نموذج يجمع حركة الرياضي ونبضه وحالته النفسية لتوقع أدائه
جمع نموذج بين فيديو الحركة وقياسات القلب والاستبيانات النفسية، وحقق دقة مصنفة بلغت 91.2% في بيانات 150 رياضيا. توضح النتيجة أن مصادر البيانات قد تكمل بعضها، لكنها لم تختبر بطولات مستقبلية أو منع الإصابات أو تحسن قرارات المدربين.
تجمع الأندية بيانات كثيرة عن الرياضي، لكن فيديو الحركة وقياسات القلب والاستعداد النفسي غالبا ما تُحلل كل على حدة. اختبرت دراسة جديدة دمج هذه المصادر في نموذج واحد، وحققت دقة مصنفة بلغت 91.2% باستخدام بيانات 150 رياضيا من ألعاب فردية وجماعية.
الخلاصة في 30 ثانية
- ماذا حدث؟ جمع نموذج تعلم عميق بين نقاط الجسم في الفيديو ونبض القلب واستبيانات الحالة النفسية.
- لماذا يهم؟ انخفض الأداء عند حذف أي مصدر، ما يشير إلى أن كل نوع من البيانات أضاف معلومات مختلفة داخل العينة.
- ما الذي لم يُثبت؟ لم يتنبأ النظام بنتائج مباريات قادمة، ولم يختبر منع الإصابات أو تحسن قرارات التدريب.
الرقم الأهم
بلغت دقة النموذج المجمع 91.2% في تحقق متقاطع من عشر جولات على بيانات 150 رياضيا.
كيف تحولت الحركة والنبض إلى مدخلات للنموذج؟
استخرج MediaPipe Pose مواضع مفاصل الجسم من لقطات الفيديو. بعد ذلك حلل نموذج Transformer تسلسل الحركة عبر الزمن، بدلا من الحكم على وضعية واحدة ثابتة.
أضاف الباحثون معدل ضربات القلب والتغير بين النبضات لتمثيل الاستجابة البدنية. وجاء الجزء الثالث من استبيانات تقيس الدافع والثقة والصلابة النفسية، ثم دمج النظام السمات الثلاث قبل إصدار التوقع.
سجل النموذج قيمة 0.908 في مقياس F1، وبلغ معامل التحديد 0.895. وتفوق داخل التجربة على نماذج بديلة اختارها الباحثون، منها الغابة العشوائية وشبكة عصبية تقليدية وشبكة تتعامل مع التسلسل الزمني.
ماذا يعني تراجع الدقة عند حذف أحد المصادر؟
أعاد الفريق الاختبار بعد إزالة الفيديو أو بيانات القلب أو الاستبيانات، فانخفضت النتائج في كل مرة. يدعم ذلك فكرة أن المصادر تكمل بعضها داخل هذه البيانات، لكنه لا يثبت أن جمعها كلها سيحسن أداء كل فريق.
تتأثر الاستبيانات بطريقة صياغة الأسئلة واستعداد الرياضي للإجابة، بينما تحتاج الكاميرات وأجهزة القلب إلى معايرة وحماية للخصوصية. كما لا يعرف المدرب قيمة النتيجة قبل أن يثبت أنها تغير قرارا فعليا إلى الأفضل.
عرضت نيوتقنية سابقا أقطابا قابلة للارتداء تحافظ على الإشارة أثناء الحركة والتعرق، وشرحت كيف يرسل مستشعر كرة كأس العالم بياناته إلى حكام الفيديو. تقيس هذه الأدوات إشارات مباشرة، أما النموذج الجديد فيضيف طبقة تفسير تعتمد دقتها على تعريف الباحثين للأداء المطلوب توقعه.
قبل أن نسمي النظام مدربا رقميا
- عينة من 150 شخصا محدودة بالنسبة إلى نموذج تعلم عميق، كما جمعت رياضيين من ألعاب مختلفة.
- يقسم التحقق المتقاطع البيانات نفسها بين التدريب والاختبار في جولات متعددة. سيكون الاختبار على فريق أو موسم مستقل أكثر إقناعا.
- قاس البحث دقة التوقع، ولم يقس الفوز أو تراجع الإصابات أو تحسن خطة التدريب.
- لا تضمن الدراسة أن تبقى الإجابات النفسية مستقرة أو مفيدة بالقدر نفسه خارج المجموعة الأصلية.
ما الذي يجب اختباره في الملعب؟
يحتاج الباحثون إلى تدريب النموذج على مجموعة ثم اختباره مسبقا على رياضيين من فرق وألعاب أخرى. ويجب تحديد قرار واضح يمكن للنظام تغييره، ثم قياس الفائدة والخطأ والمخاطر بدلا من الاكتفاء بدرجة الدقة.
يثبت رقم 91.2% أن جمع مصادر متعددة ساعد على مطابقة تصنيفات الدراسة. لكنه لا يعني أن النظام يعرف نتيجة المباراة القادمة، أو يمنع إصابة، أو يعوض معرفة المدرب بتاريخ اللاعب وحالته اليومية.
كيانات وموضوعات موثّقة
المصادر والمراجع4 مصادر
المراجع الخارجية المستخدمة لدعم المعلومات الواردة في هذا المقال.
نشر بواسطة
مكتب نيو تقنية – تقنيات الرياضة
فريق تحريري مؤسسي تابع لنيو تقنية
