Design of An Evaluation System for the Intervention Effect of Lower Limb Explosive Power Replenishment for Volleyball Players Based on A Random Forest Model
본 연구는 플라이휠 트레이닝과 영양 보충제가 배구 선수의 하체 폭발적 근력에 미치는 중재 효과를 효과적으로 평가하기 위해 최적화된 랜덤 포레스트 모델을 기반으로 한 데이터 기반 평가 시스템을 설계 및 검증하였으며, 높은 예측 정확도를 달출하고 개인별 맞춤형 보충 전략을 가능하게 한다.
원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. 이것은 동료 심사를 거치지 않은 프리프린트의 AI 생성 설명입니다. 의학적 조언이 아닙니다. 이 내용을 바탕으로 건강 관련 결정을 내리지 마세요. 전체 면책 조항 읽기
프로 배구의 치열한 세계에서, 챔피언십과 놓쳐버린 기회 사이의 차이는 종종 찰나의 순간과 몇 인치의 수직 점프력에서 결정됩니다. 다리에서 생성되는 이 폭발적인 힘은 모든 스파이크, 블로킹, 디그의 엔진입니다. 수십 년 동안 코치와 과학자들은 훈련과 영양을 통해 이 능력을 높이려 노력해 왔지만, 그 과정은 종종 근거 있는 추측의 게임인 경우가 많았습니다. 전통적인 방식은 대개 고립된 테스트에 의존하여, 단일 점프나 단일 훈련 방법을 진공 상태에서 살펴보는 식입니다. 이러한 접근 방식은 체중, 연령, 특정 훈련 유형, 그리고 특정 중재 파라미터와 같이 선수의 신체에 영향을 미치는 복잡한 요인들의 그물망을 설명하는 데 어려움을 겪습니다. 인간의 몸은 이러한 입력값에 각기 다르게 반응하기 때문에, 일률적인 전략은 전체 그림을 포착하는 데 실패하여 선수와 코치들이 어떻게 안전하고 효과적으로 개선할 수 있는지에 대한 명확한 지도를 갖지 못하게 만듭니다.
이 퍼즐을 풀기 위해, 베이징 체육대학교와 싱가포르 국립대학교의 연구진은 새로운 형태의 평가 시스템을 구축했습니다. 그들은 이 문제를 단순한 스포츠 과학 문제가 아니라 데이터 도전 과제로 취급했습니다. 그들은 '랜덤 포레스트(random forest)'라고 알려진 컴퓨터 기법을 활용했는데, 이는 본질적으로 가장 신뢰할 수 있는 답을 찾기 위해 데이터로부터 많은 서로 다른 '의견'을 구축하는 디지털 의사결정 도구입니다. 이 시스템에 엘리트 선수들로부터 수집한 방대한 양의 정보를 입력함으로써, 그들은 데이터를 수집하고, 분석하며, 즉각적으로 개인 맞형 피드백을 제공하는 폐쇄 루프 프로세스를 만들었습니다. 목표는 단순한 평균을 넘어, 서로 다른 훈련 방법과 중재 파라미터가 개별 선수의 고유한 생물학적 특성과 어떻게 상호작용하여 결과를 만들어내는지 정확히 이해하는 것이었습니다.
연구진은 이 시스템을 18세에서 22세 사이의 엘리트 선수 그룹인 24명의 국가대표급 배구 선수들을 대상으로 테스트했습니다. 그들은 8주 동안 서로 다른 훈련 스타일이 폭발적 힘에 어떤 영향을 미치는지 확인하기 위해 이 선수들을 세 그룹으로 나누었습니다. 한 그룹은 근력과 균형을 기르기 위해 한 번에 한 다리씩 페달을 밟는 방식인 단일 다리 플라이휠(unilateral flywheel) 방식을 사용하여 훈련했습니다. 다른 그룹은 양다리로 동시에 페달을 밟는 양측성 플라이휠(bilateral flywheel) 방식을 사용했습니다. 세 번째 그룹은 특별한 폭발적 힘 훈련 없이 정규 배구 연습을 계속하는 대조군 역할을 했습니다. 훈련 시작 전과 8주가 지난 후, 팀은 생각할 수 있는 모든 것을 측정했습니다. 그들은 허벅지 근육의 두께를 측정하기 위해 초음파를 사용했고, 선수들이 지면을 얼마나 강하게 밀어낼 수 있는지 기록하기 위해 지면 반력기를 사용했으며, 다리 움직임의 속도를 추적하기 위해 모션 캡처 카메라를 사용했습니다. 또한 스파이크를 때리거나 상대방을 블로킹할 때 얼마나 높이 점프할 수 있는지와 같은 구체적인 퍼포먼스 지표도 기록했습니다.
수집된 데이터는 실제 인간을 대상으로 작업할 때 흔히 발생하는 것처럼 누락된 숫자와 간혹 발생하는 오류를 포함하여 무질서하고 복잡했습니다. 컴퓨터가 이 정보로부터 학습하기 전에, 연구진은 데이터를 정리해야 했습니다. 그들은 불가능한 이상치를 제거하고, 유사한 선수들을 참조하여 누락된 부분을 채우며, 모든 서로 다른 측정값들을 공정하게 비교할 수 있도록 표준화하는 체계적인 과정을 거쳤습니다. 데이터가 준비되자, 그들은 랜덤 포레스트 알고리즘을 사용하여 가장 중요한 요인을 찾아냈습니다. 어떤 변수가 가장 중요한지 추측하는 대신, 컴퓨터는 전체 데이터셋을 분석하여 근육 두께나 점프 높이와 같은 특정 측정값이 성공의 가장 강력한 예측 인자인지 식별했습니다. 그런 다음 그들은 컴퓨터가 가능한 가장 정확한 예측을 할 수 있도록 설정을 미세 조정했습니다.
결과는 놀라웠습니다. 시스템은 단일 다리 및 양다리 플라이휠 훈련 방식 모두가 대조군에 비해 선수들의 폭발적 힘을 유의미하게 향상시킨다는 것을 입증했습니다. 훈련 그룹의 선수들은 다리 근육이 더 두꺼워졌고 점프 능력도 극적으로 증가했습니다. 구체적으로, 한 번에 한 다리씩 훈련한 그룹은 수직 점프 높이가 23cm, 블로킹 점프 높이가 21cm 향상되어 약간의 우위를 보였습니다. 양다리를 사용하는 훈련 그룹 또한 개선되었으나, 그 폭은 약간 더 작았습니다. 특별한 훈련을 받지 않은 대조 그룹은 퍼포먼스에서 거의 변화가 없었습니다. 컴퓨터 모델은 이러한 결과를 놀라운 정밀도로 예측했으며, 선수가 유의미한, 중간 정도의, 또는 개선이 없는 성과를 보일지를 91%의 확률로 정확하게 분류했습니다. 또한 미래의 퍼포먼스 수치를 예측함에 있어 오차율을 3% 미만으로 유지했습니다.
이 시스템은 단순히 훈련이 효과가 있다는 것을 확인하는 것을 넘어, 실제 세계의 복잡한 데이터를 처리하는 능력을 입증했습니다. 초음파 기기와 모션 카메라를 포함하여 정보를 수집하는 데 사용된 하드웨어는 매우 신뢰할 수 있는 것으로 나타났으며, 사용할 때마다 일관된 결과를 제공했습니다. 소프트웨어는 인간 분석가가 수행했을 때 15분 이상 걸렸을 작업을 단 몇 초 만에 처리했으며, 이는 오류 발생 위험을 줄여주었습니다. 코치와 연구진이 시스템을 테스트했을 때, 그들은 정확성과 사용 편의성 면에서 높은 점수를 주었습니다. 이 연구는 고급 컴퓨터 학습과 엄격한 물리적 테스트를 결합함으로써, 추측에서 벗어나 모든 선수가 자신의 신체에 특화된 훈련 계획을 받을 수 있는 미래로 나아가는 것이 가능하다는 것을 보여줍니다. 이 접근 방식은 코치들에게 무엇이 일어났는지를 알려줄 뿐만 아니라, 왜 그것이 일어났는지, 그리고 어떻게 반복할 수 있는지를 이해하도록 도와줌으로써, 빠르게 진행되는 프로 배구 세계에서 퍼포먼스를 최적화하고 부상 위험을 줄이는 명확한 경로를 제시합니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.