大數據時代運動訓練科學發展趨勢研究

摘 要：使用文獻資料法，邏輯分析法，了解大數據主要有四個主要特征：大量、高速、多樣、價值。同時分析傳統數據時代運動訓練科學的不足之處，第一，數據處理技術不完善;第二，數據統計速度較慢;第三，數據統計不全面。剖析大數據與運動訓練科學結合的優點，對戰術訓練、個性化訓練、運動損傷預防等方面有極大的幫助。由此預測未來運動訓練科學的發展趨勢，必將與大數據的結合越來越緊密;運動訓練將走向更科學，更全面，更復雜的發展道路。

1 研究方法

1.1文獻資料法

以運動訓練，大數據為關鍵詞在中國知網查找期刊共十余篇，碩博士論文數篇，各大體育期刊，醫學雜志等渠道查閱競技賽事，運動損傷等文獻數篇，對大數據和運動訓練科學做全面的了解與分析。

1.2邏輯分析法

對大數據和運動訓練科學相關概念進行全面、正確、深刻理解，運用邏輯分析，從客觀的角度分析運動訓練科學未來的發展趨勢。

2 研究對象

以大數據、運動訓練科學為研究對象，分析各自的優缺點與特征。

3 大數據時代運動訓練科學研究的現狀

在NBA，科研人員利用Advanced Scout工具將球員在賽場上的各種表現進行數據化，從而方便教練進行針對性的戰術安排”[1]2014年足球世界杯的冠軍德國隊在訓練或比賽中也采用了SAPMatch Insights的大數據分析技術，用于捕捉球員的動作與位置變化等重要而細致的信息。[2]

4 大數據概念與特征

4.1大數據概念

大數據（big data），指不能在一定時間內用常規軟件工具進行處理的數據集合，是需要新處理模式才能具有更強的決策力、洞察發現力和流程優化能力的海量、高增長率和多樣化的信息資產。

4.2大數據特征

大數據有4V特點，即Volume（大量）、Velocity（高速）、Variety（多樣）、Value（價值）。[3]

4.2.1 Volume（大量）

指收集和分析的數據量十分巨大，從TB級別，升到PB級別。由于現代大數據的發展，以TB、PB、EB 為數據計量單位的時代已經不復存在，世界將進入數據存儲與處理的“ZB”時代。[4]

4.2.2 Velocity（高速）

高速度即數據流的快速處理。比傳統的數據處理速度快了非常多。

4.2.3 Variety（多樣）

多樣化指大數據的類型多樣化。比如網絡日志、社交媒體、互聯網搜索、手機通話記錄及傳感器網絡等數據類型。

4.2.4 Value（價值）

大數據雖然價值密度在不斷降低，但通過對大數據的交換、整合與分析從而找到數據之間的相互關聯、產生重大發現，因此其整體價值在不斷提高。大數據的影響力超凡而廣泛，在政務、教育、健康、交通、產業等各領域將發揮著越來越大的作用。

5 傳統數據時代運動訓練科學的不足

5.1數據處理技術不完善

運動科學需要處理的數據增長速度加快而且容量很大，在業務和競爭壓力方面，對于數據的實效性要求明顯增高，而傳統數據的處理技術對于這些需求難以應對，需要開辟全新的路徑。

5.2數據統計速度較慢

運動訓練科學研究需要以數據依據作為基礎，這些數據理論基礎是進行運動科學研究的本質，對于下一步運動科學的調整具有指導作用，傳統數據時代在數據統計方面速度慢，需要大量的人力、物力來實現。

5.3數據統計不全面

運動科學中對于訓練及比賽中的技術、戰術安排，運動員在訓練和比賽中的訓練負荷量、疲勞程度掌控，傷病的預防等方面都需要得到系統的分析，傳統數據時代對于這數據信息的統計明顯較弱，很難適應當今運動科學的發展進程。

6 大數據與運動訓練科學結合的優點

6.1大數據與戰術訓練

大數據將成為制定運動隊發展戰略與比賽戰術的重要依據。[5]

數據分析與鷹眼技術的使用，讓競技體育己不簡單是運動員體能與技能的比拼，更似一場高科技“廝殺”。

隨著大數據在體育賽事中的不斷應用，會有越來越多的人認識到大數據的重要性，可以預見，未來的競技體育是離不開大數據和機器智能的。[6]世界競技體育的格局可能會因大數據而改變。

6.2大數據與個性化訓練

在傳統訓練中，由于缺乏制定個性化訓練方案的客觀依據，再加上教練員的精力、能力有限，針對不同的運動員制定不同訓練方案難度很大，實際訓練中，也難以實現“對癥下藥”，充分控搖運動員潛力。大數據分析技術為這一理念的落實提供了條件，使針對不同運動員制定個性化訓練方案成為現實。

個性化訓練方案的制定大致分為兩步，第一步：收集運動員日常訓練以及比賽的數據。第二步;建立運動員數據庫。[7]

6.3大數據與運動損傷預防

運動損傷輕則影響訓練的系統性，不利于運動員訓練和比賽成績的提升。重則對運動員的身心帶來危害，甚至導致運動員過早離開賽場。如亞洲飛人劉翔，也不得不因為腳傷遺憾離開賽場。

7 大數據時代運動訓練科學的發展趨勢

7.1視角從局部轉變為整體

在大數據運動科學研究中，將傳統的局部研究轉變為整體研究，利用許多運動細節信息的匯總分析，將每個動作從不同角度進行觀察，研究每個戰術及運動員的特點，以便分析出取勝的根本原因，為下一步戰術部署提供先決條件，而對于運動員進行有針對性地訓練，利用自身優勢掌握全局。

7.2研究路徑從假說驅動轉變為數據驅動

大數據時代的運用，以數據驅動作為研究的基礎，將大量運動數據收集起來，以這些數據進行分析和實驗，得出相關結論，在此基礎上提出需要解決的問題，用事實說話，更具有實效性，將傳統的假說驅動研究路徑向數據驅動路徑的轉變，促進了運動科學的研究發展速度。

7.3研究范式從簡單化轉變為復雜化

以往運動科學研究的范式趨于簡單化，其追求精確性、隨機性、確定性及線性的小數據處理方式。但是隨著運動科學研究的深入，簡單模式已不能適應時代的發展，簡單化范式將被復雜性范式所取代，大數據研究環境下，對于運動訓練在復雜性范式的理解的深入，有利于運動訓練中指導大數據信息的歸集，分析運動訓練中大量數據，為研究者提供大量的復雜訓練數據分析以及對未來形勢的預測等。

8 結論

大數據時代為運動訓練科學研究帶來了全新的發展空間，對于運動員身體、動作等方面的數據，能夠實現實時統計并進行分解，為下一步運動戰術及動作研究方面提供了強有力的數據基礎，大數據時代為運動科學研究提供了科學的數據及多視角分析。隨著大數據時代越來越快地融入到運動科學研究中，運動科學與大數據的緊密結合。在對于運動訓練手段、戰術戰略，運動員身體特征、比賽能力、運動訓練和比賽中的監控水平、比賽的預測能力等方面都有不同程度的突破，大數據時代的運用為運動科學研究帶來了全新的發展，今后大數據與運動訓練科學的結合將更加緊密。

參考文獻

[1] 楊澍.前臺的競技，后臺的數據[J]，商學院，2013（10）：34～39

[2] 黃鍇.德國隊大勝C羅背后：大數據“操縱”足球？[N]，21世紀經濟報道，2014，06，21

[3] 黃振豪.大數據時代運動訓練科學研究的新方法探究[J]，當代體育科技，2018，8（8）：29～31

[4] 陳桂香.大數據對我國高校教育管理的影響及對策研究[D]，武漢，武漢大學，2017

[5] 任永生.“關于互聯網+”視角下武術教育改革的思考[Z]，2015.07

[6] 吳軍.智能時代：大數據與智能革命重新定義未來[J].智能制造，2017，10：58

[7] 劉宗梅，李克蕾.運動訓練信息管理系統的研究與設計[J]，現代電子技術，2017，40（9）：54～57

作者簡介：孫濤濤（1994.10），男，碩士研究生在讀，貴州師范大學，貴州省貴陽市，550001，體育教育訓練學。