Un enfoque WASPAS difuso lineal híbrido de q-rung para la selección de algoritmos de inteligencia artificial en...

Área de la Ciencia:

• Tecnología educativa
• Inteligencia artificial
• Ciencia de la decisión

Sus antecedentes:

• La creciente integración de la inteligencia artificial (IA) en la educación física (EP) requiere sólidas metodologías de toma de decisiones (DM) para la selección de algoritmos.
• Los métodos existentes a menudo luchan con la incertidumbre y la vaguedad inherentes a la evaluación de modelos de IA a través de múltiples criterios potencialmente conflictivos en PE.

Objetivo del estudio:

• Proponer un nuevo modelo de DM híbrido que combine la técnica de evaluación de la suma agregada ponderada (WASPAS) con el marco de conjunto difuso diofantino lineal q-rung (q-RLDFS).
• Abordar la necesidad de métodos estructurados y resistentes a la incertidumbre para evaluar algoritmos de IA en el ámbito de la EP.
• Mejorar la interpretabilidad y la robustez de las evaluaciones de modelos de IA en entornos de EP.

Principales métodos:

• Un marco de dos capas que integra WASPAS para la puntuación flexible (combinando WSM y WPM) y q-RLDFS para el modelado difuso de alto orden y el manejo de la vacilación de los expertos.
• Evaluación de cinco algoritmos de IA (CNN-MA, RL-TO, ES-EP, HAI-NLP, WSDMA) con respecto a ocho criterios clave relacionados con el PE.
• Sensibilidad y análisis comparativos para validar la solidez y fiabilidad del modelo.

Principales resultados:

• El análisis de movimiento basado en la red neuronal convolucional (CNN-MA) fue identificado como el algoritmo de IA más efectivo para la implementación en PE.
• El optimizador de entrenamiento basado en el aprendizaje por refuerzo (RL-TO) fue clasificado como la segunda solución más efectiva.
• El modelo propuesto demostró su solidez y fiabilidad mediante rigurosos análisis de sensibilidad y comparativos.

Conclusiones:

• El modelo de DM híbrido desarrollado ofrece una herramienta de apoyo a la toma de decisiones escalable, transparente y práctica para la adopción de IA en PE.
• Proporciona recomendaciones prácticas para educadores, administradores y formuladores de políticas con respecto a la implementación estratégica de la IA en la educación física.
• Contribuye significativamente al avance de la selección y la aplicación informadas de las tecnologías de IA en el sector del PE.