Анализ использования цифровых технологий в технической подготовке студентов-лыжников

ˑ: 

Кандидат педагогических наук, доцент Н.П. Герасимов1
Кандидат педагогических наук, доцент Р.Е. Петров2
Кандидат педагогических наук, доцент Г.З. Халиков2
Кандидат педагогических наук, доцент И.Г. Герасимова2
1Набережночелнинский филиал Казанского национального исследовательского технического университета им. А.Н. Туполева-КАИ (КНИТУ-КАИ), Казань
2Елабужский институт (филиал) Казанского (Приволжского) Федеральный университет, Елабуга

Цель исследования – выявить средства и методы использования искусственного интеллекта в технической подготовке студентов-лыжников.
Методика и организация исследования. Проведен анализ научно-ис­сле­до­ва­тельских работ, в которых рассматривалось применение искусственного интеллекта в технической подготовке спортсменов.
Результаты исследования и выводы. В статье проведен анализ использования искусственного интеллекта (ИИ) и языка программирования Python для детализации техники конькового лыжного хода через метод определения ключевых поз и распознавания движений.
С помощью анализа видео и сенсорных данных тренеры могут выявлять ошибки в технике и предлагать индивидуальные рекомендации для каждого спортсмена. Это позволяет не только оптимизировать тренировочный процесс, но и минимизировать риск травм, что особенно важно для профессиональных лыжников. В результате внедрение этих технологий открывает новые горизонты в подготовке спортсменов и повышении их результатов на соревнованиях.

Ключевые слова: искусственный интеллект, язык программирования, Python, лыжники-гонщики, детализация, техника, подготовка спортсменов, лыжный спорт, анализ, спортивная наука, рекомендации, травмы.

Литература

  1. Бринк Хенрик. Машинное обучение / Бринк Хенрик, Джозеф Ричардс, Марк Феверолф. – Изд­во Питер, 2017. – 336 с.
  2. Вьюгин В. Математические основы машинного обучения и прогнозирования / В. Вьюгин,  2017. – 305 с.
  3. Домингос Педро. Верховный алгоритм: как машинное обучение изменит наш мир / Педро Домингос; пер. с англ. В. Горохова // науч. ред. А. Сбоев, А. Серенко. – М.: Манн, Иванов и Фербер, 2016. – 336 с.
  4. Рашка  Себастьян. Python и машинное обучение / Себастьян Рашка // Изд­во Диалектика­Вильямс, 2021. – 848 с.
  5. Шаохун Пань Метод определения ключевых поз и распознавания движений в спорте на основе глубокого обучения / Пань Шаохун // Мобильные информационные системы, 2022. – Выпуск 15168898 / 25 апреля 2022 г. https://doi.org/10.1155/2022/5168898
  6. Шарден Бастиан. Крупномасштабное машинное обучение вместе с Python / Бастиан Шарден, Лука Массарон, Альберто Боскетти, 2017. – 358 с.
  7. Цзяньбо Ван.  Тренер на основе искусственного интеллекта: глубокая оценка и анализ позы человека для персонализированной помощи в спортивных тренировках / Ван Цзяньбо // Труды 27­й Международной конференции АСМ по мультимедиа, 15 октября 2019 г. – С. 374­382.

References

  1. Brink, H., Richards, J., & Feverolf, M. (2017). Mashinnoye obucheniye [Machine learning]. Piter.
  2. Vyugin, V. (2017). Matematicheskiye osnovy mashinnogo obucheniya i prognozirovaniya [Mathematical foundations of machine learning and forecasting]. [n.p.].
  3. Domingos, P. (2016). Verkhovnyy algoritm: kak mashinnoye obucheniye izmenit nash mir [The supreme algorithm: how machine learning will change our world]. V. Gorokhov (Trans.), A. Sboev & A. Serenko (Eds.). Mann, Ivanov i Ferber. (Original work published 2015)
  4. Raske, S. (2021). Python i mashinnoye obucheniye [Python and machine learning] (2nd ed.). Dialektika­Vilyams.
  5. Pan, S. (2022). Metod opredeleniya klyuchevykh poz i raspoznavaniya dvizheniy v sporte na osnove glubokogo obucheniya [A Method for determining key pose and recognizing movements in sports based on deep learning]. Mobilnyye informatsionnyye sistemy. https://doi.org/10.1155/2022/5168898
  6. Chardin, B., Massarone, L., & Boschetti, A. (2017). Krupnomasshtabnoye mashinnoye obucheniye vmeste s Python [Large­scale machine learning with Python]. [n.p.].
  7. Wang, J. (2019). Trener na osnove iskusstvennogo intellekta: glubokaya otsenka i analiz pozy cheloveka dlya personalizirovannoy pomoshchi v sportivnykh trenirovkakh [AI­Based coach: deep human pose estimation and analysis for personalized sports training assistance]. In Proceedings of the 27th ACM International Conference on Multimedia (pp. 374–382). https://doi.org/10.1145/3343031.3351062