Een geavanceerde fermateaanse fuzzy DoC MCDM-architectuur voor een uitgebreide kwantitatieve beoordeling van fysieke fitheidscapaciteit binnen onderwijsinstellingen

Waarom de fitheid van studenten een slimmere controle nodig heeft

De lichamen en geesten van studenten in het hoger onderwijs staan onder druk door lange studeersessies, veel schermtijd en vaak slechte slaap en voeding. Universiteiten proberen fitheid bij te houden met tests voor loopsnelheid, kracht of flexibiliteit, maar het omzetten van verspreide, onzekere oordelen van coaches en gezondheidsmedewerkers in eerlijke, betrouwbare scores is lastig. Dit artikel introduceert een nieuwe manier om die vage oordelen om te zetten in duidelijke, verklaarbare ranglijsten van studentenfitheid, waarmee scholen kunnen bepalen waar ze training, begeleiding en middelen het beste kunnen inzetten.

Veel aspecten van fitheid, veel gezichtspunten

Fysieke fitheid op de universiteit is meer dan hoe snel een student kan rennen. Het omvat hart‑longuithoudingsvermogen, spierkracht, flexibiliteit, lichaamsvet‑ en spierbalans, wendbaarheid en evenwicht, mentale welzijn, en dagelijkse gewoonten zoals slaap, voeding en beweging. Verschillende deskundigen hechten aan deze onderdelen verschillende waarde: een sportcoach kan snelheid waarderen, een counselor kan stressmanagement benadrukken en een docenten gezondheid kan zich richten op lichaamssamenstelling. Hun oordelen lopen vaak uiteen, en zelfs één expert kan onzeker zijn. Traditionele scoresystemen en eenvoudige statistiek schieten tekort om deze mix van harde cijfers en menselijke aarzeling goed vast te leggen.

Van vage meningen naar gestructureerde keuzes

De auteurs bouwen voort op een familie methoden bekend als meer‑criteria besluitvorming, die ontworpen zijn om meerdere factoren tegelijk te wegen. Een belangrijk ingrediënt in hun aanpak is een moderne vorm van "fuzzy" redeneren die experts in staat stelt niet alleen aan te geven hoe sterk ze een bewering steunen of verwerpen, maar ook hoe onzeker ze zijn. Hun gekozen versie, een Fermatean fuzzy set, biedt extra ruimte om twijfel en gemengde gevoelens uit te drukken, wat vooral belangrijk is bij zachte domeinen zoals mentaal welzijn of leefstijl. In plaats van experts te dwingen scherpe, zelfverzekerde cijfers te geven, laat de methode hen toe toe te geven dat ze tot op zekere hoogte zowel instemmen als afwijzen, en wanneer ze het gewoon niet weten.

Kaarten gebruiken om expertprioriteiten vast te leggen

Om de opvattingen van experts om te zetten in gewichten voor elk fitheidsfactor gebruikt de studie de "deck of cards"-benadering. In plaats van mensen te vragen ingewikkelde beoordelingsformulieren in te vullen, laat deze methode hen abstracte kaarten van meest naar minst belangrijk rangschikken en lege ruimten tussen plaatsen. Een grotere ruimte betekent een grotere sprong in belangrijkheid. Eenvoudige controles zorgen ervoor dat de afstand consistent is. Deze kaartposities worden vervolgens op een transparante, stapsgewijze manier omgezet in numerieke gewichten. Doordat het proces meer aanvoelt als het ordenen van voorkeuren dan als rekenwerk, verlaagt het de mentale inspanning en maakt het makkelijker voor experts om uit te leggen waarom bijvoorbeeld uithoudingsvermogen in een bepaalde campuscontext belangrijker kan zijn dan flexibiliteit.

Het raamwerk testen met een realistisch scenario

Om te laten zien hoe de methode werkt, creëren de auteurs een hypothetische casestudie met acht fitheidscriteria en vijf studentengroepen, variërend van zeer actieve studenten met gepersonaliseerde programma's tot studenten met voornamelijk zittende gewoonten. Elke groep wordt beschreven door vage oordelen over elk criterium, inclusief graden van ondersteuning, verzet en aarzeling. Het deck of cards‑proces produceert gewichten voor elk fitheidsaspect, en de Fermatean fuzzy‑motor combineert al deze informatie vervolgens tot een totaalscore voor elke groep. De resulterende rangorde scheidt de groepen duidelijk: een evenwichtige groep met regelmatige lichaamsbeweging en sterk mentaal welzijn komt naar voren als de beste, terwijl groepen met gefragmenteerde of inconsistente fitheidspatronen achterblijven. Gevoeligheidscontroles — kleine aanpassingen aan de gewichten — laten zien dat de topkeuzes stabiel blijven, wat suggereert dat de methode robuust is en niet te kwetsbaar voor kleine veranderingen in deskundige mening.

Waarom dit belangrijk is voor campussen

Voor niet‑specialisten is de kernboodschap dat dit raamwerk universiteiten een eerlijkere, mensgerichtere manier biedt om complexe, onzekere deskundige oordelen om te zetten in duidelijke fitheidsranglijsten en prioriteiten. Door intuïtieve kaartgebaseerde voorkeuren te combineren met een flexibele manier om twijfel te uiten, vermindert het model verborgen vooringenomenheid, gaat het beter om met tegenstrijdige meningen en levert het toch eenvoudige antwoorden op over welke studentengroepen of fitheidsdimensies de meeste aandacht nodig hebben. Dit kan leiden tot meer gerichte beweegprogramma's, initiatieven voor geestelijke gezondheid en resourceplanning, waardoor campussen het welzijn van studenten bevorderen op een manier die zowel data als menselijk oordeel respecteert.

Bronvermelding: 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

Trefwoorden: college fysieke fitheid, vage besluitvorming, meerkritische beoordeling, evaluatie van studentengezondheid, onderwijsbeleid