大数据时代运动训练科学研究的新路径探讨

龙江

摘要：长期以来，体育教育的科学研究一直是基于小型科学研究模式。随着大数据时代的到来，通过大规模数据搜索来探索全球运动规律已成为当代科学研究的特点之一。大数据不仅是运动训练领域的实用工具，也是高质量的工具，而大数据设计为研究运动训练科学的复杂性提供了新的机遇，为该领域的科学研究提供了新的体育教育模式。

关键词：大数据;运动训练;科学研究

引言：數据是科学研究的重要组成部分。数据工作方式的变化将不可避免地影响科学研究的变化。在运动训练领域，基于小数据模型所提供的信息长期以来一直是分散的，运动训练模式无法全面、完整、真实地描述。随着信息技术和计算机技术的迅速发展，人们收集、存储和使用大量数据以揭示运动训练的能力有了很大的飞跃。在大数据时代，人们开创了科学研究运动训练的新时代。

1.大数据与运动训练科学研究

1.1 大数据时代运动训练科学研究的现状

传统运动训练科学研究主要是一门假设驱动的科学，即提出一个科学问题，再据此提出一种可能的假设，然后用实验对假设进行验证。与此研究路径密切相关的是所谓的运动训练科学的还原论，即一切人体生命现象和心理现象最终都可以还原为物理、化学现象，因而原则上完全可以用物理、化学规律来说明人体运动的规律，通过分解人体的结构成份或功能予以离 析研究来理解复杂人体运动系统的观念。利用不同地区的大量数据，体育行业被大量数据淹没.目前运动员和运动队越来越依赖数据分析结果，使他们能更快地进行运动训练和比赛，从而使他们更强壮。研究人员使用先进的工具对运动员在赛场上的各种表现进行数字化，如各种动作、起跳、掩护、进攻和得分，经过多年的积累，已经可以大致识别出每一位球员在球场上的弱点，例如，高尔夫运动也离不开伟大的数据支持。在高尔夫运动中，track man技术用于收集高尔夫球手击球飞行过程中和每次挥杆后的所有数据，如速度、角度、方向和旋转速度，然后通过软件进行分析，以便高尔夫球手更好地了解和分析他们的运动特征。

1.2运动训练科学大数据研究的问题与趋势

大数据正在改变体育产业。大数据给科学研究和体育教育带来了新的见解。然而，随着大数据时代的开始，体育学的伟大研究面临着许多问题。

（1）由于缺乏相关数据的收集、存储和存储，数据的重复性大，许多体育项目无法在通用架构级别提供广泛充足的数据平台。

（2）其次，对于不同类型的数据，没有有效的数据收集方法。有各种类型的数据需要收集，但有些数据可以有效收集，而有些数据难以数字化。例如，运动员心理数据的收集仍然很难获得，由于技术原因，一些数据的收集在准确性和实时性方面仍然存在一些问题。

（3）缺乏全面有效的数据分析方法。数据分析目前在体育运动中没有得到广泛应用。例如，经验在体育运动中非常重要，数据分析不能取代经验。

（4）最后，缺乏大量数据。在大量可以提取的运动训练数据中，有许多价值，但由于缺乏某种心理直觉，我们无法描述隐藏在数据背后的一些运动训练的一般特征，也缺乏对各种因素相互关系的深入研究，以期在诸多因素的动态变化中，找到运动训练的新规律。

2.大数据思维： 重构运动训练科学研究的新路径

2.1运动训练科学研究视角的转变： 局部转向整体

传统运动训练科研是一种小规模的科研模式。因此，“小数据”实际上代表一个或多个部分。它支持部分理解和样本分析的方法，这是还原论概念的一部分，即通过将整体包含为不同部分的组合，可以分解为多个部分来研究和解释每件事;或者把一切都还给一个样本，相信对样本的理解可以理解一切，通过研究样本找到把握一切的方法和途径。这一传统一直延续到今天，并已成为科学研究中运动训练的主要实践。但是，无论如何科学的抽样或分析，我们发现，当使用一个或多个生理指标来反映运动能力，或使用各种训练方法或防守技术，或更高的艺术，或较低的艺术，或力量时，或者训练运动员的速度，我们发现这种情况是合理的，表面上是科学的，但事实上，使用的指标越多，分析就越准确，然而，离一切都越远，或者当我们对每个组成部分有了基本的了解时，我们仍然不敢说我们了解这项运动的特点。

2.2运动训练科学研究对象的转变： 实体转向关系

现代科学诞生的最重要标志是对“本质”的一系列自然和方法论的认识，作为笛卡尔牛顿的机械性质，以及拉丁美洲是一台机器等的事实，为了找到宇宙最后的“存在”，所有的科学学科最终都可以合并为“教育”.目前运动训练的研究主要集中在“例如，运动员被视为由不同的机械部件组成的机器，即。运动员被身体和身体控制的机器，而身体的许多机械部件都是由原子组成的，运动员复杂的生理和心理现象在物理和化学过程中退化;最后，运动的性质或根源与身体的大小、器官、组织、分子、原子等机制有关，因此，体育规模的概念只能作为一个简单的因素或功能来研究。

3.总结语

作为运动训练的科研人员，要适应时代的变化，积极融入时代的变化，改变科研中运动训练的新思维方式。假设的传统模型应该被基于数据的模型所取代。我们应该善于将研究范式从简单范式转换为复杂范式。

参考文献：

[1] 李国杰，程学旗.大数据研究：未来科技及经济社会发展 的重大战略领域——大数据的研究现状与科学思考[J]. 中国科学院院刊，2019，27（6）：647-657.

[2] 杨澍.前台的竞技，后台的数据[J].商学院，2019（10）：34- 39.

[3] 苗东升.从科学转型演化看大数据[J].首都师范大学学报：社会科学版，2019（5）：48-55.