CC BY
37
ISSN 1992-6502 (P ri nt)_
2014. Т. 18, № 5 (66). С. 175-180.
Ъюъмм QjrAQnQj
Vestniti UQA7U
ISSN 2225-2789 (Online) http://journal.ugatu.ac.ru
УДК 004.89
Алгоритмическое обеспечение
для интеллектуальной поддержки принятия решений
при управлении уровнем физического развития студентов
о. н. сМЕТАНИНА1, м. м. гАЯНОВА2, т. в. нАУМОВА3, р. р. иСЛАМОВА4
1 [email protected], 2 [email protected], 3 [email protected], 4 [email protected]
ФГБОУ ВПО «Уфимский государственный авиационный технический университет» (УГАТУ)
Поступила в редакцию 10 июня 2014 г.
Аннотация. Рассматриваются вопросы разработки алгоритмического обеспечения с целью организации поддержки принятия решений при управлении уровнем физического развития на основе интеллектуальных технологий.
Ключевые слова: поддержка принятия решений; нейронная сеть; физическое развитие.
ВВЕДЕНИЕ
Контингент студентов первого курса неоднороден по возрасту, опыту физкультурно-спортивной деятельности, уровню физического развития, что также нужно учитывать в процессе физического воспитания студентов [1]. Ранее авторами были рассмотрены вопросы разработки подхода к обеспечению поддержки принятия решений и организации информационного обеспечения поддержки принятия решений при управлении физическим развитием студента
[2, 3].
Данная статья посвящена рассмотрению вопросов разработки алгоритмов для организации интеллектуальной поддержки принятия решений при управлении уровнем физического развития студентов с учетом пожеланий студента, ППФП, начального уровня физического развития и возможных ограничений, накладываемых состоянием здоровья.
СРАВНИТЕЛЬНЫЙ АНАЛИЗ ПРОГРАММНЫХ РЕШЕНИЙ
ПО ОЦЕНКЕ УРОВНЯ ФИЗИЧЕСКОГО РАЗВИТИЯ ЧЕЛОВЕКА
Среди программных решений по оценке уровня физического развития человека можно выделить следующие: СПОРТЕС 1, Monitoring, HealthMonitor (табл. 1) [3-5]. Существует также множество других программ, которые в основном используются при тестировании клиента в фитнес-клубах, в парикмахерских, косметических салонах и т. д. [6].
Как правило, перед началом занятий в фит-нес-клубах проводится медицинское тестирование и собеседование о возможностях заниматься в тех или иных группах, на тех или иных тренажерах с учетом ограничений, накладываемых особенностями организма, состоянием здоровья. Обработка результатов тестирования позволяет выдать результат и рекомендации к занятиям. Однако в значительной части такие программные решения сводятся к формированию различных групп мышц, снижению веса и т. д. Вопросы, связанные с профессиональной деятельностью клиента и ее учетом при развитии физической подготовки студента, подобными программными решениями не учитываются.
АЛГОРИТМИЧЕСКОЕ ОБЕСПЕЧЕНИЕ ЗАДАЧИ ФОРМИРОВАНИЯ КОМПЛЕКСА ФИЗИЧЕСКИХ УПРАЖНЕНИЙ ДЛЯ ПОВЫШЕНИЯ УРОВНЯ ФИЗИЧЕСКОГО РАЗВИТИЯ СТУДЕНТА
Обобщенный алгоритм формирования комплекса физических упражнений (рис. 1) предполагает сбор и предварительную обработку информации. Кластеризация студентов с учетом показателей сданных нормативов осуществляется с помощью нейронной сети Кохонена.
Входными данными являются результаты сданных нормативов г, выходным значением -обобщенная оценка (балл), представляющая собой среднее значение оценок (баллов) Вср, которое рассчитывается как
1 п
Вср =1 Ть
р п1"1
Работа поддержана грантом РФФИ 12-07-00377-а.
Начало
z
Ввод/выбор специализации, группы, ФИО студента, направления, подготовки, пожеланий (специализация)
БД
Ввод результатов медицинского осмотра студента
БД
Распределение студентов по отделениям/ специализациям
БД
Ввод результатов
сдачи нормативов студентом
Классификация студентов с учетом сданных нормативов
/i
n
Формирование комплекса
упражнений с учетом отделения/специализации, направления, класса (нормативы)
БД
БД
БЗ
БД
БЗ
Рис. 1. Обобщенный алгоритм формирования комплекса упражнений для студента
Таблица 1 Сопоставление программных решений
Наименование программы СПОРТЕС 1.0 Monitoring Health-Monitor
Качественная оценка
весо-ростового
индекса + + +
Качественная оценка
жизненного индекса + + +
Качественная оценка
силового индекса + + +
Индекс Габса + + +
Индекса мышечного
развития + + +
Индекс Скибински + + +
Индекс Кердо + + +
Индекс Робинсона + + +
Экскурсии грудной клетки - + +
Режимы работы перс. перс. сеть
Построение графиков - + -
Статистическая обработка
данных + + +
Экспорт данных в
специализированные
статистические пакеты + + —
Формирование отчетов + + +
апро- апро-
Цена бац. бац. от 25000
Доступность демоверсии - — +
Сайт healthm
— — onitor.ru
Поддержка - — +
апро- апро-
Год выпуска бац. бац. не из-
вест.
Оценка (балл) Ъг для полученного результата гI по каждому упражнению определяется в соответствии с выражениями (1) и (2) и значениями контрольных тестов для мужчин (табл. 2) и женщин (табл. 3):
b =
1, если г > 05,
2, если 04 < г < 05,
3, если 03 < г < 04,
4, если 02 < г < 03,
5, если 0 < Г < 0,
(1)
где Ог - норматив, I = 1, 2 . Для I = 3, 4 значение Ъг определяется следующим образом:
b =
1, если г > 01,
2, если 02 < г < 01,
3, если 03 < г < 02,
4, если 04 < г < 03,
5, если 0 < Г < 0.
(2)
О. Н. Сметанина, М. М. Гаянова и др. • Алгоритмическое обеспечение
177
Таблица 2 Контрольные тесты оценки физической подготовленности студентов (мужчины) основного и спортивного учебных заведений
Упражнение Оценка в баллах
1 2 3 4 5
Бег 100 м (сек) 13,2 13,6 14,0 14,3 14,6
Бег 3000 м (мин, сек) 12,0 12,35 13,1 13,5 14,3
Прыжки в длину
с места (см) 250 240 230 223 215
Подтягивание на пе-
рекладине (раз) 15 12 9 7 5
Таблица 3 Контрольные тесты оценки физической подготовленности студентов (женщины) основного и спортивного учебных заведений
Упражнения Оценка в баллах
1 2 3 4 5
Бег 100 м (сек) 15,7 10,0 17,0 17,9 18,7
Бег 2000 м (мин, сек) 10,15 10,5 11,15 11,5 12,15
Прыжки в длину с места (см) 190 180 168 160 150
Поднимание
туловища
из положения
лежа на спине,
руки за головой,
ноги закреплены (раз) 60 50 40 30 20
Полученные обобщенные оценки для каждого студента будут являться выходными данными, что позволит провести кластеризацию. Фрагмент исходных данных для кластеризации представлен в табл.4.
В каждый кластер попали студенты, имеющие схожие значения показателей сданных нормативов. Кластеризация проводится отдельно для каждой группы физической подготовки. С учетом характеристик кластера формируется комплекс упражнений и определяется нагрузка.
СПЕЦИФИКА ФИЗИЧЕСКОЙ ПОДГОТОВКИ СТУДЕНТОВ УГАТУ
И ОГРАНИЧЕНИЯ, НАКЛАДЫВАЕМЫЕ ЗАБОЛЕВАНИЯМИ
Студенты УГАТУ, посещающие физическую культуру в течение 6 семестров, сдают по 3 блока нормативов в семестр. По результатам медицинского осмотра студентов распределяют в три отделения: основное (группы футбол, баскетбол, аэробика, бокс, кикбоксинг, шахматы, борьба греко-римская, общая физическая подготовка, пауэрлифтинг, тяжелая атлетика), специальное медицинское и ЛФК. В специальное медицинское отделение распределяют студентов с различными заболеваниями, которые носят временный или хронический характер.
Результаты медицинского осмотра за последние 5 лет показывают, что в среднем 20 % студентов зачисляются в группу ЛФК и специальную медицинскую группу. Среди поставленных студентам диагнозов выделяют отклонения здоровья со стороны вегетативной нервной системы и миопии средней и высокой степени (более 50 %), бронхиальная астма (10 %), пролапс митрального клапана (10 %), сколиоз (10 %), заболевания почек (10 %) и другие заболевания (10 %). Студенты, имеющие отклонения здоровья, обязаны проходить медицинский осмотр один раз в семестр. Врачом принимается решение о возможности сдачи студентом нормативов. Далее представлены (табл. 5) рекомендации и ограничения при занятиях физической культурой при наличии перечисленных заболеваний у студентов.
Кроме указанных ограничений, накладываемых указанными заболеваниями, возникают временные ограничения, например, в случаях перенесенного ОРЗ.
Таблица 4
Фрагмент исходных данных для кластеризации в группе «Пауэрлифтинг» (мужчины)
№ ФИО Учебная группа Бег 100 м (сек) Бег 3000 м (мин сек) Прыжок в длину с места (см) Подтягивание на перекладине (раз) Обобщенная оценка
1 ФИО1 ПИ-205 13,2 12,03 250 22 4,75
2 ФИО3 МРТ-201 12,9 12,25 252 16 4,5
3 ФИО4 ПИ-204 13,9 13,11 260 13 3,5
4 ФИО5 ИСТ-202 15,1 17,25 205 3 1,25
5 ФИО6 ПИ-204 14,8 18,18 205 10 0,75
п ФИОп ПИ-204 14,4 15,51 230 15 2,75
Таблица 5
Рекомендации и ограничения для занятий при наличии заболеваний
Заболевание
Рекомендовано
Не рекомендовано
Вегето -сосудистая дистония (ВСД)
Миопия
Бронхиальная астма
Сколиоз
Занятия (виды спорта) на свежем воздухе или в воде: плавание, аквааэробика, танцы, катание на лыжах и велосипеде;
Упражнения для глаз, спины;
Чередование занятий умственным и физическим трудом;
Занятия (виды спорта): утренняя
зарядка со специально подобранным комплексом упражнений, туризм, гребля, плавание;
Занятия (виды спорта) дозированная ходьба, легкий бег, велотренировки, плавание, лыжные прогулки;
Упражнения на урежение дыхания (уменьшают избыточную вентиляцию легких); надувание воздушных шаров и камер, резиновых грушевых предметов;
Нагрузка должна быть снижена;
Длительность занятия должна быть снижена;
Упражнения на укрепление мышцы и связки спины и поясницы, общеукрепляющие и развивающие; Нагрузка должна быть снижена;
Длительность занятия должна быть снижена;
Виды спорта силовая гимнастика, акробатика, единоборства;
Упражнения с длительным статическим напряжением, резкими движениями, положением тела вверх ногами, связанные с возможными падениями, сотрясениями и ушибами;
Интенсивность физических нагрузок - высокая;
Виды спорта тяжелая атлетика, гимнастика, акробатика, прыжки в воду и др.;
Упражнения, связанные с подъемом тяжестей, рассматриванием мелких деталей или требующие длительного пребывания в согнутом положении с наклоном головы вниз, связанные с резким перемещением тела и его сотрясанием;
Упражнения, связанные с натуживанием и задержкой дыхания;
Упражнения, ведущие к существенным нарушениям со стороны дыхания и кровообращения;
Исходные данные приведены для студентов факультета информатики и робототехники, которые как в настоящее время, так и в дальнейшем в большей степени будут значительную часть времени проводить за компьютерами. Что говорит о малоподвижном образе жизни. Данное заключение также учитывается при формировании комплекса упражнений.
ИНТЕРПРЕТАЦИЯ РЕЗУЛЬТАТОВ
КЛАСТЕРИЗАЦИИ СТУДЕНТОВ В СООТВЕТСТВИИ СО СДАННЫМИ НОРМАТИВАМИ
Анализ полученных путем использования нейронной сети Кохонена результатов показывает, что студенты в соответствии со сданными нормативами отнесены к четырем кластерам (рис. 2). Полученные результаты показывают, что студенты с наилучшими показателями попали в кластер 3, а наихудшими - в кластер 2.
Полученные результаты кластеризации позволят предложить студентам, вошедшим в один кластер, дополнительно к базовому свой комплекс упражнений с целью улучшить в дальнейшем показатели при сдаче нормативов. Значения (минимальное - min, среднее - med, максимальное - max) показателей дают характеристику каждого кластера (табл. 6).
ЗАКЛЮЧЕНИЕ
Разработанный алгоритм формирования комплекса упражнений для студента включает алгоритм расчета обобщенной оценки сданных нормативов, алгоритм кластеризации с использованием нейронной сети Кохонена. Дополнительно для формирования комплекса упражнений используются продукционные правила.
О. Н. Сметанина, М. М. Гаянова и др. • Алгоритмическое обеспечение ... 179
Рис. 2. Карты Кохонена: а - кластеры;
б - бег 100 м; в - бег 3000 м; г - прыжки в длину; д - подтягивание на перекладине
Таблица 6
Характеристики кластеров
Упражнения Кластер
0 1 2 3
Бег 100 м (сек) min med max min, med
Бег 2000 м (мин,
сек) med med med, max min
Прыжки в длину
с места (см) med max min max
Подтягивание на
перекладине
(раз) med med min, med max
а
г
б
д
в
СПИСОК ЛИТЕРАТУРЫ
1. Сметанина О. Н., Гаянова М. М., Наумова Т. В. Информационная поддержка решений при управлении уровнем физического развития студента // Информационные технологии и системы: тр. 3-й Междунар. конф. (Банное, 26 февраля - 2 марта 2014). Челябинск: ЧГУ, 2014. С. 108110 [ O. N. Smetanina, M. M. Gayanova, T. V. Naumova, "Information support decision in management of athletic level development of student," (in Russian), in Proc. of 3rd Workshop on Information Technologies and Systems, Russia, Bannoe, 2014, pp. 108-110. ]
2. Сметанина О. Н., Наумова Т. В. Подход к обеспечению поддержки решений при управлении уровнем физического развития студента // ITIDS'+MAAO'2013: Информационные технологии интеллектуальной поддержки решений: тр. Междунар. конф. (Уфа, 21-25 мая). Уфа: УГАТУ, 2013. Т. 3. С. 1-4. [ O. N. Smetanina, T. V. Naumova, "Approach to providing decision support in management of athletic level development of student," (in Russian), in Proc. of 1st International Conference on Information Technologies for Intelligent Decision Making Support" and "The Intended Russian-German Workshop on Models and Algorithms of Applied Optimization", Russia, Ufa, 2013, pp. 1-4. ]
3. Осипенко Е. В. Мониторинг физического состояния школьников на основе применения компьютерных технологий [Электронный ресурс]. URL: http://nauka2020.ru/ 0sipenko_100414.pdf (дата обращения 15.05.2014). [ E. V. Osipenko, (2014, May 05), The physical state monitoring of students based on computer technologies [Online], (in Russian). Available: http://nauka2020.ru/Osipenko_100414.pdf ]
4. Головач В. А. Использование компьютерной программы «Спортес 1.0» при проведении исследований физического состояния детей и подростков [Электронный ресурс]. URL: http://www.sportmedicine.ru/sochi-2011-papers/158-golovach.php (дата обращения 15.05.2014). [ V. A. Golovach, (2014, May 15), The computer program "Sportes 1.0" in research of physical state of children and adolescents [Online], (in Russian). Available: http://www. sportmedicine.ru/sochi-2011-papers/158-golovach.php ]
5. Автономный модуль оценки уровня развития физических качеств обучающихся общеобразовательных учреждений [Электронный ресурс]. URL: http://healthmonitor. ru/ (дата обращения 15.05.2014). [ Stand-alone assessment development module of athletic qualities of students in educational institutions (2014, May 15) [Online], (in Russian). Available: http://healthmonitor.ru/ ]
6. Юсупова Н. И., Ахметова Ю. Ф., Богданова Д. Р. Классификация клиентов на основе нечеткой информации // Вестник УГАТУ. 2013. Т. 17, № 5 (58). С. 93-100. [ N. I. Yusupova, Yu. F. Akhmetova, and D. R. Bogdanova, "Client classification based on fuzzy information," (in Russian), Vestnik UGATU, vol. 17, no. 5 (58), pp. 93-100, 2013. ]
7. Smetanina O. N., Maximenko Z. V., Klimova A. V. Models of education quality estimation based on fuzzy classification // Вестник УГАТУ. 2013. Т. 17, № 6. С. 53-56. [ O. N. Smetanina, Z. V. Maximenko, A. V. Klimova. "Models of education quality estimation based on fuzzy classification", (in Russian), in Vestnik UGATU, vol. 17, no. 6 (59), pp. 53-56, 2013. ]
8. Сметанина О. Н., Юсупова Н. И., Ясинецкий С. П., Климова А. В. Модели и программный комплекс для реализации информационного поиска при поддержке управленческих решений // Современные проблемы науки и
образования. 2014. № 1. URL: http://www.science-education.ru/115-11955 (дата обращения: 04.02.2014). [ O. N. Smetanina, N. I. Yusupova, S. P. Jasineckij, A. V. Klimova, "Models and software for the implementation of information search in management decisions support," (in Russian), Sovremennye problemy nauki i obrazovanija, no. 1, 2014. Available: http://www.science-education.ru/115-11955 (2014, Feb. 04) ]
ОБ АВТОРАХ
СМЕТАНИНА Ольга Николаевна, проф. каф. выч. мат. и киберн. Дипл. инж. по автоматиз. и механиз. проц. обраб. и выдачи информации (УАИ, 1985). Д-р техн. наук (УГАТУ, 2012). Иссл. в обл. принятия решений в условиях неопределённости.
ГАЯНОВА Майя Марсовна, доц. каф. выч. матем. и киберн. Дипл. спец. по прикл. мат. (БГУ, 1997). Канд. техн. наук (УГАТУ, 2006). Иссл. в обл. принятия решений в условиях неопределённости.
НАУМОВА Татьяна Викторовна, м-нт каф. выч. матем. и киберн.
ИСЛАМОВА Регина Радиковна, студ. каф. выч. матем. и киберн.
METADATA
Title: Algorithmic support for intelligent decision support in
controlling the level of athletic development of students. Authors: O. N. Smetanina1, M. M. Gayanova2, T. V. Naumova3,
R. R. Islamova4 Affiliation:
Ufa State Aviation Technical University (UGATU), Russia. Email: 2 [email protected] Language: Russian.
Source: Vestnik UGATU (scientific journal of Ufa State Aviation Technical University), vol. 18, no. 5 (66), pp. 175-180, 2014. ISSN 2225-2789 (Online), ISSN 1992-6502 (Print). Abstract: This article deals with the development of algorithmic support for the organization to support decision-making in management of athletic level development on the basis of intelligent technologies. Key words: support decision-making; neural network; athletic
development. About authors:
SMETANINA, Olga Nikolaevna, Prof., Dept. of the Department of Computing Mathematics and Cybernetics. Dipl. specialils. to automate the processing and delivery og information (UAI, 1985). Cand. of Tech. Sci. on automated control systems (UGATU, 1999), Dr. of Tech. Sci. (UGATU, 2012).
GAYANOVA, Maya Marsovna, Associate Prof. of the Department of Computing Mathematics and Cybernetics. Dipl. specialils. mathematician (BGU, 1997). Cand. of Tech. Sci. (UGATU, 2006).
NAUMOVA, Tatyana Viktorovna, Postgrad. (PhD) Student of the Department of Computing Mathematics and Cybernetics.
ISLAMOVA, Regina Radikovna, Student of the Department of Computing Mathematics and Cybernetics.
