生理负荷对羽毛球运动员预判技能的影响研究

王 洋，赵锡华

（黎明职业大学 通识教育学院，福建 泉州 362000）

竞技运动的特点是动态的、时刻变化的、较难预料的.因此，预判技能在竞技运动中是至关重要的［1］.在羽毛球方面，Alder等发现，国际球员使用的是视觉搜索行为策略，视觉搜索行为会影响球员有效预判的能力，与技能水平较低的球员相比，这种策略耗费的注视犹豫时间更少，维持更长时间的良好表现［2］.在羽毛球比赛中，运动员的平均心率超过运动员最高心率的90%［3］.有人就认为，赢球可能取决于运动员在这种生理负荷条件下维持多方面运动技能的表现［4］.生理负荷是指保持一定生理机能活动水平的过程中，为克服各种加载的内外阻力(负荷)所做的生理“功”.强度是构成生理负荷最主要的因素之一，有高低之分.强度太高的生理负荷带来的疲劳会引起运动技能下降［5］，但对感官认知技能的影响有待进一步研究［6］.感官认知技能是指利用现有知识和当前运动能力搜索、识别、处理和整合环境信息以促进选择适当反应的能力，与预判技能密切相关.

Nieuwenhuys等探讨了生理负荷对技能的影响［7］.Casanova等的数据表明，在长时间的生理负荷下，参与者将更多注意力集中在与任务无关的线索上［8］.由于生理负荷等因素可能会削弱运动中的感官认知技能，研究人员设计并测试了干预措施，有目的地在训练中更敏锐地诱发这些因素，更好地为运动员备战激烈的比赛.有观点认为，存在生理负荷的感官认知训练可能有助于运动员保持有效的视觉搜索行为［1］.

目前，关于生理负荷对感官认知表现和视觉搜索行为影响的研究较少，也没有研究感官认知模拟训练与生理负荷强度相结合的效果.因此，笔者将研究分为两个阶段.第一阶段研究了羽毛球专项生理负荷训练对预判技能、视觉搜索行为和心理的影响.第二阶段是考察感官认知模拟训练与生理负荷相结合的效果.

1 概述

1.1 研究对象

研究对象为13名羽毛球国家二级运动员（平均年龄为24.1岁，范围19~37岁，标准差SD=5.5），平均有10年的比赛经验（范围6~20年，标准差SD=3.9），至少有5年参加县级以上的比赛经验.在收集数据时，每位选手每周至少参加10 h的羽毛球训练.

1.2 实验设计

1.2.1 第一阶段：生理负荷对预判技能的影响

球员们观看了头顶扣球的视频片段，并被要求预测球的末端位置（6种选择：深左、深中、深右、短左、短中、短右）.该视频显示了一名羽毛球运动员的第一人称视角，在球拍击球接触前40 ms被遮挡.测试视频被投影到屏幕上（高2.74 m，宽 3.66 m），该屏幕位于一个羽毛球场的对面，距离球网1.98 m.球员进行影子击打，口头确认表明预判击打球的结束位置.6组试验，每组击打8次，总共击打48次，每组试验间隔1 min休息.在每次试验前，运动员完成一项针对生理负荷的训练方案，见图1.这些是在羽毛球场上完成的，并以羽毛球比赛的具体动作和锻炼强度（大约85%的最高心率）来模拟竞技比赛的生理负荷.

图1 在每次试验前用于增加生理负荷的羽毛球专项训练方案

1.2.2 第二阶段：生理负荷结合感官认知技能训练的有效性检验

在完成第一阶段的13名运动员中，有10人自愿参加了第二阶段.运动员被随机分配到结合训练组（N=5，平均年龄=25.4，SD=7.2，平均参赛年数=12.2）和独立训练组（N=5，平均年龄=21.2，SD=1.6，平均参赛年数=8.4，SD=3.8），训练条件与年龄无显著性差异.运动员在3天内分别完成了3组感官认知技能训练，每组训练间隔最少2天，最多3天.

在开始每次训练之前，结合训练组完成了羽毛球特定的热身计划，以达到预期最高心率的85%.然后，他们完成第一阶段视频任务的3组试验，每组试验8次，共24次.在整个训练过程中，如果在任何时候心率低于预期最大值的85%，运动员被要求在完成击球预判试验之前完成针对生理负荷的羽毛球专项训练，该训练复制了第一阶段最后一个试验组的生理负荷（即视为处于强度较高的生理负荷状态）.

独立训练组也完成了24次视频训练的试验，并完成了相同数量的训练方案的重复，但关键的是没有和感官认知技能训练一起进行，视频没有穿插在训练方案.感官认知技能训练和针对生理负荷的羽毛球专项训练的完成分别在不同的日子进行，也就是说，独立训练组完成了6组单独的训练.所有运动员在完成最后一次训练后进行为期7天的预判测试，该测试方式与第一阶段相同.

1.3 因变量的测量和数据采集

心率（HR）：运动员配备心率监测仪，并在每次运动方案结束后立即记录心率值.计算每个测试块的平均HR.主观用力程度（RPE）：每次测试结束后，立即使用有效的Borg量表（6表示完全没有用力到，20表示最大用力）来评估自己身体的工作强度.计算每个测试块的平均RPE.预判技能有效性：如果运动员反应与测试视频中羽毛球的实际末端位置相匹配，则反应是正确有效的.试验中每个区块的应答准确率以百分比计算.心理努力程度评定量表（RSME）：每次试验结束后，立即用0~150分的RSME表测量运动员心理努力程度（2表示不努力，113表示极端努力）.计算每个测试组的平均RSME.视觉搜索行为：给运动员配备了一个头戴式眼动追踪系统（Tobii Pro Glasses 2眼动仪，瑞典），该系统通过计算瞳孔和角膜之间的向量来计算场景中的凝视点，可采集被试者真实视野范围的眼动数据.与眼动仪的所有交互操作（增加被试、初始化校准、开始和结束记录等）都通过Tobii Pro Glasses Controller软件控制.使用标准程序对系统进行校准，并在测试块之间进行校准检查.眼动仪记录装置以25帧/s的速度记录眼动数据，并使用视频编辑软件（Adobe Premier Pro）逐帧分析.每次试验计算了注视次数和注视时间［1］.注视被定义为注视保持在一个位置或移动物体的三度视角范围内至少持续120 ms.此外，通过将注视次数除以每次试验的总持续时间来计算扫描比（即搜索速度的度量）.扫描比的增加意味着视觉搜索行为效率的降低.

1.4 数据分析

1.4.1 第一阶段数据分析设定

使用Shapiro-Wilk统计量的正态性检验表明，参数分析适合于每一个因变量，但感官活动的测量则倾向于负偏态.重复测量的方差分析（ANOVA）检验了测试块对所有其他因变量的影响，alpha值设置在p＜0.05，Bonferroni调整用于后续的两两比较.非参数Friedman检验是首选的非参数等效方差分析.计算Wilcoxon 符号秩检验，以随访显著效应，对照前 alpha调整为p=0.003 3（0.05/15）［8］.

1.4.2 第二阶段数据分析设定

对两个训练组训练前测试数据（第一阶段）的初步非参数分析发现，在6个测试组比较中存在单一显著差异（即第3个测试组的准确度，U=3.00，p=0.04）.因此，决定通过比较两组训练后的测试数据来测试两组对训练反应的差异.Shapiro-Wilk统计表明曼-惠特尼U检验适用于所有训练后测试比较.再次，对照前alpha被调整为p=0.008 3以处理多重性［8］.使用r转换公式估计效应量［9］.

2 结果分析

2.1 第一阶段结果分析

心率（HR）：试验组主效应显著，F（2，22）=8.59，p=0.002，η2p=0.44.只有5号试验组和6号试验组的心率显著高于1号试验组（p为0.03和0.01，r为0.80和0.77）.然而，在大多数比较中，估计了较大的效应量（r＞0.50，但2、3、4号试验组除外），见表1.

表1 第一阶段生理负荷和心理努力程度的测量结果

主观用力程度（RPE）：弗里德曼测试发现了试验组的显著效果，χ2（5）=41.10，p＜0.001.后续Wilcoxon符号秩检验发现5号与所有其他试验组之间存在显著差异（所有Z＞-2.94，p＜0.003 3），除了6号试验组（p=0.26）.6号和1~4号试验组的比较接近显著性（p≤0.003 3）.同样，在大多数比较中发现了较大的效应量（r＞0.50，除了3号和2、4号试验组之间的比较以及5号和6号试验组之间的比较）.在所有情况下，RPE在测试后期会更高，见表1.

心理努力程度评定量表（RSME）：试验组主效应显著，F（2，23）=10.74，p=0.001，η2p=0.47，这可以解释为，1号与2号（p=0.003）、5号（p=0.006）和6号（p=0.03）在心理努力程度评分上的显著差异，以及3号和5号（p=0.03）在评分上的差异.对1号和2~6号试验组，5号和1~4号试验组，6号和3~5号试验组之间的差异估计了较大的效应量（r＞0.50）.较高的评分往往在测试的后期，见表1.

预判技能有效性：图2显示了整个检验的百分比准确度的显著变化，F（5，60）=6.08，p=0.002，η2p=0.34.6号试验组的反应准确度显著低于3号（p=0.006，r＞0.81）和5号（p=0.03，r＞0.75）.4号和6号的差异接近显著性（p=0.06，r＞0.71）.对于6号和前5个测试组之间的差异，效应量估计是很大的（r＞0.50）.此外，样本t检验发现，6号试验组是唯一一个没有比偶然性表现更好的例子，t（12）=1.34，p=0.20，r=0.36（所有其他的（p＜0.0083，r＞0.50））.在3号和4号试验组中，显著提高的百分比准确度得到了大效应量估计的验证（r＞0.50，1和3、4号之间，2号和3号之间）.

图2 第一阶段6个试验组的平均反应准确度

扫描比：扫描比数据中，测试块主效应显著，F（3，33）= 21.36，p＜0.001，η2p=0.64.6 号和前 5 个试验组之间，5号和1~3号测试块之间比较显示差异有统计学意义（p＜0.05，r＞0.70）.图3显示了扫描比随着任务时间累积而增加的趋势，这被大多数比较的大效应量估计所验证支持.

图3 第一阶段6个试验组的平均扫描比

2.2 第二阶段结果分析

两个训练组的HR在6个试验组中都没有显著差异（U≥5.50，p＞ 0.14，r＜0.47）.同样地，两个训练组的主观用力程度（U≥4.00，p＞0.07，r＜0.57）和心理努力程度（U≥6.00，p＞0.17，r＜0.43）的评分在6个试验组中都没有显著差异.预判反应准确性和视觉搜索行为的分析见表2和表3，r≥0.50、r≥0.30和r≥0.10表示大、中、小效应量估计值.分析发现，仅在最后一个试验组中，结合训练组的反应准确率显著高于独立训练组.这种效果在扫描比上有明显的差异，结合训练组的扫描比低于独立训练组.随着任务时间的累积，训练组之间的差异会扩大，这可能是因为结合训练组的扫描比相对稳定.

表2 两训练组的预判反应准确率结果

表3 两训练组的扫描率结果

续表2

3 讨论

研究的第一阶段表明，增加生理负荷将导致脑力劳动的增加和视觉搜索行为效率的降低，当生理负荷达到最高时，效率才会显著下降.虽然当前的结果与感官认知技能因强度较高的生理负荷而增强的发现相矛盾［12］.但在本研究中，参与者需要预测下一步做什么，并且恢复时间大大减少了，更接近真实比赛中经历的持续生理负荷.

研究的第二阶段表明，视觉搜索行为的效率发生了积极的变化.结合训练似乎抵消了第一阶段视觉搜索效率逐渐下降的副作用（见图3），特别是当生理负荷强度增大时.无生理负荷的感官认知模拟训练对视觉搜索效率的影响可以忽略不计.然而，视觉搜索效率的提高并没有引起统计上显著的预判技能效率提高.预判技能不仅与生理负荷有关，还与心理疲劳有关，后者已被证明会损害体育运动中的身体和技能表现［13］.

4 结论

在第一阶段，生理负荷达到最大时，反应的准确性下降到不超过偶然水平.随着生理负荷的增加，6个试验组的反应准确性结果导致心理努力评级和扫描比的稳步增加.视觉搜索行为的效率会因生理负荷的增加而降低，但直到测试的后期，当生理负荷达到最高时，效率才会显著下降.在第二阶段，感官认知模拟训练后，视觉搜索行为的效率发生了积极的变化.结合训练减弱了第一阶段视觉搜索效率逐渐下降的副作用，特别是当生理负荷强度增大时.无生理负荷的感官认知模拟训练对视觉搜索效率的影响可以忽略不计.虽然视觉搜索效率的提高并没有引起统计上显著的预判技能效率提高，但是与无负荷下训练预判相比，感官认知模拟训练增加了预判技能在生理负荷强度较高下的弹性.