Un approccio di distanza fuzzy pitagorico guidato da coefficienti di tendenza per problemi di selezione nell'istruzione superiore e nella gestione dei rifiuti medici

Chiarire scelte difficili

Le ammissioni universitarie e lo smaltimento dei rifiuti ospedalieri possono sembrare ambiti indipendenti, ma entrambi comportano grandi responsabilità e informazioni imperfette. Le università devono classificare migliaia di candidati sulla base di voti d’esame non ideali, mentre gli ospedali devono scegliere modalità sicure per gestire rifiuti medici pericolosi in condizioni di incertezza. Questo studio introduce uno strumento matematico progettato per rendere tali scelte complesse più trasparenti, coerenti e giuste per chi dipende dai loro esiti.

Perché i numeri ordinari non bastano

I test di ingresso e le valutazioni degli esperti appaiono precisi sulla carta, ma in pratica contengono molta sfumatura. I voti possono essere influenzati da guasti tecnici, programmi scolastici non allineati o criteri di valutazione poco chiari. Nel test d’ingresso universitario in Nigeria, per esempio, candidati e genitori mettono spesso in dubbio i risultati e le autorità si trovano a gestire feedback incompleti. Allo stesso modo, decidere come trattare i rifiuti medici implica numerose preoccupazioni conflittuali, dal costo e dalla capacità ai rischi per la salute e all’impatto ambientale. I metodi tradizionali “netti” trattano ogni informazione come certa, il che può nascondere esitazioni e condurre a scelte che risultano arbitrarie o instabili.

Un modo più ricco per descrivere giudizi incerti

Per affrontare la vaghezza, i ricercatori hanno sviluppato modelli “fuzzy” che consentono a qualcosa di appartenere in parte e non appartenere in parte a una categoria. Lavori successivi hanno introdotto l’idea che le persone possano anche essere insicure, aggiungendo un grado separato di esitazione. Gli insiemi fuzzy pitagorici fanno un ulteriore passo avanti dando maggiore libertà nel rappresentare quanto fortemente un elemento supporta una scelta, quanto fortemente vi si oppone e quanto rimane semplicemente sconosciuto. Queste tre componenti insieme riflettono meglio il giudizio umano reale, sia che riguardi l’idoneità di uno studente per un corso di laurea sia la sicurezza di un metodo di trattamento dei rifiuti.

Misurare la prossimità con coefficienti di tendenza

Una volta che l’informazione è rappresentata in questa forma più ricca, i decisori hanno comunque bisogno di un modo per confrontare le opzioni: quale studente è più vicino al candidato ideale, o quale sistema di gestione dei rifiuti è più vicino al bilancio ideale tra sicurezza, costo e praticità. Il nucleo di questo articolo è un nuovo modo di misurare la “distanza” tra opzioni nel quadro fuzzy pitagorico. L’innovazione chiave è l’uso di coefficienti di tendenza, numeri che catturano quanto peso dovrebbero avere le parti favorevoli, contrarie e di esitazione dell’informazione. Invece di assumere questi pesi, il metodo li ricava dai dati stessi. Ciò riduce i bias e migliora la capacità del metodo di distinguere alternative che a prima vista sembrano simili.

Testare il metodo su studenti e sistemi di smaltimento

Gli autori applicano la loro misura di distanza a due problemi pratici. Innanzitutto rianalizzano i risultati di esami per dieci candidati che cercano l’ammissione a un corso di medicina veterinaria. Trattando ogni voto di materia come un valore fuzzy pitagorico e misurando quanto ciascun candidato è vicino a un profilo “perfetto”, il metodo individua il candidato più adatto con un margine numerico chiaro e un alto grado di confidenza. In secondo luogo, studiano cinque opzioni di trattamento dei rifiuti medici, come incenerimento, microonde e disinfezione chimica, valutate rispetto a otto criteri tra cui rischi per la salute, costi operativi ed efficienza del trattamento. Gli esperti forniscono valutazioni linguistiche come “altamente significativo” o “di bassa importanza”, convertite in dati fuzzy pitagorici. Usando un quadro di classificazione standard noto come TOPSIS insieme alla nuova distanza, l’analisi seleziona la microonde come opzione più appropriata tra quelle considerate.

Confronti e rilevanza

Per verificare l’utilità del nuovo approccio, gli autori lo confrontano con diverse misure di distanza fuzzy esistenti. Sia negli esempi di ammissione sia in quelli di gestione dei rifiuti, il loro metodo produce costantemente valori di distanza più piccoli e più discriminanti, pur concordando con altri metodi sulle opzioni migliori e peggiori. Questo suggerisce che la nuova misura è sia stabile sia più sensibile a piccole differenze. Check di sensibilità mostrano inoltre che includere esplicitamente i coefficienti di tendenza migliora la precisione senza modificare l’ordinamento generale delle scelte, rafforzando la fiducia nei risultati.

Decisioni più chiare in mondi incerti

Per un lettore non specialista, la conclusione è che questo lavoro offre un modo più fedele per trasformare giudizi confusi ed esitanti in classifiche chiare. Modellando con cura non solo ciò che è noto ma anche ciò che è dubbio o indeciso, e lasciando che siano i dati a indicare quanto pesare ciascuna componente, il metodo aiuta le università a scegliere i candidati e gli ospedali a scegliere i sistemi di smaltimento con maggiore sicurezza. Pur concentrandosi su voti d’esame e rifiuti medici, le stesse idee potrebbero essere estese a molti altri ambiti in cui decisioni importanti devono essere prese in condizioni di incertezza.

Citazione: 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

Parole chiave: insiemi fuzzy pitagorici, presa di decisione, ammissione universitaria, gestione dei rifiuti medici, TOPSIS