CC BY
13
ЛИТЕРАТУРА
1. Волков А.Л. Классификация профессионально-прикладной физической подготовки трудящихся / А.Л. Волков // Физкультурно-оздоровительная деятельность образовательного учреждения: материалы Всероссийской научно-практической конференции. - Новокузнецк, 2011. - С. 180-185.
2. Мадаминова Г.М. Профессионально-прикладная физическая подготовка среди студентов стоматологического института / Г.М. Мадаминова // Наука, образование и культура. - 2020. - № 8 (52). - С. 48-50.
3. Симонян А. А. Перспективы профессионально-прикладной физической подготовки педагогов / А.А. Симонян // KANT. - 2018. - № 1 (26). - С. 86-89.
4. Шарипова Г.К. Профессионально-прикладная физическая подготовка в высших учебных заведениях / Г.К. Шарипова, С.Б. Касымов // Научный взгляд в будущее. - 2018. - Т. 2., № 11. -С. 60-64.
5. Яковлев С.В. Решение задачи выбора содержания профессионально-прикладной физической подготовки, направленного на развитие профессионально-важных психофизических качеств студента / С.В. Яковлев // Международный журнал гуманитарных и естественных наук. - 2020. - № 5-3 (44). - С. 202-204.
REFERENCES
1. Volkov A.L. (2011), "Classification of professional-applied physical training of workers", Physical culture and health-improving activity of an educational institution, materials of the All-Russian scientific and practical conference, Novokuznetsk, pp. 180-185.
2. Madaminova G.M. (2020), "Professionally-applied physical training among students of the dental institute", Science, Education and Culture, No. 8 (52), pp. 48-50.
3. Simonyan A.A. (2018), "Prospects for professionally applied physical training of teachers", KANT, No. 1 (26), pp. 86-89.
4. Sharipova G.K. (2018), "Professional-applied physical training in higher educational institutions", Scientific look into the future, Vol. 2, No. 11, pp. 60-64.
5. Yakovlev S.V. (2020), "Solution of the problem of choosing the content of professionally applied physical training aimed at developing professionally important psychophysical qualities of a student", International Journal of Humanities and Natural Sciences, No. 5-3 (44), pp. 202-204.
Контактная информация: [email protected]
Статья поступила в редакцию 16.11.2021
УДК 796.015.865.22
ИМИТАЦИОННОЕ МОДЕЛИРОВАНИЕ СОРЕВНОВАТЕЛЬНОЙ ДЕЯТЕЛЬНОСТИ НА ПРИМЕРЕ ШАХМАТ
Владислав Николаевич Юшкин, кандидат технических наук, доцент, Волгоградский государственный аграрный университет
Аннотация
Введение. Объективной необходимостью сегодня является обоснование теоретических основ рейтинговых систем по расчету и формированию рейтинговых классификаций в индивидуальных видах спорта с позиции имитационного математического моделирования. Цель исследования. Описание системы определения рейтинга в индивидуальных видах спорта для сравнения результатов выступления шахматистов, участвующих в соревнованиях. Материал и методы. В качестве примера использовались результаты выступления шахматистов в турнирах разных уровней. Для вычислений систем линейных уравнений применялись численные методы расчета. Результаты. Разработана имитационная модель для определения рейтинговой оценки соревновательной деятельности, позволяющая определить ранг шахматистов. Полученная система рейтинга может служить основой для вычисления рейтинга и в других индивидуальных видах спорта. Приведены два варианта расчета рейтинга, с математически обоснованными формулами подсчета. Заключение. Полученные данные свидетельствуют о возможности использования представленной имитационной модели для
оценки и прогнозирования результатов выступлений шахматистов.
Ключевые слова: имитационная модель, рейтинг, спорт, система, прогнозирование, результат, численный метод, оценка.
DOI: 10.34835/issn.2308-1961.2021.12.p439-444
SIMULATION OF COMPETITIVE ACTIVITY ON THE EXAMPLE OF CHESS
Vladislav Nikolaevich Yushkin, the candidate of technical sciences, senior lecturer, Volgograd
State Agricultural University
Abstract
Introduction. The objective necessity today is to substantiate the theoretical foundations of rating systems for the calculation and formation of rating classifications in individual sports from the position of simulation mathematical modeling. Purpose of the study. Description of the rating system in individual sports for comparing the performance results of chess players participating in competitions. Material and methods. As an example, the results of the performance of chess players in tournaments of different levels were used. Numerical calculation methods were used to calculate systems of linear equations. Results. The simulation model has been developed to determine the rating assessment of competitive activity, which allows determining the rank of chess players. The resulting rating system can serve as a basis for calculating the rating in other individual sports. Two variants of rating calculation are given, with mathematically justified calculation formulas. Conclusion. The data obtained indicate the possibility of using the presented simulation model to evaluate and forecasting the results of chess players' performances.
Keywords: simulation model, rating, sport, system, forecasting, result, numerical method, evaluation.
ВВЕДЕНИЕ
Первыми понятие рейтинг стали использовать шахматисты. Рейтинг в шахматах -это система определения индивидуальных коэффициентов на основе статистики результатов сыгранных партий. Разработал эту систему американский профессор Арпад Эло [1]. В соответствии с шахматным рейтингом составляются списки участников того или иного турнира. Таким образом, рейтинг является показателем не просто силы шахматиста, но и самым существенным образом влияет на всю шахматную жизнь, придавая дополнительный стимул для борьбы. При отсутствии у шахматиста шансов в данном турнире занять достойное высокое место, он проявляет волю к победе и продолжает сражаться до конца поединка, поскольку его результат будет учтен при расчете его рейтинга.
Имитационное моделирование является одним из видов компьютерного моделирования. В частности, оно может использоваться для оптимизации моделей, путем нахождения лучшего решения проблемы или задачи из нескольких возможных вариантов. Имитационное моделирование - это процесс создания модели реальной системы и проведение экспериментов на этой модели с целью изучить поведение этой системы и оценить различные стратегии, обеспечивающие ее функционирование.
Процесс разработки имитационной модели включает в себя несколько этапов: определение проблемы и факторов, взаимодействующих при возникновении наблюдаемых симптомов выявление причинно-следственных связей; формулировка общих правил, объясняющих, каким образом на основе имеющихся потоков информации построена математическая модель, включая правила принятия решений, источники информации и взаимодействие компонентов системы; проверка адекватности модели реальному объекту.
Для имитационного моделирования структурно-функциональную модель необходимо дополнить параметрами, данными, описывающими детали функционирования процесса, с получением возможности называть рассчитываемую модель логико-математической. Таким образом, сконструированную модель можно рассматривать как алгоритм функционирования объекта, реализованный в виде программного комплекса для компьютерной обработки, т. е. на данном этапе уже можно говорить об имитацион-
ной модели [2].
В отечественной науке неоднократно предпринимались попытки измерения эффективности выступления спортсменов [3, 4, 5, 6]. Несмотря на появление значительного количества работ, посвященных прогнозированию и различным аспектам рейтинговой оценки, интерес к рассматриваемой проблематике не ослабевает.
Цель исследования - создание имитационной модели расчета рейтинга для индивидуальных видов спорта. Описание системы определения рейтинга в шахматах.
МАТЕРИАЛ И МЕТОДЫ
Первоначально произведем расчет рейтинга без учета фактора влияния белых фигур или преимущества первого хода. Для выполнения расчетов в качестве главного критерия используем результаты партий. Для определения рейтингов шахматистов необходимо решить систему уравнений [7]
* = Л ■
' А1 '
(1)
где I - количество шахматистов, рассчитываемых в системе; * - рейтинг , -ого шахматиста; , Л1 - суммарное приведенное количество выигранных и проигранных партий , -ого шахматиста соответственно. Ничейный результат учитывается как хк}А.
Далее необходимо произвести расчет коэффициента влияния белых фигур на рейтинг. Величина коэффициента влияния белых фигур вычисляется как средневзвешенное значение по всем рассчитываемым партиям системы по приведенной ниже формуле
к=X ((4*1*2 )/Х (-4*1*2), (2)
,=1 / ,=1
где п - количество партий; 01, 02 - победа шахматиста, имевшего преимущество белых фигур, и победа шахматиста, игравшего черными фигурами соответственно (ничейный результат учитывается как *1, * - рейтинг шахматиста, игравшего
белыми и черными фигурами соответственно.
Апробация данной методики расчета для командных видов спорта описана в работах [8, 9, 10, 11].
РЕЗУЛЬТАТЫ
Для анализа были выбраны результаты 2463005 партий выступления шахматистов в соревнованиях, проведенных за период с 1575 г. по 2021 г.
Пример расчета рейтингов без учета влияния фактора белых фигур.
Рассчитав систему уравнений без учета фактора влияния белых фигур, получим следующие результаты (таблица 1). Приведен рейтинг список первых 25-ти шахматистов среди всех шахматистов, сыгравших более 100 партий на высшем уровне. В таблице используются обозначения: ПМ - это количество исходов, сошедшихся с результатом рейтинговой оценки соперников, РМ - количество партий с выявленным победителем.
№ Шахматисты к, ПМ РМ Степень соответствия модели, % Партии
1. Каспаров, Гарри 9,152 948 1130 83,89 2022
2. Карлсен, Магнус 9,120 1457 1977 73,70 3253
3. Накамура, Хикару 8,660 1722 2337 73,68 3756
4. Крамник, Владимир 8,351 1025 1461 70,16 2909
5. Со, Уэсли 8,265 864 1187 72,79 2230
6. Ананд, Вишванатан 8,257 1317 1794 73,41 3671
№ Шахматисты к, ПМ РМ Степень соответствия модели, % Партии
7. Дин Лижэнь 8,103 502 710 70,70 1417
8. Грищук, Александр 8,031 1282 1831 70,02 3284
9. Непомнящий, Ян 7,973 1007 1509 66,73 2523
10. Юй Янъи 7,971 652 861 75,73 1543
11. Карякин, Сергей 7,940 1145 1733 66,07 3042
12. Вашье-Лаграв, Максим 7,890 1215 1696 71,64 3051
13. Аронян, Левон 7,765 1115 1696 65,74 3219
14. Иванчук, Василий 7,521 1533 2174 70,52 4075
15. Мамедьяров, Шахрияр 7,436 1374 1958 70,17 3208
16. Ван Хао 7,368 662 900 73,56 1626
17. Свидлер, Пётр 7,129 1272 1786 71,22 3402
18. Гири, Аниш 7,058 807 1148 70,30 2273
19. Ван Юэ 7,049 491 667 73,61 1350
20. Андрейкин, Дмитрий 7,048 959 1290 74,34 2101
21. Раджабов, Теймур 7,036 565 829 68,15 1820
22. Ле Куанг Льем 6,909 840 1108 75,81 1721
23. Морозевич, Александр 6,719 1108 1662 66,67 2410
24. Малахов, Владимир 6,608 732 960 76,25 1733
25. Ли Чао 6,582 522 695 75,11 1143
Итого: 1.00 1236911 1645631 75,163 2463005
Рассчитав систему уравнений для случая с учетом влияния фактора белых фигур, получим следующие результаты (таблица 2). Приведен рейтинг список первых 25-ти шахматистов среди всех шахматистов, сыгравших более 100 партий на высшем уровне.
Таблица 2 - Результаты выступления шахматистов с учетом влияния белых фигур
№ Шахматисты к, ПМ РМ Степень соответствия модели, % Партии
1. Карлсен, Магнус 9,242 1398 1977 70,71 3253
2. Каспаров, Гарри 9,208 952 1130 84,25 2022
3. Накамура, Хикару 8,764 1721 2337 73,64 3756
4. Крамник, Владимир 8,449 1082 1461 74,06 2909
5. Со, Уэсли 8,367 880 1187 74,14 2230
6. Ананд, Вишванатан 8,344 1334 1794 74,36 3671
7. Дин Лижэнь 8,194 518 710 72,96 1417
8. Грищук, Александр 8,121 1297 1831 70,84 3284
9. Юй Янъи 8,084 661 861 76,77 1543
10. Непомнящий, Ян 8,072 1051 1509 69,65 2523
11. Карякин, Сергей 8,010 1197 1733 69,07 3042
12. Вашье-Лаграв, Максим 7,979 1211 1696 71,40 3051
13. Аронян, Левон 7,876 1147 1696 67,63 3219
14. Иванчук, Василий 7,638 1583 2174 72,82 4075
15. Мамедьяров, Шахрияр 7,495 1383 1958 70,63 3208
16. Ван Хао 7,462 682 900 75,78 1626
17. Свидлер, Пётр 7,202 1311 1786 73,40 3402
18. Раджабов, Теймур 7,145 571 829 68,88 1820
19. Гири, Аниш 7,133 826 1148 71,95 2273
20. Ван Юэ 7,119 505 667 75,71 1350
21. Андрейкин, Дмитрий 7,118 970 1290 75,19 2101
22. Ле Куанг Льем 6,988 838 1108 75,63 1721
23. Морозевич, Александр 6,801 1156 1662 69,55 2410
24. Малахов, Владимир 6,682 723 960 75,31 1733
25. Ли Чао 6,674 530 695 76,26 1143
Итого: 1.00 1246438 1645631 75,742 2463005
Коэффициент фактора влияния белых фигур kv = 1222658,76 / 999761,31 = 1,223. Это свидетельствует о том, что фактор влияния белых фигур оказывает значительный эффект на результаты выступления шахматистов.
Как видно из результатов, степень соответствия модели составила 75.742%. По первому варианту расчета, без учета влияния белых фигур, степень соответствия модели составила 75,163%, что свидетельствует о положительном воздействии учета фактора влияния белых фигур на степень соответствия имитационной модели реальным результатам, полученным шахматистами. Анализ результатов показывает, что влияние фактора белых фигур составил 22.3%.
ЗАКЛЮЧЕНИЕ
Фактор влияния белых фигур или преимущества первого хода оказывает значительное воздействие на результаты выступлений шахматистов. Полученные данные свидетельствуют о возможности использования построенной имитационной модели для оценки и прогнозирования результатов выступлений шахматистов.
ЛИТЕРАТУРА
1. Elo A.E. The rating of chess players, Past and Present / A.E. Elo. - New York : Arco Publishing, 1978, - 208 p.
2. Чистяков В.А. Имитационное моделирование в сфере физической культуры / В.А. Чистяков, Г.З. Аронов // Ученые записки университета им. П.Ф. Лесгафта. - 2006. - Выпуск 21. - С. 83-86.
3. Полозов А.А. Рейтинг в спорте: вчера, сегодня, завтра. - Москва : Советский спорт, 2007. - 316 с.
4. Прогнозирование результатов ЧМ-2018 на основе нового алгоритма консолидации данных / А.А. Полозов, Е.А. Суворова, А.В. Мельникова, А.В. Корелина, С.В. Михряков // Ученые записки университета им. П.Ф. Лесгафта. - 2018. - № 4 (158). - С. 263-269.
5. Крутиков А.К. Каскадная структура системы прогнозирования на основе различных моделей искусственных нейронных сетей / А.К. Крутиков // Южно-Сибирский научный вестник. -2021. - № 1 (35). - С. 46-52.
6. Крутиков А.К. Разработка и модификация модульной структуры системы прогнозирования спортивных результатов / А.К. Крутиков, В.Ю. Мельцов, В. Д. Подковырин // Современные наукоемкие технологии. - 2019. - № 11-1. - С. 72-76.
7. Юшкин В.Н. Система определения рейтинга / В.Н. Юшкин // Современная наука: актуальные проблемы теории и практики. Серия: Гуманитарные науки. - 2020. - № 1. - С. 122-126.
8. Юшкин В.Н. Информационная модель рейтинговой оценки / В.Н. Юшкин // Перспективы науки. - 2021. - № 5 (140). - С. 243-245.
9. Моделирование результатов выступления команд на основе рейтинговой оценки в командных видах спорта с учетом фактора влияния своего поля / В.Н. Юшкин, С.С. Марченко, Е.А. Стрижакова, О.А. Заяц, Ю.Н. Назарова, Р.И. Шумакова // Современные наукоемкие технологии. -2021. - № 6-1. - С. 221-225.
10. Юшкин В. Н. Оценка результатов выступления команд с применением математической модели / В.Н. Юшкин // Ученые записки университета им. П.Ф. Лесгафта. - 2020. - № 11 (189). -С. 601-607.
11. Юшкин В. Н. Проблемы спортивного прогнозирования / В. Н. Юшкин // Ученые записки университета им. П.Ф. Лесгафта. - 2021. - № 4 (194). -С. 473-478.
REFERENCES
1. Elo, A.E. (1978), The rating of chess players, Past and Present, Arco Publishing, New York.
2. Chistyakov, V.A. and Aronov, G.Z. (2006), "Imitating modeling in the sphere of physical culture", Uchenye zapiski universiteta imeni P.F. Lesgafta, Vol. 21, pp. 83-89.
3. Polozov, A.A. (2007), Rating in sport: yesterday, today, tomorrow, Soviet sport, Moscow.
4. Polozov, A.A., Suvorova, E.A., Melnikova, A.V., Korelina, A.V. and Mikhryakov, S.V. (2018), "Forecasting of results of the 2018 World Cup on the basis of a new algorithm of consolidation of data",
Uchenye zapiski universiteta imeni P.F. Lesgafta, No. 4 (158), pp. 263-269.
5. Krutikov, A.K. (2021) "Cascade structure of a forecasting system based on various models of artificial neural networks", South Siberian Scientific Bulletin, No. 1 (35), pp. 46-52.
6. Krutikov, A.K., Meltsov, V.Yu. and Podkovyrin, V.D. (2019), "Development and modification of the modular structure of the system for predicting sports results", Modern science-intensive technologies, Vol. 11-1, pp. 72-76.
7. Yushkin, V.N. (2020), "The Ranking System", Modern Science: actual problems of theory and practice. Series: Humanities, No. 1, pp. 122-126.
8. Yushkin, V.N. (2021), "Information model of rating evaluation", Science prospects, No. 5 (140), pp. 243-245.
9. Yushkin, V.N., Marchenko, S.S., Strizhakova, E.A., Zayats, O.A., Nazarova, Yu.N. and Shu-makova, R.I. (2021), "Modeling the results of the performance of teams based on the rating score in team sports, taking into account the influence factor of home field", Modern high technologies, No. 6-1, pp. 221-225.
10. Yushkin, V.N. (2020), "Evaluation of the results of the performance of teams using a mathematical model", Uchenye zapiski universiteta imeni P.F. Lesgafta, No. 11 (189), pp. 601-607.
11. Yushkin, V.N. (2021), "Issues in sports forecasting", Uchenye zapiski universiteta imeni P.F. Lesgafta, No. 4 (194), pp. 473-478.
Контактная информация: [email protected]
Статья поступила в редакцию 18.12.2021
УДК 378.14.015.62
АНАЛИЗ ПОКАЗАТЕЛЕЙ УРОВНЯ ФИЗИЧЕСКОЙ ПОДГОТОВЛЕННОСТИ В ПЕРИОД ПАНДЕМИИ COVID-19 СТУДЕНТОВ НОВГОРОДСКОГО ГОСУДАРСТВЕННОГО УНИВЕРСИТЕТА ИМЕНИ ЯРОСЛАВА МУДРОГО
Дмитрий Владимирович Яковенко, кандидат педагогических наук, доцент, Светлана Николаевна Михайлова, старший преподаватель, Елена Васильевна Ефимова, старший преподаватель, Дарья Львовна Демченко, старший преподаватель, Новгородский государственный университет имени Ярослава Мудрого Великий Новгород
Аннотация
Переход вузов в период пандемии на дистанционные формы обучения, в течение длительного периода времени, заставляет преподавателей менять способы взаимодействия со студентами. В результате изменения привычных очных занятий в спортивном зале на дистанционную форму обучения по такому учебному модулю как «Физическая культура и спорт», у студентов возрастает уровень теоретической подготовки. Цель исследования - оценить степень влияния дистанционной формы обучения на уровень физической подготовленности. В нашем исследовании приняли участие 300 студентов первого и второго курса Новгородского государственного университета. В результате проведенного исследования было установлено, что применение дистанционной формы обучения при проведении занятий по физической культуре, приводит к снижению уровня физической подготовленности у юношей и девушек.
Ключевые слова: уровень физической подготовленности, физические качества человека, дистанционное обучение, физическая культура и спорт.
DOI: 10.34835/issn.2308-1961.2021.12.p444-449
ANALYSIS OF INDICATORS OF THE LEVEL OF PHYSICAL FITNESS DURING THE COVID-19 PANDEMIC OF STUDENTS OF YAROSLAV THE WISE NOVGOROD STATE UNIVERSITY
Dmitriy Vladimirovich Yakovenko, the candidate of pedagogics, professor, Svetlana Niko-laevna Mihilova, the senior teacher, Elena Vasilyevna Efimova, senior teacher, Daria Lvovna Demchenko, the senior teacher, Yaroslav-the-Wise Novgorod State University, Veliky Novgorod
