通过使用基于AHP的MCDM算法与MEREC方法集成的方法来增强大学体育的体育教育分析方法

科学领域:

• 运动科学 运动科学 运动科学
• 数据分析数据分析数据分析.
• 决策科学 决策科学 决策科学

背景情况:

• 体育教育分析对于评估球员成长,管理资源和跟踪表现至关重要.
• 传统的方法往往忽略了诸如运动技能,团队合作和精神性等关键因素.
• 将数据整合到决策框架中对于优化运动员表现和资源至关重要.

研究的目的:

• 引入一个新的多标准决策 (MCDM) 框架,以加强体育教育分析.
• 将分析层次过程 (AHP) 和MEREC方法集成到一个球形模糊 (SF) 语境中.
• 提供一个强大的系统,在体育管理和运动员发展方面做出明智决策.

主要方法:

• 该研究提出了一个框架,将分析层次过程 (AHP) 和标准清除效应方法 (MEREC) 结合起来.
• 球形模糊集 (SFS) 用于处理决策标准中的不确定性和不精确性.
• 对因素的对对比进行评估,以确定它们在决策框架中的相对重要性.

主要成果:

• 拟议的MCDM框架为评估体育教育分析因素提供了一个强大而有效的方法.
• 球形模糊集 (SFS) 提供了灵活性,通过满意度,禁欲度和不满意度等级来表示人类的意见.
• 该框架为教练,经理和教练提供了更知情和更全面的决策.

结论:

• 在SF背景下的综合AHP和MEREC方法提高了体育教育分析的可靠性和效率.
• 大学可以利用这个框架来做出更好的决策,从而提高体育表现和可持续发展.
• 这项研究解决了在体育科学中对先进数据集成的需求,以获得最佳的结果.