在女性举重运动中,通过对运动员绩效护照的人工智能驱动分析来识别兴奋剂嫌疑

科学领域:

• 运动科学 运动科学 运动科学
• 反兴奋剂研究研究
• 体育运动中的人工智能

背景情况:

• 体育运动中的兴奋剂仍然是公平竞争的重大挑战.
• 运动员生物护照 (ABP) 是一种标准的反兴奋剂工具,但由于混因素而面临限制.
• 精英女举重运动员是反兴奋剂监督的焦点.

研究的目的:

• 引入和评估一种人工智能驱动的方法,用于检测精英女性举重运动员的潜在兴奋剂.
• 利用运动员绩效护照 (APP),整合人口统计和绩效数据,以加强反兴奋剂检测.
• 评估人工智能算法的有效性,以识别这一队伍中的兴奋剂嫌疑人.

主要方法:

• 对17058名女性举重运动员 (1998-2020年) 的公开可用的绩效和人口统计数据的分析.
• 根据年龄,体重类和表现水平对运动员进行分类,包括记录的反兴奋剂规则违规 (ADRVs).
• 应用AI算法 (XGBoost,MLP,Ensemble模型) 来识别使用兴奋剂的嫌疑人.

主要成果:

• 在二十多岁的女性举重运动员中观察到潜在的兴奋剂倾向.
• 受到制裁的运动员最常见的是前1%的表现水平.
• 集体人工智能模型在2008年,2012年和2016年奥运会上获得了53.8%的制裁运动员预测率.

结论:

• 由人工智能驱动的运动员绩效护照 (APP) 提供了一个主动和高效的反兴奋剂方法.
• 这种方法有潜力显著提高在精英女举重运动中兴奋剂测试的效率和客观性.
• 建议进一步开发可访问和丰富的APP系统,以便在各种体育运动中实施强有力的反兴奋剂实践.