CC BY
22
10. Эпов, О.Г. Новый способ осуществления ударной техники в тхэквондо / О.Г. Эпов, А.В. Мещеряков // Ученые записки университета имени П.Ф. Лесгафта. - 2015. - № 9 (127). - С. 215218.
REFERENCES
1. Meshcheryakov, A.V., Epov, O.G., Shmelev, A.A. and Katansky, S.A. (2919), "Analysis of the urgent response of body systems to interval training for cadets involved in shock martial arts", Physical Culture and Sports in Modern Society: materials of the All-Russian Scientific and Practical Conference, March 22, 2019, Khabarovsk, pp. 228-234.
2. Meshcheryakov, A.V. and Levushkin, S.P. (2015), "Cross effects of adaptation to stressful situations", Historical and social educational thought, Vol. 7 No. 3, pp. 122-125.
3. Myakinchenko, E.B. and Turaev, V.T. (1993), "Biological patterns in planning physical training of athletes", Theory and practice ofphysical culture, No. 7, pp. 29-33.
4. Seluyanov V.N., Kalinin E.M., Pak G.D. et al. (2011), "Determination of anaerobic threshold according to pulmonary ventilation and variability of cardiointervals", Human Physiology, No. 6, P.1-5.
5. Seluyanov, V.N. (2009), "Mathematical modeling of metabolic processes in muscle fibers", Materials of the scientific conference of the faculty and scientific staff of the State Center for Physical Culture and Sports of SCOLIPE, February 25-27, 2009, Moscow, pp. 81-84.
6. Abalyan, A.G.., Fomichenko, T.G., Myakinchenko, E.B. and Shestakov, M.P. (2011), "Features of the organization of scientific and methodological support for the training of sports teams of the Russian Federation", Theory and practice ofphysical culture, No. 11, pp. 66-70.
7. Epov, O.G. and Meshcheryakov, A.V. (2019), "Criteria for assessing the level of physical fitness of representatives of various shock types of Olympic martial arts", Pedagogical-psychological and biomedicalproblems of physical culture and sport, Vol. 14, No. 1, pp. 74-80.
8. Epov, O.G. and Meshcheryakov, A.V. (2020), "Diagnostics of the special working capacity of students-athletes of taekwondo WTF", Proceeding of V All-Russian scientific-practical conference with international participation "Martial arts and combat sports: science, practice, education", 15 October 2020, SCOLIPE, Moscow, pp. 45-49.
9. Epov, O.G. and Meshcheryakov, A.V. (2020), "Diagnosing the functional state of qualified student athletes in taekwondo WTF", Proceeding of V All-Russian scientific and practical conference with international participation "Martial arts and combat sports: science, practice, education", October 15, 2020, SCOLIPE, Moscow, pp. 78-82.
10. Epov, O.G. and Meshcheryakov, A.V. (2015), "A new way of implementing shock equipment in taekwondo", Uchenye zapiski universiteta imeni P.F. Lesgafta, No. 9 (127), pp. 215-218.
Контактная информация: [email protected]
Статья поступила в редакцию 11.11.2020
УДК 796.015.865.22
ОЦЕНКА РЕЗУЛЬТАТОВ ВЫСТУПЛЕНИЯ КОМАНД С ПРИМЕНЕНИЕМ МАТЕМАТИЧЕСКОЙ МОДЕЛИ
Владислав Николаевич Юшкин, кандидат технических наук, доцент, доцент, Волгоградский государственный аграрный университет
Аннотация
Введение. Объективной необходимостью сегодня является обоснование теоретических основ рейтинговых систем по расчету и формированию рейтинговых классификаций в командных видах спорта с позиции математического моделирования, с применением численных методов расчета. Целью исследования являлось теоретическое обоснование расчета рейтинга с применением численных методов; описание системы определения рейтинга в командных видах спорта. Методика и организация исследования. В качестве материала исследования были использованы результаты выступления команд по хоккею в матчах Регулярного чемпионата Национальной хоккейной лиги. Хронологические рамки исследования: 2 октября 2019 - 11 марта 2020 г. Результаты исследования и их обсуждение. В процессе проведения исследования был выполнен вариант расчета единой систе-
мы уравнений с вычислением постоянного показателя коэффициента влияния фактора своего поля. Выводы. Делается вывод математического функционала для формирования системы линейных уравнений на основе результатов выступления команд в соревновании. Представлен вид системы линейных уравнений, обеспечивающей единственный вариант решения. Приведены математически обоснованные формулы подсчета рейтинга. Полученные данные свидетельствуют об адекватности построенной модели и возможности применения рейтинга для оценки результатов выступлений в командных видах спорта.
Ключевые слова: рейтинг, система, классификация, моделирование, численный метод.
DOI: 10.34835/issn.2308-1961.2020.11.p601-607
EVALUATION OF THE RESULTS OF THE PERFORMANCE OF TEAMS USING A
MATHEMATICAL MODEL
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 calculating and forming rating classifications in team sports from the position of mathematical modeling, using numerical methods of calculation. The purpose of the study was the theoretical substantiation of rating calculation using numerical methods; a description of the rating system in team sports. The methodology and organization of the study. The results of the performance of ice hockey teams in the matches of the Regular Championship of the National Hockey League were used as the research material. Chronological scope of the study: October 2, 2019 - March 11, 2020. Research results and discussion. In the course of the study, a variant of calculating a unified system of equations was carried out with the calculation of a constant indicator of the coefficient of influence of the factor of one's own field. Conclusions. The conclusion of the mathematical functional for the formation of a system of linear equations based on the results of the teams' performance in the competition is made. The form of a system of linear equations providing the only solution is presented. Mathematically substantiated formulas for calculating the rating are given. The data obtained testify to the adequacy of the constructed model and the possibility of using the rating to assess the results of performances in team sports.
Keywords: rating, system, classification, modeling, numerical method.
ВВЕДЕНИЕ
В отечественной и зарубежной науке неоднократно предпринимались попытки разработки универсальной рейтинговой системы, позволяющей осуществлять оценивание силы команд, их ранжирование, прогнозирование результатов игр в различных видах спорта: теннисе [7, 9, 10], футболе [3, 6, 8] и т. д.
В отечественной науке расчетам рейтингов в спорте посвящены работы Л.Е. Садовского (1988) [4], Л.Г. Мальковского (1994) [1]. В последние годы большой вклад в развитие систем определения рейтингов делает А. А. Полозов [2, 3].
В то же время, несмотря на существенное количество работ, посвященных исследованию заявленной проблематики, по сегодняшний день единая универсальная рейтинговая система, которая позволит осуществлять выявление силы, успешности отдельного игрока или команды, их ранжирование, прогнозирование результатов игры, соревнования, отсутствует.
ЦЕЛЬ ИССЛЕДОВАНИЯ
Теоретическое обоснование расчета рейтинга с применением численных методов; описание системы определения рейтинга в командных видах спорта. Вводится понятие соответствия математической модели реальным результатам. Этот показатель должен стремиться к максимуму. В качестве показателя оценки степени соответствия математической модели предлагается использовать следующий параметр: процент количества мат-
чей с сошедшимся результатом по результатам рейтинговой оценки двух команд с фактически полученным результатом матча к общему количеству матчей, в которых был выявлен победитель.
Фактор своего поля, в рамках данного исследования, понимается как спортивный термин, который используется для описания результатов спортивных мероприятий, успехов, достигнутых домашней командой, игроком.
В современной научной литературе накоплен достаточно обширный опыт, на эмпирическом уровне доказывающий наличие влияния фактора своего поля на конечные итоги игры в командных видах спорта. В то же время, механизмы, истоки, причины этого влияния остаются малоизученными на современном этапе. Исследования, посвященные изучению влияния своего поля в хоккее, остаются малочисленными, что позволяет продолжить работу по доказательству/опровержению следующей гипотезы: фактор своего поля оказывает значительное влияние на конечный исход игры в хоккее, способствуя повышению силы команды.
МЕТОДИКА И ОРГАНИЗАЦИЯ ИССЛЕДОВАНИЯ
Как было указанно выше, в качестве материала для исследования были выбраны результаты хоккейных матчей Регулярного чемпионата Национальной хоккейной лиги 2019-2020 г.
В незавершившемся чемпионате Национальной хоккейной лиги участвующие команды провели разное количество игр. Вследствие чего все команды оказались в неравных условиях. Следует отметить, что формат проведения регулярного чемпионата Национальной хоккейной лиги подразумевает тот факт, что команды проводят разное количество игр между собой.
С сезона 2013/2014 поменялась структура календаря. Команды западной конференции проводят: 29 матчей с соперниками своего дивизиона (5 матчей с пятью соперниками, с двумя из них - 3 дома и 2 на выезде, с тремя - 2 дома и 3 на выезде, плюс 4 матча с одной командой в формате 2 дома и 2 в гостях); 21 матч против команд другого дивизиона западной конференции (3 игры с каждой из команд, 2 дома и 1 в гостях против четырёх соперников, 1 дома и 2 в гостях - против трех других). По два матча (один дома и один на выезде) с каждой из команд восточной конференции (всего 32 матча).
Команды восточной конференции проводят: 30 матчей внутри своего дивизиона (по 5 матчей с двумя командами, с одной - 3 дома и 2 в гостях, с другой - 2 дома и 3 в гостях, плюс по 4 матча с пятью другими, 2 дома и 2 в гостях); 24 матча против команд другого дивизиона восточной конференции (3 матча с каждым из соперников, 2 дома и 1 в гостях против четырёх команд, 1 дома и 2 в гостях - против четырёх других). По два матча (один дома и один на выезде) с каждой из команд западной конференции (всего 28 матчей). Количество матчей, проводимых с конкретным соперником, определяется по принципу ежегодной ротации. В результате, регулярный чемпионат Национальной хоккейной лиги перестает являться круговым турниром. И для того чтобы определить силу команд, необходимо внедрение рейтинговой системы.
12 марта 2020 года из-за пандемии коронавируса регулярный чемпионат НХЛ был остановлен и в итоге так и не был доигран. Это поставило все участвующие команды в неравные условия, так как на момент остановки чемпионата все сыграли разное количество матчей.
С применением рейтинговой системы можно определить уровень команд в различных конференциях и дивизионах Национальной хоккейной лиги, что повышает актуальность, значимость исследования.
Первоначально определим рейтинги при условии проведения всех матчей на нейтральном поле. Для выполнения расчетов в качестве главного показателя используем счет, зафиксированный в матче. Суммировать забитые и пропущенные голы необходимо с
учетом силы соперника.
Для определения рейтингов команд необходимо решить систему уравнений [5]:
где 1 - количество команд, рассчитываемых в системе; Я - рейтинг i -ой команды; ^, А1 - суммарное приведенное количество забитых и пропущенных голов 1 -
ой команды соответственно.
Суммарное приведенное количество забитых и пропущенных голов определяется с помощью следующих зависимостей:
^ -
I(); 4-1 ),
(2)
где п - количество матчей, проведенных 1 -ой командой; О1, О" - количество забитых и пропущенных голов 1 -ой команды в - -ой игре соответственно; Я- - рейтинг команды соперника в ] -ой игре.
Для решения системы уравнений воспользуемся условием, что рейтинг средней команды равен единице, т. е.
114-1,
(3)
где п - количество команд, рассчитываемых в системе.
Величина коэффициента фактора своего поля в линейной постановке вычисляется как средневзвешенное значение по всем рассчитываемым матчам системы по приведенной ниже формуле
к, -I)/1(-4КЖ/
(4)
где п - количество матчей, в которых одна из команд имела преимущество своего поля; О1, О2 - количество голов, забитых хозяевами поля и гостями соответственно; Я1, Я2 - рейтинг хозяев поля и гостей соответственно.
Если команда играет в гостях, то к, принимает обратную величину, если на нейтральном поле - к, = 1.
РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЯ И ИХ ОБСУЖДЕНИЕ
В качестве анализируемого турнира выбираем результаты выступления команд по хоккею в регулярных чемпионатах национальной хоккейной лиги 2019-2020 г. Период проведения соревнования со 2 октября 2019 по 11 марта 2020 г. В расчете использованы результаты 1082 матчей.
Рассчитав систему уравнений, получим следующие результаты (таблица 1). В таблице используются следующие обозначения: ПМ - это количество исходов сошедшихся с результатом рейтинговой оценки соперников, РМ - количество матчей с выявленным победителем.
№ Команды Я ПМ РМ Степень соответствия модели, %
1. Бостон Брюинз 1,2969 45 70 64,29
2. Колорадо Эвеланш 1,2466 42 70 60,00
3. Тампа-Бэй Лайтнинг 1,2455 40 70 57,14
1 -1
4. Филадельфия Флайерз 1,1989 41 69 59,42
5. Сент-Луис Блюз 1,1715 45 71 63,38
6. Каролина Харрикейнз 1,1478 37 68 54,41
7. Питтсбург Пингвинз 1,1359 43 69 62,32
8. Вашингтон Кэпиталз 1,1319 36 69 52,17
9. Вегас Голден Найтс 1,0707 43 71 60,56
10. Виннипег Джетс 1,0681 41 71 57,75
11. Торонто Мейпл Лифс 1,0540 37 70 52,86
12. Нью-Йорк Рейнджерс 1,0514 37 70 52,86
13. Даллас Старз 1,0478 34 69 49,28
14. Ванкувер Кэнакс 1,0413 38 69 55,07
15. Аризона Койотис 1,0318 38 70 54,29
16. Эдмонтон Ойлерз 1,0250 33 71 46,48
17. Флорида Пантерз 1,0113 41 69 59,42
18. Миннесота Уайлд 1,0104 45 69 65,22
19. Чикаго Блэкхокс 0,9900 45 70 64,29
20. Нью-Йорк Айлендерс 0,9885 38 68 55,88
21. Нэшвилл Предаторз 0,9815 36 69 52,17
22. Калгари Флэймз 0,9730 41 70 58,57
23. Монреаль Канадиенс 0,9616 37 71 52,11
24. Коламбус Блю Джекетс 0,9496 40 70 57,14
25. Баффало Сейбрз 0,8858 45 69 65,22
26. Лос-Анджелес Кингз 0,8465 41 70 58,57
27. Анахайм Дакс 0,8319 43 71 60,56
28. Нью-Джерси Девилз 0,8256 46 69 66,67
29. Сан-Хосе Шаркс 0,8056 42 70 60,00
30. Оттава Сенаторз 0,7729 46 71 64,79
31. Детройт Ред Уингз 0,5444 54 71 76,06
Итого: 1.0 1270 2164 58,69
Коэффициент влияния фактора влияния своего поля в этом варианте расчета к = 3367,98 / 3098,26 = 1,087. Как видно из результатов, степень соответствия модели составила 58.69%. Важно добавить, что степень соответствия модели несколько выше средних показателей, которые колеблются от 54,43% до 57,00% [11].
Анализ результатов показывает, что влияние фактора своего поля в сезоне 20192020 составил 8.7%. На основании проведенного расчета можно определить силу конференций (таблица 2) и дивизионов (таблица 3).
Таблица 2 - Уровень конференций
№ Команд К 4 ПМ РМ Степень соответствия модели, %
1. Восточная конференция 0,99598 3375,98 3389,59 663 1113 59,57
2. Западная конференция 1,00436 3129,98 3116,38 607 1051 57,75
Итого: 1.0 6505,96 6505,97 1270 2164 58,69
На основании этих данных можно сделать вывод, что команды западной конференции сильнее команд восточной конференции. Кроме того, результаты выступления команд в восточной конференции более предсказуемы, чем выступления команд в западной конференции.
Таблица 3 - Уровень дивизионов
№ Команд к 4 ПМ РМ Степень соответствия модели, %
1. Атлантический дивизион 0,94622 1672,97 1768,05 345 561 61,50
2. Столичный дивизион 1,05024 1703,01 1621,54 318 552 57,61
3. Тихоокеанский дивизион 0,95056 1623,32 1707,76 319 562 56,76
4. Центральный дивизион 1,06960 1506,66 1408,62 288 489 58,90
Итого: 1.0 6505,96 6505,97 1270 2164 58,69
На основании этих данных можно сделать вывод, что самыми сильными являются команды центрального дивизиона, а самыми слабыми команды атлантического дивизиона. Наиболее предсказуемыми являются выступления команд атлантического дивизиона, а самыми непредсказуемыми - выступления команд тихоокеанского дивизиона.
ВЫВОДЫ
Таким образом, на основании проведенного исследования можно сделать вывод, что разработка универсальных моделей рейтинговых расчетов представляет собой одну из наиболее актуальных проблем. Решение таких задач сегодня существенно затруднено по причине отсутствия единства в выявлении критериев, индикаторов, которые должны быть включены в систему расчётов.
В процессе решения заявленной проблематики была разработана модель, основанная на единой системе уравнений с вычислением постоянного показателя коэффициента влияния фактора своего поля.
В результате применения указанной модели к изучению возможностей определения силы команд, прогнозирования конечных итогов было выявлено: 1) фактор своего поля оказывает влияние на результаты игры; 2) применение модели способствует повышению соответствия прогнозирования реальным итогам; 3) модель может применяться для прогнозирования результатов, как отдельных матчей, так и турниров.
Полученные данные свидетельствуют о соответствии предложенной математической модели и о возможности применения рейтинга для оценки результатов выступлений команд.
ЛИТЕРАТУРА
1. Мальковский Л.Г. Рейтинг для всех / Л.Г. Мальковский // Теория и практика физической культуры. - 1994. - № 5-6. - С. 27-28.
2. Полозов А.А. Рейтинг в спорте: вчера, сегодня, завтра / А.А. Полозов. - Москва : Советский спорт, 2007. - 316 с.
3. 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.
4. Садовский Л.Е. Рейтинговые системы спортивных классификаций / Л.Е. Садовский, А.А. Садовская // Теория и практика физической культуры. - 1988. - № 8. - С. 27-29.
5. Юшкин В.Н. Система определения рейтинга / В.Н. Юшкин // Современная наука: актуальные проблемы теории и практики. Серия : Гуманитарные науки. - 2020. - № 1. - С. 122-126.
6. De Paola M. The Effects of Managerial Turnover: Evidence From Coach Dismissals in Italian Soccer Teams / M., De Paola V. Scoppa // Journal of Sports Economics. - 2012. - № 13 (2). - P. 152-168.
7. Del Corral J. Are Differences in Ranks Good Predictors for Grand Slam Tennis Matches / J. Del Corral, J. Prieto-Rodriguez // International Journal of Forecasting. 2010. - № 26 (3). - P. 551-563.
8. Farzin O., Parinaz E., Faezeh S.M. Football Result Prediction with Bayesian Network in Spanish League-Barcelona Team / O. Farzin, E. Parinaz, S.M. Faezeh // International Journal of Computer Theory and Engineering. - 2013. - № 5 (5). - P. 812-815.
9. Gilsdorf K.F. Testing Rosen's Sequential Elimination Tournament Model: Incentives and Player Performance in Professional Tennis / K.F Gilsdorf., V.A. Sukhatme // Journal of Sports Economics. - 2008. - № 9 (3). - P. 287-303.
10. Kovalchik S.A. Searching for the GOAT of Tennis Win Prediction / S.A. Kovalchik // Journal of Quantitative Analysis in Sports. - 2016. - № 12 (3). - P. 127-138.
11. Forecasting Soccer Outcome Using Cost-Sensitive Models Oriented to Investment Opportunities / K. Talattinis, G. Kyriakides, E. Kapantai, G. Stephanides // International Journal of Computer Science in Sport. - 2019. - № 18(1). - Р. 93-114.
REFERENCES
1. Malkovskiy L.G. (1994), "Rating for all", Theory and practice of physical culture, Vol. 5-6, pp. 27-28.
2. Polozov, A.A. (2007), Rating in sport: yesterday, today, tomorrow, Soviet sport, Moscow.
3. 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.
4. Sadovskiy L.E., Sadovskaya A.A. (1988), "Rating systems for sports classifications", Theory and practice ofphysical culture, Vol. 8, pp. 27-29.
5. Yushkin V.N. (2020), "The Ranking System", Modern Science: actual problems of theory and practice: Series : Humanities, No. 1, pp. 122-126.
6. De Paola, M. and Scoppa, V. (2012), "The Effects of Managerial Turnover: Evidence From Coach Dismissals in Italian Soccer Teams", Journal of Sports Economics, Vol. 13 (2), pp. 152-168.
7. Del Corral, J. and Prieto-Rodriguez, J. (2010), "Are Differences in Ranks Good Predictors for Grand Slam Tennis Matches", International Journal of Forecasting, Vol. 26 (3), pp. 551-563.
8. Farzin, O., Parinaz, E. and Faezeh S.M. (2013), "Football Result Prediction with Bayesian Network in Spanish League-Barcelona Team", International Journal of Computer Theory and Engineering, Vol. 5 (5), pp. 812-815.
9. Gilsdorf, K.F. and Sukhatme, V.A. (2008), "Testing Rosen's Sequential Elimination Tournament Model: Incentives and Player Performance in Professional Tennis", Journal of Sports Economics, Vol. 9 (3), pp. 287-303.
10. Kovalchik, S.A. (2016), "Searching for the GOAT of Tennis Win Prediction", Journal of Quantitative Analysis in Sports, Vol. 12 (3), pp. 127-138.
11. Talattinis, K., Kyriakides, G., Kapantai, E. and Stephanides, G. (2019), "Forecasting Soccer Outcome Using Cost-Sensitive Models Oriented to Investment Opportunities", International Journal of Computer Science in Sport, Vol. 18 (1), pp. 93-114.
Контактная информация: [email protected]
Статья поступила в редакцию 25.11.2020
УДК 378.172
ПОДГОТОВКА СТУДЕНТОВ МОСКОВСКОГО ГОСУДАРСТВЕННОГО ОБЛАСТНОГО УНИВЕРСИТЕТА С ПОМОЩЬЮ ИГРОВОГО МЕТОДА НА ЗАНЯТИЯХ ФИЗИЧЕСКОЙ КУЛЬТУРОЙ
Сергей Александрович Якушин, старший преподаватель, Эдуард Алексеевич Чибриков,
старший преподаватель, Александр Игоревич Колдашов, старший преподаватель, Мария Эдуардовна Чибрикова, магистрант, Владимир Дмитриевич Бакланов, кандидат педагогических наук, доцент, Московский государственный областной университет,
Москва
Аннотация
Введение - в статье рассмотрены наиболее важные вопросы, связанные с преподаванием физического воспитания в вузе. Методика и организация исследования - Задачей педагога является научить студентов овладевать системой практических навыков, применять полученные знания для сохранения здоровья, совершенствования физических способностей, качеств и свойств личности. Результаты исследования и их обсуждение - Использование игрового метода на занятиях физической культурой позволит совершенствовать не только физические качества, но будет способствовать приобретению опыта профессиональной подготовки. Выводы - высокая эффективность метода объясняется тем положительным эмоциональным фоном, которым сопровождается участие в игре.
Ключевые слова: студент, общекультурные компетенции, содержание дисциплины: «Физическая культура», игровой метод.
