克莱姆森大学为新冠课程对两种轮换模式进行加权比较，并选择了更公平的一种

2020年秋季，克莱姆森大学需要混合式课程安排：学生部分在线、部分线下上课，明确目标是限制教室内的新冠暴露风险。问题在于如何让学生轮换进入教学楼，使线下时间得以保留，又不至于把每间教室变成混合场所。

克莱姆森团队构建并比较了两种轮换出勤模型。三队列模型将学生分成轮换队列，将每周学生互动降至约57次，每周线下1.6天。每周一次模型让每名学生每周到校一次，互动保持在约83次，线下1.9天。不作为的基线平均为84次互动和2.6天线下。

仅从暴露指标看，三队列模型似乎更好。但其数字是以排除为代价换来的：在希望线下课程的21000名学生中，约1600人将被迫完全在线，而每周上两次的课程将不得不在三周轮换内上两次——这对学生和排课都是结构性负担。

权衡互动数据与这些实施成本后，克莱姆森大学在2020年秋季和2021年春季采用了每周一次模型：几乎为所有人提供相同的线下机会，暴露成本适中，轮换简单到真正可以运行。

更公平的模型胜过了数字上更好的模型

三队列模型最显眼的优势——每周57次对83次互动——部分是通过排除人员实现的：约1600名希望线下课程的学生将无法获得线下课程。

在三队列方案下，每周两次的课程每三周轮换中上两次，这种节奏在整个课程目录中成倍增加排课冲突。

每周一次模型以很小的暴露差异保留了普遍的线下机会，这对管理层的重要性不亚于指标本身。

实施负担被作为一等标准来建模，而非事后考虑——大学第一天就能管理的方案才是被采用的方案。

优化输出是决策的输入，而不是决策本身：暴露数字最好的模型输给了学生真正能接受的模型。

克莱姆森大学在2020年秋季和2021年春季运行了每周一次出勤方案。两种轮换模型的比较——包括基线数据、每种设计所需的排除以及管理层的推理——由克莱姆森团队发表在《INFORMS Journal on Applied Analytics》关于新冠分析补救措施的特刊上（2022年11月），使权衡分析本身成为记录的一部分，而不仅仅是获胜的设计。