Опубликовать статью Вход и регистрация
Расширенный поиск
Разделы статьи

ПРОБЛЕМЫ СТАТИСТИЧЕСКОЙ ОБРАБОТКИ ДАННЫХ В ФИЗИЧЕСКОЙ КУЛЬТУРЕ И СПОРТЕ

Научная статья
Абдрахманова И.В.
Лущик И.В.
DOI:
https://doi.org/10.23670/IRJ.2021.114.12.071
Выпуск: № 12 (114), 2021
Опубликована:
2021/12/17
PDF

ПРОБЛЕМЫ СТАТИСТИЧЕСКОЙ ОБРАБОТКИ ДАННЫХ В ФИЗИЧЕСКОЙ КУЛЬТУРЕ И СПОРТЕ

Научная статья

Абдрахманова И.В.1, *, Лущик И.В.2

1 ORCID: 0000-0002-2037-4515;

2 ORCID: 0000-0001-6387-1944;

1, 2 Волгоградская государственная академия физической культуры, Волгоград, Россия

* Корреспондирующий автор (abdr-iren[at]yandex.ru)

Аннотация

В статье представлены основные проблемы, возникающие у молодых ученых при первичной обработке и в процессе дальнейшего анализа статистических данных. Подчеркнут двойственный характер этих трудностей. В первом случае они обусловлены большим объемом количественных значений, подлежащих аккумуляции и классификации с вероятными потерями или неверным соотнесением характеристик. Во втором случае исследователи имеют выборки относительно малого объема, исключающего использование параметрических критериев для проверки статистических гипотез. Описаны способы оптимизации процесса распределения и сопоставления больших массивов данных при помощи электронного приложения. Сопоставлены результаты использования непараметрических критериев различной мощности для проверки статистических гипотез для данных малого объема. Авторами определены алгоритмы отбора критериев, используемых для проверки гипотезы о нормальном распределении данных, полученных при исследовании малых групп спортсменов.

Ключевые слова: статистический анализ, физическая культура, непараметрические критерии.

ON THE ISSUES OF STATISTICAL DATA PROCESSING IN PHYSICAL CULTURE AND SPORTS

Research article

Abdrakhmanova I.V.1, *, Lushchik I.V.2

1 ORCID: 0000-0002-2037-4515;

2 ORCID: 0000-0001-6387-1944;

1, 2 Volgograd State Academy of Physical Culture, Volgograd, Russia

* Corresponding author (abdr-iren[at]yandex.ru)

Abstract

The article outlines the main issues that arise for young scientists during the primary processing and in the process of further analysis of statistical data while also emphasizing the dual nature of these difficulties. In the first case, they are caused by a large volume of quantitative values to be accumulated and classified with probable losses or incorrect correlation of characteristics. In the second case, researchers have samples of a relatively small volume, excluding the use of parametric criteria to test statistical hypotheses. The article describes methods of optimization of the process of distribution and comparison of large data arrays using an electronic application and compares the results of using nonparametric criteria of different capacities in order to test statistical hypotheses for small volume data. The authors define algorithms for selecting criteria used to test the hypothesis of a normal distribution of data obtained in the study of small groups of athletes.

Keywords: statistical analysis, physical culture, nonparametric criteria.

Введение

Научная значимость работ в области физической культуры и спорта подтверждается, кроме прочего, результатами статистического анализа полученных данных: их первичной обработки, проверки выдвинутых гипотез, определения наличия или отсутствия значимых связей между выделенными факторами. Специфика таких исследований состоит в том, что в одних случаях рассматриваются большие массивы числовых значений, в других обработке подлежат данные малого объема. Примером могут служить исследования физических особенностей учеников младшей школы или работы по сопоставлению скоростных характеристик игроков команд высшего эшелона.

Современный рынок приложений, позволяющих определить статистики по данным исследований, достаточно широк, но имеет узкую специализацию.

Программа «VideoTestJudge» (Маркелов Д.Н., 2010 г.), позволяет регламентировать процесс профессиональной подготовки судей, расширять и углублять знания посредством анализа студентами мультимедийных материалов в режиме тестирования [7, С. 47-48].

Приложение по формированию базы данных легкоатлетов-прыгунов (Косихин В.П., 2011 г.) широко используется в спортивной практике, непрерывно обновляется [6, С. 12-14].

Авторские программы С.Н. Шереметьева Cosinor-Analisis 2.4 for Excel 2000/XP и Cosinor Ellipse 2006, предназначенные для отслеживания характера изменения параметров циркадных ритмов физиологических показателей спортсменов в условиях гипоксии (Корягина Ю.В., 2017 г.) обеспечивают возможность построения модели аппроксимированного ритма времени реакции [5, С. 10].

Описанные выше примеры разработок прикладных программ подтверждают актуальность проблем, связанных с автоматизацией процесса регистрации факторов, определяющих двигательную активность учащихся различных возрастных групп и спортсменов, имеющих разную специализацию [3], [4], [9, C. 605], [10, C. 456].

Анализ современных средств мониторирования физического состояния спортсменов в различных аспектах широко представлен в обзорах отечественных ученых, рассматривающих разработки как российских, так и зарубежных лабораторий. Высокий потенциал измерительных систем может быть реализован с целью повышения качества подготовки спортсменов. Данный факт обуславливает востребованность построения специализированных экспертных систем и их дальнейшего внедрения в образовательный и тренировочный процессы [4], [8, C. 154].

Апробация измерительных систем позволяет в краткие сроки получить большой массив данных. Работа с числовой информацией такого объема сопряжена с возможностью неверного отождествления данных (например, ошибка ввода значений при распределении по возрасту, половому признаку, ростовым характеристикам и прочее). Для работы с малыми выборками часто используется критерий Стьюдента, однако его применение возможно только для данных, имеющих нормальное распределение. Расчет критерия согласия Пирсона в этом случае неэффективен.

Анализ исследований молодых ученых – магистрантов ФГБОУ ВО «Волгоградская государственная академия физической культуры» за период 2015-2020 г.г. подтверждает эти наблюдения. Электронные приложения, позволяющие автоматизировать процесс обработки информации (доминирующие позиции занимает MS EXCEL) не исключают возможности упомянутой выше ошибки первичной обработки данных. При попытке определения значения критерия согласия Пирсона программа ссылается на недостаточный объем данных.

С целью решения указанных проблем при реализации проекта «Мониторинг адаптивных возможностей организма подростков» было разработано приложение, формирующее базу данных с учетом классификации по избранным признакам.

Цель исследования: разработать аналитическое приложение для исключения ошибок регистрации данных по исследованию компенсаторных способностей учащихся и построить алгоритм выбора критерия проверки гипотезы о нормальном распределении массивов данных малого объема.

Организация и методы исследования

Разработка программного обеспечения, оптимизирующего процесс создания базы данных была реализована сотрудниками ФГБОУ ВО «ВГАФК». Программа использовалась при проведении исследования адаптивных возможностей организма подростков с различным уровнем здоровья и двигательной активности [1, С. 51], [2]. Работа была выполнена на языке программирования С# в среде .NET Framework.

Информационные поля входных сведений (рис. 1) предполагают защиту от ввода ошибочной информации: часть полей предоставляет возможность дуалистического выбора, остальные регламентируют введение числовых значений из заданного дискретного ряда.

23-12-2021 13-23-52

Рис. 1 – Блок входных сведений диалогового окна

 

В зависимости от задаваемого признака программа формирует ряд документов, конвертируемых в электронные таблицы, и предоставляет доступ к рассчитанным индивидуальным диагностическим коэффициентам.

Для проверки гипотезы о нормальном распределении полученных данных малого объема использовались критерии Шапиро-Уилка и Колмогорова-Смирнова. Современные сервисы предоставляют возможность не только рассчитать значение критерия, но и визуализировать данные в графическом режиме. Например, подтверждение гипотезы о нормальном распределении результатов бега на 30 м у 16 дошкольников в возрасте 6 лет было представлено в виде вывода, сравнивающего статистику р с уровнем значимости (0,05165 > 0,05) и наглядно интерпретировано в графическом режиме (рис. 2).

23-12-2021 13-24-33

Рис. 2 – Сопоставление нормального данного распределения при помощи критерия Шапиро-Уилка

 

Критерий Шапиро-Уилка в настоящее время является наиболее предпочтительным при исследовании выборок малого объема. Хотя диапазон его применимости довольно широк (от 3 до 2000 наблюдений), но его надежность подтверждена для выборок объемом от 8 до 50 наблюдений. Если объем выборки превышает 50, возникает риск отклонить верную гипотезу о нормальности распределения. В этом случае можно воспользоваться модифицированным критерием Шапиро-Уилка или менее мощным критерием Колмогорова-Смирнова. Например, при тех же исходных данных в результате применения критерия Колмогорова-Смирнова был получен следующий вывод: «p = 0,2762, то есть вероятность ошибки I рода, отклоняющей правильную гипотезу H0, слишком высока: 0,2762 (27,62%)».

Основные результаты

Приложение «Мониторинг адаптивных возможностей организма подростков» апробировано при проведении исследования с целью оценки информативности показателей адаптивных возможностей школьников 12-15 лет (545 испытуемых) и 16-18 лет (483 испытуемых). Результаты опубликованы в научных изданиях [2]. Разработаны методические рекомендации для магистрантов по проверке статистических гипотез о нормальном распределении выборочных данных малого объема.

Заключение

Разработанное приложение может быть применено медицинскими работниками и учителями физической культуры средних и высших учебных заведений для определения индивидуального режима двигательной активности учащихся при проведении соответствующих учебных занятий.

Алгоритм выбора критерия для проверки нормального распределения выборочных данных позволяет получить корректные результаты для дальнейшего статистического анализа при проведении исследований в области физической культуры и спорта.

Конфликт интересов Не указан. Conflict of Interest None declared.

Список литературы / References

  1. Абдрахманова И. В. Электронная система оценки адаптивных возможностей организма школьников на занятиях по физической культуре / И. В. Абдрахманова, Т. В. Хованская, И. В. Лущик и др. // Ученые записки университета Лесгафта. – 2019. – №12 (178). – С. 3-7
  2. Bogachev A.N. Predictive assessment of the adaptive capacity of the body of adolescents with different levels of health and physical activity / A.N. Bogachev, L.B. Osadshaja, M.M. Bogomolova et al. // IX International Scientific and Practical Conference « Fundamental and applied sciences today». – North Charleston, 2016. − P. 45-48.
  3. Горбачева В.В. Особенности проявления двигательных возможностей в процессе профессионально-прикладной физической подготовки студентов – спортивных менеджеров / В.В. Горбачева // Ученые записки университета имени П.Ф. Лесгафта: научно-теоретический журнал. – 2015. – № 6 (124). – С. 50-54.
  4. Корягина Ю.В. Анализ современного состояния инноваций, полученных на основе результатов работы научных лабораторий зарубежных стран, для возможного использования в подготовке сборных команд России: методические рекомендации / Ю.В. Корягина, С.В. Нопин, Е.В. Леконцев и др. – Омск: Изд-во СибГУФК, 2016. – 122 с.
  5. Корягина Ю.В. Биологические ритмы в спорте: методы исследования и анализа: методические рекомендации / Корягина Ю.В., Тер-Акопов Г.Н., Нопин С.В. и др. – Ессентуки: ФГБУ СКФНКЦ ФМБА России, 2017. – 32 с.
  6. Косихин В. П. Специальная подготовка в тройном прыжке с разбега с применением технических средств «искусственной управляющей среды» / В. П. Косихин М. Б. Саламатов // Вестник спортивной науки. – 2010. − № 5 – С. 12-14.
  7. Маркелов Д. Н. Методика технической подготовки судей в тхэквондо на основе видеомоделирования соревновательной деятельности и комплекса компьютерных программ / Д. Н. Маркелов // Ученые записки университета Лесгафта. – 2008. – №9. – С. 46-50.
  8. Нопин С.В. Автоматизированные системы оценки морфологического статуса спортсмена: применение в тренировочной и образовательной среде / С.В. Нопин, Ю.В. Корягина, М.С. Рожков; под общей ред. А.В. Литмановича // IV-й научно-практическая конференция преподавателей и аспирантов «Организационно-методические аспекты учебного и учебно-тренировочного процессов в условиях вуза», 2016. – С. 153-157.
  9. Парняков Д. М. Автоматизированный контроль показателей физической подготовленности и физического развития школьников среднего звена / Д. М. Парняков // Молодой ученый. – 2015. – № 11. – С. 604-608.
  10. Сафронов А. А. Динамика физического развития и физической подготовленности учащихся 5-6 классов / А. А. Сафронов, И. Т. Арисланов // Молодой ученый. – 2013. – № 7. – С. 455-458.

Список литературы на английском языке / References in English

  1. Abdrahmanova I. V. Jelektronnaja sistema ocenki adaptivnyh vozmozhnostej organizma shkol'nikov na zanjatijah po fizicheskoj kul'ture [Electronic system for assessing the adaptive capabilities of the body of schoolchildren in physical education classes] / I. V. Abdrahmanova, T. V. Hovanskaja, I. V. Lushhik et al. // Uchenye zapiski universiteta Lesgafta [Scientific notes of Lesgaft University]. – 2019. – №12 (178). – P. 3–7 [in Russian]
  2. Bogachev A.N. Predictive assessment of the adaptive capacity of the body of adolescents with different levels of health and physical activity / A.N. Bogachev, L.B. Osadshaja, M.M. Bogomolova et al. // IX International Scientific and Practical Conference « Fundamental and applied sciences today». – North Charleston, 2016. − P. 45-48.
  3. Gorbacheva V.V. Osobennosti projavlenija dvigatel'nyh vozmozhnostej v processe professional'no-prikladnoj fizicheskoj podgotovki studentov – sportivnyh menedzherov [Analysis of the current state of innovation, based on the results of scientific laboratories of foreign countries, for possible use in the preparation of national teams of Russia: guidelines] / V. Gorbacheva // Uchenye zapiski universiteta imeni P.F. Lesgafta: nauchno-teoreticheskij zhurnal [Scientific notes of Lesgaft University]. – 2015. – № 6 (124). – P. 50-54. [in Russian]
  4. Korjagina Ju.V. Analiz sovremennogo sostojanija innovacij, poluchennyh na osnove rezul'tatov raboty nauchnyh laboratorij zarubezhnyh stran, dlja vozmozhnogo ispol'zovanija v podgotovke sbornyh komand Rossii: metodicheskie rekomendacii [Analysis of the current state of innovation, based on the results of scientific laboratories of foreign countries, for possible use in the preparation of national teams of Russia: guidelines] / Ju.V. Korjagina, S.V. Nopin, E.V. Lekoncev et al. – Omsk: Publishing house of SibGUFK, 2016. – 122 p. [in Russian]
  5. Korjagina Ju.V. Biologicheskie ritmy v sporte: metody issledovanija i analiza: metodicheskie rekomendacii [Biological rhythms in sports: methods of research and analysis: guidelines] / Korjagina Ju.V., Ter-Akopov G.N., Nopin S.V. and others – Essentuki: FGBU SKFNKC FMBA Rossii, 2017. – 32 p. [in Russian]
  6. Kosihin V. P. Special'naja podgotovka v trojnom pryzhke s razbega s primeneniem tehnicheskih sredstv «iskusstvennoj upravljajushhej sredy» [Special training in the triple run jump with the use of technical means «artificial control environment»] / V. P. Kosihin M. B. Salamatov // Vestnik sportivnoj nauki [Bulletin of Sports Science]. – 2010. − № 5 – P. 12-14. [in Russian]
  7. Markelov D. N. Metodika tehnicheskoj podgotovki sudej v thjekvondo na osnove videomodelirovanija sorevnovatel'noj dejatel'nosti i kompleksa komp'juternyh programm [Methodology of technical training of judges in taekwondo based on video modeling of competitive activity and a set of computer programs] / D. N. Markelov // Uchenye zapiski universiteta Lesgafta [Scientific notes of Lesgaft University]. – 2008. – №9. – P. 46-50. [in Russian]
  8. Nopin S.V. Avtomatizirovannye sistemy ocenki morfologicheskogo statusa sportsmena: primenenie v trenirovochnoj i obrazovatel'noj srede [Automated systems for assessing the morphological status of an athlete: application in the training and educational environment] / S.V. Nopin, Ju.V. Korjagina, M.S. Rozhkov; ed. A.V. Litmanovicha // IV-j nauchno-prakticheskaja konferencija prepodavatelej i aspirantov «Organizacionno-metodicheskie aspekty uchebnogo i uchebno-trenirovochnogo processov v uslovijah vuza» [Scientific-practical conference of teachers and graduate students «Organizational and methodological aspects of educational and training processes in the conditions of the university»], 2016. – P. 153-157. [in Russian]
  9. Parnjakov D. M. Avtomatizirovannyj kontrol' pokazatelej fizicheskoj podgotovlennosti i fizicheskogo razvitija shkol'nikov srednego zvena [Automated control of indicators of physical fitness and physical development of middle school students] / D. M. Parnjakov // Molodoj uchenyj [Young scientist]. – 2015. – № 11. – P. 604-608. [in Russian]
  10. Safronov A. A. Dinamika fizicheskogo razvitija i fizicheskoj podgotovlennosti uchashhihsja 5-6 klassov [Dynamics of physical development and physical fitness of students in grades 5-6] / A. A. Safronov, I. T. Arislanov // Molodoj uchenyj [Young scientist]. – 2013. – № 7. – P. 455-458. [in Russian]