Ein durch Tendenzkoeffizienten gesteuerter pythagoreischer fuzzy-Distanzansatz für Auswahlprobleme in Hochschulzulassung und medizinischem Abfallmanagement

Schwierige Entscheidungen klarer machen

Hochschulzulassungen und die Entsorgung von Krankenhausabfällen erscheinen auf den ersten Blick unverbunden, doch beides betrifft wichtige Entscheidungen und unsichere Informationen. Universitäten müssen Tausende von Bewerbern anhand unvollkommener Prüfungsergebnisse einordnen, während Krankenhäuser sichere Verfahren zur Behandlung gefährlicher medizinischer Abfälle unter unsicheren Bedingungen wählen müssen. Diese Studie stellt ein mathematisches Werkzeug vor, das dazu gedacht ist, solche komplexen Entscheidungen transparenter, konsistenter und fairer für die Betroffenen zu machen.

Warum gewöhnliche Zahlen nicht ausreichen

Eingangstests und Expertenbewertungen wirken auf dem Papier präzise, enthalten in der Praxis aber viel Unschärfe. Noten können durch technische Probleme, nicht übereinstimmende Lehrpläne oder unklare Bewertungsmaßstäbe beeinflusst werden. Bei Nigerias Universitätseignungstest beispielsweise hinterfragen Bewerber und Eltern häufig die Ergebnisse, und die Verantwortlichen kämpfen mit unvollständigem Feedback. Ähnlich bringen Entscheidungen über die Behandlung medizinischer Abfälle zahlreiche widersprüchliche Aspekte zusammen – von Kosten und Kapazität bis hin zu Gesundheitsrisiken und Umweltauswirkungen. Traditionelle „scharfe“ Methoden behandeln jede Information als sicher, wodurch Unsicherheit verdeckt wird und Entscheidungen willkürlich oder instabil erscheinen können.

Eine reichere Beschreibung unsicherer Urteile

Um mit Vagheit umzugehen, haben Forscher „fuzzy“-Modelle entwickelt, die zulassen, dass etwas teilweise zu einer Kategorie gehört und teilweise nicht. Spätere Arbeiten ergänzten die Idee, dass Menschen außerdem unsicher sein können, und führten einen eigenen Grad der Unentschlossenheit ein. Pythagoreische fuzzy-Mengen gehen einen Schritt weiter, indem sie zusätzliche Freiheit bieten, um darzustellen, wie stark etwas eine Wahl befürwortet, wie stark es dagegen spricht und wie viel schlicht unbekannt ist. Diese drei Komponenten zusammen spiegeln menschliche Urteile besser wider, sei es bei der Einschätzung der Eignung eines Studierenden für ein Studium oder bei der Bewertung der Sicherheit eines Abfallbehandlungsverfahrens.

Nähe messen mit Tendenzkoeffizienten

Sobald Informationen in dieser reicheren Form vorliegen, brauchen Entscheidungsträger immer noch eine Möglichkeit, Optionen zu vergleichen: Welcher Studierende kommt dem idealen Bewerber am nächsten, oder welches Abfallsystem erreicht das beste Gleichgewicht zwischen Sicherheit, Kosten und Praktikabilität? Der Kern dieses Papiers ist eine neue Methode, um „Distanz“ zwischen Optionen im pythagoreischen fuzzy-Rahmen zu messen. Die zentrale Neuerung ist die Verwendung von Tendenzkoeffizienten, Zahlen, die erfassen, wie stark die befürwortenden, entgegenstehenden und zögerlichen Anteile der Information gewichtet werden sollten. Anstatt diese Gewichte vorauszusetzen, leitet die Methode sie aus den Daten selbst ab. Das reduziert Verzerrungen und verbessert die Fähigkeit, Alternativen zu unterscheiden, die auf den ersten Blick ähnlich erscheinen.

Test der Methode an Studierenden und Abfallsystemen

Die Autoren wenden ihre Distanzmetrik auf zwei praxisnahe Probleme an. Zunächst analysieren sie Prüfungsergebnisse von zehn Bewerbern für ein Studium der Veterinärmedizin neu. Indem sie jede Fachnote als pythagoreischen fuzzy-Wert behandeln und dann messen, wie nah jeder Bewerber an einem „perfekten“ Profil liegt, identifiziert die Methode den am besten geeigneten Kandidaten mit einer klaren numerischen Differenz und hoher Sicherheit. Anschließend untersuchen sie fünf Optionen zur Behandlung medizinischer Abfälle, etwa Verbrennung, Mikrowellenerhitzung und chemische Desinfektion, bewertet nach acht Kriterien wie Gesundheitsrisiken, Betriebskosten und Behandlungseffizienz. Experten geben sprachliche Bewertungen wie „hoch bedeutsam“ oder „gering bedeutsam“, die in pythagoreische fuzzy-Daten umgewandelt werden. Unter Verwendung eines standardisierten Rankingschemas (TOPSIS) zusammen mit der neuen Distanzmetrik wählt die Analyse die Mikrowellenerhitzung als die geeignetste Option unter den betrachteten Verfahren aus.

Wie es sich vergleicht und warum es wichtig ist

Um zu prüfen, ob der neue Ansatz wirklich nützlich ist, vergleichen die Autoren ihn mit mehreren existierenden fuzzy-Distanzmaßen. In beiden Beispielen, Zulassung und Abfallmanagement, liefert ihre Methode konsistent kleinere und stärker unterscheidende Distanzwerte, stimmt aber weiterhin mit anderen Methoden darin überein, welche Optionen am besten bzw. am schlechtesten sind. Das deutet darauf hin, dass die neue Metrik sowohl stabil als auch feiner abgestimmt auf kleine Unterschiede ist. Sensitivitätsprüfungen zeigen außerdem, dass die explizite Einbeziehung von Tendenzkoeffizienten die Genauigkeit verbessert, ohne die Gesamtordnung der Optionen zu verändern, was das Vertrauen in die Ergebnisse stärkt.

Klarere Entscheidungen in unsicheren Welten

Für Laien lautet die Quintessenz: Diese Arbeit bietet eine treuere Methode, um unübersichtliche, zögerliche Urteile in klare Ranglisten zu überführen. Indem sie nicht nur das Bekannte, sondern auch das Zweifelnde und Unentschiedene modelliert und die Daten selbst darüber entscheiden lässt, wie stark jeder Teil zählen soll, hilft die Methode Universitäten bei der Auswahl von Bewerbern und Krankenhäusern bei der Wahl von Abfallsystemen mit größerer Zuversicht. Zwar konzentriert sich die Studie auf Prüfungsergebnisse und medizinische Abfälle, doch dieselben Ideen lassen sich auf viele andere Bereiche übertragen, in denen unter Unsicherheit wichtige Entscheidungen getroffen werden müssen.

Zitation: Ejegwa, P.A., Anum, M.T., Kausar, N. et al. A tendency coefficient–driven Pythagorean fuzzy distance approach for selection problems in higher education and medical waste management. Sci Rep 16, 14751 (2026). https://doi.org/10.1038/s41598-026-46844-9

Schlüsselwörter: Pythagoreische fuzzy-Mengen, Entscheidungsfindung, Hochschulzulassung, Entsorgung medizinischer Abfälle, TOPSIS