Un análisis basado en datos de las señales espaciotemporales y los efectos de acumulación de experiencia para la...

Área de la Ciencia:

• Biomecánica
• Ciencia del Deporte
• Aprendizaje Automático

Sus antecedentes:

• La investigación convencional sobre anticipación deportiva a menudo omite señales predictivas sutiles.
• Los métodos basados en hipótesis pueden pasar por alto fuentes de información imprevistas.

Objetivo del estudio:

• Introducir un enfoque basado en datos utilizando aprendizaje automático (AA) para identificar señales espaciotemporales en el lanzamiento.
• Complementar los paradigmas tradicionales de prueba de hipótesis en la investigación de la anticipación deportiva.
• Cuantificar el impacto de la acumulación de información específica del oponente en la precisión de la predicción.

Principales métodos:

• Se recopilaron datos de captura de movimiento de ocho lanzadores de béisbol universitarios.
• Se analizaron series temporales de ángulos articulares utilizando modelos de regresión logística.
• Se realizaron análisis de ventana de tiempo deslizante y de tamaño de conjunto para identificar señales predictivas y evaluar la variación de la precisión.

Principales resultados:

• Las señales predictivas se distribuyen por todo el cuerpo; la integración de todo el cuerpo produjo la mayor precisión.
• Surgieron señales informativas alrededor de la iniciación del cambio de peso.
• La precisión de la predicción mejoró con información específica del oponente hasta ~30 lanzamientos.
• Se observaron diferencias individuales significativas en la efectividad de las señales.

Conclusiones:

• Los modelos de AA pueden identificar señales predictivas que los métodos tradicionales pasan por alto.
• Los hallazgos ofrecen información sobre las estrategias cognitivas específicas del atleta al comparar la utilización de señales humanas y de AA.
• Este estudio proporciona un relato basado en datos y resuelto en el tiempo de la predicción del tipo de lanzamiento en la cinemática del lanzamiento.