一种先进的费尔马特模糊DoC多准则决策架构，用于在高校间对体能能力进行全面定量评估

为什么学生体能需要更智能的体检方式

大学生的身心正承受着长时间学习、屏幕时间增加以及常见的睡眠和饮食不足等压力。高校尝试通过跑步速度、力量或柔韧性等测试来跟踪体能，但要把教练和健康人员那种分散且带有不确定性的意见转化为公平、可靠的评分却很困难。本文提出了一种新方法，可以将这些模糊判断转成清晰、可解释的学生体能排序，帮助学校决定应把训练、咨询和资源集中到哪里。

体能由许多方面构成，也有多种观点

大学体能不仅仅是学生跑得快不快。它包括心肺耐力、肌肉力量、柔韧性、体脂与肌肉平衡、速度与平衡性、心理健康以及像睡眠、饮食与日常活动这样的生活习惯。不同专家可能对这些方面赋予不同权重：体育教练可能重视速度，辅导员可能强调压力管理，健康教师可能关注体成分。他们的判断常常相互冲突，甚至同一位专家也可能感到不确定。传统的评分体系和简单统计方法难以捕捉这类硬数据与人类犹豫混合在一起的情况。

把模糊意见转为结构化选择

作者基于一类称为多准则决策的方法，这些方法旨在同时权衡多个因素。他们方法的关键成分是现代形式的“模糊”推理，允许专家不仅表达支持或反对的强度，还能表达他们的不确定性。他们采用的版本称为费尔马特模糊集，它为表述疑问和复杂情感留出更多空间，这在心理健康或生活方式等软性领域尤其重要。该方法不要求专家给出明确、肯定的数值，而是允许他们在一定程度上同时表示同意与反对，或者表示不知道。

用卡片法捕捉专家优先级

为了将专家意见转换为各体能要素的权重，研究使用了“牌组（deck of cards）”方法。与要求人们填写复杂评分表不同，这种方法让他们把代表重要性的抽象卡片从最重要排到最不重要，并在卡片间放置“空白”间隔。较大的间隔意味着重要性跃升更大。简单的检查保证间距一致。这些卡片位置随后以透明、逐步的方式转换为数值权重。因为这个过程更像是对偏好的排序而不是做数学运算，它减轻了认知负担，也便于专家解释为什么在特定校园背景下，例如耐力可能比柔韧性更重要。

用现实情景测试该框架

为展示方法的运作，作者构建了一个假想案例，包括八项体能标准和五类学生群体，范围从遵循个性化计划的高活跃学生到以久坐为主的学生。每个群体在每个准则上都由模糊判断描述，包括支持、反对和犹豫的程度。牌组过程生成各体能方面的权重，费尔马特模糊引擎随后将所有信息整合为每个群体的总体得分。得到的排序将群体明显区分开：有规律锻炼且心理健康良好的平衡群体位居首位，而体能模式零散或不稳定的群体则落后。敏感性检验——对权重做小幅调整——显示排名前列的选择保持稳定，表明该方法稳健且对专家意见的轻微变化不易脆弱。

这对校园有何意义

对非专业读者而言，关键结论是该框架为高校提供了一种更公平、更具人性化的方法，将复杂且不确定的专家观点转换为清晰的体能排序与优先事项。通过将直观的基于卡片的偏好与能表达怀疑的灵活机制相结合，模型减少了隐性偏见，更好地处理冲突性意见，同时仍然给出关于哪些学生群体或体能维度最需要关注的简单答案。它可指导更有针对性的锻炼项目、心理健康举措和资源规划，帮助校园以兼顾数据与人类判断的方式促进学生福祉。

引用: 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

关键词: 大学生体能, 模糊决策, 多准则评估, 学生健康评估, 教育政策