نوع مقاله : مقاله پژوهشی Released under CC BY-NC 4.0 license I Open Access I

نویسندگان

• مصطفی حاج لطفعلیان ¹
• فائزه حیدری ²
• الهام دهقان نیری ³

¹ نویسنده مسئول، دانشکده روانشناسی و علوم تربیتی، بخش علوم ورزشی، دانشگاه یزد، یزد، ایران.

² گروه تربیت بدنی و علوم ورزشی، دانشگاه ملی مهارت، تهران، ایران.

³ کارشناسی ارشد، گروه رفتار حرکتی، دانشکدة تربیت‌بدنی و علوم ورزشی، دانشگاه تهران، تهران، ایران

چکیده

مقدمه: استعدادیابی ورزشی برای بهبود نتایج و اعتبار نیازمند جنبه‌های مختلف علوم است. امروزه هوش مصنوعی در مسائل مربوط به پیش‌بینی و طبقه‌بندی به‌خوبی عمل می‌کند و ازآنجاکه استعدادیابی چیزی جز پیش‌بینی صحیح و طبقه‌بندی افراد نیست، استفاده از آن می‌تواند راه‌گشا باشد. بر این اساس هدف مطالعه‌ی حاضر استفاده از هوش مصنوعی به‌منظور استعدادیابی در حیطه‌های مختلف ورزش بود.

روش‌ پژوهش: با وجود پراکندگی رشته‌های ورزشی، چهار دسته رشته‌ی توپی، راکتی، رزمی و آبی انتخاب و از روش نظر متخصص برای اولویت‌بندی شاخص‌های منتخب آنتروپومتری، سوماتیک، کنترل حرکتی، بیومکانیکی، آمادگی بدنی و روحی روانی استفاده گردید. 310 آزمودنی (پسر و دختر 6 تا 16 سال) مورد ارزیابی قرار گرفتند و بر اساس امتیازها برچسب‌زنی شدند. در ادامه برای بررسی میزان ارتباط بین هرکدام از مؤلفه‌ها با برچسب‌ها، از آزمون تی مستقل استفاده و 6 مولفه‌ی اصلی برای هریک از دسته رشته‌ها انتخاب شد. در نهایت از شبکه عصبی پروسپترون 6-1-1 برای بررسی دقت و اعتبار نتایج استفاده شد.

یافته‌ها: نتایج حاصل از شبکه‌های عصبی نشان داد که دقت برای دسته‌بندی افراد در رشته‌های توپی، راکتی، رزمی، آبی و سایر رشته‌ها به ترتیب 97.9، 97.9، 87.2، 91.5 و 80.8 درصد است که دقت مطلوب و بالایی است.

نتیجه‌گیری: در نهایت می‌توان گفت که تعیین مولفه‌های اصلی هر رشته به تفکیک و طراحی و برنامه‌ریزی شبکه‌ی عصبی مصنوعی کمک می‌کند تا محققین و مربیان شاخص‌های مهم هر رشته را بشناسند و برای استعدادیابی ورزشی در رشته‌های مورد نظر از آن استفاده کنند.

کلیدواژه‌ها

• استعدادیابی ورزشی
• رشته‌های آبی
• رشته‌های توپی
• رشته‌های راکتی
• رشته‌های رزمی
• شبکه عصبی مصنوعی

موضوعات

• رشد و یادگیری حرکتی

عنوان مقاله [English]

Design and Development of The Intelligent Sport Talent Identification Model Based on Artificial Neural Network Algorithm

نویسندگان [English]

• Mostafa Hajlofalian ¹
• Faeze Heydari ²
• Elham Dehghan Niri ³

¹ Corresponding Author, Department of Psychology and Educational Sciences - Physical Education and Sports Science, Yazd University, Yazd, Iran.

² . Department of Physical Education and sport science, National University of Skills (NUS), Tehran, Iran.

³ M.Sc., Department of Motor Behavior, Faculty of Physical Education and Sports Sciences, University of Tehran, Tehran, Iran

چکیده [English]

Introduction: Sports talent identification (STI) is a complex process that benefits from insights across various scientific fields to enhance credibility. Nowadays, artificial intelligence has proven effective in prediction and classification tasks. Given that talent identification fundamentally revolves around accurately predicting and classifying individuals, leveraging AI can be truly transformative. This study aims to explore how artificial intelligence can be used for STI.

Methods: Despite the diversity of sports disciplines, four categories were selected: ball sports, racket sports, martial arts, and aquatic sports. The expert's opinion method was used to prioritize the selected indicators, which include anthropometric, somatic, motor control, biomechanics, physical and mental fitness factors. A total of 310 participants (boys and girls aged 6 to 16) were evaluated and labeled based on their scores. To assess the relationship between each component and the labels, independent t-tests were conducted, resulting in the selection of six key components for each category. Finally, the Perceptron 6-1-1 neural network was used to check the accuracy and validity of STI.

Results: The results of neural networks showed that the accuracy of the network for classifying people in ball sports, rocket sports, martial arts, water and other sport fields were 97.9, 97.9, 87.2, 91.5 and 80.8% respectively, which is a high and desirable accuracy.

Conclusion: Finally, it can be said that determining the principal components of each sports field and designing an artificial neural network helps researchers and coaches to know the important indicators of each field and use it for STI.

کلیدواژه‌ها [English]

• Artificial neural network
• Ball sports
• Martial arts
• Racket sports
• Sports talent identification
• Water sports