高等教育元宇宙融合的T-球模糊混合决策框架构建与实证研究

针对高等教育机构(HEIs)元宇宙技术整合的复杂决策问题，研究团队创新性开发了T-球模糊集(T-SFSs)与加权Heronian平均聚合(WHMA)算子结合的混合模型T-SF-WHMA-MULTIMOOSRAL，通过专家权重相似度测量和多准则决策技术，识别出师生持续反馈(Es7)和环境可持续性(Es6)为关键驱动因素，并证实高职院校(O1)最具实施潜力，为教育数字化转型提供量化决策工具。

　　

随着数字技术迅猛发展，元宇宙(Edu-Meta)正重塑高等教育格局。尽管增强现实(AR)、混合现实(MR)等技术已应用于物理、医学等学科教学，但高等教育机构(HEIs)在实施过程中面临技术-组织-环境(TOE框架)多维度的复杂决策难题。现有研究多聚焦技术接受模型(TAM)，缺乏针对不同类型HEIs的系统评估工具，特别是对高职院校、地方重点高校等差异化的实施策略研究不足。

安徽大学的研究团队创新性地提出T-球模糊混合决策框架。该研究首先利用T-球模糊集(T-SFSs)的三元结构(隶属度、非隶属度、犹豫度)捕捉专家评估的不确定性，通过相似度测量确定专家权重；继而引入加权Heronian平均聚合(WHMA)算子平衡极端评估值；最终整合MULTIMOOSRAL模型的五种决策技术(比率系统/参考点/全乘性形式等)，构建出T-SF-WHMA-MULTIMOOSRAL混合模型。关键技术包括：T-SFSs信息表征、WHMA算子聚合、MULTIMOOSRAL多方法融合决策等。

研究结果揭示：1) 关键驱动因素分析显示，师生持续反馈机制(Es₇)和环境可持续性影响(Es₆)权重最高，凸显教育元宇宙需兼顾教学互动与生态责任；2) 四类HEIs实施潜力排序表明，高职院校(O₁)因实践导向的教学需求，其元宇宙融合度评分显著高于地方重点高校(O₃)和教育部直属院校(O₄)；3) 敏感性测试证实模型在参数变化时保持稳定，比较分析显示其区分度优于传统TOPSIS、CoCoSo等方法。

该研究突破性地将T-SFSs的模糊处理优势与MULTIMOOSRAL的多维决策特性相结合，为教育元宇宙实施提供三方面价值：1) 构建首个涵盖TOE框架全维度的HEIs评估体系；2) 开发的WHMA算子有效解决了极端评估值干扰问题；3) 实证结果指导机构根据类型差异(如高职院校侧重VR实训、研究型高校侧重MR科研协作)制定实施路径。论文发表于《Expert Systems with Applications》，其方法论框架可扩展至智慧城市、工业元宇宙等复杂系统决策场景，为数字化转型提供普适性分析工具。