منصور اسلامی

اگرچه توانایی دست یابی به بالاترین سرعت دویدن، عامل موفقیت در بسیاری از رشته های ورزشی به شمار می رود، بااین وجود در شناخت ویژگی جسمانی که زیربنای دست یابی به این توانایی است، ابهاماتی وجود دارد . هدف از پژوهش حاضر بررسی نقش سفتی پا و سفتی عمودی در پیش بینی توانایی سرعت دویدن است. داده های کینتیکی و کینماتیکی سه بعدی مهارت دویدن از 50 زن سالم دانشجوی تربیت بدنی و علوم ورزشی جمع آوری و از آن برای اندازه گیری سفتی پا و سفتی عمودی استفاده شد. برای بررسی امکان پیش بینی سرعت دویدن با استفاده از مدل رگرسیون چند متغیره استفاده شد. یافته ها: نتایج رگرسیون چند متغیره نشان داد که بین دو متغیر سفتی پا و سفتی عمودی با میانگین سرعت دویدن رابطه قابل توجهی وجود دارد (0/671= R ) و این دو متغیر می توانند 42 درصد از واریانس میانگین سرعت دویدن را پیش بینی نمایند. (0/426= Adj.R square ). نتایج پژوهش حاضر نشان داد به احتمال زیاد توانایی افراد در سرعت دویدن به میزان قابل توجهی به سفتی پا و سفتی عمودی وابسته است. نتایج این پژوهش می تواند اطلاعات مهمی درزمینه طراحی برنامه های تمرینی و استعداد یابی در اختیار مربیان و متخصصان این حوزه قرار دهد.

مطالعه حاضر با هدف تدوین نیمرخ بیومکانیکی فنون کشتی براساس الگوریتم منطق فازی در 57 کشتی گیر آزادکار نخبه شهرستان جویبار انجام گردید. متغیرهای بیومکانیکی پایداری پاسچر دینامیکی، زمان رسیدن به پایداری، اندازه حرکت خطی تولیدی و توان مکانیکی بالاتنه برای تجزیه وتحلیل فنون تحلیل شدند. دو یافته اصلی: 1- با طراحی آزمون های جدید برای هر یک از فنون بارنداز، کنده فرنگی، پُل، زیر دوخم، فن کمر، تندر و سه نوع گارد چپ، راست و ژاپنی، نیمرخ آمادگی مهارتی کشتی گیران نخبه در شش گروه وزنی تهیه شد 2- با استفاده از روش آماری آنالیز مؤلفه اصلی و الگوریتم منطق فازی می توان به آمادگی مهارتی هر یک از کشتی گیران نمره داد. یافته های پژوهش بر ضرورت توجه به تجزیه وتحلیل فنون کشتی با آزمون های استاندارد و طراحی الگوریتم های نمره دهی برای مقایسه آمادگی مهارتی کشتی گیران در هر گروه وزنی تأکید می کند.

مقدمه: هدف از این پژوهش بررسی اثر تمرین پرتاب دارت با دست غیربرتر بر درصد انتقال دقت پرتاب دارت، تغییرپذیری و هماهنگی حرکتی دست برتر بود.روش پژوهش: در یک طرح نیمه تجربی، 24 دانشجوی واجد شرایط به صورت تصادفی در گروه تجربی و کنترل قرار گرفتند. گروه تجربی طی 12 جلسه در پنج دست کوشش 10 تایی، پرتاب دارت با دست غیربرتر را انجام دادند و گروه کنترل تمرینی نداشتند. برای بررسی هماهنگی و تغییرپذیری اندام در پیش و پس آزمون از دستگاه IMU Noraxon و برای اندازه گیری دقت از معیار خطای شعاعی استفاده شد. داده های تغییرپذیری و هماهنگی با مدل برنامه نویسی SPM در محیط متلب و از آنالیز واریانس با اندازه های تکراری دوعاملی برای بررسی داده های رفتار در سطح معنا داری 0/05 استفاده شد. یافته ها: خطای شعاعی کاهش معنا دار 27 درصدی داشت (0/002=P) و تغییرپذیری حرکتی دست برتر در بازه 20 تا 50 درصدی حرکت پس از تمرین کاهش معنا داری را نشان داد (0/05>P)؛ اما هماهنگی حرکتی در گروه تجربی پس از جلسات تمرین تفاوت معنا داری نداشت (0/05 <P). در نتیجه درصد انتقال دقت پرتاب دارت در گروه تجربی افزایش یافت.نتیجه گیری: نتایج این تحقیق، انتقال از اندام غیربرتر به اندام برتر را نشان داد. دقت پرتاب دارت در دست برتر افزایش یافت که با کاهش در میزان تغییرپذیری حرکتی دست برتر آزمودنی ها همراه بود. بنابراین به مربیان و تراپیست ها توصیه می شود در صورت آسیب اندام برتر با تمرین اندام غیربرتر از افت عملکرد افراد جلوگیری کنند.

تاکنون مطالعه سیستماتیکی به منظور دسته بندی روش های برآورد غیرمستقیم نیروی عکس العمل زمین با استفاده از دیتای کینماتیک حین تکلیف دویدن و بویژه اطلاع رسانی درباره ی مطالعات انجام شده در این زمینه با استفاده از روش جدید هوش مصنوعی انجام نشده است. بنابراین مطالعه ی مروری حاضر، مطالعات انجام شده در زمینه ی برآورد نیروی عکس العمل زمین با استفاده از دیتای کینماتیک حین دویدن از سال2010 تا 2023 جمع آوری و بررسی کرده است. این مقالات از طریق جستجو در وب سایت های Scopus، IEEE Xplore، Medline، ScienceDirect و PubMed با کلید واژه های Ground Reaction Force، Kinematics، Kinetics، Camera، Video Analysis، Accelerometer، IMU، in field، Running و ترکیبی از آن ها، پیدا شدند. 213 مقاله در منابع مختلف یافت شد که پس از تطبیق با معیارهای ورود به تحقیق، در نهایت 17 مطالعه بررسی گردید. مرور مقالات نشان داد به علت چالش هایی که پژوهشگران هنگام به کار بردن ابزارهای اندازه گیری مستقیم نیرو با آن مواجه هستند، برآورد غیرمستقیم نیرو از داده های کینماتیکی مورد توجه قرار گرفته است. از میان روش های برآورد غیرمستقیم، مدل بیومکانیکی و آماری عدم دقت و عدم اطمینان را به همراه دارند. روش های یادگیری ماشین به عنوان یک ابزار انعطاف پذیر برای مدل سازی غیرخطی و بسیار کارآمد، نیازی به دانش قبلی مدل ندارند و مدل خود را براساس الگوریتم های شبکه عصبی مصنوعی که یک رابطه قوی بین متغیرهای ورودی و هدف می یابد، ایجاد می کنند. به همین دلیل امروزه استفاده از روش های یادگیری ماشین به عنوان یک رویکرد مدرن که مدل سازی و استراتژی های جمع آوری داده ها را ساده می کند برای برآورد نیرو در کانون توجه است.