Design of An Evaluation System for the Intervention Effect of Lower Limb Explosive Power Replenishment for Volleyball Players Based on A Random Forest Model
Cette étude conçoit et valide un système d'évaluation axé sur les données basé sur un modèle de Forêt Aléatoire optimisé qui évalue efficacement les effets d'intervention de l'entraînement avec volant d'inertie et des suppléments nutritionnels sur la puissance explosive des membres inférieurs chez les joueurs de volley-ball, atteignant une haute précision de prédiction et permettant des stratégies de supplémentation personnalisées.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA d'un preprint qui n'a pas été évalué par des pairs. Ce n'est pas un avis médical. Ne prenez pas de décisions de santé basées sur ce contenu. Lire la clause de non-responsabilité complète
Dans le monde de haut niveau du volley-ball professionnel, la différence entre un championnat et une occasion manquée se joue souvent en une fraction de seconde et sur quelques centimètres de saut vertical. Cette puissance explosive, générée par les jambes, est le moteur derrière chaque smash, chaque contre et chaque plongeon. Pendant des décennies, les entraîneurs et les scientifiques ont tenté de stimuler cette capacité grâce à l'entraînement et à la nutrition, mais le processus a souvent été un jeu de suppositions éclairées. Les méthodes traditionnelles reposent généralement sur des tests isolés, examinant un seul saut ou une seule méthode d'entraînement dans un vide. Cette approche peine à rendre compte du réseau complexe de facteurs qui influencent le corps d'un athlète, tels que son poids, son âge, le type spécifique d'entraînement qu'il pratique et les paramètres spécifiques de l'intervention. Parce que les corps humains réagissent différemment à ces intrants, une stratégie universelle échoue souvent à capturer l'image complète, laissant les athlètes et les entraîneurs sans une carte claire pour s'améliorer de manière sûre et efficace.
Pour résoudre ce casse-tête, une équipe de chercheurs de l'Université du sport de Pékin et de l'Université nationale de Singapour a conçu un nouveau type de système d'évaluation. Ils ont traité le problème non pas seulement comme une question de science du sport, mais comme un défi de données. Ils se sont tournés vers une méthode informatique connue sous le nom de « forêt aléatoire » (random forest), qui est essentiellement un outil de prise de décision numérique construisant de nombreuses « opinions » à partir de données pour trouver la réponse la plus fiable. En alimentant ce système avec une quantité massive d'informations recueillies auprès d'athlètes d'élite, ils ont créé un processus en boucle fermée qui collecte les données, les analyse et offre immédiatement un retour personnalisé. L'objectif était d'aller au-delà des simples moyennes et de comprendre exactement comment différentes méthodes d'entraînement et paramètres d'intervention interagissent avec la biologie unique de chaque athlète pour produire des résultats.
Les chercheurs ont testé ce système sur vingt-quatre joueurs de volley-ball de niveau national, un groupe d'athlètes d'élite âgés de dix-huit à vingt-deux ans. Ils ont divisé ces athlètes en trois groupes pour voir comment différents styles d'entraînement affectaient leur puissance explosive sur une période de huit semaines. Un groupe s'est entraîné selon une méthode de volant (flywheel) unilatérale, qui consiste à pédaler une jambe à la fois pour renforcer la force et l'équilibre. Un autre groupe a utilisé une méthode de volant bilatérale, pédalant avec les deux jambes simultanément. Le troisième groupe a servi de groupe témoin, poursuivant sa pratique régulière du volley-ball sans entraînement spécialisé de la puissance explosive. Avant le début de l'entraînement et à nouveau après les huit semaines, l'équipe a mesuré tout ce qu'elle pouvait. Ils ont utilisé l'échographie pour mesurer l'épaisseur des muscles de la cuisse, des plaques de force pour enregistrer la force avec laquelle les athlètes poussaient le sol, et des caméras de capture de mouvement pour suivre la vitesse des mouvements de leurs jambes. Ils ont également enregistré des mesures de performance spécifiques, telles que la hauteur de saut des athlètes pour smasher le ballon ou contrer un adversaire.
Les données collectées étaient désordonnées et complexes, contenant des chiffres manquants et des erreurs occasionnelles, ce qui est courant lors du travail avec des sujets humains réels. Avant que l'ordinateur ne puisse apprendre de ces informations, les chercheurs ont dû les nettoyer. Ils ont utilisé un processus systématique pour éliminer les valeurs aberrantes impossibles, combler les lacunes en observant des athlètes similaires et normaliser toutes les différentes mesures afin qu'elles puissent être comparées équitablement. Une fois les données prêtes, ils ont utilisé l'algorithme de la forêt aléatoire pour identifier les facteurs les plus importants. Au lieu de deviner quelles variables importaient le plus, l'ordinateur a analysé l'ensemble du jeu de données pour identifier quels paramètres spécifiques — comme l'épaisseur musculaire ou la hauteur de saut — étaient les prédicteurs de succès les plus puissants. Ils ont ensuite affiné les réglages de l'ordinateur pour s'assurer qu'il puisse faire les prédictions les plus précises possibles.
Les résultats ont été frappants. Le système a prouvé que les deux méthodes d'entraînement par volant, à une jambe et à deux jambes, amélioraient significativement la puissance explosive des athlètes par rapport au groupe témoin. Les athlètes des groupes d'entraînement ont vu leurs muscles de jambes s'épaissir et leur capacité de saut augmenter de façon spectaculaire. Plus précisément, le groupe s'entraînant avec une jambe à la fois a montré un léger avantage, améliorant sa hauteur de saut vertical de vingt-trois centimètres et sa hauteur de saut de contre de vingt et un centimètres. Le groupe s'entraînant avec les deux jambes a également progressé, mais avec des marges légèrement plus faibles. Le groupe témoin, qui n'a pas reçu l'entraînement spécialisé, n'a constaté presque aucun changement dans sa performance. Le modèle informatique a été capable de prédire ces résultats avec une précision remarquable, classant correctement si un athlète connaîtrait une amélioration significative, modérée ou nulle dans quatre-vingt-onze pour cent des cas. Il a également prédit la valeur numérique exacte de leur performance future avec un taux d'erreur inférieur à trois pour cent.
Au-delà de la simple confirmation que l'entraînement fonctionnait, le système a démontré sa capacité à gérer la complexité des données du monde réel. Le matériel utilisé pour collecter les informations, incluant les échographes et les caméras de mouvement, s'est avéré hautement fiable, donnant des résultats cohérents à chaque utilisation. Le logiciel traitait les données en quelques secondes, une tâche qui aurait pris plus de quinze minutes à un analyste humain et aurait introduit un risque d'erreur plus élevé. Lorsque les entraîneurs et les chercheurs ont testé le système, ils l'ont jugé très positivement pour sa précision et sa facilité d'utilisation. L'étude montre qu'en combinant l'apprentissage informatique avancé avec des tests physiques rigoureux, il est possible de passer de la supposition à un futur où chaque athlète reçoit un plan d'entraînement adapté spécifiquement à son corps. Cette approche ne se contente pas de dire aux entraîneurs ce qui s'est passé ; elle les aide à comprendre pourquoi cela s'est produit et comment le reproduire, offrant une voie claire pour optimiser la performance et réduire le risque de blessure dans le monde rapide du volley-ball professionnel.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.