Научный журнал
Международный журнал прикладных и фундаментальных исследований
ISSN 1996-3955
ИФ РИНЦ = 0,593

ОПРЕДЕЛЕНИЕ РЕЙТИНГА СПОРТСМЕНА ИГРОВЫХ ВИДОВ СПОРТА

Полевщиков М.М. 1 Роженцов В.В. 2
1 ГОУ ВПО «Марийский государственный университет»
2 ГОУ ВПО «Поволжский государственный технологический университет»
Испытуемым предъявляли на экране видеомонитора окружность, на которой помещена метка и точечный объект, движущийся с заданной скоростью по окружности. Испытуемые, наблюдая за движением точечного объекта, в момент предполагаемого совпадения положения движущегося точечного объекта с меткой нажатием кнопки «Стоп» останавливали движение точечного объекта по окружности. После этого компьютер вычислял ошибку не совпадения точечного объекта и метки – время ошибки запаздывания с положительным знаком или упреждения с отрицательным знаком и через заданное время, равное 1 секунде, возобновлял движение точечного объекта по окружности. По окончании тестирования определяли максимальное абсолютное значение Tmax ошибок несовпадения; вычисляли их вариационный размах R и верхнюю квартиль максимального абсолютного значения ошибки Tmax, процент П абсолютных значений ошибок несовпадения, находящихся в верхней квартили максимального абсолютного значения ошибки Tmax. Рейтинг Р вычисляли как обратную величину среднеарифметического значения максимального абсолютного значения ошибки Tmax, вариационного размаха R и процента П абсолютных значений ошибок несовпадения, находящихся в верхней квартили максимального абсолютного значения ошибки Tmax, умноженную на 100, по формуле: Р = 100×1/(Тmax+R+П)/3. Испытуемый, имеющий более высокий рейтинг, расценивался как более перспективный и способный показать более высокие результаты в предстоящих соревнованиях.
спорт
игровые виды
рейтинг спортсмена
1. Закамский А.В., Полевщиков М.М., Роженцов В.В. Оценка точности двигательных действий спортсмена игровых видов спорта // Ученые записки университета имени П.Ф. Лесгафта. 2012. № 3. С. 86-90.
2. Касюк С.Т., Вахтомова Е.М. Использование нейронных сетей для анализа и прогнозирования данных в физической культуре и спорте // Ученые записки университета им. П.Ф. Лесгафта. 2013. № 12. С. 72-77.
3. Корольков А.Н. Прогноз индивидуальных результатов соревновательной деятельности в мини-гольфе // Наука и спорт: современные тенденции. 2014. Т. 5, № 4. С. 34-37.
4. Патент РФ № 2548318. Способ определения рейтинга спортсмена игровых видов спорта // Кудрявцев Н.А., Закамский А.В., Полевщиков М.М., Роженцов В.В. 2015. Бюл. № 11.
5. Полевщиков М.М., Роженцов В.В. Способ ранжирования спортсменов игровых видов спорта // Европейский исследователь. 2012. Т. 23, № 6-1. С. 905-909.
6. Полевщиков М.М., Роженцов В.В. Точность двигательных действий как критерий отбора для занятий игровыми видами спорта // Ученые записки университета имени П.Ф. Лесгафта. 2013. № 6. С. 103-108.
7. Соколова Н.М., Гайдуков Э.А. Спортивный отбор и прогнозирование результатов юных легкоатлетов, мальчиков 10-12 лет на основе анализа двигательной подготовленности // Ученые записки университета имени П.Ф. Лесгафта. 2011. №4. С.179-182.
8. Тихомиров А.К., Дубровская И.Н., Тимофеева М.В. К вопросу о прогнозировании двигательных способностей в сложнокоординационных видах спорта // Социально-экономические явления и процессы. 2013. № 12. С. 239-241.
9. Фисунов А.В. Анализ различных систем оценки показателей соревновательной деятельности в игровых видах спорта // Проблемы Науки. 2014. №3. С.113-118.
10. Яворская Т.Е. Особенности прогнозирования результативности спортсменов как фактора повышения эффективности учебно-тренировочного процесса // Педагогика, психология и медико-биологические проблемы физического воспитания и спорта. 2010. № 3. С. 148-150.

Введение

В игровых видах спорта от спортсмена требуется быстрая оценка соревновательных ситуаций, принятие адекватных решений и техническое мастерство при выполнении двигательных действий [1]. В работе [5] отмечается, что эффективность двигательных действий зависит от моторных возможностей, обусловленных быстротой, и точностью движений, под которой понимают точность пространственных, временных и силовых характеристик движения.

При оценке вероятной успешности спортсмена тренеры (тренерский совет, психологи и другие специалисты) ориентируются на данные наблюдений за характером его действий в тренировочных играх, данные субъективной оценки психоэмоциональной напряженности и мотивационных установок, результаты психофизиологического тестирования и поведенческие реакции. По результатам оценки выносится суждение об ожидаемых спортивных результатах и решение о включении спортсмена в команду для участия в ответственных предстоящих соревнованиях. Однако такая оценка характеризуется выраженным субъективизмом и поэтому часто оказывается недостаточно достоверной.

Считается, что только показатели точности являются наиболее важными, но в то же время и наиболее трудными для нахождения критериями оценки и прогнозирования эффективности двигательных действий. Вопросы оценки точности и прогнозирования эффективности двигательных действий рассмотрены авторами ранее в работах [1, 5, 6].

Цель работы – разработка методики определения рейтинга спортсменов игровых видов спорта.

Методика определения рейтинга

Испытуемым предъявляли на экране видеомонитора окружность, на которой помещена метка 1 и точечный объект 2, движущийся с заданной скоростью по окружности, как показано на рис. 1.

Испытуемые, наблюдая за движением точечного объекта 2, в момент предполагаемого совпадения положения движущегося точечного объекта 2 с меткой 1 нажатием кнопки «Стоп» останавливали движение точечного объекта 2 по окружности. После останова компьютер вычислял ошибку не совпадения точечного объекта 2 и метки 1 – время ошибки запаздывания с положительным знаком, мс или упреждения с отрицательным знаком, мс и через заданное время, равное 1 секунде, возобновлял движение точечного объекта 2 по окружности.

Испытуемые выполняли описанную процедуру 13 раз, 3 начальных результата из анализа исключались, как принято в [5]. После этого определяли максимальное абсолютное значение Tmax ошибки несовпадения точечного объекта 2 и метки 1, мс; строили вариационный ряд ошибок несовпадения точечного объекта 2 и метки 1, вычисляли вариационный размах ряда по формуле:

R=tmax–tmin,

где tmax и tmin – соответственно наибольший и наименьший члены вариационного ряда, мс; вычисляли верхнюю квартиль максимального абсолютного значения Tmax ошибки несовпадения точечного объекта и метки, процент П абсолютных значений ошибок несовпадения точечного объекта и метки, находящихся в верхней квартили максимального абсолютного значения Tmax ошибки несовпадения точечного объекта и метки.

Рис. 1. Схема тестирования реакции на движущийся объект

Рейтинг Р вычисляли как обратную величину среднеарифметического значения максимального абсолютного значения Tmax ошибки несовпадения точечного объекта 2 и метки 1, вариационного размаха R и процента П абсолютных значений ошибок несовпадения точечного объекта 2 и метки 1, находящихся в верхней квартили максимального абсолютного значения Tmax ошибки несовпадения точечного объекта 2 и метки 1, умноженную на 100, по формуле [4]:

Р = 100× 1/(Тmax+R+П)/3 = 300/(Тр max+R+П)

Испытуемый

Tmax, мс

R, мс

ВК

%

Р

Б., 20 лет

12

19

9,0

20

5,88

К., 23 года

14

22

10,5

10

6,52

Д., 19 лет

12

21

9,0

40

4,11

Tmax - максимальное абсолютное значение ошибки несовпадения точечного объекта и метки; R - вариационный размах значений ошибок несовпадения точечного объекта и метки; ВК - значение верхней квартили максимального абсолютного значения ошибки не совпадения точечного объекта и метки; % - процент абсолютных значений ошибок несовпадения точечного объекта и метки, находящихся в верхней квартили максимального абсолютного значения ошибки несовпадения точечного объекта и метки; Р – значение рейтинга.

Обсуждение

Анализ результатов тестирования свидетельствует, что максимальное абсолютное значение ошибки и вариационный размах ошибок не совпадения точечного объекта и метки у испытуемого К. несколько больше, чем у испытуемых Б. и Д. Однако процент абсолютных значений ошибок не совпадения точечного объекта и метки, находящихся в верхней квартили максимального абсолютного значения ошибки не совпадения точечного объекта и метки у испытуемого К. меньше, поэтому число его более точных реакций на движущийся объект и рейтинг выше, чем у испытуемых Б. и Д. По результатам тестирования испытуемый К. расценивается как наиболее перспективный и способный показать более высокие результаты в ответственных соревнованиях.

Успешность спортсмена в игровых видах спорта, как отмечается в [5], во многом зависит от пространственных (дифференцирование, точное воспроизведение и отмеривание пространственных интервалов, ориентация в пространстве) и временных (дифференцирование, точное воспроизведение и отмеривание временных интервалов) свойств.

Сложным пространственно-временным рефлексом является реакция на движущийся объект [6], поэтому этот тест может использоваться для определения рейтинга спортсмена игровых видов спорта путем оценки правильности принятия решений и точности двигательных действий.

Задача испытуемого, стремящегося остановить движущийся объект, точно совмещая его с меткой, состоит в нахождении некоторой величины упреждения с учетом скорости движения объекта, оставшегося расстояния и скорости своих двигательных действий. Действия испытуемого в подобной ситуации соответствуют действиям спортсмена игровых видов спорта, что позволяет оценить правильность принятия решений и точность двигательных действий испытуемого.

На современном этапе развития спорта возрастает необходимость эффективной рейтинговой оценки показателей подготовленности спортсмена для анализа и последующей корректировки как тренировочной, так и соревновательной деятельности. Обзор способов получения такой оценки по итогам соревновательной деятельности приведен в работе [9]. Так в футболе вычисляется показатель тактико-технических действий, для чего фиксируется темп их выполнения, время владения мячом, различные виды передач и процент брака. Это позволяет определить эффективность как отдельных футболистов, так и команды в целом.

В волейболе вычисляется интегральный показатель технико-тактического мастерства ПТМ спортсмена с учетом его амплуа по формуле:

pol.eps

где n – количество приемов; h – эффективность приема; К1 – коэффициент специфичности приема; К2 – ценность приема.

В пляжном волейболе в качестве оценки используется коэффициент игровой подготовленности КИП, вычисляемый по формуле:

КИП= (а123+ … +аn)/n,

где а1, а2, а3, … , аn – оценка выполнения отдельных игровых действий; n – число игровых действий, выполняемых волейболистом.

В баскетболе за меру технического мастерства принимается математическое ожидание, а за технику выполнения М1 – средняя оценка, вычисляемая по формуле:

ped1.eps

где n – количество приемов; x – вероятность выполнения приема; y – математическое ожидание оценки приема. Вероятность выполнения приема определяется по формуле:

missing image file

где Kd – количество выполнений одного приема; Kw – суммарное количество выполнений всех приемов.

В студенческом американском баскетболе вычисляется коэффициент полезности игрока КПИ, включающий большое количество показателей с весовыми коэффициентами, приведенных к игровому времени баскетболиста:

po1l.eps

po2.eps

где О – набранные очки; АВ – атакующие передачи (всего); ПХ – перехваты; БШ – блокшоты; СЩ – подборы на своем щите; ЧЩ – подборы на чужом щите; ФС – фолы соперника на игроке; 2ОП – промахи 2-очковых бросков; 3ОП – промахи 3-очковых бросков; ШП – промахи штрафных бросков; ПП – потери при передачах; ПТ – потери технические; Ф – фолы игрока; СВ – сыгранное время.

А.Н. Корольков отмечает [3], что вопросы прогнозирования спортивных достижений являются постоянной темой многих исследовательских работ, в большинстве которых предпринимаются попытки предсказать будущие результаты путем экстраполяции временных рядов текущих результатов в зависимости от параметров тренировочных и соревновательных нагрузок на некоторый будущий момент времени. Для этого используются известные статистические методов анализа (факторный анализ, корреляция, регрессия и др.).

Так А.К. Тихомиров и соавт. [8] при обработке результатов тестирования вычисляют коэффициенты корреляции между этапными (ежегодными) значениями показателей. Н.М. Соколова и Э.А. Гайдуков считают [7], что построение линейных регрессионных моделей на основе результатов двигательных тестов, проводимых в каждый учебно-тренировочный месяц, в течение двух лет начального этапа тренировки юных легкоатлетов (мальчиков 10-12 лет), позволяет надежно прогнозировать результаты в ключевых характеристиках спринтерского бега и прыжков. Т. Е. Яворская [10] помимо линейной регрессии использует векторный и матричный анализ для выделения максимально возможного количества информативных параметров, дисперсионный и факторный анализ для решения задачи о минимально достаточном числе информативных параметров.

В последнее десятилетие возрос интерес к использованию нейронных сетей прежде всего для решения задач регрессионного анализа и анализа временных рядов с целью прогнозирования. Основная проблема использования нейронных сетей связана с нехваткой качественных данных, очищенных от ошибок и выбросов [2].

Заключение

Разработан метод определение рейтинга спортсмена игровых видов спорта по результатам тестирования реакции на движущийся объект. Он может быть использован как для первичного отбора, так для оценки качества тренированности и комплектации команды высококвалифицированных спортсменов.


Библиографическая ссылка

Полевщиков М.М., Роженцов В.В. ОПРЕДЕЛЕНИЕ РЕЙТИНГА СПОРТСМЕНА ИГРОВЫХ ВИДОВ СПОРТА // Международный журнал прикладных и фундаментальных исследований. – 2015. – № 9-1. – С. 153-156;
URL: https://applied-research.ru/ru/article/view?id=7459 (дата обращения: 28.03.2024).

Предлагаем вашему вниманию журналы, издающиеся в издательстве «Академия Естествознания»
(Высокий импакт-фактор РИНЦ, тематика журналов охватывает все научные направления)

«Фундаментальные исследования» список ВАК ИФ РИНЦ = 1,674