نام پژوهشگر: المیرا جوهری
المیرا جوهری حسن محمدزاده
علوم آموزشی خود را به عنوان یک علم جامع و کاربردی معرفی می کند که اندازه¬گیری های کاربردی موجود روش های علمی را توسعه می دهد. در اینجا، روابط متقابل بین متغیرها یا مجموعه متغیرها از یک ویژگی غیر خطی است. در این موارد، روش های نظیر شبکه¬های عصبی یا ابزار مشابه برای تشخیص فعل و انفعالات ممکن است به طور موفقیت آمیزی برای تجزیه و تحلیل به کار بسته شوند. هدف این تحقیق استعداد یابی نمایه های هوش و تن سنجی بازیکنان نخبه والیبال براساس موقعیت آنها در زمین بازی بود که رویکردهای شبکه می توانستند به طور موثر در علوم ورزشی به کار گرفته شوند. برخی از روش های طبقه¬ بندی و خوشه سازی از جمله شبکه های عصبی مصنوعی ، درخت تصمیم گیری و ماشین های بردار پشتیبانی برای طبقه بندی بازیکنان والیبال در گروه های مختلف با توجه به برخی از ویژگی های بخصوص است. به نظر می رسد دقت svm برای رسیدن به هدف اصلی ما بسیار بالا می باشد.روش پژوهش: 48 بازیکن لیگ برترودسته یک والیبال ایران با میانگین سن(1.12±25.76)سال در مطالعه شرکت کردند. بازیکنان بر اساس پست بازی به 5 گروه پاسور،لیبرو ، دفاع کننده وسط(سرعتی) ،دریافت کننده قدرتی و پشت خط زن تقسیم شدند. سپس متغیرهای آنتروپومتریک و هوش چندگانه شرکت کنندگان اندازه گیری شد. یافته¬ها: در بین پست های مختلف بازی در اندازه های بدنی و هوش چندگانه تفاوت معنی داری وجود دارد بنابراین در این موارد فرض صفر رد و فرض حکم مبنی بر وجود تفاوت معنی دار تایید می گردد. لیبروها کوتاه تر و لاغرتر از سایر بازیکنان بودند . وزن خالص بازیکنان سرعتی و قدرتی و پشت خط زن بالاتر از پاسور و لیبروست . بازیکنان پشت خط زن اکتومورف تر از سایر بازیکنان می باشد.همچنین هوش فضایی وهوش درون فردی و جنبشی و در نهایت هوش کلی بازیکنان پاسور بالاتر از سایر بازیکنان می باشد. بنابراین پیشنهاد می¬شود که متخصصان ورزشی و مربیان در طراحی برنامه های تمرین ویژه هر پست و استعدادیابی بازیکنان باید ویژگی های هوشی و آنتروپومتریک آنان را در نظر بگیرند.
المیرا جوهری حسن محمدزاده
علوم آموزشی خود را به عنوان یک علم جامع و کاربردی معرفی می کند که اندازه¬گیری های کاربردی موجود روش های علمی را توسعه می دهد. در اینجا، روابط متقابل بین متغیرها یا مجموعه متغیرها از یک ویژگی غیر خطی است. در این موارد، روش های نظیر شبکه¬های عصبی یا ابزار مشابه برای تشخیص فعل و انفعالات ممکن است به طور موفقیت آمیزی برای تجزیه و تحلیل به کار بسته شوند. هدف این تحقیق استعداد یابی نمایه های هوش و تن سنجی بازیکنان نخبه والیبال براساس موقعیت آنها در زمین بازی بود که رویکردهای شبکه می توانستند به طور موثر در علوم ورزشی به کار گرفته شوند. برخی از روش های طبقه¬ بندی و خوشه سازی از جمله شبکه های عصبی مصنوعی ، درخت تصمیم گیری و ماشین های بردار پشتیبانی برای طبقه بندی بازیکنان والیبال در گروه های مختلف با توجه به برخی از ویژگی های بخصوص است. به نظر می رسد دقت svm برای رسیدن به هدف اصلی ما بسیار بالا می باشد.روش پژوهش: 48 بازیکن لیگ برترودسته یک والیبال ایران با میانگین سن(1.12±25.76)سال در مطالعه شرکت کردند. بازیکنان بر اساس پست بازی به 5 گروه پاسور،لیبرو ، دفاع کننده وسط(سرعتی) ،دریافت کننده قدرتی و پشت خط زن تقسیم شدند. سپس متغیرهای آنتروپومتریک و هوش چندگانه شرکت کنندگان اندازه گیری شد. یافته¬ها: در بین پست های مختلف بازی در اندازه های بدنی و هوش چندگانه تفاوت معنی داری وجود دارد بنابراین در این موارد فرض صفر رد و فرض حکم مبنی بر وجود تفاوت معنی دار تایید می گردد. لیبروها کوتاه تر و لاغرتر از سایر بازیکنان بودند . وزن خالص بازیکنان سرعتی و قدرتی و پشت خط زن بالاتر از پاسور و لیبروست . بازیکنان پشت خط زن اکتومورف تر از سایر بازیکنان می باشد.همچنین هوش فضایی وهوش درون فردی و جنبشی و در نهایت هوش کلی بازیکنان پاسور بالاتر از سایر بازیکنان می باشد. بنابراین پیشنهاد می¬شود که متخصصان ورزشی و مربیان در طراحی برنامه های تمرین ویژه هر پست و استعدادیابی بازیکنان باید ویژگی های هوشی و آنتروپومتریک آنان را در نظر بگیرند.