竞技训练大数据应用与高水平竞技训练发展的认识定位

李 捷, 裘 晟, 王晓军, 李端英, 李 稚

(1.广东省体育局 科教宣传与交流处,广东 广州 510108; 2.广东省体育科学研究所,广东 广州 510663; 3.广东省体育局 黄村体育训练中心,广东 广州 510000)

大数据是目前国内体育界的热词之一。随着可穿戴设备的大量普及,大数据方法也逐渐开始应用于竞技训练实践。当大数据方法和代表着现代数字化技术发展的可穿戴设备大量涌向竞技训练时,对大数据方法与海量监控数据之间关系的认识与理解,已成为当前训练中较突出的问题。很多情况下,可穿戴设备数据也被解读为大数据,实际上,大数据的核心在于对所有与该事物(专项目标)相关数据的分析而获得的“承认复杂性与探索相关关系等”[1]对事物(专项目标)发展趋势的预报。所以,如果不能区分大数据与实时数据的差异,就不能正确运用数据并建立相应的处理方法去真正提高训练效率与成绩。目前,关于竞技训练大数据的研究文章较少。运用“运动训练”“大数据”等在中国知网上进行检索,只有仇乃民、李少丹等8篇相关文章。

随着可穿戴监控设备的普及,可穿戴设备逐渐成为很多项目(球类、自行车、水上项目、田径、游泳等)教练员的常用训练监测设备。利用可穿戴设备获得训练监控数据不仅“时髦”,而且似乎成为训练成功必须依赖的工具。实际上,可穿戴设备未必能真正提高训练效率与成绩。比如:可穿戴设备引进我国已经10多年,我国的奥运金牌榜排名却没有显著提升,尤其是使用“大数据技术”最普遍的足球项目。具体而言,如某单位给部分球类项目配备了GPS背心,可以实时记录训练时的心率、跑动路线、距离、速度,计算训练冲量、过量氧耗(EPOC)等,相应软件可提供一次训练课或整个赛季的数据汇总、图表和分析报告,甚至帮助制订训练方案等,但经过2个全运周期(8年时间),这些项目的全运会名次并没有明显提升。因此,对大数据如何定位,如何让数据说话,如何运用数据服务于训练与竞赛实践,成为当前科技助力深度发展的实际问题。

1 竞技训练大数据思维概述

正如大数据本身带来的系统思维逻辑一样,数据采集一定要服务于某种事物(专项),孤立的数据只是事物的一个点状态,无论多么精确都不具有特别的意义,不能反映事物的总体与发展趋势。对竞技运动而言,结果“是什么”比“为什么”更重要。事物的复杂性是由事物本身的复杂性,尤其是其相互关系的复杂性所决定。在大数据的概念中,对事物相关关系的了解被放在比传统因果关系分析更加重要的位置。“量化一切是数据化的核心”“不再追求精度,不再追求因果关系,而是承认复杂性,探索相关关系”[2],成为大数据思想的核心。所以,如果不能清楚地理解大数据的系统意义,面对每天产生的海量监控数字时,不仅不能体现大数据的意义,还可能误导自己的思维,限制项目的发展。关于大数据在竞技训练应用中几个需要注意的问题,分述如下。

第一,大数据、数据化、数字化的概念与特征。大数据是与事物相关的所有数据,量化一切并预报事物的发展趋势,是大数据的基本特征。在《大数据时代》中,维克托·迈尔·舍恩伯格和肯尼恩·库克耶提出大数据时代处理数据概念的三大转变:要全体不要抽样、要效率不要绝对精确、要相关不要因果[1]。数据化则是指“把现象转变为可制表分析的量化形式”。数字化(可穿戴设备数据)只是“模拟信号转化成用0和1表示的二进制码”,以进入电脑进行运算。在训练实践中,大数据处理表现为生物护照、球类项目的战术分析、运动员场上竞赛行为特点分析等,都是通过处理多因素数据的相关关系得出的预报或分析结论。而训练时人体实时的生物、运动学指标变化,足球、网球的球落点判断等,则是数字化技术。数字化技术取得的数据,只有进入大数据处理才具有对事物属性总体了解的可能性,比如训练目标状态趋势。

第二,大数据与运动员选材。运用大数据方法对选材大数据进行分析,不是因果分析(常见的形态、机能、素质、技术等),而是相关关系的分析。如在运动员选材方面,美国电影《点球成金》描述了一个真实的例子[1]。比恩用电脑程序和数学模型分析比赛数据(如上垒率等)选择棒球队员,使他的队伍当年取得“20连胜”和美国棒球职业联盟西部冠军。

第三,让数据发声,需对数据信息建立数据库及相应的算法,而不是简单的数据对比。现代训练监控的新阶段就是对训练结构,如系统状态与训练经验结构关联的生物大数据进行分析,即当我们改变训练内容与标准的规模时,运动员的系统状态会随之发生改变。例如,训练中没有系统目标要求,如果运用大数据分析,可以清晰地预报运动员状态的低水平定位。

第四,系统训练与大数据的应用原理与逻辑。在运用大数据方法时,需要处理好数据、技术与思维三者的关系。在竞技训练中,系统训练思维定位了大数据处理的逻辑思路,如目标控制。大数据数学处理模型的预报,最终需落实在与目标要求的吻合度上。当然,在这个原则下,还必须获得相关数据,因为思维和技术的最优价值必须从数据中挖掘[1]。大数据与训练监控观念的转化如图1所示。

图1 大数据与训练监控观念的转化

2 数字化与体育大数据概述

目前,通过数字化技术获取大数据的技术方法有很多种。其一,物理类数据,如VR图像反馈分析。其二,动作分析类数据,如Datefish软件、战术分析(球类)、GPS定位技术,利用传感器技术、陀螺仪等对力、功率、线性、角度、速度、路线、功率等进行描述,利用蓝牙阵列技术、激光、Wifi技术、音频技术,对位移、图像、目标速度、节奏控制等进行分析。其三,生物大数据,如系统脑网络结构时序动态数据链、系统程序信息时序数据链、生理生化免疫、代谢组学、蛋白组学、转录组学、稳态数据、睡眠数据等。其四,训练大数据如目标约束数据结构采集与自学习经验建模、目标结构关联协同、训练经验数据库等。训练中常用的可穿戴设备有如下几种:“运动表现分析系统”,可提供运动员的疲劳恢复、实时心率、跑动距离、速度、加速、减速、急停、变向、跳跃、跳跃次数、平均跳跃高度、跳跃最大值、跳跃最小值、最大跳跃百分比等多个参数,软件可提供一次训练课或整个赛季的数据汇总、图表和分析报告;“神经兴奋”设备、“SAQ训练与评估”设备、“激光技术的速度灵敏训练评估”设备、“精英运动员功能状态的数字化”设备、“专项训练的量化控制”设备、“训练时序自学习数据库”等,这些可穿戴设备以国外研发产品为主,数据服务器是生产厂家的,数据在云端与厂家共享,数据库使用需交费,至今中国还没有自己的训练量化控制数据库系统。当前,真正称得上运用大数据技术的项目还不多,若对大数据的系统原理不懂,对竞技系统训练的认识不提高,竞技训练的现状则难以改变。只有清楚大数据的真实含义,明白大数据的系统意义,才能运用大数据。对大数据的理解需学习与掌握系统训练概念。

3 竞技训练科学化原理对高科技装备与大数据发展的约束

训练的科学认识与现代科学技术的发展,要求我们必须不断学习科学知识,更新认识观念。在奥运会比赛中,英国的自行车、美国的田径与游泳等项目,无一不显示出科技与科学认识在现代竞技训练中的重要性。澳大利亚著名运动训练与运动生物科学家David Joyce & Daniel Lewindon在其主编的High-PerformanceTrainingforSports一书中[2]写道:在过去的10年里,竞技训练领域发生了很大变化,新技术与生理研究的发展意味着10年前被认为是前沿的东西,现已被认为是过时的,而10年前对竞技表现的认识与今日已不可同日而语。大数据与当前的体育科技装备及可穿戴设备,不仅意味着监控手段的数字化,而且提示大数据分析与思维的现代要求。

当今国际赛场上,“系统训练”“以赛代练”“倒计时训练”等成功做法,不仅是赛制的要求,也是现代生物科学认识促进训练发展的必然产物。基于现代生物科学的发展,竞技训练的许多认识都发生了巨大变化,现代竞技训练中至少涉及如下的观念转变:训练是运动员主动经验网络路径的竞争自组织调适、从能力到目标表现训练、从分段周期训练到倒计时目标定态生物节奏平台优化(以赛代练)、“目标状态=系统”、“以赛代练=系统训练=目标训练”、意识主导下的时序竞争主动经验控制网络、氧功(非最大摄氧量)约束生理机能极限训练、表现是训练形成的主动经验网络的实时状态等。上述诸多观念性与方向性的问题,直接影响我国多数竞技项目训练效率的提高。因此,科学认识是主导训练的核心,大数据与高科技最终也必须整合在目标训练的系统之中。无论什么样的数据分析技术,最终都需按照科学训练的规律进行,方能体现出技术的价值与作用。所以,大数据分析与装备高科技是系统训练的必需成分,但都无法取代系统训练,而且系统训练原理是竞技训练建设大数据方法的思维工具。

4 系统训练的理论创新与竞技训练大数据处理的方向

在系统训练研究的理论创新方面,广东体育局的“李捷运动训练理论与应用研究教育工作室”,经过对“系统训练(Systematic Training ST)”的逻辑定义与程序设计原理、应用等的梳理,在奥运备战实践中进行长达10多年的实证研究,从2008年奥运备战倡导的“强度为核心”理念,到如今原创性地提出系统训练理论包括“目标定态小周期时间窗口平台过程”训练理论。既然竞赛目标表达成为训练目的,训练过程就成为组织构建目标动作链细胞网络表现状态的过程,其中目标(量值)表现具有对训练设计标准的“预约定”意义,主动意识、(竞赛)目标标准、细胞网络信息联通、动作链动力程序化表达、力量与能量代谢调适、目标定态时序经验节奏、经验网络与稳态的二元概念等,成为目标构成的必需元素及相应的细胞行为结构。形成目标表现结构就是形成系统,围绕目标表现状态形成的训练组织过程就是系统训练。系统训练必须始发于竞赛表现目标的要求,而依从于生命体的经验自组织原则,训练过程就是系统形成的过程,或者说是目标动作链细胞网络结构的形成过程。结构是目标的基础,表现是系统的状态,系统由于目标标准而统一,目标成为系统的量值并进行系统的质量定位等。在系统训练中,目标定态经验平台不仅提供系统训练的生物信息结构,也为系统的稳定提供了先决条件。比如,系统优化——长期进行系统训练的结果,不仅是形成系统表现的动态生物网络连接,在具备有效优化时间的条件下,围绕目标而组织的动态生物结构网络,可以形成特化的生物关系结构。如能量“稳态”调适范围、细胞内外信息连接网络、肌肉质量、动作链环节稳定性、心脏形态、胞内代谢链与胞内小体定向发育等,从而使竞技表现可以稳定发生。这些关系原理为大数据技术或大数据的数学处理方法提供了训练理论指导。只有在系统认识的基础上,大数据对专项目标形成相关关系的分析预报才具有应用的价值。我们把竞技目标“定态时间窗口平台过程”训练认识与美国的整合训练竞技能力优化训练模式OPTTM MODEL[3]进行比较发现,竞技能力“定态时间窗口平台过程”理论、跳水双十小周期训练、体操的目标“套”训练与美国OPTTM MODEL训练模式的理念完全一致。大数据数学处理的目标定态模式设计,必然会正确指导训练趋势。

竞技目标“定态时间窗口平台过程”训练认识中的目标系统具有4个特点。第一,具有明确的目的(专项);第二,具有确定的组织规则与过程条件;第三,目标表现具有涌现性,并使系统具有确定结构、约束系统元素的尺度(量值)标准;第四,目标标准赋予系统“质与量”的生物定态性质,强制系统动作链能量的程序结构定位。上述因素为大数据关系的分析提供了训练学理论认识的基础。

5 高水平竞技训练大数据互动关系处理的核心问题与生物原理

根据系统训练理论,目标(量值)表现具有对训练设计标准的“预约定”意义,因而从逻辑上讲,实现目标状态定位成为训练的目的。围绕竞赛目标表现状态形成的训练组织过程,竞赛目标系统定态主动经验自组织(程序性指令的细胞网络空间)过程控制就成为训练控制的核心,也必然成为大数据处理模式设计的核心。目标系统网络训练的经验强化是动作链控制生物网络结构形成的唯一信息来源,由于大脑在学习时只允许那些受经验强化的神经细胞网留下来,所以,每天训练重复什么内容成为造成神经连接的关键,而稳定的经验训练只有通过目标成绩定态生物节奏(小周期)平台的建立才能实现。这为大数据处理提供了生物逻辑的基本要求。在系统原理上特别需要强调的是,如果目标成绩是一个定态结构,那么,目标数据的定态训练过程就是系统生物结构建设的唯一选择。它包括主动经验路径、生物网络、结构化细胞网络、时序负熵流定位输出、细胞稳态与能量池极限动态演化调适等因素。其中,目标系统表现是生物状态表现,可以通过实证的方法进行检验。如图2所示,通过“脑a波竞争分析的特殊算法得出脑信息熵”的方法,对运动员的脑水平经验控制网络进行实证。

图2 脑a波竞争分析的脑信息熵测量分析方法

由图3～图6可知,邓XX脑a波分布稳定、脑信息熵时序平均熵值趋势下降或平稳,说明其目标竞技表现状态结构稳定,竞技表现稳定,所以,邓XX在奥运会上获得平衡木冠军;而何XX脑a波分布不稳定,没能在奥运会上获得金牌。脑的大数据时序处理,为竞赛成绩的预报提供了数据证明。

图3 体操平衡木冠军邓XX脑a波分布(稳定)

图4 体操平衡木冠军邓XX脑信息熵时序

图5 体操运动员何XX脑a波分布(不稳定)

图6 体操运动员何XX脑信息熵时序

6 训练经验结构网络与负荷内环境自稳态的二元概念对大数据采集与处理的提示

竞技训练中已习惯以生理生化指标来评价训练量或强度,实际上忽略了一个非常严重的问题,即训练经验网络连接的形成与反映内环境变化的生理生化指标。这实际上是一个典型的二元问题,反映的是不同的数据模块。如果不区分结构效应与稳态变化,会直接导致竞技训练中生物反应与生物结构数据的混淆。根据系统生物学原理,竞技训练目标控制的核心问题包括2个,即目标生物结构(目标动作链网络)与目标能量功率结构的极限分布。前者约定结构,后者确定目标量值,决定竞赛成绩。但是,两者均需结构定位及其优化训练才能稳定表现。结构通过训练经验而形成,经验的内在组织过程外在表现为负荷反应。如生理生化指标对负荷的即时调适反应,生理生化指标只有在与负荷内容关联的条件下,才可以讨论与目标结构的关系。上述问题直接导致训练安排的系统程序化,以及监控观念的自然升阶变化。在进行大数据分析时,如果不了解这个“二元问题”,就不可能设计出符合实际的大数据处理程序。经验网络与稳态的二元概念,直接导致训练监控的理念发生根本变化,即现代训练监控已从秒表阶段、生理生化阶段上升到新的阶段——系统状态与训练经验结构关联的生物大数据分析,而不只是传统的生理生化指标监控。总功约束与训练经验结构关联的生物大数据分析,已成为现代系统训练计划安排的本质内容与核心,其内容包括目标生物适应网络(脑、功能、细胞、蛋白转录与基因)、训练经验结构的实时与时序经验数据库、力量为核心的系统调适、细胞能量、总功与能量代谢极限(代谢组学)、动作结构链功率、目标定态生物节奏(内环境稳态分析)、功能解剖与关节动力学、网络调适与免疫、代谢与转录组学、训练分期与功能板块融合、营养与睡眠等内容。

7 大数据方法有益于高水平竞技训练

科学认识是决定训练方向正确与否的核心。现代运动训练观念的新变化与新理念,如目标表现训练、目标定态训练逻辑及其经验结构形成自组织的生物学原理、定态过程平台、训练结构与细胞环境的二元概念(细胞行为与能量竞争及分配)、训练的生物逻辑(即时细胞行为状态、目标约束、竞争自组织、时序有效性与时域)、目标整合与定态控制、系统训练学(系统的定义)、系统训练监控、系统训练的生物学基础(神经科学与系统生物学)、系统训练分期理论等,都说明竞技训练大数据关系的复杂性。大数据处理作为系统训练控制必要的技术手段,须从系统的角度进行深入学习,了解大数据的真实含义,并不是穿上可穿戴设备获得描述性数据,就可以改变训练认识落后的现状。在系统训练原则指导下运用大数据的理论与方法,才是对大数据系统原理的尊重与理解,科学认识永远是解决训练实际问题的唯一途径。