Un enfoque de distancia difusa pitagórica impulsado por coeficientes de tendencia para problemas de selección en educación superior y gestión de residuos médicos

Hacer claras las decisiones difíciles

Las admisiones universitarias y la eliminación de residuos hospitalarios pueden parecer asuntos no relacionados, pero ambos implican mucho en juego e información imprecisa. Las universidades deben ordenar a miles de solicitantes con base en calificaciones de examen imperfectas, mientras que los hospitales deben elegir formas seguras de manejar residuos médicos peligrosos en condiciones inciertas. Este estudio presenta una herramienta matemática diseñada para que esas decisiones complejas sean más transparentes, coherentes y justas para quienes dependen de sus resultados.

Por qué los números ordinarios no bastan

Los exámenes de ingreso y las opiniones de expertos parecen precisos en el papel, pero en la práctica contienen mucha imprecisión. Las calificaciones pueden verse afectadas por fallos técnicos, planes de estudio desalineados o criterios de evaluación poco claros. En la prueba de ingreso universitario de Nigeria, por ejemplo, solicitantes y familias cuestionan a menudo los resultados, y los responsables afrontan retroalimentación incompleta. De forma similar, decidir cómo tratar los residuos médicos implica muchas preocupaciones contrapuestas, desde el coste y la capacidad hasta los riesgos de salud y el impacto ambiental. Los métodos tradicionales “precisos” tratan cada dato como cierto, lo que puede ocultar vacilaciones y llevar a decisiones que resultan arbitrarias o inestables.

Una forma más rica de describir juicios inciertos

Para afrontar la vaguedad, los investigadores han desarrollado modelos “difusos” que permiten que algo pertenezca en parte y en parte no a una categoría. Trabajos posteriores introdujeron la idea de que las personas también pueden estar inseguras, añadiendo un grado aparte de hesitación. Los conjuntos difusos pitagóricos dan un paso más al ofrecer mayor libertad para representar cuánto apoya algo una elección, cuánto se opone y cuánto permanece simplemente desconocido. Estas tres piezas juntas reflejan mejor el juicio humano real, ya se trate de la idoneidad de un estudiante para una carrera o de la seguridad de un método de tratamiento de residuos.

Medir la cercanía con coeficientes de tendencia

Una vez que la información se almacena en esta forma más rica, los decisores siguen necesitando una manera de comparar opciones: qué estudiante está más cerca del postulante ideal, o qué sistema de residuos se aproxima más al equilibrio ideal entre seguridad, coste y practicidad. El núcleo de este artículo es una nueva forma de medir la “distancia” entre opciones dentro del marco difuso pitagórico. La innovación clave es el uso de coeficientes de tendencia, números que capturan cuánto peso deben tener las partes favorables, opuestas y de hesitación de la información. En lugar de asumir esos pesos, el método los deriva de los propios datos. Esto reduce el sesgo y mejora la capacidad del método para distinguir alternativas que a primera vista parecen similares.

Probar el método con estudiantes y sistemas de residuos

Los autores aplican su medida de distancia a dos problemas prácticos. Primero, reanalizan los resultados de examen de diez solicitantes que aspiran a ingresar a un programa de medicina veterinaria. Tratando cada nota de asignatura como un valor difuso pitagórico y luego midiendo cuán cerca está cada solicitante de un perfil “perfecto”, el método identifica al candidato más adecuado con un margen numérico claro y un alto grado de confianza. Segundo, estudian cinco opciones de tratamiento de residuos médicos, como incineración, microondas y desinfección química, evaluadas según ocho criterios que incluyen riesgos para la salud, costes de operación y eficiencia del tratamiento. Expertos proporcionan valoraciones lingüísticas como “muy significativo” o “poca importancia”, que se convierten en datos difusos pitagóricos. Usando un marco de clasificación estándar conocido como TOPSIS junto con la nueva distancia, el análisis selecciona el tratamiento por microondas como la opción más apropiada entre las consideradas.

Cómo se compara y por qué importa

Para comprobar si el nuevo enfoque es realmente útil, los autores lo comparan con varias medidas de distancia difusa existentes. En ambos ejemplos, admisiones y gestión de residuos, su método produce de forma consistente valores de distancia más pequeños y más discriminantes, al tiempo que concuerda con otros métodos sobre cuáles opciones son las mejores y las peores. Esto sugiere que la nueva medida es estable y más afinada para diferencias pequeñas. Las pruebas de sensibilidad también muestran que incluir explícitamente los coeficientes de tendencia mejora la precisión sin cambiar el orden general de las opciones, lo que refuerza la confianza en los resultados.

Decisiones más claras en mundos inciertos

Para un público general, la conclusión es que este trabajo ofrece una forma más fiel de convertir juicios imprecisos y vacilantes en clasificaciones claras. Al modelar con atención no solo lo que se sabe sino también lo que es dudoso o indeciso, y permitiendo que los propios datos indiquen con qué fuerza debe contarse cada parte, el método ayuda a universidades a elegir postulantes y a hospitales a seleccionar sistemas de gestión de residuos con mayor seguridad. Aunque el estudio se centra en calificaciones de examen y residuos médicos, las mismas ideas podrían aplicarse a muchas otras áreas donde decisiones importantes deben tomarse bajo incertidumbre.

Cita: 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

Palabras clave: conjuntos difusos pitagóricos, toma de decisiones, admisiones universitarias, gestión de residuos médicos, TOPSIS