Une architecture MCDM floue fermatéenne avancée pour une évaluation quantitative globale de la compétence en condition physique dans les établissements universitaires

Pourquoi il faut un contrôle plus intelligent de la forme des étudiants

Les corps et les esprits des étudiants universitaires sont soumis à la pression des longues heures d’étude, du temps passé devant les écrans et souvent d’un sommeil et d’une alimentation insuffisants. Les universités tentent de suivre la forme physique par des tests de vitesse de course, de force ou de souplesse, mais transformer des avis dispersés et incertains émanant d’entraîneurs et du personnel de santé en notes justes et fiables est difficile. Cet article présente une nouvelle méthode pour convertir ces jugements flous en classements clairs et explicables de la condition physique des étudiants, aidant les établissements à décider où concentrer la formation, le conseil et les ressources.

Beaucoup d’aspects de la forme, beaucoup de points de vue

La forme physique à l’université ne se réduit pas à la vitesse de course d’un étudiant. Elle englobe l’endurance cardio‑respiratoire, la force musculaire, la souplesse, la répartition entre masse grasse et masse musculaire, la rapidité et l’équilibre, le bien‑être mental, ainsi que les habitudes quotidiennes comme le sommeil, l’alimentation et l’activité. Différents experts peuvent valoriser ces éléments de manière différente : un entraîneur sportif privilégiera peut‑être la vitesse, un conseiller insistera sur la gestion du stress, et un professeur de santé se concentrera sur la composition corporelle. Leurs jugements entrent souvent en conflit, et même un expert seul peut se sentir incertain. Les systèmes de notation traditionnels et les statistiques simples peinent à saisir ce mélange de chiffres précis et d’hésitation humaine.

Des opinions vagues à des choix structurés

Les auteurs s’appuient sur une famille de méthodes connues sous le nom de prise de décision multicritère, conçues pour pondérer plusieurs facteurs simultanément. Un ingrédient clé de leur approche est une forme moderne de raisonnement « flou » qui permet aux experts d’exprimer non seulement dans quelle mesure ils soutiennent ou s’opposent à une affirmation, mais aussi à quel point ils sont incertains. La version choisie, dite ensemble flou fermatéen, offre une marge supplémentaire pour traduire le doute et les sentiments ambivalents, ce qui est particulièrement important pour des domaines « mous » comme le bien‑être mental ou le style de vie. Plutôt que de forcer les experts à fournir des nombres nets et sûrs, la méthode leur permet d’admettre qu’ils sont à la fois d’accord et en désaccord à un certain degré, ou qu’ils ignorent simplement la réponse.

Utiliser des cartes pour capter les priorités des experts

Pour transformer les vues des experts en pondérations pour chaque facteur de forme, l’étude utilise l’approche de la « pile de cartes ». Plutôt que de demander aux personnes de remplir des tableaux d’évaluation complexes, elle leur permet d’ordonner des cartes abstraites du plus au moins important et de placer des « blancs » entre elles. Un écart plus grand signifie un saut d’importance plus marqué. Des vérifications simples assurent que l’espacement est cohérent. Les positions des cartes sont ensuite converties en valeurs numériques de manière transparente et pas à pas. Parce que le processus ressemble davantage à un classement de préférences qu’à un exercice mathématique, il réduit l’effort mental et facilite l’explication par les experts de pourquoi, par exemple, l’endurance peut compter plus que la souplesse dans un contexte campus donné.

Tester le cadre avec un scénario réaliste

Pour montrer le fonctionnement de la méthode, les auteurs construisent une étude de cas hypothétique avec huit critères de forme et cinq groupes d’étudiants, allant d’étudiants très actifs suivant des programmes personnalisés à des étudiants essentiellement sédentaires. Chaque groupe est décrit par des jugements flous sur chaque critère, incluant des degrés de soutien, d’opposition et d’hésitation. Le processus de la pile de cartes produit des poids pour chaque aspect de la forme, et le moteur flou fermatéen combine ensuite toutes ces informations en un score global pour chaque groupe. Le classement obtenu distingue clairement les groupes : un groupe équilibré avec un exercice régulier et un fort bien‑être mental émerge comme le meilleur, tandis que des groupes aux schémas de forme irréguliers ou hétérogènes restent en retrait. Des analyses de sensibilité — de petites variations des pondérations — montrent que les premiers choix restent stables, ce qui suggère que la méthode est robuste et peu fragile face à de légers changements d’opinion des experts.

Pourquoi cela compte pour les campus

Pour un non‑spécialiste, le message clé est que ce cadre offre aux universités une manière plus équitable et plus attentive à l’humain de transformer des avis d’experts complexes et incertains en classements et priorités clairs en matière de forme physique. En combinant des préférences intuitives basées sur des cartes avec une façon flexible d’exprimer le doute, le modèle réduit les biais cachés, gère mieux les opinions conflictuelles et fournit néanmoins des réponses simples sur les groupes d’étudiants ou les dimensions de la forme qui nécessitent le plus d’attention. Cela peut guider des programmes d’exercice plus ciblés, des initiatives de santé mentale et la planification des ressources, aidant les campus à promouvoir le bien‑être étudiant de manière respectueuse à la fois des données et du jugement humain.

Citation: 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

Mots-clés: forme physique universitaire, prise de décision floue, évaluation multicritère, évaluation de la santé des étudiants, politique éducative