可穿戴生物感知和机器学习用于数据驱动的培训和辅导支持
Rubén Madrigal-Cerezo1, Natalia Domínguez-Sanz2, Alexandra Martín-Rodríguez1
1Faculty of Education Sciences, UNIE Universidad, 28015 Madrid, Spain.
Biosensors
|February 26, 2026
概括
运动中的人工智能 (AI) 和机器学习 (ML) 通过可穿戴生物传感器增强了训练适应性. 人与人工智能的协作是关键,人工智能支持教练,而不是取代教练,以获得最佳的运动员护理.
科学领域:
- 体育科学与技术 体育科学与技术
- 生物医学工程 生物医学工程
- 在田径运动中的数据科学.
背景情况:
- 可穿戴生物传感系统在体育领域越来越多地用于持续监测和数据驱动的训练.
- 这些辅导系统的实际实用性取决于数据有效性,模型稳定性和经验评估条件.
研究的目的:
- 审查关于可穿戴生物传感,信号处理和基于AI/ML的自适应训练系统的经验证据.
- 构建一个透明的证据地图,详细说明研究参数和结果.
主要方法:
- 斯科普斯,PubMed,科学网和谷歌学者 (2010-2026) 的结构化叙事评论.
- 对生物感知和ML适应训练的经验和应用证据的综合.
- 创建一个证据地图,总结传感方式,队列,设置,模型和评估.
主要成果:
- 可穿戴生物传感器可靠地捕获生理学,生物力学和生物化学标记,并进行适当的质量控制.
- 在各种体育运动中,ML模型比传统指标提高了训练适应性和恢复估计.
- 限制包括运动工件,可变性,实验室现场转移和缺失的上下文数据.
结论:
- 人工智能驱动的生物传感器系统是监测和适应性培训的有价值的决策支持工具.
- 有效性取决于传感器的可靠性,验证和人类监督;它们不是自主指导代理.
- 人与人工智能的协作,人工智能帮助解释,教练提供背景,是最有效的模式.
更多相关视频
06:37Author Spotlight: Addressing Technical and Subjective Challenges in Measuring Classroom Attention
Published on: December 15, 2023
5.5K
05:51Assessing the Accuracy of Fitness Smartwatch Data for Cardiovascular and Physical Activity Monitoring: A Validation Study in Digital Health
Published on: February 21, 2025
1.4K
