CC BY
0УДК 796.422.12 / 796.015.134 DOI: 10.36028/2308-8826-2024-12-S1-80-89
ВЛИЯНИЕ ДВИГАТЕЛЬНЫХ ОШИБОК НА СПОРТИВНЫЙ РЕЗУЛЬТАТ: ОБЗОР ПОДХОДОВ К ИССЛЕДОВАНИЮ НА ПРИМЕРЕ СПРИНТЕРСКОГО БЕГА
А.А. Померанцев, М.Б. Старченков
Липецкий государственный педагогический университет имени П.П. Семенова-Тян-Шанского, Липецк, Россия
Аннотация
Любое отклонение движения от оптимальных параметров следует рассматривать как двигательную ошибку, а любая двигательная ошибка негативно влияет на спортивный результат. Преодоление двигательных ошибок является смыслом технической подготовки.
Методы и организация исследования. В статье приводятся примеры практического использования различных математико-статистических методов, позволяющих установить влияние биомеханических характеристик и двигательных ошибок на спортивный результат. Применительно к поставленной цели рассматриваются возможности корреляционного анализа, регрессионного анализа, факторного анализа, метода поиска ассоциативных правил, метода нейронных сетей, однофакторного дисперсионного анализа, математического моделирования. Для анализа были использованы четыре массива данных, полученных эмпирически: массив №1 включает данные по 41 спортсмену: кинематические данные спринтерского бега (60 показателей), 5 антропометрических данных, 5 индивидуальных характеристик; массив № 2 включает данные по 36 спортсменам: длину последовательных шагов при спринтерском беге; массив № 3 включает данные по 10 спортсменам: результаты экспертной оценки наличия или отсутствия технических ошибок (16 возможных ошибок) при оценке техники спринтерского бега 10 тренерами; массив № 4 - мгновенная скорость У.Болта, зафиксированная лазерной системой с частотой 100 Гц в процессе установления мирового рекорда на 100 м. Результаты исследования. В статье представлены результаты 8 исследований, опирающихся на различные математико-статистические методы, которые позволили выделить основные подходы к изучению вопроса: качественный и количественный, теоретический и эмпирический, подход на основе изучения одиночного движения, подход на основе изучения двигательного паттерна, подход на основе изучения модели двигательного действия, изучение движений в естественных условиях, в лабораторных условиях, в виртуальной среде, а также описательный и прогностический подходы.
Заключение. Выявленные подходы предоставляют исследователям широкие возможности по выбору концепций исследований двигательных ошибок и их влияния на спортивные результаты. Ключевые слова: кинезиология, биомеханика, спринтерский бег, нейронная сеть, ассоциативные правила, факторный анализ, регрессионный анализ, двигательная асимметрия.
THE MOTOR ERRORS EFFECT ON ATHLETIC PERFORMANCE: REVIEW
OF RESEARCH APPROACHES USING SPRINT RUNNING EXAMPLE
A.A. Pomerantsev, e-mail: ldclipetsk@mail.ru, ORCID: 0000-0003-4197-2183 M.B. Starchenkov, e-mail: starchenkova.oksana@bk.ru, ORCID: 0009-0002-1477-1503 Lipetsk State Pedagogical P. Semenov-Tyan-Shansky University, Lipetsk, Russia
Abstract
Each deviation of movement from optimal parameters should be considered as a motor error. Each motor error has a negative effect on athletic performance. The overcoming motor errors is the meaning of technical training. Methods and organization of the research. The article provides examples of the practical use of various mathematical and statistical methods that allow establishing the influence of biomechanical characteristics and motor errors on sports performance. In relation to this purpose, the possibilities of correlation analysis, regression analysis, factor analysis, method of searching for association rules, method of neural networks, one-way analysis of variance, mathematical modeling are considered. Four data sets obtained empirically were used for the analysis: set №. 1 - includes data on 41 athletes: kinematic data (60 indicators) of sprint running, 5 anthropometric data, 5 individual characteristics; set №. 2 - includes data on 36 athletes: the length of successive steps in sprint running;
set №. 3 - includes data on 10 athletes: the results of an expert assessment of technical running errors (16 possible errors) by 10 coaches; set №. 4 - instantaneous speed of Usain Bolt, recorded by a laser system with a frequency of 100 Hz in the process of setting a world record for 100 m setting.
Results and discussion. The article presents the results of 8 studies based on various mathematical and statistical methods, which made it possible to identify the main approaches to the study of the issue: qualitative and quantitative, theoretical and empirical, an approach based on the study of a single movement, an approach based on the study of a motor pattern, an approach based on the study of a technique model of motor action, studies of movements in natural conditions, in laboratory conditions, in a virtual environment, as well as descriptive and predictive approaches.
Conclusion. The identified approaches provide researchers with many opportunities to choose the research concepts for studying motor errors and their impact on athletic performance.
Keywords: kinesiology, biomechanics, sprint running, neural network, associative rules, factor analysis, regression analysis, motor asymmetry.
ВВЕДЕНИЕ
Преодоление двигательных ошибок — одна из важнейших задач спортивной тренировки, квинтэссенция технической подготовки [1, 6]. Борьба с ошибками позволяет снизить вероятность их появления, их количество, а также величину отклонения от оптимального движения [7]. Двигательные ошибки носят «многоэтажный» характер: одна ошибка влечет за собой другую, создавая причинно-следственную цепь, нередко разветвленную [5]. Необходимо четко понимать, как связаны двигательные ошибки между собой и какое влияние они оказывают на спортивный результат [2, 9, 10]. Наилучшим способом понять спортивную технику является использование современных мате-матико-статистических инструментов для анализа больших массивов биомеханических данных [3, 15]. Цель исследования — систематизировать подходы, позволяющие определять влияние двигательных ошибок на спортивные результаты. Спортивный результат в спринте выражается во времени пробегания дистанции и имеет линейную функциональную связь со средней скоростью бега. Задачи исследования: 1) выявить математико-статистические методы, позволяющие оценить влияние двигательных ошибок на спортивный результат; 2) показать возможности применения математико-статистических методов для анализа эмпирической информации; 3) сформулировать и систематизировать подходы к изучению двигательных ошибок.
МЕТОДЫ И ОРГАНИЗАЦИЯ ИССЛЕДОВАНИЯ
I. Инструментальные методы биомеханического контроля. Для сбора эмпирических данных по кинематике спринтерского бега мы использовали оптико-электронный метод. Нами применялась скоростная видеокамера Fastec_
1нЬте с частотой съемки 250 кадров в секунду и разрешением 640*480 пикселей, оснащенная длиннофокусным объективом Ыаукаг (рисунок 1). Расстояние от камеры до объекта съемки составляло 20 метров. Съемка проводилась с использованием прожектора постоянного света. В видеосъемке принимали участие студенты Института физической культуры и спорта ЛГПУ имени П.П. Семенова-Тян-Шанского (34 юноши и 7 девушек) различных спортивных специализаций. Суставы спортсменов были размечены светоотражающими маркерами. Спортсменам необходимо было проявить максимальную скорость после 35 метров разбега. В объектив камеры полностью попадали два беговых шага. Обработка видеозаписей и определение кинематических характеристик осуществлялись в программе биомеханического анализа Ктоуеа. Техника каждого спортсмена была описана с помощью 60 переменных: пространственных (м), временных (с) и пространственно-временных (м/с) характеристик линейной и угловой кинематики (град). Дополнительно определялись антропометрические параметры спортсменов: рост стоя (см), рост сидя (см), длина ног (см), размер стопы (см), вес (кг) — с использованием стандартных процедур измерения. По каждому спортсмену учитывались индивидуальные особенности: пол, возраст, спортивная специализация, уровень спортивной квалификации, латеральная двигательная асимметрия. Результаты измерений были занесены в электронную таблицу и сформировали эмпирический массив данных № 1.
В процессе бега для фиксации длины шагов (м) на подошву обуви спортсменам наносилась меловая полоска, оставляющая следы на беговой дорожке. Зона фиксации в данном случае составляла 15 метров. Результаты регистрации длины шагов сформировали эмпирический массив данных № 2.
Рисунок 1 - Кадры скоростной видеозаписи спринтерского бега Figure 1 - High-speed video footage of sprint running
Видеозаписи 10 спортсменов, имеющих технические ошибки, демонстрировались 10 экспертам, которыми являлись тренеры по лёгкой атлетике. На основе изучения специальной литературы и обсуждения с тренерами заранее были сформулированы 16 типичных ошибок, наиболее часто встречающихся в технике спринтерского бега (таблица 1). Экспертам
Таблица 1 - Типичные ошибки в технике спринтерского бега Table 1 - Typical errors in sprint running technique
предлагалось на основе просмотра видеозаписей поставить общую оценку за техничность бега в баллах, а также зафиксировать наличие/ отсутствие ошибок в форме логического типа данных: 1 — «есть» или 0 — «нет». Такой подход позволил использовать формулу Шеннона для расчета уровня неопределенности в формулировках двигательных ошибок.
1. Недостаточный вынос бедра вперед-вверх 1. Insufficient hip extension forward and upward 9. Руки недостаточно отводятся назад 9. Arms are not pulled back enough
2. Отсутствие активного продвижения таза вперёд 2. Lack of active forward movement of the pelvis 10. Сильный наклон туловища вперёд 10. Strong forward bend of the torso
3. Неполное отталкивание 3. Incomplete repulsion 11. Отклонение туловища назад 11. Bend the torso back
4. Неправильная постановка стоп 4. Incorrect foot placement 12. Сгибание ноги во время её постановки на опору 12. Bending the leg while placing it on the support
5. Постановка стоп с пятки на носок 5. Placement of feet from heel to toe 13. Голова опущена вниз 13. Head down
6. Излишняя закрепощенность в беге 6. Excessive rigidity in running 14. Кисти рук напряжены 14. Hands are tense
7. Большой угол в локтевых суставах 7. Large angle at the elbow joints 15. Медленное сведение бедер 15. Slow hip reduction
8. Движения рук неправильны в поперечном направлении 8. Hand movements are incorrect in the transverse direction 16. Запрокидывание головы 16. Throwing back the head
* Сохранены дословные тренерские формулировки
* Verbatim coaching wording retained
Результаты тренерской оценки сформировали массив данных № 3.
Для оценки влияния двигательной энтропии на спортивные результаты были использованы данные мгновенной скорости (м/с) рекордного забега Усейна Болта на 100 м, зафиксированные лазерной измерительной системой (LAVEG Sport and LDM 300). Исходный график скорости был взят с официального сайта WorldAthletics [11]. Полученные данные сформировали массив данных № 4. II. Математико-статистические методы анализа биомеханических характеристик движения. В зависимости от концепции исследования нами было использовано 8 ма-тематико-статистических методов изучения влияния двигательных ошибок на спортивный результат: корреляционный анализ (дихотомический коэффициент корреляции, коэффициент Браве-Пирсона), регрессионный анализ, факторный анализ (варимакс), метод поиска ассоциативных правил, метод построения нейронных сетей, однофактор-ный дисперсионный анализ, математическое моделирование. Для анализа данных применялись программные приложения MS Excel и Deductor Studio.
РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЯ
Исследование 1. Изучение мнения тренеров о наличии технических ошибок на основе метода экспертных оценок и расчета коэффициента конкордации. Расчет дисперсионного коэффициента конкордации Кендалла составил W=0,29, что говорит о низкой согласованности мнения экспертов. Каждый тренер имеет своё понимание значения технических ошибок и свою модель оптимальной техники. В ходе анализа уровня неопределенности формулировок двигательных ошибок было выявлено, что ошибки имеют разный уровень разночтения. Так, если эксперты единогласно выставляли (или единогласно не выставляли) ошибку спортсмену, ошибка рассматривалась правильно сформулированной. Если же мнения экспертов расходились в соотношении 50% на 50%, ошибка характеризовалась как имеющая абсолютную неопределенность формулировки. Расчеты с использованием формулы Шеннона показали, что ошибки № 2, № 3, № 4, № 12, № 14 имели наибольший уро-
вень неопределенности, а уровень их информационной энтропии достигал 90%. Исследование 2. Определение корреляции между двигательными ошибками и спортивным результатом. Корреляционный анализ массива № 3, содержащего субъективные тренерские оценки, не выявил ни одной взаимосвязи между техническими ошибками, коэффициент корреляции которой превышал бы |0,3|. Основываясь на эмпирическом массиве № 1, содержащем объективные данные, полученные инструментальными методами, была рассчитана матрица корреляции между 70 показателями (60 биомеханических, 5 соматических, 5 индивидуальных) для 41 спортсмена. В матрице было выявлено большое значение положительных и отрицательных корреляций. В некоторых случаях корреляция стремилась к единице, приближаясь к функциональной связи. Например, такая взаимосвязь наблюдалась между горизонтальной скоростью в различных фазах. Наиболее интересным представляется использование данного метода для установления связей между параметрами линейной и угловой кинематики. Выявлено, что угол в коленном и тазобедренном суставах (в различных фазах) имеет корреляцию со скоростью бега (средней и фазовой) и временными характеристиками. Например, угол в коленном суставе маховой ноги в момент постановки опорной ноги имеет корреляцию г=+0.8 (р<0,01) со временем опорного периода и скоростью в безопорном периоде г=- 0,6 (р<0,01).
Всего было установлено более 140 достоверных корреляций на уровне значимости а=0,01 между параметрами техники, значения которых превышают |0,6|. В их числе корреляции между биомеханическими переменными и средней скоростью бега, являющейся целевым показателем, непосредственно определяющим спортивный результат. Исследование 3. Построение регрессионной модели, описывающей взаимосвязь биомеханических параметров и спортивного результата. Мощным инструментом анализа спортивной техники является использование множественного регрессионного анализа, основанного на методе наименьших квадратов. Нами для построения регрессионной модели были рассмотрены различные комбинации
наборов данных из 70 переменных (массив № 1). Одним из наиболее точных для определения средней скорости бега (у) оказался набор, сочетающий 3 соматические и 12 угловых характеристик техники бега: рост (1), длину ног массу (т), углы коленного сустава (левый — 1, правый — р) в 6 основных ключевых моментах: моменте окончания отталкивания правой ногой — Й, моменте постановки левой ноги — t2, моменте прохождения вертикали с опорой на левую ногу — t3, моменте окончания отталкивания левой новой — t4, моменте постановки правой ноги — t5, моменте прохождения вертикали с опорой на правую ногу — t6. Полученная регрессионная модель описывается уравнением:
0,06021 - 0,0929d + 0,0086т -0,088г11 + 0,0932121 - 0,0136г31 -0,0765141 - 0,0125151 + 0,0074г61 -0,02641р - 0,0278г2р - 0,0159г3р + 0,0093г4р + 0,117(Щ + 0,02031бр= V Проведенные расчеты показали, что коэффициент детерминации средней скорости превышает 0,9. Прогнозируемая по регрессионной модели средняя скорость бега по F-критерию Фишера достоверна на уровне значимости а=0,05. Визуальный и статистический анализ остатков показал их независимость: среднее значение стремилось к нулю, а также отсутствовал какой-либо тренд. Исследование 4. Снижение пространства биомеханических характеристик до нескольких наиболее значимых факторов. Как показал корреляционный анализ, кинематические параметры техники, с одной стороны, имеют большое количество взаимосвязей, а с другой — стороны, коэффициенты корреляции в некоторой степени дублируют друг друга. В целом полученный объем информации является избыточным для восприятия и адекватного интерпретирования [4]. Факторный анализ применим для анализа как количественных показателей техники (массив № 1), так и качественных тренерских оценок (массив № 3). Ниже приводится анализ тренерских оценок. Приступая к исследованию, мы предполагали, что за взаимосвязанными техническими ошибками скрывается влияние некоторых неочевидных факторов, с помощью которых
можно проще проанализировать и понять технику бега и природу технических ошибок. Было выявлено, что 16 технических ошибок можно объяснить действием 8 факторов. Интерпретация: фактор № 1 (11% общей дисперсии) — фактор ошибок в выносе бедра (ошибки № 1, № 2, № 7). Фактор № 2 (10%)
— фактор, связанный с неправильным наклоном туловища (ошибки № 10, № 13). Фактор №3 (8%) — фактор ошибок, связанных со взаимодействием с опорой (ошибки № 3, № 12). Фактор № 4 (8%) — фактор закрепощенности (ошибки № 6, № 14). Фактор № 5 (8%) - фактор, связанный с неправильной постановкой стопы (ошибки № 4, № 5). Фактор № 6 (8 %)
- фактор неправильной работы рук (ошибки № 8, № 11).
Исследование 5. Выявление закономерностей в сочетаниях технических ошибок на основе поиска ассоциативных правил. Метод поиска ассоциативных правил позволил выявить закономерности в сочетаниях технических ошибок. В нашем исследовании событиями являлись зафиксированные экспертами технические ошибки (массив № 3). Десятью экспертами всего были зафиксированы 583 ошибки у десяти спортсменов [8].
В ходе анализа нами было выявлено 238 ассоциативных правила взаимосвязи технических ошибок. Установлены 42 ассоциативных правила, которые имеют 100% поддержки и 100% достоверности.
Ошибки с наивысшим уровнем поддержки и достоверности зачастую являются очевидными для экспертов и легко объяснимыми с позиций спортивной биомеханики. Особый интерес вызывают ассоциативные правила с меньшими показателями поддержки и достоверности, в равной степени, как и правила с абсолютным отсутствием взаимосвязей. Отсутствие взаимосвязей может говорить о взаимоисключающем характере ошибок. Например, «наклонить голову вниз» (ошибка #13) и «запрокинуть голову назад» (ошибка #16) одновременно невозможно. Исследование 6. Проведение виртуального эксперимента по типу «что-если?» на основе нейронных сетей. Как и многие инструменты интеллектуального анализа, метод нейронных сетей предназначен для поиска скрытых закономерностей в больших объёмах данных.
Чтобы получить нейронную сеть, пригодную для анализа, её необходимо обучить. Для этого мы взяли обучающую выборку (массив № 1), состоящую из 64 входных значений (59 кинематических и 5 соматических) для 40 человек и определили одно выходное значение — среднюю скорость за 2 беговых шага. Процесс обучения заключается в поиске неких зависимостей выходного значения от входных переменных. Современные компьютерные программы позволяют достаточно легко создавать многослойные нейронные сети и анализировать большие массивы данных. С помощью функции «что-если?» было проведено множество виртуальных экспериментов: изменяя входные значения биомеханических параметров, можно было видеть, как это влияет на скорость бега. Например, можно узнать, что произойдет со скоростью бега, если изменятся антропометрические данные или угловые характеристики. Чем больше набор данных для обучения, тем точнее будет работать нейронная сеть. Современные безмаркерные интеллектуальные системы захвата движения позволяют оперативно собирать большой объем данных для полноценного обучения нейронной сети, что делает этот метод наиболее перспективным для изучения двигательных ошибок. Данный метод позволяет тренерам ответить на сложный вопрос, часто возникающий у спортсмена, как изменится спортивный результат, если исправить конкретную техническую ошибку.
Исследование 7. Определение соотношения случайных и системных двигательных ошибок на основе однофакторного дисперсионного анализа. Общеизвестным фактором является неповторимость каждого движения человека. Однако количественная сторона уникальности каждого движения остается малоизученной. Любое отклонение от оптимального движения в беге ведет к снижению скорости и негативно влияет на спортивный результат. Однофакторный дисперсионный анализ позволяет определить соотношения системных отклонений и случайных двигательных ошибок в беге. Под системными отклонениями следует подразумевать периодически встречающиеся отклонения в движениях, связанные, например, с двигательной асимметрией [12]; а под случайными — двигательные неточности,
связанные с особенностями системы управления движениями.
Нами исследовались дорожки шагов (от 6 до 9 шагов), оставляемые мелованными подошвами спортсменов (массив № 2), образующие подмножества левых и правых шагов. Значения межгрупповой дисперсии характеризуют степень двигательной асимметричности, вну-тригрупповая дисперсия характеризует двигательные ошибки, связанные с неточностью управления движениями и мышечными коррекциями.
Результаты исследования показали, что не существует типичного сочетания системных (асимметрия) и случайных (неточность управления движением) ошибок: по каждому спортсмену такое сочетание индивидуально. Установлено, что системные ошибки, основанные на асимметрии, как правило, превосходят случайные. У спортсменов, специализирующихся в беге, случайных отклонений значительно меньше, чем у спортсменов других специализаций. Легкоатлеты-бегуны являются более предсказуемыми в движениях и отличаются меньшей двигательной энтропией. В среднем по всем спортсменам 73,1% отклонений в длине шага объясняется двигательной асимметрией и 26,9% объясняется погрешностями в управлении движениями и несовершенством двигательных коррекций. Другими словами, длина левых шагов отличается от длины правых шагов в несколько раз сильнее, чем отличие нескольких последовательно сделанных правых или левых шагов. Исследование 8. Определение влияния случайных ошибок на спортивный результат на основе математического моделирования. Практический интерес представляет влияние случайных двигательных ошибок на спортивный результат. Особенно интересно рассмотреть это явление на примере выдающегося спортсмена.
Исследование основано на анализе мгновенной скорости Усейна Болта в финале на 100 м у мужчин на чемпионате мира IAAF 2009 года в Берлине. Данный забег примечателен тем, что был установлен новый мировой рекорд (9,58 с), который удерживается до настоящего времени [13]. Нами были взяты графики вну-трициклических скоростей с официального сайта WorldAthletics. Данные о мгновенной
скорости были получены с помощью лазерной измерительной системы. Так как мы не имели исходных числовых значений мгновенной скорости, мы квантовали существующие графики. Квантование включало картирование, масштабирование и интерполирование промежуточных точек. Это позволило нам получить исходные цифровые данные и описать скорость бега с высокой степенью сходства с оригиналом. График внутрициклической скорости мы сопоставляли с видео в режиме замедленного воспроизведения, чтобы определить на графике левый и правый беговые шаги. Анализ графика показывает, что каждое колебание внутрицикловой скорости соответствует одному беговому шагу.
Для моделирования случая максимальной ре-
ализации двигательного потенциала при отсутствии двигательной энтропии мы выбрали один шаг У. Болта, который отличается самой высокой пиковой скоростью и наименьшим её снижением, а также максимальной средней внутрицикловой скоростью. Это шаг № 32 (75-77 метры) при отталкивании правой ногой. Мы смоделировали случай нулевой энтропии с момента достижения максимальной скорости до финиша. Было введено допущение, что после достижения максимальной скорости спортсмен способен поддерживать данную скорость и постоянные биомеханические характеристики до финиша, «штампуя» идеальный шаг. Все последующие значения внутрициклической скорости были заменены идеализированными значениями шага № 32.
01 23456789 10
время, с
Рисунок 2 - Реальный график скорости бега Усейна Болта и идеализированный график с отсутствием двигательной энтропииFigure 2 - The real graph of Usain Bolt's running speed and the theoretical graph with no motor entropy
Наконец, мы рассчитали теоретическое время пробегания дистанции с нулевой энтропией. Время составило — 9,42 с, то есть улучшение времени достигло бы 0,16 с (рисунок 2). Двигательная энтропия является одним из факторов, определяющих спортивные результаты. Тренеры и спортсмены в циклических видах спорта обязаны не только обращать внимание на исправление видимых технических ошибок, но и стремиться к снижению двигательной энтропии [14].
ОБСУЖДЕНИЕ РЕЗУЛЬТАТОВ ИССЛЕДОВАНИЯ
Исследование двигательных ошибок представляет большой интерес как для теоретиков науки, так или для практиков. Рассмотрение данного во-
проса позволит учёным лучше понять систему управления двигательными действиями человека, тренерам — улучшить спортивные результаты. В статье мы использовали понятие «двигательные ошибки», включая в это понятие и технические ошибки. Двигательные ошибки — абсолютны и объективны, технические ошибки — относительны и субъективны. Дефект техники, несущественный для новичка, для мастера спорта будет рассматриваться как серьезная техническая ошибка. И наоборот, что для новичка является технической ошибкой, для мастера спорта может рассматриваться как особенность техники. Представленные в данной статье 8 исследований были классифицированы по принципу используемого научного подхода (таблица 2).
Таблица 2 - Классификация исследований на основе научных подходов Table 2 - Classification of research based on scientific approaches
№ Исследование Research Научный подход Scientific approach
I II III IV V
1. Изучение мнения тренеров теоретич., эмпирич. качеств., количеств. описательный лаборат. движение
2. Определение корреляции теоретич., эмпирич. количеств. описательный лаборат. модель
3. Построение регрессионной модели теоретич., эмпирич. количеств. прогностический лаборат., симуляция модель
4. Определение факторов теоретич., эмпирич. качеств., количеств. описательный лаборат. модель
5. Поиск ассоциативных правил теоретич., эмпирич. качеств., количеств. описательный лаборат. модель
6. Применение нейронных сетей теоретич., эмпирич. количеств. прогностический лаборат., симуляция модель
7. Случайные и системные ошибки теоретич., эмпирич. количеств. описательный лаборат. паттерн
8. Математическое моделирование отсутствия энтропии теоретич. количеств. прогностический естест., симуляция движение
Изучение двигательных ошибок может строиться на теоретическом или эмпирическом подходе. Теоретический подход предполагает изучение системы движений и двигательных ошибок на основе применения знаний биомеханики. Так, например, понимание биомеханики позволяет описать поведение биомеханической системы и влияние ошибки на двигательное действие. Эмпирический подход позволяет проверить на практике правильность теоретических выводов и изучить биомеханическую систему во всем её многообразии.
Для изучения двигательных ошибок могут быть использованы качественный или количественный подходы. Как показывают исследования, тренерское восприятие движения ограничено зрительной системой, а сформированный двигательный образ бывает весьма расплывчат. Поэтому мнения даже самых опытных и успешных тренеров всегда субъективны. Сами ошибки часто бывают плохо сформулированы и могут быть по-разному интерпретированы. Количественный подход более точен, но требует больше времени и невозможен без применения специальной измерительной аппаратуры для фиксации больших объемов биомеханической информации. Среди подходов к изучению двигательных ошибок в спорте можно выделить описательный и прогностический подходы. В рамках
описательного подхода исследуются движения спортсменов, фиксируются двигательные ошибки — их количество и тип, регистрируются биомеханические характеристики движения. Прогностический подход предполагает установление взаимосвязей в структуре движения и прогнозирование «поведения» ошибок, их влияния на спортивный результат. В зависимости от организации исследования можно выделить подходы в естественных условиях, в лабораторных условиях и в виртуальной компьютерной среде. Двигательные ошибки спортсменов можно изучать, фиксируя параметры движения, непосредственно на соревнованиях, не вмешиваясь и не нарушая происходящее событие. Такой подход наиболее интересен для исследователей, но не всегда представляется возможным. Наиболее часто используемым подходом, является исследование движений спортсменов в лабораторных условиях. В этом случае используется сложная биомеханическая аппаратура, а спортсмены помещаются в искусственные условия проведения исследования. С развитием компьютерной техники все большее распространение приобретает подход компьютерной симуляции, который позволяет проводить виртуальные эксперименты и исследовать двигательные действия на компьютерных моделях.
Исследование двигательных ошибок может базироваться на трех подходах: изучении одиночного движения человека, изучении двигательного паттерна, изучении модели двигательного действия. Каждое движение уникально и неповторимо, и изучение конкретного движения имеет смысл, если был проявлен выдающийся спортивный результат. Во всех других случаях такой подход лишен смысла, так как не разделяет случайных и системных ошибок. Изучение двигательного паттерна строится на последовательной регистрации нескольких однотипных движений, что позволяет определить степень случайности отдельных двигательных неточностей и выявить средние тенденции движения. Изучение особенностей выполнения движения различными спортсменами с различными характеристиками позволяет создать усредненную
ЛИТЕРАТУРА
1. Баландин, С. И. Совершенствование технического мастерства высококвалифицированных бегунов на 100 и 200 метров / С. И. Баландин, И. Ю. Баландина // Ученые записки университета им. П.Ф. Лесгафта. - 2023. - № 6(220). - С. 28-32.
2. Гавердовский, Ю. К. Каузальная структура двигательной ошибки и контроль движения при обучении в спорте / Ю. К. Гавердовский // Спортивный психолог.
- 2019. - № 4(55). - С. 10-15.
3. Загревский, В. И. Аналитическая модель компенсации двигательной ошибки в адаптивном управлении движением биомеханической системы / В. И. Загревский, О. И. Загревский // Человек. Спорт. Медицина. - 2019.
- Т. 19, № 2. - С. 79-85.
4. Квашук, П. В. Факторный анализ биомеханических показателей гребли мужчин-байдарочников / П. В. Ква-шук, Г. Н. Семаева, И. Н. Маслова // Ученые записки университета им. П.Ф. Лесгафта. - 2015. - № 9(127). - С. 114-116.
5. Коренберг, В. Б. Основы качественного биомеханического анализа / В. Б. Коренберг. - М. : Физ. культура и спорт, 1979. - 208 с.
6. Мещеряков, А. В. Педагогическая интерпретация информации о биомеханических характеристиках спринтерского бега спортсменок / А. В. Мещеряков // Педагогико-психологические и медико-биологические проблемы физической культуры и спорта. - 2018.
- Т. 13, № 4. - С. 23-30.
7. Модельные характеристики и критерии эффективности техники бега спринтеров различной квалификации / С. С. Добровольский, Г. Г. Илемков, В. Г. Лисов, Е. В. Плема // Ученые записки университета им. П.Ф. Лесгафта. - 2022. - № 12(214). - С. 180-183.
модель техники выполнения двигательного действия.
ЗАКЛЮЧЕНИЕ
Современный уровень развития спортивной биомеханики предлагает исследователю большой набор инструментальных и математи-ко-статистических методов для исследования спортивной техники. Рассмотрев различные концепции построения научных работ, можно выделить основные подходы к выявлению влияния двигательных ошибок на спортивный результат: теоретический и эмпирический, качественный и количественный, описательный и прогностический, изучение движений в естественных или лабораторных условиях, проведение исследований в виртуальной среде, подход на основе одиночного движения, двигательного паттерна или модели техники.
8. Фураев, А. Н. Анализ сочетаний ошибок в технике спортивных упражнений с помощью ассоциативных правил технологии Data Mining / А. Н. Фураев, А. Н. Тамбовский // Ученые записки университета им. П.Ф. Лесгафта. - 2015. - № 5(123). - С. 196-201.
9. Changes in running biomechanics during the 2017 IAAF world championships men's 1500m final / B. Hanley, A. Bissas, S. Merlino, G.T. Burns / Scandinavian Journal of Medicine and Science in Sports. - 2023. - № 33. - С. 931-942.
10. Clark, K. P. Determinants of Top Speed Sprinting: Minimum Requirements for Maximum Velocity / K. P. Clark // Applied Sciences. - 2022. - № 12. - 8289.
11. Graubner, R. Biomechanical analysis of the sprint and hurdles events at the 2009 IAAF World Championships in Athletics / R. Graubner, E. Nixdorf // New studies in athletics. - 2011. - № 26(1/2). - С. 19-53.
12. Landing-takeoff asymmetries applied to running mechanics: A new perspective for performance / R. G. Rosa, H. B. Oliveira, N. A., Gomenuka, M. P. B. Masiero, E. S. Silva, A. P. J. Zanardi, A. R. Carvalho, P. Schons, L. A. Peyre-Tartaruga // Frontiers in Physiology. - 2019. - № 10. -16:10:415.
13. Multicomponent velocity measurement for linear sprinting: Usain Bolt's 100 m world-record analysis / S. Stuhec, P. Planjsek, M. Coh, K. Mackala // Bioengineering. - 2023. - №10(11). - 1254.
14. Pomerantsev, A. A. Motor entropy influence on sport results: Usain Bolt's record-breaking race example / A. A. Pomerantsev // Proceedings of 38th ISBS Conference. -Liverpool. - 2020. - 38 (1). - C. 260-263.
15. The biomechanics of running and running styles: a synthesis / B. T. Oeveren, C. J. Ruiter, P. J. Beek, J. H. Dieën // Sports Biomechanics. - 2021. 4:1-39.
REFERENCES
1. BaLandin, S. I., BaLandina, I. Yu. [Improving the technical skills of highly qualified runners for 100 and 200 meters]. Scientific notes of the P.F. Lesgaft University, 2023, № 6(220), pp. 28-32 (in Russ.).
2. Gaverdovsky, Yu. K. [The causal structure of motor error and movement control during training in sports]. Sports psychologist, 2019, № 4(55), pp. 10-15 (in Russ.).
3. Zagrevsky, V. I. [Analytical model of compensation of motor error in adaptive motion control of a biomechanical system]. Human. Sport. Medicine, 2019, Vol. 19, № 2. - pp. 79-85 (in Russ.).
4. Kvashuk, P.V., Semaeva G.N., Maslova I.N. [Factor analysis of biomechanical indicators of rowing of male kayakers]. Scientific notes of the P.F. Lesgaft University, 2015, № 9(127), pp. 114-116 (in Russ.).
5. Korenberg, V.B. [Fundamentals of qualitative biomechanical analysis]. Moscow, Physical Culture and Sport, - 1979. - 208 p (in Russ.).
6. Meshcheryakov, A.V. [Pedagogical interpretation of information on biomechanical characteristics of female sprinting athletes]. Pedagogical-psychological and medico-biological problems of physical culture and sports, 2018, Vol. 13, № 4, pp. 23-30 (in Russ.).
7. Dobrovolsky, S. S., Ilemkov, G. G., Lisov, V. G., Plema, E. V. [Model characteristics and criteria for the effectiveness of running techniques of sprinters of various qualifications]. Scientific notes of the P.F. Lesgaft University, 2022, № 12(214), pp. 180-183 (in Russ.).
8. Furaev, A. N., Tambovsky, A. N. [Analysis of combinations of errors in the technique of sports exercises using
СВЕДЕНИЯ ОБ АВТОРАХ:
associative rules of Data Mining technology]. Scientific notes of the P.F. Lesgaft University, 2015, № 5(123), pp. 196-201 (in Russ.).
9. Hanley, B., Bissas, A., Merlino, S., Burns, G.T. Changes in running biomechanics during the 2017 IAAF world championships men's 1500 m final. Scandinavian Journal of Medicine and Science in Sports, 2023, №33, pp. 931-942.
10. Clark, K.P. Determinants of top speed sprinting: minimum requirements for maximum velocity. Applied sciences, 2022, № 12, 8289.
11. Graubner, R., Nixdorf, E. Biomechanical analysis of the sprint and hurdles events at the 2009 IAAF World Championships in Athletics. New studies in athletics, 2011, № 26(1/2), pp. 19-53.
12. Rosa, R.G., Oliveira, H.B., Gomenuka, N.A., Masiero, M.P.B., Silva, E.S., Zanardi, A.P.J., Carvalho, A.R., Schons, P., Peyre-Tartaruga, L. A. Landing-takeoff asymmetries applied to running mechanics: A new perspective for performance. Frontiers in Physiology, 2019, № 10, 16:10:415.
13. Stuhec, S., Planjsek, P., Coh, M., Mackala K. Multicomponent velocity measurement for linear sprinting: Usain Bolt's 100 m world-record analysis. Bioengineering, 2023, № 10(11), 1254.
14. Pomerantsev, A.A. Motor entropy influence on sport results: Usain Bolt's record-breaking race example. Proceedings of 38th ISBS Conference, Liverpool, 2020, 38 (1), pp. 260-263.
15. Oeveren, B.T., Ruiter, C.J., Beek, P.J., Dieen, J. H. The biomechanics of running and running styles: a synthesis. Sports Biomechanics, 2021, 4:1, 39.
Померанцев Андрей Александрович (Pomerantsev Andrey Aleksandrovich) - кандидат педагогических наук, доцент; Липецкий государственный педагогический университет имени П.П. Семенова-Тян-Шанского; 398020, Россия, г. Липецк, ул. Ленина, д. 42; e-mail: ldclipetsk@mail.ru; ORCID: 0000-0003-4197-2183.
Старченков Михаил Борисович (Starchenkov Michail Borisovich) - магистрант; Липецкий государственный педагогический университет имени П.П. Семенова-Тян-Шанского; 398020, Россия, г. Липецк, ул. Ленина, д. 42; e-mail: starchenkova.oksana@bk.ru; ORCID: 0009-0002-1477-1503.
Поступила в редакцию 27 декабря 2023 г. Принята к публикации 03 марта 2024 г.
ОБРАЗЕЦ ЦИТИРОВАНИЯ
Померанцев, А.А. Влияние двигательных ошибок на спортивный результат: обзор подходов к исследованию на примере спринтерского бега / А.А. Померанцев, М.Б. Старченков // Наука и спорт: современные тенденции. - 2024. - Т. 12, № S1 - С. 80-89. DOI: 10.36028/2308-8826-2024-12-S1-80-89
FOR CITATION
Pomerantsev A.A., Starchenkov M.B. The motor errors effect on athletic performance: review of research approaches using sprint running example. Science and sport: current trends., 2024, vol. 12, no. S1. - pp. 80-89. DOI: 10.36028/2308-8826-2024-12-S1-80-89
