Unterstützung der Leistungsdiagnostik im Leistungs- und Hochschulsport durch maschinelles Lernen am Beispiel der Ausdauerdiagnostik

Publikationen: Buch/BerichtDissertationsschriftForschung

AutorInnen

  • Benedikt Malecki

Forschungseinrichtungen

Details

Aktive verschieben auf der Jagd nach neuen Rekorden – unterstützt durch Er- kenntnisse aus der Sportwissenschaft – immer weiter die Grenzen der mensch- lichen Leistungsfähigkeit. Die Erkenntnisse der Sportwissenschaft fußen auf der Erhebung und Analyse verschiedenster Daten.
Dabei werden personalisierte Ansätze, wie sie bereits in der Medizin Anwen- dung finden, auch in der Sportwissenschaft immer wichtiger, um bei Ent- scheidungen im Bereich der Diagnostik und des Trainings unterstützen zu können.
Um solche Ansätze umsetzen zu können, werden ganz allgemein Prozesse zur Datenorganisation, Datenanalyse auf der Basis von künstlicher Intelli- genz und Prozesse für die Kommunikation der aus der Analyse gewonnenen Erkenntnisse gefordert. Im Bereich der Ausdauerdiagnostik und des Ausdau- ertrainings existieren aktuell in der sportwissenschaftlichen Forschung wenige solcher allgemeinen, umgesetzten Ansätze.
Basierend auf den oben genannten Forderungen wurden innerhalb der vorlie- genden Arbeit als übergeordneter Prozess der Data-Warehouse-Prozess so- wie als Prozess für die Datenanalyse der CRoss Industry Standard Process for Data Mining (CRISP-DM) umgesetzt. Dazu wurde ein leichtgewichtiges Server-/Client-System mit einer JSON-API und einer relationalen Daten- bank für die Datenorganisation entwickelt, um die hohen Kosten für die An- schaffung und Unterhaltung von großen Business-Intelligence-Systemen zu vermeiden. Basierend auf einem zweistufigen Machine-Learning-Modell wur- de durch ein Clustering eine Einteilung von Individuen in zwei Leistungs- cluster vorgenommen. Für die beiden Leistungscluster wurden anschließend mit Hilfe eines Decision Trees Regeln gefunden, um Teile der physiologischen Strukturen beziehungsweise deren Ausprägungen aufzuzeigen.
Das erstellte Modell ermöglicht Einblicke in die physiologischen Strukturen von Leistungsclustern im Ausdauerbereich. Somit könnte das erstellte Modell das Betreuungspersonal von Aktiven im Leistungssport sowohl in der Diagnostik als auch bei der Planung des Ausdauertrainings unterstützen. Die Anwendbarkeit sowie der Nutzen des Modells in der täglichen Praxis ist in zukünftigen Projekten zu evaluieren.



OriginalspracheDeutsch
ErscheinungsortKöln
VerlagDeutsche Sporthochschule Köln
Seitenumfang180
PublikationsstatusVeröffentlicht - 2021

ID: 6202559

Beziehungsdiagramm anzeigen