Talent Classification of Motoric Parameters with Support Vector Machine
Description
Aim: In recent years, the methods of analysis of data science have started to be used frequently in talent selection in sports and the evaluation of athletes. Based on the motor and physical measurements of the future athletes, determining which sports branch they are prone to is important in terms of training and resource planning. Within the scope of this study, it was aimed to propose a classification system to determine which sports branches the participants are suitable for, based on motor and physical measurements. Material and Methods: Measurements of height, arm span, body weight, 20-meter sprint test, vertical jump height, 1 kg medicine ball throw, back strength, hand grip strength, flexibility test and standing long jump values [mk1] were recorded with the contribution of 1240 participants who are 9 years old. Afterwards, grouping procedures were carried out with classification methods based on Support Vector Machines (SVM). Radial based functions are used as kernel functions of SVM. The results of evaluations made by consulting expert opinion beforehand were accepted as actual values, compared with the classification results and the performances of the classifiers were calculated. Within the scope of this study, participants were classified into four as rapidity branch (E), strength branch (F), height branch (G) and other group (H). Results: The accuracy values of classification of support vector machines were found ranging from 96% to 100% in each class, and 98% in average. Minimum value of sensitivity was found to be 93% while it was 99% in maximum. On the other hand , precision varied between 92% and 100%. Conclusion: In the light of the information provided, successful classification of the test dataset using the model that is formed by the training dataset, points out a possible high classification accuracy of big test datasets even in the use of a small dataset in the training phase.
Translated Descriptions
Translated Description (Arabic)
الهدف: في السنوات الأخيرة، بدأ استخدام طرق تحليل علم البيانات بشكل متكرر في اختيار المواهب في الرياضة وتقييم الرياضيين. بناءً على القياسات الحركية والبدنية للرياضيين المستقبليين، فإن تحديد الفرع الرياضي الذي هم عرضة له أمر مهم من حيث التدريب وتخطيط الموارد. في نطاق هذه الدراسة، كان الهدف منها اقتراح نظام تصنيف لتحديد الفروع الرياضية التي يناسبها المشاركون، بناءً على القياسات الحركية والبدنية. المواد والأساليب: تم تسجيل قياسات الطول، وامتداد الذراع، ووزن الجسم، واختبار العدو لمسافة 20 مترًا، وارتفاع القفزة العمودية، ورمي الكرة الطبية 1 كجم، وقوة الظهر، وقوة قبضة اليد، واختبار المرونة، وقيم القفزة الطويلة الدائمة [mk1] بمساهمة 1240 مشاركًا يبلغون من العمر 9 سنوات. بعد ذلك، تم تنفيذ إجراءات التجميع باستخدام طرق التصنيف بناءً على آلات ناقلات الدعم (SVM). تُستخدم الوظائف القائمة على شعاعي كوظائف نواة لـ SVM. تم قبول نتائج التقييمات التي أجراها رأي الخبراء الاستشاريين مسبقًا كقيم فعلية، مقارنة بنتائج التصنيف وتم حساب أداء المصنفين. ضمن نطاق هذه الدراسة، تم تصنيف المشاركين إلى أربعة كفرع السرعة (E) وفرع القوة (F) وفرع الارتفاع (G) ومجموعة أخرى (H). النتائج: تم العثور على قيم دقة تصنيف آلات ناقلات الدعم تتراوح بين 96 ٪ إلى 100 ٪ في كل فئة، و 98 ٪ في المتوسط. وجد أن الحد الأدنى لقيمة الحساسية هو 93 ٪ بينما كان 99 ٪ كحد أقصى. من ناحية أخرى، تراوحت الدقة بين 92 ٪ و 100 ٪. الخلاصة: في ضوء المعلومات المقدمة، يشير التصنيف الناجح لمجموعة بيانات الاختبار باستخدام النموذج الذي تشكله مجموعة بيانات التدريب إلى دقة تصنيف عالية محتملة لمجموعات بيانات الاختبار الكبيرة حتى في استخدام مجموعة بيانات صغيرة في مرحلة التدريب.Translated Description (French)
Objectif : Ces dernières années, les méthodes d'analyse de la science des données ont commencé à être fréquemment utilisées dans la sélection des talents dans le sport et l'évaluation des athlètes. Sur la base des mesures motrices et physiques des futurs athlètes, il est important de déterminer à quelle branche sportive ils sont enclins en termes de planification de l'entraînement et des ressources. Dans le cadre de cette étude, il s'agissait de proposer un système de classification permettant de déterminer à quelles branches sportives les participants sont adaptés, sur la base de mesures motrices et physiques. Matériel et méthodes : Les mesures de la hauteur, de l'envergure des bras, du poids corporel, du test de sprint de 20 mètres, de la hauteur du saut vertical, du lancer de balle médicinale de 1 kg, de la force dorsale, de la force de préhension des mains, du test de flexibilité et des valeurs de saut en longueur debout [mk1] ont été enregistrées avec la contribution de 1240 participants âgés de 9 ans. Par la suite, des procédures de regroupement ont été effectuées avec des méthodes de classification basées sur des machines à vecteurs de support (SVM). Les fonctions radiales sont utilisées comme fonctions du noyau de SVM. Les résultats des évaluations faites en consultant l'avis d'experts au préalable ont été acceptés comme des valeurs réelles, par rapport aux résultats de classification et les performances des classificateurs ont été calculées. Dans le cadre de cette étude, les participants ont été classés en quatre groupes : branche de rapidité (E), branche de force (F), branche de hauteur (G) et autre groupe (H). Résultats : Les valeurs de précision de classification des machines à vecteurs de support ont été trouvées allant de 96% à 100% dans chaque classe, et 98% en moyenne. La valeur minimale de sensibilité s'est avérée être de 93 % alors qu'elle était de 99 % au maximum. En revanche , la précision variait entre 92% et 100%. Conclusion : À la lumière des informations fournies, la classification réussie de l'ensemble de données de test à l'aide du modèle formé par l'ensemble de données de formation indique une précision de classification élevée possible des grands ensembles de données de test, même lors de l'utilisation d'un petit ensemble de données dans la phase de formation.Translated Description (Spanish)
Objetivo: En los últimos años, los métodos de análisis de la ciencia de datos han comenzado a utilizarse con frecuencia en la selección de talentos en el deporte y la evaluación de los atletas. Con base en las mediciones motoras y físicas de los futuros atletas, determinar a qué rama deportiva son propensos es importante en términos de entrenamiento y planificación de recursos. En el ámbito de este estudio, se pretendía proponer un sistema de clasificación para determinar para qué ramas deportivas son adecuados los participantes, basado en mediciones motoras y físicas. Material y métodos: Las mediciones de altura, envergadura de brazos, peso corporal, prueba de sprint de 20 metros, altura de salto vertical, lanzamiento de balón medicinal de 1 kg, fuerza de espalda, fuerza de agarre manual, prueba de flexibilidad y valores de salto largo de pie [mk1] se registraron con la contribución de 1240 participantes de 9 años de edad. Posteriormente, se realizaron procedimientos de agrupación con métodos de clasificación basados en Máquinas Vectoriales de Soporte (SVM). Las funciones basadas en radiales se utilizan como funciones del núcleo de SVM. Se aceptaron como valores reales los resultados de las evaluaciones realizadas previamente por dictamen pericial de consultoría, en comparación con los resultados de la clasificación y se calcularon los rendimientos de los clasificadores. Dentro del alcance de este estudio, los participantes se clasificaron en cuatro grupos: rama de rapidez (E), rama de fuerza (F), rama de altura (G) y otro grupo (H). Resultados: Los valores de precisión de la clasificación de las máquinas de vectores de soporte se encontraron en un rango de 96% a 100% en cada clase, y 98% en promedio. Se encontró que el valor mínimo de sensibilidad era del 93%, mientras que era del 99% en el máximo. Por otro lado , la precisión varió entre el 92% y el 100%. Conclusión: A la luz de la información proporcionada, la clasificación exitosa del conjunto de datos de prueba utilizando el modelo que está formado por el conjunto de datos de entrenamiento, señala una posible alta precisión de clasificación de grandes conjuntos de datos de prueba incluso en el uso de un pequeño conjunto de datos en la fase de entrenamiento.Files
547789.pdf
Files
(361.9 kB)
| Name | Size | Download all |
|---|---|---|
|
md5:64968f7624642193bb5de11f0bbc4c4e
|
361.9 kB | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- تصنيف المواهب للمعلمات الحركية مع آلة متجه الدعم
- Translated title (French)
- Classification des talents des paramètres moteurs avec machine vectorielle de support
- Translated title (Spanish)
- Clasificación de Talento de Parámetros Motorizados con Máquina Vectorial de Soporte
Identifiers
- Other
- https://openalex.org/W2894911515
- DOI
- 10.18826/useeabd.454938
References
- https://openalex.org/W2014464577
- https://openalex.org/W2019775677
- https://openalex.org/W2133553290
- https://openalex.org/W2141752002
- https://openalex.org/W2276577811
- https://openalex.org/W2320314630
- https://openalex.org/W2334499518
- https://openalex.org/W2400768269
- https://openalex.org/W2580579730
- https://openalex.org/W2746591726
- https://openalex.org/W2754846726
- https://openalex.org/W4232349369