Eine fortgeschrittene fermatean‑unscharfe DoC‑MCDM‑Architektur für eine umfassende quantitative Bewertung der körperlichen Fitnesskompetenz an Bildungseinrichtungen

Warum die Fitness von Studierenden intelligenter geprüft werden sollte

Körper und Geist von Hochschulstudierenden stehen unter Druck durch lange Lernzeiten, Bildschirmnutzung sowie häufig schlechten Schlaf und Ernährungsgewohnheiten. Universitäten versuchen, die Fitness mit Tests zu Laufgeschwindigkeit, Kraft oder Beweglichkeit zu erfassen, doch ist es schwer, verstreute und unsichere Einschätzungen von Trainer*innen und Gesundheitsfachkräften in faire, verlässliche Werte zu übersetzen. Dieser Beitrag stellt eine neue Methode vor, die solche unscharfen Urteile in klare, erklärbare Ranglisten der Fitness von Studierenden überführt und Hochschulen dabei unterstützt zu entscheiden, wo Training, Beratung und Ressourcen am dringendsten benötigt werden.

Viele Aspekte der Fitness, viele Perspektiven

Körperliche Fitness an der Hochschule ist mehr als nur die Laufgeschwindigkeit einer Person. Sie umfasst Herz‑Lungen-Ausdauer, Muskelkraft, Beweglichkeit, Körperfett‑ und Muskelbalance, Schnelligkeit und Gleichgewicht, psychisches Wohlbefinden sowie Alltagsgewohnheiten wie Schlaf, Ernährung und Bewegung. Verschiedene Expert*innen gewichten diese Aspekte unterschiedlich: Ein*e Trainer*in legt vielleicht Wert auf Schnelligkeit, eine Berater*in betont Stressbewältigung, und eine Gesundheitslehrkraft fokussiert die Körperzusammensetzung. Ihre Einschätzungen widersprechen sich oft, und selbst einzelne Expert*innen können unsicher sein. Traditionelle Bewertungssysteme und einfache Statistiken tun sich schwer, diese Mischung aus harten Messwerten und menschlicher Unsicherheit abzubilden.

Von vagen Meinungen zu strukturierten Entscheidungen

Die Autor*innen bauen auf einer Methodengruppe auf, die als mehrkriterielle Entscheidungsfindung bekannt ist und mehrere Faktoren gleichzeitig zu gewichten erlaubt. Eine Schlüsselkomponente ihres Ansatzes ist eine moderne Form des „unscharfen“ Denkens, die Expert*innen ermöglicht, nicht nur anzugeben, wie stark sie eine Aussage unterstützen oder ablehnen, sondern auch wie unsicher sie dabei sind. Die gewählte Variante, die Fermatean‑unscharfen Mengen, schafft zusätzlichen Raum für Zweifel und gemischte Gefühle — besonders wichtig bei weichen Bereichen wie psychischem Wohlbefinden oder Lebensstil. Anstatt Expert*innen zu zwingen, präzise, selbstbewusste Zahlen anzugeben, erlaubt die Methode, zuzugeben, dass man in gewissem Maße zustimmt und widerspricht und dass man Dinge schlicht nicht weiß.

Karten nutzen, um Expertenprioritäten einzufangen

Um Expertenansichten in Gewichte für jede Fitnesskomponente zu übersetzen, verwendet die Studie den „Deck of Cards“‑Ansatz. Anstatt Personen komplexe Bewertungsbögen ausfüllen zu lassen, ordnen sie abstrakte Karten von am wichtigsten bis am wenigsten wichtig und setzen „Leerfelder“ zwischen diese Karten. Ein größeres Leerfeld steht für einen größeren Sprung in der Wichtigkeit. Einfache Prüfungen stellen sicher, dass die Abstände konsistent sind. Diese Kartenpositionen werden dann schrittweise und transparent in numerische Gewichte umgewandelt. Weil der Prozess eher wie das Ordnen von Präferenzen als wie Rechnen wirkt, reduziert er kognitive Belastung und erleichtert es Expert*innen zu erklären, warum beispielsweise Ausdauer in einem bestimmten Campus‑Kontext mehr zählen kann als Beweglichkeit.

Test des Rahmens an einem realistischen Szenario

Um zu demonstrieren, wie die Methode funktioniert, erstellen die Autor*innen eine hypothetische Fallstudie mit acht Fitnesskriterien und fünf Studierendengruppen — von sehr aktiven Studierenden mit personalisierten Programmen bis zu überwiegend sitzenden Studierenden. Jede Gruppe wird durch unscharfe Einschätzungen zu jedem Kriterium beschrieben, einschließlich Graden von Unterstützung, Ablehnung und Unsicherheit. Der Deck‑of‑Cards‑Prozess erzeugt Gewichte für jeden Fitnessaspekt, und der Fermatean‑unscharfe Mechanismus kombiniert diese Informationen zu einer Gesamtbewertung für jede Gruppe. Die resultierende Rangfolge trennt die Gruppen deutlich: Eine ausgewogene Gruppe mit regelmäßigem Training und gutem psychischem Wohlbefinden steht an der Spitze, während Gruppen mit lückenhaften oder inkonsistenten Fitnessmustern zurückfallen. Sensitivitätsprüfungen — kleine Anpassungen der Gewichte — zeigen, dass die Spitzenplätze stabil bleiben, was darauf hindeutet, dass die Methode robust ist und nicht übermäßig empfindlich auf geringfügige Änderungen in Expertenmeinungen reagiert.

Warum das für Hochschulen wichtig ist

Für Nicht‑Fachleute lautet die zentrale Botschaft, dass dieses Rahmenwerk Hochschulen eine gerechtere, menschorientiertere Methode bietet, um komplexe, unsichere Expertenansichten in klare Fitnessranglisten und Prioritäten zu überführen. Durch die Kombination intuitiver kartenbasierter Präferenzen mit einer flexiblen Art, Zweifel auszudrücken, reduziert das Modell verborgene Verzerrungen, geht besser mit widersprüchlichen Meinungen um und liefert dennoch einfache Antworten darauf, welche Studierendengruppen oder Fitnessdimensionen am dringendsten Aufmerksamkeit benötigen. Das kann gezieltere Trainingsprogramme, Initiativen zur psychischen Gesundheit und Ressourcenplanung leiten und Hochschulen dabei unterstützen, das Wohlbefinden der Studierenden auf eine Weise zu fördern, die sowohl Daten als auch menschliches Urteil respektiert.

Zitation: Xie, L., Huo, Y. & Wang, X. An advanced fermatean fuzzy DoC MCDM architecture for comprehensive quantitative assessment of physical fitness competency across academic institutions. Sci Rep 16, 14510 (2026). https://doi.org/10.1038/s41598-026-43046-1

Schlüsselwörter: körperliche Fitness von Studierenden, unscharfe Entscheidungsfindung, mehrkriterielle Bewertung, Studierendengesundheitsevaluation, Bildungspolitik