناسب از طریق هر دو یک همپوشانی پولی که در آن مکان‌هایی که هر معیار جداگانه را برآورده می‌کنند، از طریق عملگرهای فضایی/ منطقی (همپوشانی تقاطع مربوط به AND منطقی، همپوشانی اتحادیه مربوط به OR منطقی) یا ترکیب خطی وزن‌دار که در آن مقادیر معیارهای مکانی به یک مقیاس عددی مشترک استاندارد می‌شوند، ترکیب شده و سپس با میانگین وزنی ترکیب می‌شوند.
از آنجایی که برخی از معیارهای مکانی، به‌عنوان مثال امکانات رفاهی منظر، ممکن است ماهیت کیفی داشته باشند و نمایش آن‌ها به‌عنوان الزامات عددی واضح دشوار باشد، اخیراً روش‌های غربالگری مبتنی بر مجموعة فازی به‌عنوان رویکرد جایگزین پیشنهاد شده است؛ ایجاد جایگزین‌های مکان مناسب (جیانگ[۴] و ایستمن ۲۰۰۰).
مدل‌های فرایندی ویژگی پویایی پدیده‌ها را در خود ثبت می‌کنند. تلاش برای مدل‌سازی تغییر در آن پدیده در طول زمان، به‌عنوان مثال جریان آب. تغییرات در یک رودخانه تحت تأثیر آلودگی چنین مدل‌هایی با GIS مرتبط شده‌اند و به‌طور سنتی تصور می‌شود که این پیوند جوهرة پشتیبانی تصمیم‌گیری فضایی است. (ریستماو همکاران،۱۹۹۶) بینشی در مورد ساختار و پشتیبانی تصمیم‌گیری با استفاده از سیستم پشتیبانی تصمیم برای مدیریت منابع آب ارائه می‌دهند. ریتسما و همکاران (۱۹۹۶) در مورد استفادة گروه‌های کوچک از مدل شبیه‌سازی در سیستم پشتیبانی تصمیم برای مذاکرة مدیریت منابع آب با تمرکز بر انتشار آب به رودخانة کلرادو از سدها گزارش می‌دهند، اما نتایج ترکیبی را با گروه‌های سه‌نفرة آن‌ها به دلیل پیچیدگی فنی توصیف می‌کنند. مدل. با توجه به اندازة گروه، ذکر این نکته مفید است که ووگل (۱۹۹۳) چندین مطالعة تجربی در مورد استفاده از GSS را مرور کرد و به این نتیجه رسید که گروه‌های پنج‌نفره یا بیشتر شانس بهتری برای نشان دادن بهبود در فرایند گروهی دارند؛ در حالی که گروه‌های سه یا چهارنفره ممکن است تنها مزایای ناچیزی از معرفی فناوری GSS نشان دهند. علاوه بر این، هرچه فعالیت مدل‌سازی پیچیده‌تر باشد، چالش‌های بیشتری برای واداشتن شرکت‌کنندگان به درک پویایی فرایند مدل‌سازی وجود دارد. نتایج مطالعة انجام‌شده توسط ریستما و همکاران (۱۹۹۶) و مطالعة دیگری با مدل‌های انتخاب فضایی ساده‌تر(استاتیک۱۹۹۹)، نیاز به استعاره‌های جدید را نشان می‌دهد که به شرکت‌کنندگان غیرمتخصص، به‌عنوان مثال نمایندگان گروه‌های شهروندی و ذی‌نفعان غیرمتخصص، کمک می‌کنند تا فرایندهای مدل‌سازی‌شده و نتایج مدل را همان‌طور که تعیین می‌کنند، درک کنند.
یکی از نمونه‌های چنین استعاره‌ای، نقشه‌های تصمیم‌گیری است که مبادلات بین اهداف تصمیم‌گیری کلیدی را که در یک مدل فرایندی تعبیه شده است، به تصویر می‌کشد(جانکوسکی وهمکاران،۱۹۹۹، لوتوف و همکاران ۲۰۰۰). هدف نقشه‌های تصمیم‌گیری، کمک به درک روابط بین اهداف تصمیم‌گیری است که در غیر این صورت، ممکن است به‌سختی بتوان این درک را از یک مدل به دست آورد. نقشه‌های تصمیم‌گیری، پیچیدگی یک مدل را با جایگزینی شکل ریاضی اغلب پیچیدة آن با وابستگی‌های ورودی-خروجی به‌شدت ساده می‌کند. ماتریسی از وابستگی‌های ورودی-خروجی به نام «ماتریس تأثیر»، قبل از نمایش نقشة تصمیم ساخته می‌شود. این مرحله با پارامترسازی یک مدل انجام می‌شود؛ یعنی چندین بار یک مدل را در برابر مقادیر ورودی و پارامترهای مختلف مدل اجرا می‌کنیم. نمونه‌ای از نقشة تصمیم‌گیری برای مدل انتقال آلایندة آب MIKE11 در صفحة ۴ آورده شده است. MIKE11 یک مدل هیدرولوژیکی دوبُعدی است که برای شبیه‌سازی غلظت آلاینده‌ها در یک جریان استفاده می‌شود. استفاده از داده‌های تخلیة آلاینده به‌عنوان ورودی به همراه ویژگی‌های هیدرولوژیکی و کیفیت آب (انستیتو هیدرولیک دانمارکی ۲۰۰۰). در صفحة ۴، مقادیر غلظت آلایندة نفتی (Z5)، محاسبه‌شده با MIKE11، در محور عمودی، هزینه‌های تصفیة آب (F) در محور افقی و فواصل ارزشی غلظت نیترات‌ها (Z4) آورده شده است. در مقیاس رنگ واقع در زیر محور افقی. نقشة تصمیم شامل سه برش است: آبی، مربوط به غلظت نیترات برابر با ۲٫۵ واحد، آبی تیره برابر با ۲ واحد و سرخابی برابر با ۱٫۵ واحد. برش‌های دیگر (سبز، زرد و قرمز) نشان‌دهندة غلظت نیترات بالاتر از ۲٫۵ واحد هستند که به‌سختی در قسمت سمت چپ بالای نقشه قابل مشاهده‌اند – در امتداد محور عمودی بالایی.
نقشة تصمیم در صفحة ۴ به ما امکان می‌دهد تا با بررسی مرزهای (لبه‌های) برش‌ها در سمت چپ پایین نقشه، مبادلات بین نیترات‌ها، آلاینده‌های نفتی و هزینة تصفیه را تجزیه و تحلیل کنیم. با حرکت از نقطة صفر، در امتداد محور هزینه (محور افقی)، به سمت راست با یک افزایش هزینة کوچک، می‌توان برشی را از قرمز (بالاترین غلظت نیترات ۵٫۵ واحد) به آبی (برابر ۲٫۵ واحد) تغییر داد. این مربوط به کاهش نیترات در یک رودخانه به بیش از یک‌دوم با هزینة نسبتاً کمی، حدود ۲۰ میلیون دلار (نگاه کنید به محور افقی در صفحة ۴ که نشان‌دهندة F (هزینة تصفیة آب)) است.
در عین حال، کاهش غلظت آلاینده‌های نفتی از حداکثر سطح ۳٫۴۰۱ به ۱٫۵ (محل تلاقی روی نقشه)، حدود ۷۰۰ میلیون دلار هزینه دارد. با تجزیه و تحلیل بیشتر مرز در امتداد برش‌های آبی و آبی تیره، تصمیم‌گیرندگان/ شرکت‌کنندگان گروه می‌توانند به‌سرعت در مورد معاوضه‌های اصلی این موقعیت تصمیم‌گیری بیاموزند. کاهش غلظت آلایندة نفتی به نصف (از ۳٫۴ به ۱٫۷)، نسبتاً کم‌هزینه‌تر است. علاوه بر این، کاهش آلاینده‌های نفتی را می‌توان با کاهش هم‌زمان غلظت نیترات از ۵٫۵ به ۲٫۵ (از برش قرمز به آبی) انجام داد. با این حال، هرگونه بهبودی فراتر از ۱٫۷، هم از نظر نیترات‌ها و هم آلاینده‌های نفتی، بسیار پرهزینه خواهد بود.
اگر قرار است مدل‌های پیچیدة فرایندهای محیطی پویا توسط شرکت‌کنندگان غیرمتخصص تصمیم‌گیری شود، استعاره‌هایی از قبیل نقشه‌های تصمیم مورد نیاز است. در این مثال عینی، نقشة تصمیم به‌عنوان خلاصة مدل عمل کرده و نتایج بسیاری از شبیه‌سازی‌ها را در قالب یک نمودار دوبعدی محصور می‌کند که مبادلات اساسی بین دو شاخص کیفیت آب و هزینة تصفیة آب را نشان می‌دهد. ممکن است این مبادلات، مبنایی را برای انتخاب جایگزین تصفیة آب خاص و درنتیجه تصمیم‌گیری فراهم کند.
(e) مدل‌های انتخابی: مدل‌های انتخابی به مقایسة تعداد زیادی از گزینه‌ها در مقابل یکدیگر از نظر معیارها به‌منظور انتخاب بهترین گزینه‌ها کمک می‌کنند. مدل‌های تصمیم‌گیری چندمعیاره (MCDM)، یکی از محبوب‌ترین مدل‌ها هستند که حداقل ۳۰ سال است که مورد تحقیق قرار گرفته و حداقل در ۱۵ سال گذشته به‌عنوان ابزار نرم‌افزاری پیاده‌سازی شده‌اند(اوزرنوی۱۹۹۱) انواع مختلفی از مدل‌های تصمیم‌گیری چندمعیاره وجود دارد که هرکدام مزایا و معایبی دارند. اوزرنوی (۱۹۹۱) بحث مفصلی در مورد استفاده از مدل‌های MCDM برای انتخاب بهترین روش‌های MCDM ارائه می‌دهد.
ادغام مدل‌های تصمیم‌گیری چندمعیاره در GSS برای بیش از ۱۵ سال، یک حوزة تحقیقاتی فعال بوده است (جلاسی،جارک و استوهر،۱۹۸۵) ، اما تعداد کمی از آن‌ها به سیستم‌های تجاری راه پیدا کرده‌اند. نرم‌افزار Meeting- Works (Lewis 1994) یکی از نرم‌افزارهایی است که دارای مدل MCDM است. با این حال، از آنجایی که انواع زیادی از تکنیک‌های تحلیل تصمیم (مانند مدل‌ها) وجود دارد، مطالعة جامعی که شامل چه مواردی می‌شود، احتمالاً اکثر شرکت‌ها را از سرمایه‌گذاری در مسیر توسعه منع کرده است. از دیدگاه مخالف، Expert Choice Inc شرکتی است که قابلیت‌های GSS را در محصول MCDM خود گنجانده است. کارشناس تیم انتخاب تکنیک MCDM خاص به نام سلسله‌مراتب تحلیلی را پیاده‌سازی می‌کند؛ فرایند AHP در یک زمینة گروهی، اما قابلیت ارتباط گروهی توزیع‌شده را فراهم نمی‌کند (Expert Choice Inc. 1994، ۱۹۹۵). (Expert Choice Inc. 1994, 1995)
ادغام مدل‌های تصمیم‌گیری چندمعیاره با GIS، حوزة تحقیقاتی فعالی در طول دهة ۱۹۹۰ بوده است(جانسن و ریتود،۱۹۹۰،کارور،۱۹۹۱،جانکوسکی،۱۹۹۵) و اکنون در حال تبدیل شدن به فعالیت توسعه است. نرم‌افزار IDRISI GIS دارای مدل‌های MCDM یکپارچه در بسته است. با این حال، رابط انسان و کامپیوتر برای استفادة فردی طراحی شده است جانکوسکی،استمن (۱۹۹۵). مطالعة کاملی در مورد مزایا و معایب مختلف «تکنیک‌های تجمع » انجام داده و چارچوبی برای درک تفاوت‌های آن‌ها ایجاد کرده است. بر این اساس، درک سه تکنیک تجمیع به‌عنوان بخشی از GeoChoicePerspectives اجرا شد. این سه تکنیک عبارت‌اند از: جمع وزنی، ترتیب رتبه و نقطة ایده‌آل. جمع‌بندی وزنی محبوب‌ترین تکنیک است؛ زیرا به دلیل سادگی آن بسیار مورد استفاده قرار می‌گیرد. ترتیب رتبه مشابه است، اما مفروضات یکسانی در مورد «داده‌های سطح فاصله» در فرایند تجمیع ایجاد نمی‌کند؛ بنابراین تا حدودی قابل دفاع است. نقطة ایده‌آل به دلیل مفروضاتش در مورد گزینه‌های ترجیحی، از نظر منطقی مناسب‌تر است. در زیر، هر تکنیک به‌اختصار توضیح داده شده و با استفاده از معیارها و وزن‌های یکسان در معیارها، مثالی ارائه شده است؛ به‌طوری که خواننده می‌تواند درک کند که ماهیت محاسبات، ماهیت نمرات ارزیابی و درنتیجه رتبه را چگونه تغییر می‌دهد. ترتیب گزینه‌ها
تکنیک جمع وزنی بر اساس ترکیب خطی از مقادیر و وزن داده‌های معیار (ووگد ۱۹۸۳) جمع‌بندی وزنی به دلیل سادگی ریاضی آن، از محبوب‌ترین تکنیک‌های تجمیع است. هر مقدار دادة معیار در محدودة مقادیر داده برای آن معیار در پایگاه داده نرمال می‌شود. وزن‌ها نیز در محدودة ۱ تا ۱۰۰ نرمال شده‌اند. یک امتیاز معیار وزنی با ضرب هر مقدار دادة معیار نرمال‌شده در وزن معیار مربوطه محاسبه می‌شود. وزن معیار نشان‌دهندة یک اولویت/ اهمیت است که می‌توان به هر معیار نسبت داد. امتیاز ارزیابی برای یک گزینه با جمع نمرات معیار وزنی محاسبه می‌شود. مجموع محصولات محاسبه‌شده برای هر گزینه، نشان‌دهندة امتیاز ارزیابی برای آن گزینه است که همة نمرات نرمال شده‌اند؛ زیرا مقادیر داده‌های معیار و وزن‌ها همگی نرمال شده‌اند (شکل ۳٫۴ را ببینید).
تکنیک ترتیب رتبه از جمع وزنی با استفاده می‌کند یک خطی ترکیبی از اوزان و امتیازات، اما با ترتیب رتبه به‌عنوان مبنای محاسبة نمرات ارزیابی. به‌جای استفاده از ویژگی‌های مقیاس فاصله‌ای امتیازات معیار، امتیاز معیار هر جایگزین بر اساس موقعیت جایگزین در فهرست مرتب‌شدة همة امتیازها برای یک معیار در همة گزینه‌ها است.