所有文章 > 正文

机器学习如何帮助培养世界级板球运动员

作者: Jansfer

时间: 2019-09-03 17:34

虽然机器学习要达到一流的板球技术似乎还差之千里,但是机器学习的引入使班戈大学的专家向英格兰和威尔士板球委员会(ECB)揭示了能培养出国家级或世界级板球运动员的因素。

banqiu1.png

目前该研究团队收集了关于1000多个因素的全方面的详细信息,这些因素被认为是一个球员成为精英或超级精英板球员的重要预测因素。无论他们来自是县级地方还是世界各地,班戈大学精英表现心理学研究所的专家与该大学的计算机科学家合作,一一为庞大的数据集进行了处理。

但结果显示,只有18个关键因素的组合可以决定人才的发展。

体育健康与运动科学学院的Gavin Lawrence博士解释说:“坊间传闻和科学证据表明,10000小时的刻意练习才能达到专业水平。不幸的是,这些证据无法告诉我们需要采取什么类型的实践,以及何时需要实践?因此,可能有数百甚至数千名有抱负的板球运动员在错误的时间练习错误的东西。”

到目前为止,科学也无法解释这些问题。但复杂机器学习的最新进展使我们能够收集和分析大量数据,以帮助阐明哪些实践很重要,以及如果你想成为超级精英球员,何时需要这样做。

例如,为了成为一名精英级板球运动员,数据显示,你需要在16岁之前参与大量极具挑战性和多样化的练习,而且你需要做更多这样的事情,才能成为超级优秀的板球运动员。这与传统的观点不符,即年轻的板球运动员应该面对温和的、可预测的传球,以便反复练习投球技术。

最近完成该项目获得博士学位的Ben Jones补充道:“研究结果强调,更多地接触具有挑战性场景的练习,更能代表一种游戏情境,将未来的超级精英击球手与他们的同龄人区别开来。”

这是18个关键因素之一。目前我们正在开展的工作是,确保教练、天才球探、学院工作人员都意识到其他17个因素会产生影响,同时规划如何帮助年轻和有抱负的板球运动员培养这些因素。

所有这些新的科学手段都有助于更好地为板球运动员的发展提供指导信息。

ECB与班戈大学体育健康学院有15年的合作记录。这是一系列旨在在板球运动中增加科学和循证实践的联合研究项目,也是ECB为减少县级和国家级俱乐部之间的绩效差距而做出的努力。这是研究影响活动类型的另一个例子,在最近的政府主导的卓越研究框架中,该校的体育健康学院在英国排名第七。

参考:https://www.bangor.ac.uk/news/latest/how-machine-learning-is-improving-english-cricketers-41475

[关于转载]:本文为“AMiner”官网文章。转载本文请联系原作者获取授权,转载仅限全文转载并保留文章标题及内容,不得删改、添加内容绕开原创保护,且文章开头必须注明:转自“AMiner”官网。谢谢您的合作。

二维码 扫码微信阅读
推荐阅读 更多