CC BY
35
3. Гильбух, Ю.З. Методика отслеживания успеваемости и психического развития учащихся общеобразовательной школы : начинающее и среднее звено / Ю.З. Гильбух. - Киев : Перспектива, 1996. - 38 с.
4. Лях, В.М. Физическая культура. Рабочие программы. 5-9 классы / В.И. Лях. - М. : Просвещение, 2015. - 104 с.
5. Кулыпина, Т.И. Личностно-ориентированное образование как педагогическая проблема школы : автореф. дис. ... канд. пед. наук / Кулыпина Т.И. - Ростов-на-Дону, 1997. - 20 с.
6. Мотков, О.И. Личность и психика: сущность, структура и развитие / О.И. Мотков. -Самара : Бахрах-М, 2008. - 160 с.
7. Мотков, О.И. Функции и строение психики: свежий взгляд / О.И. Мотков // Доклады независимых авторов. - Россия-Израиль : Изд-во «DNA», 2010. - Вып. 16. - С. 128-163.
8. Никандров, Н.Д. Федеральный государственный образовательный стандарт общего образования : проект / Н.Д. Никандров, А.М. Кондаков, А.А. Кузнецов. — М. : Просвещение, 2008. - 21 с.
9. Сериков, В. В. Личностно-ориентированное образование: поиск новой парадигмы : монография / В.В. Сериков. - М. : [б. и.], 1998. - 289 с.
10. Сухих, А.Г. Внедрение федерального государственного образовательного стандарта основного общего образования в практику физического воспитания / А.Г. Сухих, Д.В. Фонарев // Известия Тульского государственного университета. Физическая культура. Спорт. - 2014. - № 4. -С. 60-64.
REFERENCES
1. Alekseev, N. A. (1996), Personal focused training; questions of the theory and practice: monograph, publishing house of the Tyumen state university, Tyumen.
2. Bondarevskaya, E.V. (1999), "Concepts it is personal - the focused education and the complete pedagogical theory", School of spirituality, No. 5, pp. 41-66.
3. Gilbukh, Yu.Z. (1996), Technique of tracking of progress and mental development of pupils of comprehensive school: the beginning and average link, Prospect, Kiev.
4. Lyakh, V.I. (2015), Physical culture. Working programs. 5-9 classes, Education, Moscow.
5. Kulypina, T.I. (1997), Personal focused education as a pedagogical problem of school, dissertation, Rostov-on-Don.
6. Motkov, O.I. (2008), Personality and mentality: essence, structure and development, Bakhrakh-M, Samara.
7. Motkov, O. I. hanks (2010), "Functions and structure of mentality: fresh look", Reports of independent authors, prod. "DNA", Russia-Israel, Issue 16, pp. 128-163.
8. Nikandrov, N.D., Kontakov, A.M. and Kuznetsov, A.A. (2008), Federal state educational standard of the general education: project, Education, Moscow.
9. Serikov, V.V. (1998), It is personal - the focused education: search of a new paradigm: monograph, Moscow
10. Sukhikh, A.G. and Fonarev D.V. (2014), "Introduction of the federal state educational standard of the main general education in practice of physical training", News of the Tula state university. Physical culture. Sport, No. 4, pp. 60-64.
Контактная информация: dozent1974@mail.ru.
Статья поступила в редакцию 23.12.2015
УДК 796.884
ОБОСНОВАНИЕ ЗНАЧЕНИЙ БИОМЕХАНИЧЕСКИХ ПАРАМЕТРОВ РЫВКА ШТАНГИ С ПОМОЩЬЮ АССОЦИАТИВНЫХ ПРАВИЛ
Александр Николаевич Фураев, кандидат педагогических наук, профессор, Московская государственная академия физической культуры, Малаховка
Аннотация
В статье, на примере рывка штанги, предлагается новый подход к формированию требований к биомеханическим параметрам выполняемого упражнения. В качестве инструмента для обос-
нования значений биомеханическим параметрам используется одно из направлений интеллектуального анализа данных - Data Mining, ассоциативных правил.
Ключевые слова: биомеханические показатели, техника выполнения рывка, ассоциативные правила, интеллектуальный анализ данных, Data Mining.
DOI: 10.5930/issn.1994-4683.2015.12.130.p277-281
JUSTIFICATION OF VALUES OF BIOMECHANICAL PARAMETERS OF BREAKTHROUGH OF A BARBELL BY MEANS OF ASSOCIATIVE RULES
Alexander Nikolaevich Furaev, the candidate of pedagogical sciences, professor, Moscow State Academy of Physical Culture, Malakhovka
Annotation
The new approach to formation of the requirements to the biomechanical parameters of the car-ried-out exercise is offered in the article on the example of snatch. One of the directions of the intellectual analysis of data - Data Mining is used as the tool for justification of the values of the biomechanical parameters.
Keywords: biomechanical indicators, technique of snatch, associative rules, intellectual analysis of data, Data Mining.
ВВЕДЕНИЕ
Традиционный анализ техники выполнения спортивного двигательного действия ориентирован на определение значений биомеханических показателей и оценки взаимосвязи между ними, а так же между биомеханическими показателями и результатом двигательной деятельности. Естественно, анализируются только информативные показатели. Основная практическая цель таких исследований заключается, во-первых, в определении значений изучаемых биомеханических показателей, которые будут способствовать достижению максимального спортивного результата. Во-вторых, в выявлении биомеханических показателей, наиболее существенно влияющих на итоговый результат. Обычно, для этих целей используют средства описательной статистики, корреляционный и регрессионный анализ.
На настоящий момент, практически во всех видах спорта существуют определённые модельные характеристики биомеханических показателей спортивных двигательных действий, которых рекомендуют придерживаться специалисты, для достижения высоких спортивных результатов. Получены они, как правило, на основе обобщения техники выполнения спортивных упражнений ведущими спортсменами. Однако использовать подобный подход для индивидуальной оценки техники выполнения спортивного упражнения удаётся крайне редко. Корреляционные матрицы, построенные по данным биомеханического анализа одного и того же спортсмена, как правило, имеют незначительное число статистически значимых коэффициентов корреляции. Результат двигательного действия, как правило, оказывается практически не связанным со значением каких либо биомеханических показателей. Всё вышеизложенное, заставляет искать новые подходы к анализу биомеханических показателей и их связи с результатом двигательной деятельности спортсмена.
МЕТОДЫ И ОРГАНИЗАЦИЯ ИССЛЕДОВАНИЯ
В исследовании принял участие тяжелоатлет, кандидат в мастера спорта, который выполнял рывок штанги весом 100 кг на двух тренировках. Рывок выполнялся на тензо-динамографической платформе, сигнал с которой обрабатывался с помощью автоматизированной системы, разработанной в МГАФК. Биомеханические параметры каждого подъёма выделялись с помощью специально разработанного алгоритма [2, 3]. Всего было проанализировано 22 подъёма штанги, в каждом из которых определялись 18 показате-
лей. В качестве результата двигательной деятельности нами была выбрана максимальная высота подъёма штанги (максимальная высота вылета снаряда) - Н.М.
РЕЗУЛЬТАТЫ И ИХ ОБСУЖДЕНИЕ
Результаты традиционного подхода к обработке данных показали следующее. Во множественном регрессионном анализе зависимости высоты подъёма штанги от биомеханических показателей не выявился ни один из коэффициентов при предикторах, который бы статистически значимо отличался от нуля. В то же время, все вместе биомеханические показатели позволили сформировать статистически достоверную модель зависимости высоты вылета штанги от анализируемых показателей.
Корреляционный анализ продемонстрировал лишь зависимость высоты вылета снаряда от максимальной скорости штанги (V.M) и времени достижения первого пика силы сразу после начала подъёма штанги - TF1.
Можно констатировать, что в данном случае, традиционный аппарат математической статистики не смог выявить интересующие нас закономерности.
В качестве альтернативы, было решено воспользоваться одним из подходов технологии Data Mining, поиске ассоциаций между данными. Data Mining призван осуществлять поиск в исходных данных скрытых, не явных закономерностей. Метод ассоциативных правил позволяет выявлять закономерности между некоторыми событиями. В нашем случае события - это значения в биомеханических показателях. Задача сводится к поиску наиболее часто встречающихся сочетаний значений анализируемых показателей при выполнении рывка штанги.
Для поиска ассоциаций исходные данные были преобразованы к дискретному виду, т.к. метод работает только с дискретными номинативными признаками. В силу того, что число подъёмов штанги было относительно невелико - 22, разбивать каждый из биомеханических показателей на большое число градаций было нецелесообразно. Мы дифференцировали все исходные данные по каждому показателю на три уровня: низкий,
Они обозначались как 1, 2, 3 соответственно. Преобразованные таким образом данные трансформировались из привычной табличной формы в вид, используемый в программе для обработки. Он заключается в представлении всех данных в виде двух столбцов. Первый - номер подъёма штанги, второй - зарегистрированные значения показателей. В таблице приведены данные одного подъёма штанги (первая тренировка, первый подъём). Видно, что значения показателя F1% - соответствует значению выше среднего (F1%3), а в F2% и F3% - на уровне средних величин (F2%2 и F3%2). Преобразованные таким образом данные обрабатывались с помощью одной из программ, позволяющей проводить операции по поиску ассоциаций. В качестве программного обеспечения был выбран отечественный программный продукт Deductor. Всего программа выделила более 20-ти тысяч различных сочетаний. Так как нас интересовали только те варианты, которые для максимальной высоты вылета снаряда включают уровни значений выше среднего (Н.М3), то будем анализировать только эти сочетания. Таких сочетаний оказалось более четырёх сот. Те сочетания, которые встречаются достаточно часто, называют правилами. На рисунке 1 представлен экран работы программы, в котором приведены правила, определяющие сочетания совместного наблюдения зарегистрированных показателей высокого уровня максимального вылета штанги (НМЗ). Так, наиболее часто встречалось сочетание ТШЗ и НМЗ (время достижения первого пика усилий на опоре выше среднего и максимальная высота
средний, высокий.
Номер Показатель
1 1 J1%2
1 1 F1%3
1 1 F2%2
1 1 F3%2
1 1 V.M3
1 1 H.M2
1 1 TF12
1 1 Т2Ф1
1 1 Т3Ф3
1 1 Т4Ф2
1 1 ТБФ1
1 1 ТДВ1
1 1 ST%3
1 1 sn%1
вылета снаряда выше среднего №1). Таких сочетаний зарегистрировано 11 случаев, что составляет 50% от всех подъёмов штанги (показатель поддержка). Показатель достоверности говорит о доли сочетания появления ТШЗ и НМЗ при регистрации ТШЗ, т.е. при регистрации значения ТШ выше среднего (ТШЗ) в 84,62% случаев наблюдалось и выше среднего максимальная высота вылета снаряда (НМЗ).
Приил4 X Псгчмрмнабосы X Дерпограип X Чтисш X Табшм X Дипншв X Гктсгс**ч X Дналнмлгртк
т Л -
Пржил 438ю2СЁ24 Фшьтр Слеисш«сойержит[Н МЗ] 1000. Н|**г.м/*лмдостом<1мосгь • 25.00
№ |Е Ноиер гс«™ [СУСЛОВ« Следствие ЛМР та» Достоверность У^т
Км» %
I 547 1ТП Н.МЗ 11 »,00 МЛ! 1.Ш
им ГДВЗ Н.МЗ 10 7«,« 1,5»
ли
14мг 1Т13 нхз 10 45,45 ть.и 1,Я2
ТД03
теи Н.МЗ 10 45,45 93,3} 1,667
нло ГМЗ
из» удо Н.МЗ ю 45,45 »,41 1,819
ТР13
14)19 н.мз 10 45,45 1ЛП
V»]
тт=1Э Н.МЗ 45,45 Ю0,00 2,000
14)17 у.мз 10
5» тдвз Н.МЗ _к <5,45 76,42 1,5»
Рис.1 Правила, включающие максимальную высоту вылета штанги высокого уровня (Н.МЗ)
Одновременная регистрация ТШЗ и ТДВЗ (общее время выполнения упражнения больше среднего №4) и НМЗ наблюдалось 10 раз, что составляет 45,45% от всех подъёмов штанги и, если наблюдалось такое сочетание, то оно в 83,33% случаев приводило к высоким значениям максимальной высоты вылета снаряда.
Правила X Популярные наборы X Дерево правил X Что-если X Таблица X Диаграмма X Гистограмма X Диаграмма размещения X
-41-7 < «
Элеме^ Поддержка./;
ГШ т
ТО! 45,45
ггз 36,36
9,09
пл 45,45
ггя 45,45
гая 18,18
1 рзгг 54,55
1 РЗЯ 27,27
Н.М1 22,73
Н.Н2 27,27
Н.МЗ 50,00
ЛЯ 31,82
тг 54,55
ли 13,64
5Т?1 13,64
5ТЙ 45,45
эта 40,91
яка 50,00
♦¡^Условие
Элемент
па гаа
РЭМ
Поддержка.
36,36 45.45
27,2?
А - Ц - Т Щ 6
Количество правил 17_
Следствие
Поддержка Кол-во I У,
Достоверность, X
Н.МЗ
Н.МЗ и ш н.мзитнз
и МО М СП*/1
3 13.60 100.00 с < 5 5
тотп I С1 вп Е
Рис.2 Инструмент моделирования сочетаний значений параметров
Программа позволяет построить дерево правил, как зависит то или иное значение или сочетание от различных условий.
Ещё одним достоинством такого подхода является моделирование вероятности наступления различных событий (сочетаний) в зависимости от предлагаемых нами условий. На рисунке 2, внизу справа, представлены события и вероятности их наступления
при заданных условиях (вверху справа).
В качестве примера представлена вероятность наступления различных сочетаний значений показателей, если при выполнении рывка штанги будут зафиксировано первое усилие F1%3 (усилие выше среднего), в F2%2 (в середине подъёма на уровне колен - на уровне средних усилий) и выше среднего усилия в подрыве - F3%3. Модель прогнозирует, что если присутствуют такие сочетания этих показателей, то достаточно часто будет регистрироваться и величина подъёма штанги выше среднего - НМ3.
ВЫВОДЫ
1. Рассматриваемый метод позволяет смоделировать различные варианты сочетаний параметров и оценить вероятности их последствия.
2. Преимуществом данного подхода обоснования значений биомеханических показателей двигательных действий служит то, что спортсмен ориентируется на показатели, величины, которых он уже использовал при выполнении упражнения и, следовательно, не требуется серьёзной перестройки биомеханической структуры самого двигательного действия.
ЛИТЕРАТУРА
1. Паклин, Н.Б. Бизнес-аналитика: от данных к знаниям : учебное пособие / Н.Б. Паклин, В.И. Орешков. - СПб. : Питер, 2013. - 704 с.
2. Фураев, А.Н. Построение автоматизированных информационных систем для оперативной коррекции биомеханических параметров спортивных упражнений / А.Н. Фураев // Теория и практика физической культуры. - 2012. - № 6. - С. 19-22.
3. Фураев, А. Н. Алгоритмы выделения биомеханических показателей на примере рывка штанги / А.Н. Фураев // Биомеханика спортивных двигательных действий и современные инструментальные методы их контроля : материалы Всероссийской научно-практической конференции / Московская гос. акад. физ. культуры. - Малаховка, 2013. - С. 155-160.
REFERENCES
1. Paklin. N.B. and Oreshkov, V.I. (2013), Business-analytics: from data to knowledge, Peter, St. Petersburg.
2. Furaev, A.N. (2012), "Automated information system integration for expeditious correction of biomechanical parameters of sports exercises", Theory and practice physical culture, No. 6, pp. 19-22.
3. Furayev, A.N. (2013), "Algorithms of allocation of biomechanical indicators on the example of snatch", Biomechanics of sports physical actions and modern tool methods of their control. Proceedings of the All-Russian scientific and practical conference, Malakhovka, pp. 155-160.
Контактная информация: sidtat@bk.ru
Статья поступила в редакцию 30.12.2015
УДК 378.147
ИНТЕРАКТИВНЫЕ МЕТОДЫ ОБУЧЕНИЯ В ВЫСШЕМ ОБРАЗОВАНИИ
Владимир Александрович Цеховой, доцент, Национальный государственный университет физической культуры, спорта и здоровья имени П.Ф. Лесгафта, Санкт-Петербург (НГУ им. П.Ф. Лесгафта, Санкт-Петербург)
Аннотация
Системный подход к решению тех или иных задач отличает творческую личность, и успешного руководителя от некомпетентного исполнителя. Задача педагогики высшего образования должна ставиться таким образом, чтобы привить студенту системный подход, это возможно главным образом с помощью интерактивных методов обучения. Отсутствие системного похода приводит к тому, что специалистами зачастую принимаются во внимание не объективные факторы, а субъективные представления.
