競技訓練大數據應用與高水平競技訓練發展的認識定位

李 捷, 裘 晟, 王曉軍, 李端英, 李 稚

(1.廣東省體育局 科教宣傳與交流處,廣東 廣州 510108; 2.廣東省體育科學研究所,廣東 廣州 510663; 3.廣東省體育局 黃村體育訓練中心,廣東 廣州 510000)

大數據是目前國內體育界的熱詞之一。隨著可穿戴設備的大量普及,大數據方法也逐漸開始應用于競技訓練實踐。當大數據方法和代表著現代數字化技術發展的可穿戴設備大量涌向競技訓練時,對大數據方法與海量監控數據之間關系的認識與理解,已成為當前訓練中較突出的問題。很多情況下,可穿戴設備數據也被解讀為大數據,實際上,大數據的核心在于對所有與該事物(專項目標)相關數據的分析而獲得的“承認復雜性與探索相關關系等”[1]對事物(專項目標)發展趨勢的預報。所以,如果不能區分大數據與實時數據的差異,就不能正確運用數據并建立相應的處理方法去真正提高訓練效率與成績。目前,關于競技訓練大數據的研究文章較少。運用“運動訓練”“大數據”等在中國知網上進行檢索,只有仇乃民、李少丹等8篇相關文章。

隨著可穿戴監控設備的普及,可穿戴設備逐漸成為很多項目(球類、自行車、水上項目、田徑、游泳等)教練員的常用訓練監測設備。利用可穿戴設備獲得訓練監控數據不僅“時髦”,而且似乎成為訓練成功必須依賴的工具。實際上,可穿戴設備未必能真正提高訓練效率與成績。比如:可穿戴設備引進我國已經10多年,我國的奧運金牌榜排名卻沒有顯著提升,尤其是使用“大數據技術”最普遍的足球項目。具體而言,如某單位給部分球類項目配備了GPS背心,可以實時記錄訓練時的心率、跑動路線、距離、速度,計算訓練沖量、過量氧耗(EPOC)等,相應軟件可提供一次訓練課或整個賽季的數據匯總、圖表和分析報告,甚至幫助制訂訓練方案等,但經過2個全運周期(8年時間),這些項目的全運會名次并沒有明顯提升。因此,對大數據如何定位,如何讓數據說話,如何運用數據服務于訓練與競賽實踐,成為當前科技助力深度發展的實際問題。

1 競技訓練大數據思維概述

正如大數據本身帶來的系統思維邏輯一樣,數據采集一定要服務于某種事物(專項),孤立的數據只是事物的一個點狀態,無論多么精確都不具有特別的意義,不能反映事物的總體與發展趨勢。對競技運動而言,結果“是什么”比“為什么”更重要。事物的復雜性是由事物本身的復雜性,尤其是其相互關系的復雜性所決定。在大數據的概念中,對事物相關關系的了解被放在比傳統因果關系分析更加重要的位置。“量化一切是數據化的核心”“不再追求精度,不再追求因果關系,而是承認復雜性,探索相關關系”[2],成為大數據思想的核心。所以,如果不能清楚地理解大數據的系統意義,面對每天產生的海量監控數字時,不僅不能體現大數據的意義,還可能誤導自己的思維,限制項目的發展。關于大數據在競技訓練應用中幾個需要注意的問題,分述如下。

第一,大數據、數據化、數字化的概念與特征。大數據是與事物相關的所有數據,量化一切并預報事物的發展趨勢,是大數據的基本特征。在《大數據時代》中,維克托·邁爾·舍恩伯格和肯尼恩·庫克耶提出大數據時代處理數據概念的三大轉變:要全體不要抽樣、要效率不要絕對精確、要相關不要因果[1]。數據化則是指“把現象轉變為可制表分析的量化形式”。數字化(可穿戴設備數據)只是“模擬信號轉化成用0和1表示的二進制碼”,以進入電腦進行運算。在訓練實踐中,大數據處理表現為生物護照、球類項目的戰術分析、運動員場上競賽行為特點分析等,都是通過處理多因素數據的相關關系得出的預報或分析結論。而訓練時人體實時的生物、運動學指標變化,足球、網球的球落點判斷等,則是數字化技術。數字化技術取得的數據,只有進入大數據處理才具有對事物屬性總體了解的可能性,比如訓練目標狀態趨勢。

第二,大數據與運動員選材。運用大數據方法對選材大數據進行分析,不是因果分析(常見的形態、機能、素質、技術等),而是相關關系的分析。如在運動員選材方面,美國電影《點球成金》描述了一個真實的例子[1]。比恩用電腦程序和數學模型分析比賽數據(如上壘率等)選擇棒球隊員,使他的隊伍當年取得“20連勝”和美國棒球職業聯盟西部冠軍。

第三,讓數據發聲,需對數據信息建立數據庫及相應的算法,而不是簡單的數據對比。現代訓練監控的新階段就是對訓練結構,如系統狀態與訓練經驗結構關聯的生物大數據進行分析,即當我們改變訓練內容與標準的規模時,運動員的系統狀態會隨之發生改變。例如,訓練中沒有系統目標要求,如果運用大數據分析,可以清晰地預報運動員狀態的低水平定位。

第四,系統訓練與大數據的應用原理與邏輯。在運用大數據方法時,需要處理好數據、技術與思維三者的關系。在競技訓練中,系統訓練思維定位了大數據處理的邏輯思路,如目標控制。大數據數學處理模型的預報,最終需落實在與目標要求的吻合度上。當然,在這個原則下,還必須獲得相關數據,因為思維和技術的最優價值必須從數據中挖掘[1]。大數據與訓練監控觀念的轉化如圖1所示。

圖1 大數據與訓練監控觀念的轉化

2 數字化與體育大數據概述

目前,通過數字化技術獲取大數據的技術方法有很多種。其一,物理類數據,如VR圖像反饋分析。其二,動作分析類數據,如Datefish軟件、戰術分析(球類)、GPS定位技術,利用傳感器技術、陀螺儀等對力、功率、線性、角度、速度、路線、功率等進行描述,利用藍牙陣列技術、激光、Wifi技術、音頻技術,對位移、圖像、目標速度、節奏控制等進行分析。其三,生物大數據,如系統腦網絡結構時序動態數據鏈、系統程序信息時序數據鏈、生理生化免疫、代謝組學、蛋白組學、轉錄組學、穩態數據、睡眠數據等。其四,訓練大數據如目標約束數據結構采集與自學習經驗建模、目標結構關聯協同、訓練經驗數據庫等。訓練中常用的可穿戴設備有如下幾種:“運動表現分析系統”,可提供運動員的疲勞恢復、實時心率、跑動距離、速度、加速、減速、急停、變向、跳躍、跳躍次數、平均跳躍高度、跳躍最大值、跳躍最小值、最大跳躍百分比等多個參數,軟件可提供一次訓練課或整個賽季的數據匯總、圖表和分析報告;“神經興奮”設備、“SAQ訓練與評估”設備、“激光技術的速度靈敏訓練評估”設備、“精英運動員功能狀態的數字化”設備、“專項訓練的量化控制”設備、“訓練時序自學習數據庫”等,這些可穿戴設備以國外研發產品為主,數據服務器是生產廠家的,數據在云端與廠家共享,數據庫使用需交費,至今中國還沒有自己的訓練量化控制數據庫系統。當前,真正稱得上運用大數據技術的項目還不多,若對大數據的系統原理不懂,對競技系統訓練的認識不提高,競技訓練的現狀則難以改變。只有清楚大數據的真實含義,明白大數據的系統意義,才能運用大數據。對大數據的理解需學習與掌握系統訓練概念。

3 競技訓練科學化原理對高科技裝備與大數據發展的約束

訓練的科學認識與現代科學技術的發展,要求我們必須不斷學習科學知識,更新認識觀念。在奧運會比賽中,英國的自行車、美國的田徑與游泳等項目,無一不顯示出科技與科學認識在現代競技訓練中的重要性。澳大利亞著名運動訓練與運動生物科學家David Joyce & Daniel Lewindon在其主編的High-PerformanceTrainingforSports一書中[2]寫道:在過去的10年里,競技訓練領域發生了很大變化,新技術與生理研究的發展意味著10年前被認為是前沿的東西,現已被認為是過時的,而10年前對競技表現的認識與今日已不可同日而語。大數據與當前的體育科技裝備及可穿戴設備,不僅意味著監控手段的數字化,而且提示大數據分析與思維的現代要求。

當今國際賽場上,“系統訓練”“以賽代練”“倒計時訓練”等成功做法,不僅是賽制的要求,也是現代生物科學認識促進訓練發展的必然產物。基于現代生物科學的發展,競技訓練的許多認識都發生了巨大變化,現代競技訓練中至少涉及如下的觀念轉變:訓練是運動員主動經驗網絡路徑的競爭自組織調適、從能力到目標表現訓練、從分段周期訓練到倒計時目標定態生物節奏平臺優化(以賽代練)、“目標狀態=系統”、“以賽代練=系統訓練=目標訓練”、意識主導下的時序競爭主動經驗控制網絡、氧功(非最大攝氧量)約束生理機能極限訓練、表現是訓練形成的主動經驗網絡的實時狀態等。上述諸多觀念性與方向性的問題,直接影響我國多數競技項目訓練效率的提高。因此,科學認識是主導訓練的核心,大數據與高科技最終也必須整合在目標訓練的系統之中。無論什么樣的數據分析技術,最終都需按照科學訓練的規律進行,方能體現出技術的價值與作用。所以,大數據分析與裝備高科技是系統訓練的必需成分,但都無法取代系統訓練,而且系統訓練原理是競技訓練建設大數據方法的思維工具。

4 系統訓練的理論創新與競技訓練大數據處理的方向

在系統訓練研究的理論創新方面,廣東體育局的“李捷運動訓練理論與應用研究教育工作室”,經過對“系統訓練(Systematic Training ST)”的邏輯定義與程序設計原理、應用等的梳理,在奧運備戰實踐中進行長達10多年的實證研究,從2008年奧運備戰倡導的“強度為核心”理念,到如今原創性地提出系統訓練理論包括“目標定態小周期時間窗口平臺過程”訓練理論。既然競賽目標表達成為訓練目的,訓練過程就成為組織構建目標動作鏈細胞網絡表現狀態的過程,其中目標(量值)表現具有對訓練設計標準的“預約定”意義,主動意識、(競賽)目標標準、細胞網絡信息聯通、動作鏈動力程序化表達、力量與能量代謝調適、目標定態時序經驗節奏、經驗網絡與穩態的二元概念等,成為目標構成的必需元素及相應的細胞行為結構。形成目標表現結構就是形成系統,圍繞目標表現狀態形成的訓練組織過程就是系統訓練。系統訓練必須始發于競賽表現目標的要求,而依從于生命體的經驗自組織原則,訓練過程就是系統形成的過程,或者說是目標動作鏈細胞網絡結構的形成過程。結構是目標的基礎,表現是系統的狀態,系統由于目標標準而統一,目標成為系統的量值并進行系統的質量定位等。在系統訓練中,目標定態經驗平臺不僅提供系統訓練的生物信息結構,也為系統的穩定提供了先決條件。比如,系統優化——長期進行系統訓練的結果,不僅是形成系統表現的動態生物網絡連接,在具備有效優化時間的條件下,圍繞目標而組織的動態生物結構網絡,可以形成特化的生物關系結構。如能量“穩態”調適范圍、細胞內外信息連接網絡、肌肉質量、動作鏈環節穩定性、心臟形態、胞內代謝鏈與胞內小體定向發育等,從而使競技表現可以穩定發生。這些關系原理為大數據技術或大數據的數學處理方法提供了訓練理論指導。只有在系統認識的基礎上,大數據對專項目標形成相關關系的分析預報才具有應用的價值。我們把競技目標“定態時間窗口平臺過程”訓練認識與美國的整合訓練競技能力優化訓練模式OPTTM MODEL[3]進行比較發現,競技能力“定態時間窗口平臺過程”理論、跳水雙十小周期訓練、體操的目標“套”訓練與美國OPTTM MODEL訓練模式的理念完全一致。大數據數學處理的目標定態模式設計,必然會正確指導訓練趨勢。

競技目標“定態時間窗口平臺過程”訓練認識中的目標系統具有4個特點。第一,具有明確的目的(專項);第二,具有確定的組織規則與過程條件;第三,目標表現具有涌現性,并使系統具有確定結構、約束系統元素的尺度(量值)標準;第四,目標標準賦予系統“質與量”的生物定態性質,強制系統動作鏈能量的程序結構定位。上述因素為大數據關系的分析提供了訓練學理論認識的基礎。

5 高水平競技訓練大數據互動關系處理的核心問題與生物原理

根據系統訓練理論,目標(量值)表現具有對訓練設計標準的“預約定”意義,因而從邏輯上講,實現目標狀態定位成為訓練的目的。圍繞競賽目標表現狀態形成的訓練組織過程,競賽目標系統定態主動經驗自組織(程序性指令的細胞網絡空間)過程控制就成為訓練控制的核心,也必然成為大數據處理模式設計的核心。目標系統網絡訓練的經驗強化是動作鏈控制生物網絡結構形成的唯一信息來源,由于大腦在學習時只允許那些受經驗強化的神經細胞網留下來,所以,每天訓練重復什么內容成為造成神經連接的關鍵,而穩定的經驗訓練只有通過目標成績定態生物節奏(小周期)平臺的建立才能實現。這為大數據處理提供了生物邏輯的基本要求。在系統原理上特別需要強調的是,如果目標成績是一個定態結構,那么,目標數據的定態訓練過程就是系統生物結構建設的唯一選擇。它包括主動經驗路徑、生物網絡、結構化細胞網絡、時序負熵流定位輸出、細胞穩態與能量池極限動態演化調適等因素。其中,目標系統表現是生物狀態表現,可以通過實證的方法進行檢驗。如圖2所示,通過“腦a波競爭分析的特殊算法得出腦信息熵”的方法,對運動員的腦水平經驗控制網絡進行實證。

圖2 腦a波競爭分析的腦信息熵測量分析方法

由圖3～圖6可知,鄧XX腦a波分布穩定、腦信息熵時序平均熵值趨勢下降或平穩,說明其目標競技表現狀態結構穩定,競技表現穩定,所以,鄧XX在奧運會上獲得平衡木冠軍;而何XX腦a波分布不穩定,沒能在奧運會上獲得金牌。腦的大數據時序處理,為競賽成績的預報提供了數據證明。

圖3 體操平衡木冠軍鄧XX腦a波分布(穩定)

圖4 體操平衡木冠軍鄧XX腦信息熵時序

圖5 體操運動員何XX腦a波分布(不穩定)

圖6 體操運動員何XX腦信息熵時序

6 訓練經驗結構網絡與負荷內環境自穩態的二元概念對大數據采集與處理的提示

競技訓練中已習慣以生理生化指標來評價訓練量或強度,實際上忽略了一個非常嚴重的問題,即訓練經驗網絡連接的形成與反映內環境變化的生理生化指標。這實際上是一個典型的二元問題,反映的是不同的數據模塊。如果不區分結構效應與穩態變化,會直接導致競技訓練中生物反應與生物結構數據的混淆。根據系統生物學原理,競技訓練目標控制的核心問題包括2個,即目標生物結構(目標動作鏈網絡)與目標能量功率結構的極限分布。前者約定結構,后者確定目標量值,決定競賽成績。但是,兩者均需結構定位及其優化訓練才能穩定表現。結構通過訓練經驗而形成,經驗的內在組織過程外在表現為負荷反應。如生理生化指標對負荷的即時調適反應,生理生化指標只有在與負荷內容關聯的條件下,才可以討論與目標結構的關系。上述問題直接導致訓練安排的系統程序化,以及監控觀念的自然升階變化。在進行大數據分析時,如果不了解這個“二元問題”,就不可能設計出符合實際的大數據處理程序。經驗網絡與穩態的二元概念,直接導致訓練監控的理念發生根本變化,即現代訓練監控已從秒表階段、生理生化階段上升到新的階段——系統狀態與訓練經驗結構關聯的生物大數據分析,而不只是傳統的生理生化指標監控。總功約束與訓練經驗結構關聯的生物大數據分析,已成為現代系統訓練計劃安排的本質內容與核心,其內容包括目標生物適應網絡(腦、功能、細胞、蛋白轉錄與基因)、訓練經驗結構的實時與時序經驗數據庫、力量為核心的系統調適、細胞能量、總功與能量代謝極限(代謝組學)、動作結構鏈功率、目標定態生物節奏(內環境穩態分析)、功能解剖與關節動力學、網絡調適與免疫、代謝與轉錄組學、訓練分期與功能板塊融合、營養與睡眠等內容。

7 大數據方法有益于高水平競技訓練

科學認識是決定訓練方向正確與否的核心。現代運動訓練觀念的新變化與新理念,如目標表現訓練、目標定態訓練邏輯及其經驗結構形成自組織的生物學原理、定態過程平臺、訓練結構與細胞環境的二元概念(細胞行為與能量競爭及分配)、訓練的生物邏輯(即時細胞行為狀態、目標約束、競爭自組織、時序有效性與時域)、目標整合與定態控制、系統訓練學(系統的定義)、系統訓練監控、系統訓練的生物學基礎(神經科學與系統生物學)、系統訓練分期理論等,都說明競技訓練大數據關系的復雜性。大數據處理作為系統訓練控制必要的技術手段,須從系統的角度進行深入學習,了解大數據的真實含義,并不是穿上可穿戴設備獲得描述性數據,就可以改變訓練認識落后的現狀。在系統訓練原則指導下運用大數據的理論與方法,才是對大數據系統原理的尊重與理解,科學認識永遠是解決訓練實際問題的唯一途徑。