En avancerad fermateansk fuzzy DoC MCDM‑arkitektur för en omfattande kvantitativ bedömning av fysisk friskhetskompetens över akademiska institutioner

Varför studenters kondition behöver en smartare kontroll

Högskolestudenters kroppar och sinnen utsätts för press från långa studietimmar, skärmtid och ofta bristfällig sömn och kost. Universiteten försöker följa upp konditionen med tester för löphastighet, styrka eller rörlighet, men att omvandla spridda, osäkra bedömningar från tränare och vårdpersonal till rättvisa, tillförlitliga poäng är svårt. Denna artikel presenterar ett nytt sätt att göra om sådana fuzzy omdömen till tydliga, förklarliga rangordningar av studenters kondition, vilket hjälper skolor att avgöra var träning, rådgivning och resurser bör riktas.

Många delar av kondition, många perspektiv

Fysisk kondition på högskolan är mer än hur snabbt en student kan springa. Den omfattar hjärt‑ och lunghållfasthet, muskelstyrka, rörlighet, kroppsfett och muskelbalans, snabbhet och balans, mental hälsa och vardagsvanor som sömn, kost och rörelse. Olika experter kan värdera dessa delar olika: en idrottstränare kan värdera snabbhet, en rådgivare kan betona stresshantering och en hälsolärare kan fokusera på kroppssammansättning. Deras bedömningar kan ofta motsäga varandra, och även enskilda experter kan känna osäkerhet. Traditionella poängsystem och enkla statistiska metoder har svårt att fånga denna blandning av hårda siffror och mänsklig tvekan.

Från vaga åsikter till strukturerade val

Författarna bygger vidare på en familj metoder känd som flerkriteriellt beslutsfattande, som är utformade för att väga flera faktorer samtidigt. En nyckelingrediens i deras angreppssätt är en modern form av ”fuzzy” resonemang som låter experter ange inte bara hur starkt de stödjer eller motsätter sig ett påstående, utan också hur osäkra de är. Den valda varianten, kallad ett fermateanskt fuzzy‑set, ger extra utrymme för att uttrycka tvivel och blandade känslor, vilket är särskilt viktigt för mjukare områden som mental hälsa eller livsstil. Istället för att tvinga experter att ge skarpa, säkra siffror låter metoden dem erkänna när de både till viss del håller med och inte håller med, och när de helt enkelt inte vet.

Användning av kort för att fånga expertprioriteringar

För att omvandla experters uppfattningar till vikter för varje konditionsfaktor använder studien en ”deck of cards”‑metod. Istället för att be personer fylla i komplexa poängtavlor låter den dem ordna abstrakta kort från viktigast till minst viktigt och placera ”tomma” mellanrum mellan dem. Ett större mellanrum betyder ett större hopp i betydelse. Enkla kontroller säkerställer att avstånden är konsekventa. Dessa kortpositioner omvandlas sedan till numeriska vikter på ett transparent steg‑för‑steg‑sätt. Eftersom processen upplevs mer som att ordna preferenser än att göra matte minskar den den mentala ansträngningen och gör det lättare för experter att förklara varför exempelvis uthållighet kan väga tyngre än rörlighet i en viss campuskontext.

Test av ramverket med ett realistiskt scenario

För att visa hur metoden fungerar skapar författarna en hypotetisk fallstudie med åtta konditionskriterier och fem studentgrupper, från mycket aktiva studenter som följer personliga program till studenter med mestadels stillasittande vanor. Varje grupp beskrivs av fuzzy‑omdömen för varje kriterium, inklusive grader av stöd, motstånd och tvekan. Deck‑of‑cards‑processen genererar vikter för varje konditionsaspekt, och den fermateanska fuzzy‑motorn kombinerar sedan all denna information till en övergripande poäng för varje grupp. Den resulterande rangordningen skiljer tydligt grupperna åt: en balanserad grupp med regelbunden träning och god mental hälsa framträder som bäst, medan grupper med ojämna eller inkonsekventa konditionsmönster hamnar längre ner. Känslighetskontroller — små justeringar av vikterna — visar att toppvalen förblir stabila, vilket tyder på att metoden är robust och inte överdrivet känslig för mindre förändringar i experternas åsikter.

Varför detta är viktigt för campus

För en icke‑specialist är huvudbudskapet att detta ramverk erbjuder universitet ett rättvisare, mer människoorienterat sätt att omvandla komplexa, osäkra expertbedömningar till tydliga konditionsrankningar och prioriteringar. Genom att kombinera intuitiva kortbaserade preferenser med ett flexibelt sätt att uttrycka tvekan minskar modellen dold partiskhet, hanterar bättre motstridiga åsikter och levererar ändå enkla svar om vilka studentgrupper eller konditionsdimensioner som mest behöver insatser. Detta kan styra mer riktade träningsprogram, initiativ för mental hälsa och resursplanering, och hjälpa campus att främja studenternas välbefinnande på ett sätt som respekterar både data och mänskligt omdöme.

Citering: 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

Nyckelord: högskolors fysisk kondition, fuzzy beslutsfattande, flerkriteriebedömning, studenthälsoutvärdering, utbildningspolitik