ЕНЕРГОЗАБЕЗПЕЧЕННЯ ІГРОВОЇ ДІЯЛЬНОСТІ СТУДЕНТІВ, ЯКІ СПЕЦІАЛІЗУЮТЬСЯ У ВОЛЕЙБОЛІ
DOI:
https://doi.org/10.32782/Ключові слова:
біопедагогіка, освітній процес, волейбол, студенти, штучний інтелект, фізичний стан організмуАнотація
Моделювання фізичного стану організму студентів різних груп спортивно-педагогічного удосконалення (СПУ), які відрізняються за метою, біомеханічними параметрами рухів, характером м'язових скорочень, потужністю і тривалістю роботи, механізмами енергозабезпечення відповідно до особливостей виду спорту із застосуванням інтелектуального аналізу даних, дає змогу деталізувати співвідношення засобів і методів, які застосовують у педагогічному процесі. Мета – з’ясувати структуру та відповідність функціонального стану систем організму студентів, які спеціалізуються у волейболі, залежно від домінування режимів енергозабезпечення реалізації діяльності. Організація. У дослідженнях брало участь 27 осіб чоловічої статі віком 19–21 рік, що відвідують секцію СПУ з волейболу і належать до основного складу студентської команди спортивного волейбольного клубу «Буревісник», який діє на базі факультету фізичного виховання Національного університету «Чернігівський колегіум» імені Т. Г. Шевченка. Результати. За підсумками проведених досліджень було виокремлено інформативні ознаки, які з високою вірогідністю диференціюють студентів-волейболістів за ігровими амплуа та домінуванням в їхній ігровій діяльності атакувальних або захисних дій. Гравці, у яких домінує швидкісно-силовий компонент реалізації діяльності (лінії атаки), мали відносно низькі абсолютні значення потужності серцевого ритму та загальну потужність спектра варіабельності серцевого ритму (ВСР). Натомість гравці з домінуванням аеробного компонента (лінії оборони) мали високі абсолютні значення потужностей ВСР, що супроводжується значним недовідновленням абсолютних значень спектральних потужностей після виконання дозованих фізичних навантажень циклічного характеру. Для гравців з гіперстенічним типом будови тіла, яким притаманне домінування анаеробного швидкісно-силового компонента реалізації діяльності, характерним є наявність кисневого дефіциту під час виконання циклічних навантажень аеробного характеру, менші значення спектральних потужностей ВСР у фазі реституції після виконання проби PWC 170. Для гравців з домінуванням аеробного компонента реалізації діяльності характерною є більша варіабельність серцевого ритму при меншій централізації регуляції ВСР. Гравці з домінуванням парасимпатичної регуляції ВСР мають відносно високі абсолютні значення потужності всіх спектрів як у базальних умовах, так і під час реституції.
Посилання
1. Белоцерковский З. Б. Эргометрические и кардиологические критерии физической работоспособности у спортсменов / З. Б. Белоцерковский. – Москва : Советский спорт, 2005. – 312 с.
2. Иваницкий М. Ф. Анатомия человека / М. Ф. Иваницкий. – изд. 7-е. – Москва : Олимпия, 2008. – 624 с.
3. Михайлов В. М. Вариабельность ритма сердца: опыт практического применения метода / В. М. Михайлов. – Иваново : Ивановская гос. мед. акад., 2002. – 290 с.
4. Мюллер А. Введение в машинное обучение с помощью Python: руководство для специалистов по работе с данными / Андреас Мюллер, Сара Гвидо. – Москва ; Санкт-Петербург : Диалектика, Альфа-Книга, 2017. – 472 с.
5. Приймак С. Г. Спортивно-педагогічне удосконалення студентів: морфофункціональ-не забезпечення діяльності : [монографія] / С. Г. Приймак. – Чернігів : Десна, 2018. – 292 с.
6. Романенко В. А. Диагностика двигательных способностей : учеб. пособие. для студ. биол. ф-тов. – Донецк : ДонНУ, 2005. – 290 с.
7. Aftalion A. Optimization of running strategies based on anaerobic energy and variations of velocity / Aftalion A., Bonnans J. F. // SIAM J. Applied Math. – 2014. – Vol. 74, N 5. – P. 1615–1636.
8. Churchill T. Modelling athletic training and performance: a hybrid artificial neural network ensemble approach: PhD Thesis / Churchill T.; University of Canberra, 2014–238 р.
9. Heart rate modelling as a potential physical fitness assessment for runners and cyclists. Proceedings of the Machine Learning and Data Mining for Sports Analytics Workshop at ECML/PPKD / Dimitri de Smet, Marc Francaux, Julien M. Hendrickx and Michel Verleysen. – Riva del Garda, Italy, 2016.
10. Gilbert Owusu G. AI and computer-based methods in performance evaluation of sporting feats: an overview / Gilbert Owusu G. // Artifcial Intelligence Review. – 2007. – Vol. 27, N 1. – P. 57–70.
11. Machine Learning and Data Mining for Sports Analytics ECML / PKDD 4th workshop. – Skopje, Macedonia, 2017.
12. Task Force of the European Society of Cardiology and the North American Society of Pacing and Electrophysiology. Heart rate variability. Standarts of Measurement. Physiological interpretation and clinical use // Circulation. – 1996. – Vol. 93. – P. 1043–1065.
13. Wicker P. Analysis of problems using Data Mining techniques – fndings from sports clubs in Germany / Wicker P., Breuer C. // European Journal for Sport and Society. – 2010, Vol. 7, N 2. – P. 131–140.
Завантаження
Опубліковано
Номер
Розділ
Ліцензія
Ця робота ліцензується відповідно до ліцензії Creative Commons Attribution 4.0 International License.
