En tendenskoefficientdriven pythagoreisk fuzzy-avståndsmetod för urvalsproblem inom högre utbildning och medicinsk avfallshantering

Att göra svåra val tydliga

Universitetsantagning och sjukhusens avfallshantering kan verka orelaterade, men båda handlar om höga insatser och osäker information. Universiteten måste rangordna tusentals sökande utifrån ofullständiga provresultat, samtidigt som sjukhusen måste välja säkra sätt att hantera farligt medicinskt avfall under osäkra förhållanden. Denna studie introducerar ett matematisk verktyg avsett att göra sådana komplexa val mer transparenta, konsekventa och rättvisa för dem som är beroende av resultaten.

Varför vanliga siffror inte räcker

Inträdesprov och expertutlåtanden ser precisa ut på papper, men i praktiken innehåller de mycket oskärpa. Poäng kan påverkas av tekniska fel, missanpassade läroplaner eller otydliga betygskriterier. I Nigerias inträdesprov till universitetet, till exempel, ifrågasätter sökande och föräldrar ofta resultaten, och tjänstemän kämpar med ofullständig återkoppling. På samma sätt innebär beslut om hur medicinskt avfall ska behandlas många motstridiga hänsyn, från kostnad och kapacitet till hälsorisker och miljöpåverkan. Traditionella "kristallklara" metoder behandlar varje informationsdel som säker, vilket kan dölja tvekan och leda till val som känns godtyckliga eller instabila.

En rikare beskrivning av osäkra bedömningar

För att hantera vaghet har forskare utvecklat "fuzzy" modeller som tillåter att något delvis tillhör och delvis inte tillhör en kategori. Senare arbete introducerade idén att människor också kan vara osäkra, genom att lägga till en separat grad av tvekan. Pythagoreiska fuzzy-mängder går ett steg längre genom att ge större frihet att representera hur starkt något stödjer ett val, hur starkt det talar emot det och hur mycket som helt enkelt är okänt. Dessa tre delar tillsammans speglar bättre verkliga mänskliga bedömningar, oavsett om det gäller en students lämplighet för en utbildning eller säkerheten hos en avfallsbehandlingsmetod.

Att mäta närhet med tendenskoefficienter

När informationen väl är lagrad i denna rikare form behöver beslutsfattare fortfarande ett sätt att jämföra alternativ: vilken student ligger närmast den ideala sökanden, eller vilket avfallssystem ligger närmast den ideala balansen mellan säkerhet, kostnad och praktisk genomförbarhet. Kärnan i denna artikel är ett nytt sätt att mäta "avstånd" mellan alternativ inom den pythagoreiska fuzzy-ramen. Den viktigaste nyheten är användningen av tendenskoefficienter, tal som fångar hur mycket vikt de stödjande, motsatta och tveksamma delarna av informationen bör ha. I stället för att anta dessa vikter härleds de från själva data. Detta minskar bias och förbättrar metodens förmåga att skilja åt alternativ som vid första anblicken ser lika ut.

Testning av metoden på studenter och avfallssystem

Författarna tillämpar sitt avståndsmått på två praktiska problem. Först analyserar de om examina för tio sökande till ett veterinärmedicinprogram på nytt. Genom att behandla varje ämnespoäng som ett pythagoreiskt fuzzy-värde och sedan mäta hur nära varje sökande ligger en "perfekt" profil, identifierar metoden den mest lämpliga kandidaten med en tydlig numerisk marginal och en hög grad av förtroende. Därefter studerar de fem alternativ för behandling av medicinskt avfall, såsom förbränning, mikrovågning och kemisk desinfektion, bedömda utifrån åtta kriterier inklusive hälsorisker, driftkostnader och behandlingseffektivitet. Experter ger språkliga bedömningar som "mycket betydelsefull" eller "låg betydelse", vilka omvandlas till pythagoreiska fuzzy-data. Med hjälp av ett standardiserat rankningsramverk känt som TOPSIS tillsammans med det nya avståndet väljer analysen mikrovågning som det mest lämpliga alternativet bland dem som övervägts.

Hur det jämförs och varför det betyder något

För att avgöra om den nya metoden verkligen är användbar jämför författarna den med flera befintliga fuzzy-avståndsmått. I både antagnings- och avfallshanteringsexemplen ger deras metod konsekvent mindre och mer diskriminerande avståndsvärden, samtidigt som den fortfarande är överens med andra metoder om vilka alternativ som är bäst respektive sämst. Detta tyder på att det nya måttet både är stabilt och mer fintjusterat för små skillnader. Känslighetsanalyser visar också att en explicit inkludering av tendenskoefficienter förbättrar noggrannheten utan att ändra den övergripande ordningen av val, vilket stärker förtroendet för resultaten.

Tydligare beslut i osäkra världar

För en lekmannaläsare är slutsatsen att detta arbete erbjuder ett mer troget sätt att omvandla röriga, tveksamma bedömningar till tydliga rangordningar. Genom att noggrant modellera inte bara vad som är känt utan också vad som är tvivelaktigt eller obeslutat, och genom att låta själva data avgöra hur starkt varje del ska väga, hjälper metoden universitet att välja sökande och sjukhus att välja avfallssystem med större självförtroende. Även om studien fokuserar på provpoäng och medicinskt avfall kan samma idéer utvidgas till många andra områden där viktiga beslut måste fattas under osäkerhet.

Citering: 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

Nyckelord: Pythagoreiska fuzzy-mängder, beslutsfattande, universitetsantagning, hantering av medicinskt avfall, TOPSIS