Навигация

Статья

ПРОГНОЗИРОВАНИЕ УСПЕШНОСТИ ВЫСТУПЛЕНИЙ СБОРНОЙ РОССИИ НА ОЛИМПИЙСКИХ ИГРАХ-2021 В ТОКИО (1.03 Mb, pdf) Прочитать
Авторы:
Коновалова Лилия Александровна
Кандидат педагогических наук, доцент кафедры теории и методики гимнастики
Образовательная организация: Поволжский государственный университет физической культуры, спорта и туризма, Казань, Россия
Гирфанова Алсу Ильдаровна
студент
Образовательная организация: Поволжский государственный университет физической культуры, спорта и туризма, Казань, Россия
Аннотация:

Цель исследования – оценить возможность успешного выступления сборной России по художественной гимнастике на XXXII Олимпийских играх в Токио на основе разработки модельных показателей возраста и спортивно-технического мастерства ведущих гимнасток мира. В работе был проведен ретроспективный анализ возраста достижения наивысшего результата гимнастками, выступавшими в личном многоборье на Олимпийских играх с 1984 по 2016 гг. Выполнен анализ динамики изменения критериев результативности 7 ведущих гимнасток мирового уровня на официальных соревнованиях FIG с 2018 по 2021 гг. Разработаны модельные показатели спортивно-технического мастерства победителя предстоящих Олимпийских игр 2021 г. с использованием методов линейной экстраполяции и наименьших квадратов. В качестве модельных показателей рассматривали прогностические критерии результативности: представительности, надежности, стабильности и темпов роста технической сложности. Выявлено, что показателями, наиболее близкими к характеристикам прогностической модели чемпиона Олимпиады, обладает российская гимнастка Дина Аверина. За олимпийский подиум также могут побороться Аверина А. (RUS), Ашрам Л. (ISR) и Калейн Б. (BGR). 

Список литературы:
  • Захарьева, Н. Н. Математическое моделирование успешности соревновательной деятельности гимнасток-художниц высокой квалификации/ Н. Н. Захарьева, Е. Н. Яшкина, И. Коняев // Теория и практика физической культуры. – 2017. – №. 6. – С. 48-50.
  • Курамшин, Ю. Ф. Акмеология спортивных достижений: Теоретические и прикладные аспекты : автореферат дис. ... д-ра пед. наук : 13.00.04 / С.-Петерб. гос. акад. физ. культуры им. П. Ф. Лесгафта. – Санкт-Петербург, 2002. – 80 с.
  • Методические рекомендации для анализа спортивных результатов и системы прогнозирования успешности выступления московских спортсменов при подготовке к Олимпийским играм в городе Сочи 2014 года. – Москва, 2012. – С. 64.
  • Платонов, В. Н. Система подготовки спортсменов в олимпийском спорте. Общая теория и ее практические приложения : учебник [для тренеров]: в 2 кн. / В. Н. Платонов. — К. : Олимп. лит., 2015. – Кн. 1. – 2015. – 680 с.
  • Терехина, Р. Н. Соотношение сил в мировой художественной гимнастике в начале нового олимпийского цикла / Р. Н. Терехина, Е. С. Крючек, Е. Н. Медведева, И. А. Винер-Усманова // Ученые записки университета Лесгафта. – 2017. – № 3 (145). – С. 220-223.
  • Bunker R., Susnjak T. The application of machine learning techniques for predicting results in team sport: a review //arXiv preprint arXiv:1912.11762. – 2019.
  • Chen D., Yang Y., Liu X. The Development Research of Computer-aided Rhythmic Gymnastics Selection System //2015 International Conference on Education Technology, Management and Humanities Science (ETMHS 2015). – Atlantis Press, 2015. – С. 208-212.
  • Grycmann P, Maszczyk A, Socha T, et al. Modelling analysis and prediction of women javelin throw results in the years 1946 - 2013. Biol Sport. 2015; 32(4), С. 345-350. https://doi:10.5604/20831862.1189201
  • Horvat T., Job J. The use of machine learning in sport outcome prediction: A review //Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery. – 2020. – Т. 10. – №. 5. – С. e1380.
  • Knechtle B. et al. Performance trends in master freestyle swimmers aged 25–89 years at the FINA World Championships from 1986 to 2014 //Age. – 2016. – Т. 38. – №. 1. – С. 18.
  • Kozhanova, O., Nesterova, T., Gnutova, N., & Gnutov, E. (2015). Application of methodological approach to selection of sportswomen to calisthenics teams for group exercises, considering compatibility factor. Pedagogics, Psychology, Medical-Biological Problems of Physical Training and Sports, 19(4), 27-32. https://doi.org/10.15561/18189172.2015.0405;
  • Kyriakides, George & Talattinis, Kyriacos & Stephanides, George. (2017). A Hybrid Approach to Predicting Sports Results and an AccuRATE Rating System. International Journal of Applied and Computational Mathematics. 3. 10.1007/s40819-015-0103-1.
  • Maszczyk A. et al. Application of neural and regression models in sports results prediction //Procedia-Social and Behavioral Sciences. – 2014. – Т. 117. – С. 482-487.
  • Pion J. et al. Predictive models reduce talent development costs in female gymnastics //Journal of sports sciences. – 2017. – Т. 35. – №. 8. – С. 806-811. Chen D., Yang Y., Liu X. The Development Research of Computer-aided Rhythmic Gymnastics Selection System //2015 International Conference on Education Technology, Management and Humanities Science (ETMHS 2015). – Atlantis Press, 2015. – С. 208-212.
  • Prasetio D. et al. Predicting football match results with logistic regression //2016 International Conference On Advanced Informatics: Concepts, Theory And Application (ICAICTA). – IEEE, 2016. – С. 1-5.
  • Rudrapal D. et al. A Deep Learning Approach to Predict Football Match Result //Computational Intelligence in Data Mining. – Springer, Singapore, 2020. – С. 93-99.
  • Thabtah F., Zhang L., Abdelhamid N. NBA game result prediction using feature analysis and machine learning //Annals of Data Science. – 2019. – Т. 6. – №. 1. – С. 103-116.
  • Wilk R. et al. Predicting competitive swimming performance //Central European Journal of Sport Sciences and Medicine. – 2015. – Т. 9. – №. 1. – С. 105-112.
  • FIG: https://www.gymnastics.sport/site/events/searchresults.php (дата обращения 20.05.2021).