Продвинутая ферматеанская нечеткая архитектура DoC MCDM для всесторонней количественной оценки компетенции физической подготовки в учебных заведениях

Почему фитнес студентов требует более умной проверки

Тела и умы студентов колледжей испытывают нагрузку из‑за долгих занятых часов обучения, времени перед экранами и часто плохого сна и питания. Университеты пытаются отслеживать физическую форму с помощью тестов на скорость бега, силу или гибкость, но преобразовать разрозненные, неопределённые мнения тренеров и медперсонала в справедливые и надёжные оценки трудно. В статье предложен новый способ превращать такие нечеткие суждения в понятные, объяснимые ранжирования физической подготовки студентов, помогающий вузам принимать решения о направлениях тренировок, консультирования и распределения ресурсов.

Множество сторон фитнеса, множество взглядов

Физическая подготовка в колледже — это не только скорость бега. Она включает выносливость сердечно‑легочной системы, мышечную силу, гибкость, соотношение жира и мышечной массы, быстроту и равновесие, психическое благополучие и повседневные привычки, такие как сон, питание и активность. Разные специалисты по‑разному оценивают эти компоненты: тренер может ценить скорость, психолог — умение управлять стрессом, преподаватель здоровья — композицию тела. Их суждения часто конфликтуют, а даже один эксперт может быть неуверен. Традиционные системы оценивания и простая статистика с трудом передают эту смесь точных показателей и человеческих сомнений.

От расплывчатых мнений к структурированному выбору

Авторы опираются на семейство методов, известных как многокритериальное принятие решений, предназначенных для учёта нескольких факторов одновременно. Ключевой элемент их подхода — современная форма «нечеткого» рассуждения, которая позволяет экспертам указывать не только степень поддержки или оппозиции утверждению, но и степень своей неуверенности. Выбранная ими версия, называемая ферматеанским нечетким множеством, даёт дополнительные возможности для выражения сомнений и смешанных чувств, что особенно важно для мягких областей, таких как психическое благополучие или образ жизни. Вместо того чтобы заставлять экспертов давать чёткие уверенные числа, метод позволяет признать, что они одновременно в некоторой степени и согласны, и не согласны, или просто не знают.

Использование карточек для фиксации приоритетов экспертов

Чтобы превратить мнения экспертов в веса для каждого фактора фитнеса, исследование использует подход «колоды карт». Вместо того чтобы просить людей заполнять сложные таблицы оценок, метод предлагает расположить абстрактные карточки от наиболее до наименее важной и поместить между ними «пустые» промежутки. Больший промежуток означает более крупный скачок в значимости. Простейшие проверки обеспечивают согласованность расположения. Позиции карточек затем последовательно переводятся в численные веса прозрачным, пошаговым способом. Поскольку процесс больше похож на упорядочивание предпочтений, чем на математику, он снижает умственную нагрузку и облегчает экспертам объяснить, почему, например, выносливость может быть важнее гибкости в конкретном кампусном контексте.

Тестирование рамочной модели на реалистичном сценарии

Чтобы продемонстрировать работу метода, авторы создают гипотетическое исследование с восемью критериями фитнеса и пятью группами студентов — от очень активных, следующих персонализированным программам, до в основном сидячих. Каждая группа описана нечеткими суждениями по каждому критерию, включая степени поддержки, противодействия и колебания. Процесс с колодой карт даёт веса для каждого аспекта фитнеса, а ферматеанский нечеткий механизм затем объединяет всю эту информацию в общий балл для каждой группы. Получившееся ранжирование ясно разделяет группы: сбалансированная группа с регулярными упражнениями и крепким психическим благополучием оказывается лучшей, тогда как группы с фрагментарными или непоследовательными привычками физической активности отстают. Тесты чувствительности — небольшие изменения весов — показывают, что верхние позиции остаются стабильными, что свидетельствует о надёжности метода и о том, что он не чрезмерно хрупок к мелким изменениям экспертных мнений.

Почему это важно для кампусов

Для неспециалиста главный вывод в том, что данная рамочная модель предлагает университетам более справедливый и внимательный к человеку способ превращения сложных, неопределённых экспертных оценок в понятные ранжирования и приоритеты по фитнесу. Сочетая интуитивные предпочтения, выраженные с помощью карточек, с гибким способом выражения сомнений, модель уменьшает скрытую предвзятость, лучше справляется с конфликтующими мнениями и при этом даёт простые ответы о том, какие группы студентов или аспекты физподготовки требуют наибольшего внимания. Это может направить более целевые программы упражнений, инициативы по психическому здоровью и планирование ресурсов, помогая кампусам продвигать благополучие студентов с уважением как к данным, так и к человеческому суждению.

Цитирование: 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

Ключевые слова: физическая подготовка студентов колледжа, нечеткое принятие решений, многокритериальная оценка, оценка здоровья студентов, образовательная политика