DOI: https://doi.org/10.62270/jirmcs.v3i2.38
تاريخ النشر: 2024-12-30
المؤلف: Muhammad Safdar Nazeer وآخرون
الموضوع الرئيسي: دراسات التربية البدنية والتدريب
نظرة عامة
تناقش هذه القسم التعقيدات المتعلقة بتعليم فنون القتال، مع التأكيد على الحاجة إلى نهج منهجي لتقييم التقنيات البدنية والانضباط الذهني والاستراتيجيات التكتيكية. الطرق التقليدية لاتخاذ القرار متعددة الصفات (MADM) لا تكفي لمعالجة الشكوك والأحكام الذاتية التي تنشأ من تقييمات الخبراء لمهارات فنون القتال المتنوعة. لمعالجة هذه القيود، يقدم البحث مجموعات الصورة المعقدة الضبابية (C-PFS) ويطور مشغلات تجميع دومي المتقدمة، وبشكل خاص متوسط وزن دومي الضبابي للصورة المعقدة (C-PFDWA) ومشغل هندسي وزني دومي ضبابي للصورة المعقدة (C-PFDWG).
تعزز هذه المشغلات الجديدة تقييم مهارات فنون القتال من خلال استيعاب الفروق الدقيقة في أحكام الخبراء، بما في ذلك درجات العضوية والامتناع وعدم العضوية، مما يوفر تقييمًا أكثر دقة لأداء المدرب. لا يحسن هذا النهج موثوقية التقييمات فحسب، بل يقدم أيضًا ملاحظات مستهدفة للمدربين، مما يؤدي في النهاية إلى تحسين جودة التعليم ونتائج الطلاب. يدعم البحث أيضًا نتائجه بمحاكاة مفصلة ونتائج، مما يوضح التطبيق العملي وقوة الإطار المقترح.
مقدمة
في تقييم مهارات تعليم فنون القتال، يتم تقييم المدربين بناءً على عوامل مختلفة مثل إتقان التقنية، وتفاعل الطلاب، واللياقة البدنية، والاحترافية. غالبًا ما تعتمد طرق التقييم التقليدية على الأحكام الذاتية، مما يمكن أن يؤدي إلى عدم اليقين وعدم الدقة. لمعالجة هذه التحديات، تدعو الورقة إلى استخدام أطر اتخاذ القرار المتقدمة، وخاصة تلك المستندة إلى نظريات المجموعات الضبابية (FS). بينما تسمح FS بعضوية جزئية، إلا أنها محدودة بتركيزها فقط على درجات العضوية. أدت هذه القيود إلى تطوير مجموعات الضبابية الحدسية (IFS) ومن ثم مجموعات الضبابية فيثاغورس (PyFS)، التي توفر نهجًا أكثر مرونة من خلال السماح بمجموع مربعات درجات العضوية وعدم العضوية أن تكون أقل من أو تساوي واحد.
استنادًا إلى هذه المفاهيم، تعزز مجموعات الضبابية الزوجية q-rung (q-ROFS) ومجموعات الضبابية للصورة (PFS) اتخاذ القرار من خلال دمج درجات الحياد والامتناع. تقدم الورقة مجموعات الصورة الضبابية المعقدة (CPFS) لالتقاط العلاقات المعقدة في تقييمات تعليم فنون القتال بشكل أفضل. كما تناقش مشغل تجميع دومي (AO)، الذي تم تكييفه بنجاح مع بيئات ضبابية متنوعة لتحسين اتخاذ القرار في ظل عدم اليقين. تم تصميم مشغلات C-PFDWA وC-PFDWG المقترحة لمعالجة المعلومات الضبابية المعقدة بشكل فعال، مما يمكّن من تقييم أكثر دقة لمهارات التعليم من خلال معالجة الطبيعة متعددة الأبعاد لتقييم المهارات. يعد هذا النهج المبتكر بتحسين جودة التقييمات من خلال دمج التقييمات الذاتية بكفاءة في ظل عدم اليقين العالي.
مناقشة
في هذا القسم، يناقش المؤلفون قيود مشغلات التجميع الضبابية التقليدية (AOs) في سياقات اتخاذ القرار متعددة الصفات (MADM)، وخاصة في السيناريوهات التي تتميز بعدم اليقين والمعايير المعتمدة على بعضها البعض. يبرزون أن الطرق الحالية، مثل مجموعات الضبابية الحدسية (IFS) ومجموعات الضبابية فيثاغورس (PyFS)، لا تمثل بشكل كافٍ درجات الامتناع، والتي تعتبر حاسمة للتقييمات الدقيقة، مثل تقييم مهارات تعليم فنون القتال. يقترح المؤلفون مشغلين جديدين، متوسط وزن دومي ضبابي للصورة المعقدة (C-PFDWA) ومشغل هندسي وزني دومي ضبابي للصورة المعقدة (C-PFDWG)، مصممين لمعالجة هذه النواقص من خلال دمج المنطق الضبابي المعقد وتعزيز المرونة في عمليات اتخاذ القرار.
تشمل أهداف الدراسة تطوير هذه المشغلات الجديدة لتحسين اتخاذ القرار في ظل الغموض، وإظهار تطبيقها في تقييم مدربي فنون القتال، وتوفير إطار أكثر تعقيدًا يستوعب درجات مختلفة من العضوية وعدم العضوية والامتناع. تظهر المشغلات المقترحة أنها تجمع بشكل فعال التقييمات الذاتية، مما يؤدي إلى تقييمات أكثر دقة لأداء التعليم عبر معايير متعددة، مثل إتقان التقنية وتفاعل الطلاب. تشير النتائج إلى أن مشغلات C-PFDWA وC-PFDWG تتفوق على الطرق التقليدية من خلال عكس تعقيدات اتخاذ القرار في البيئات الضبابية بدقة، مما يساهم بشكل كبير في مجال MADM.
DOI: https://doi.org/10.62270/jirmcs.v3i2.38
Publication Date: 2024-12-30
Author(s): Muhammad Safdar Nazeer et al.
Primary Topic: Physical Education and Training Studies
Overview
The section discusses the complexities involved in teaching martial arts, emphasizing the need for a systematic approach to evaluate physical techniques, mental discipline, and tactical strategies. Traditional Multi-Attribute Decision-Making (MADM) methods fall short in addressing the uncertainties and subjective judgments that arise from expert evaluations of diverse martial arts skills. To address these limitations, the study introduces Complex Picture Fuzzy Sets (C-PFS) and develops advanced Dombi aggregation operators, specifically the Complex Picture Fuzzy Dombi Weighted Averaging (C-PFDWA) and Complex Picture Fuzzy Dombi Weighted Geometric (C-PFDWG) operators.
These new operators enhance the assessment of martial arts skills by accommodating the nuances of expert judgments, including membership, abstention, and non-membership degrees, thereby providing a more nuanced evaluation of an instructor’s performance. This approach not only improves the reliability of assessments but also offers targeted feedback for instructors, ultimately leading to better instructional quality and student outcomes. The study further supports its findings with detailed simulations and results, demonstrating the practical applicability and robustness of the proposed framework.
Introduction
In the evaluation of martial arts teaching skills, instructors are assessed based on various factors such as technique mastery, student engagement, physical fitness, and professionalism. Traditional assessment methods often rely on subjective judgments, which can lead to uncertainty and imprecision. To address these challenges, the paper advocates for the use of advanced decision-making frameworks, particularly those based on Fuzzy Set (FS) theories. While FS allows for partial memberships, it is limited by its focus solely on membership degrees. This limitation has led to the development of Intuitionistic Fuzzy Sets (IFS) and subsequently Pythagorean Fuzzy Sets (PyFS), which provide a more flexible approach by allowing the sum of the squares of membership and non-membership degrees to be less than or equal to one.
Building on these concepts, q-rung orthopair fuzzy sets (q-ROFS) and Picture Fuzzy Sets (PFS) further enhance decision-making by incorporating degrees of neutrality and abstinence. The paper introduces Complex Picture Fuzzy Sets (CPFS) to better capture the intricate relationships in martial arts teaching evaluations. It also discusses the Dombi Aggregation Operator (AO), which has been successfully adapted to various fuzzy environments to improve decision-making under uncertainty. The proposed C-PFDWA and C-PFDWG operators are designed to effectively process complex fuzzy information, enabling a more accurate assessment of teaching skills by addressing the multi-dimensional nature of skill evaluation. This innovative approach promises to enhance the quality of assessments by efficiently integrating subjective evaluations amidst high uncertainty.
Discussion
In this section, the authors discuss the limitations of traditional fuzzy aggregation operators (AOs) in multi-attribute decision-making (MADM) contexts, particularly in scenarios characterized by uncertainty and interdependent criteria. They highlight that existing methods, such as Intuitionistic Fuzzy Sets (IFS) and Pythagorean Fuzzy Sets (PyFS), inadequately represent abstinence degrees, which are crucial for nuanced evaluations, such as assessing martial arts teaching skills. The authors propose two new operators, Complex Picture Fuzzy Dombi Weighted Averaging (C-PFDWA) and Complex Picture Fuzzy Dombi Weighted Geometric (C-PFDWG), designed to address these shortcomings by incorporating complex fuzzy logic and enhancing flexibility in decision-making processes.
The objectives of the study include advancing these new operators to improve decision-making under ambiguity, demonstrating their application in evaluating martial arts instructors, and providing a more sophisticated framework that accommodates varying degrees of membership, non-membership, and abstinence. The proposed operators are shown to effectively aggregate subjective evaluations, yielding more accurate assessments of teaching performance across multiple criteria, such as technique mastery and student engagement. The results indicate that the C-PFDWA and C-PFDWG operators outperform traditional methods by accurately reflecting the complexities of decision-making in fuzzy environments, thereby contributing significantly to the field of MADM.