Nevertheless, the data used to comp

Nevertheless, the data used to complete the CPTs must be as precise as possible.
The necessary data can be measured directly, output by specialised models or specified by expert judgements. Each of these approaches has strengths and weaknesses.
For example, while measuring data directly may lead to the most objectively accurate results, collecting sufficient data is often prohibitively expensive or even impossible. In such cases, analyses can be performed to identify which objective data are
most valuable in terms of contributing to a more accurate decision. In this way costs
can be minimised. Whatever approach is taken to data collection, there will always
be a degree of subjectivity. Any integrated analysis must consider human interaction, which controls the system as much as physical features such as rainfall. For
example, it may be important to assess how farming practice will change with
improved extension services. This can be done by questioning farmers as to how
they will behave given such a change but, clearly, these responses will be subjective.
A fully functioning BN must, therefore, be used with care. The user must be aware that the BN is not making objective predictions about the future behaviour of the agricultural system. Rather, it shows the logical consequences of linking the user’s understanding about parts of the system into an integrated whole. In this way, a BN facilitates a more complete understanding of the system.
The conclusion that a BN is more suited to improving understanding (rather than
making predictions) guides the way in which a BN should be used. Bayesian networks can be developed to automatically identify mathematically optimal decisions
through the addition of decision variables and utility functions which express a users

Ergebnisse (Vietnamesisch) 1:

Tuy nhiên, dữ liệu được sử dụng để hoàn thành các CPT phải càng chính xác càng tốt. Các dữ liệu cần thiết có thể được đo trực tiếp, sản lượng của mô hình chuyên môn hoặc được chỉ định bởi chuyên gia phán đoán. Mỗi người trong số những cách tiếp cận này có điểm mạnh và điểm yếu. Ví dụ, trong khi đo dữ liệu trực tiếp có thể dẫn đến các kết quả chính xác nhất một cách khách quan, việc thu thập đủ dữ liệu là thường tốn đắt tiền hoặc thậm chí không thể. Trong trường hợp này, phân tích có thể được thực hiện để xác định các mục tiêu mà dữ liệu có giá trị nhất trong điều kiện đóng góp cho một quyết định chính xác hơn. Chi phí theo cách này có thể được giảm thiểu. Phương pháp tiếp cận bất cứ điều gì được thực hiện để thu thập dữ liệu, sẽ luôn luôn có một mức độ chủ quan. Bất kỳ phân tích tích hợp phải xem xét sự tương tác của con người, điều khiển hệ thống càng nhiều tính năng như thể chất như mưa. Cho Ví dụ, nó có thể là quan trọng để đánh giá cách thực hành nông nghiệp sẽ thay đổi với Các dịch vụ tiện ích mở rộng được cải thiện. Điều này có thể được thực hiện bằng cách đặt câu hỏi nông dân như thế nào họ sẽ hành xử cho một sự thay đổi, nhưng rõ ràng, các phản ứng sẽ được chủ quan. Một đầy đủ chức năng BN phải, do đó, được sử dụng với việc chăm sóc. Người sử dụng phải được nhận thức rằng BN không thực hiện các mục tiêu dự đoán về hành vi trong tương lai của hệ thống nông nghiệp. Thay vào đó, nó cho thấy những hậu quả logic của sự hiểu biết của người dùng về các bộ phận của hệ thống thành một tích hợp kết nối toàn bộ. Bằng cách này, BN một tạo điều kiện cho một sự hiểu biết đầy đủ hơn của hệ thống. Kết luận rằng một BN là thích hợp hơn để cải thiện sự hiểu biết (thay vì làm cho dự báo) hướng dẫn cách mà một BN nên được sử dụng. Mạng Bayes có thể được phát triển để tự động xác định các quyết định về mặt toán học tối ưu thông qua việc bổ sung các tiện ích và quyết định biến chức năng mà nhận một người sử dụng

Ergebnisse (Vietnamesisch) 2:

Tuy nhiên, các dữ liệu được sử dụng để hoàn thành CPT phải càng chính xác càng tốt.
Các dữ liệu cần thiết có thể được đo trực tiếp, đầu ra của mô hình chuyên ngành hoặc quy định của bản án của chuyên gia. Mỗi phương pháp đều có điểm mạnh và điểm yếu.
Ví dụ, trong khi dữ liệu đo trực tiếp có thể dẫn đến những kết quả khách quan nhất chính xác, thu thập đủ dữ liệu thường là tốn kém hoặc thậm chí không thể. Trong trường hợp như vậy, các phân tích có thể được thực hiện để xác định dữ liệu mục tiêu là
có giá trị nhất về mặt đóng góp cho một quyết định chính xác hơn. Bằng cách này, chi phí
có thể được giảm thiểu. Dù phương pháp được thực hiện để thu thập dữ liệu, sẽ luôn
có một mức độ chủ quan. Bất kỳ phân tích tích hợp phải xem xét sự tương tác của con người, kiểm soát hệ thống như nhiều như các tính năng vật lý như mưa. Ví
dụ, nó có thể là quan trọng để đánh giá thực hành nông nghiệp sẽ thay đổi với
dịch vụ khuyến nông được cải thiện. Điều này có thể được thực hiện bằng cách đặt câu hỏi về người nông dân như thế nào
họ sẽ hành xử cho một sự thay đổi như vậy, nhưng rõ ràng, những phản ứng này sẽ được chủ quan.
Một BN đầy đủ chức năng do đó phải được sử dụng cẩn thận. Người sử dụng phải được nhận thức rằng BN không đưa ra dự đoán khách quan về những hành vi tương lai của hệ thống nông nghiệp. Thay vào đó, nó cho thấy những hậu quả logic của việc kết nối sự hiểu biết của người dùng về các bộ phận của hệ thống vào một toàn bộ tích hợp. Bằng cách này, một BN tạo điều kiện cho một sự hiểu biết đầy đủ hơn về hệ thống.
Các kết luận rằng một BN là phù hợp hơn để cải thiện sự hiểu biết (chứ không phải là
đưa ra dự đoán) hướng dẫn cách thức mà một BN nên được sử dụng. Mạng Bayesian có thể được phát triển để tự động xác định các quyết định về mặt toán học tối ưu
thông qua việc bổ sung các biến quyết định và chức năng tiện ích mà thể hiện một người sử dụng