Добавил:
ivanov666
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз:
Предмет:
Файл:Актуальные проблемы и перспективы совершенствования процесса подготовки научных кадров высшей квалификации для сферы физической культуры и спорта. Мон
.pdf
ных организаций, учреждений в качестве основы целостного понимания, сути баз данных по ФКиС, их критериальных признаков и целевого предназначения. В образовательном процессе базы данных применяются для создания учебно-методических комплексов по дисциплинам,
для осуществления программ повышения квалификации, диагностических мероприятий по физической подготовленности и функциональному состоянию обучающихся», – указывает в своей работе Т.Н. Шутова [315,
с. 336].
Эффективность тренировочных воздействий при апробации новых методик подготовки определяется в виде различий в группе испытуемых до и после проведения педагогического эксперимента. При этом, как правило, и контрольную и экспериментальную группы составляют испытуемые
из одной генеральной совокупности [А.Н. Корольков
и др., 2016].
Так как по мере роста спортивного мастерства разности в разрядных нормах уменьшаются, то уменьшаются
педагогически важные статистически значимые различия.
Всё это говорит о том, что статистические измерения
в группе квалифицированных спортсменов должны проводиться ещё более тщательно и обоснованно, а в случае
недостаточного количества данных для статистического
сравнения должны применяться и другие методы обработки фактического материала, в частности, методы
анализа временных рядов спортивных результатов.
Не следует забывать, что «применение математикостатистических методов в ряде случаев связано с большим объёмом вычислений, в которых могут быть допущены существенные ошибки, влияющие на оценки результатов исследования», – указывает в своей монографии
А.В. Лебедев [181, с. 151].
В этой связи можно выделить систематические, грубые
и случайные ошибки. Систематические и грубые ошибки
в спортивно-педагогических исследованиях происходят
91
очень редко, а вот случайные ошибки исключаются соблюдением некоторых правил математических расчётов:
1) необходимо не допускать излишнего количества
чисел в промежуточных расчётах;
2) стремиться избегать дробных показателей в количе-
ственных вычислениях;
3) если полученная расчётным методом величина под-
лежит сравнению с табличной, то число цифр в ней не
должно превышать числа цифр в табличной величине;
4) нецелесообразно применять сложные методы мате-
матической статистики в случае, когда результат можно
достоверно установить при помощи более простых и доступных вычислений [А.В. Родин, В.П. Губа, 2023;
В.П. Губа и др., 2024; В.П. Губа, А.А. Шамардин, 2025].
Рассматривая спортсмена как объект измерения в про-
цессе проведения научных исследований, следует применять и дискриминантный анализ для решения современных проблем управления тренировочным процессом. При
этом такой анализ позволяет разрабатывать дискриминантные модели подготовленности, проектировать научноисследовательскую и культурно-просветительскую деятельность, применять знания из смежных областей науки
[Е.Г. Костенко, В.В. Лысенко, 2020].
Как мы видим, какой бы ни была оценка результатов
измерения ведущих способностей спортсмена или результатов соревновательной деятельности, она всегда сводится к определённым показателям, которые характеризуют её количественное выражение. К таким показателям предъявляется требование допустимой простоты, т.к.
показателем эффективней оперировать в том случае, если
он проще по расчётам и структуре информации.
Однако, как правомерно замечает профессор Э.М. Ко-
ротков [160, с. 255]: «Существуют пределы упрощения, за
которыми теряется назначение и важность показателя».
Как мы видим, одной из важных и сложных проблем
исследования физической культуры и спорта является
92
оценка состояния спортсмена как объекта изучения. При
этом на оценках различного вида построены анализ
и изучение особенностей тренировочного процесса. Без
оценок невозможно принятие эффективных управленческих решений, в том числе в прогнозировании научной
деятельности.
2.3. Первичная обработка
экспериментальных данных
Под первичной обработкой экспериментальных данных понимаются все мероприятия, которые уменьшают
влияние погрешностей измерений и расчётов, накопленных в ходе получения данных, на последующий расчёт необходимых характеристик. Если по ним сразу численными методами вычислять производные (например, находить значения скоростей и ускорений), то это приведёт
к большим погрешностям в расчётных характеристиках.
Поэтому первичные массивы данных необходимо подвергнуть предварительной обработке. Для этого могут
применяться следующие методы и комбинации: фильтрация высокочастотного шума; фильтрация длиннопериодных трендов (систематических погрешностей); аппроксимация аналитическим выражением; коррекция параметров посредством визуальной оценки [Н.Г. Сучилин,
В.С. Савельев, Г.И. Попов, 2000].
Поскольку обработка аналогового сигнала зачастую
производится в цифровой форме, необходимо провести
дискретизацию исходного сигнала. Сделать это можно,
опираясь на теорему Котельникова, в которой сказано, что
любой непрерывный (аналоговый) сигнал, ограниченный
по спектру верхней частотой F, полностью определяется
последовательностью своих дискретных отсчётов, взятых
через промежуток времени Тд < 1/(2F), где F – верхняя
частота спектра сигнала.
93
Такая дискретизация исходного аналогового сигнала
называется аналого-цифровым преобразованием. Даже
если вы не имеете никакого отношения к обработке сигналов, то, может быть, вам знакома фраза «CD quality
44100 Hz», часто приводимая на компакт-дисках. Имеется
в виду, что звук хранится на них в виде дискретных отсчётов, по 44 100 шт./с, а это, согласно названной теореме,
означает, что «на CD можно идеально записать звук с частотой до 22 050 Гц, поскольку слышимый человеком
диапазон укладывается в эти рамки.
Фильтрация высокочастотного шума. Высокочастот-
ный шум связан в основном со случайными погрешностями измерения. Для фильтрации подобного шума применяются различные операции сглаживания: сплайнфункция, скользящее среднее, скользящий полином, фильтр
Баттерворта-4 и более высоких порядков.
Операция сглаживания, как и любая цифровая фильтра-
ция, отсеивает только определённую долю погрешностей
временнóго ряда, поэтому выбор операции сглаживания
в каждом конкретном случае – это удачное решение, зависящее от априорных знаний об исследуемом процессе
и фильтрующих свойствах операций сглаживания.
В настоящее время не существует универсальной про-
цедуры сглаживания, проблематичен и резкий прогресс
в этой области, поскольку для оптимального выбора этой
операции априорная информация об изучаемом процессе,
как правило, мала. Реальный путь состоит в установлении
частотного диапазона исследуемого временнóго ряда
(спектральной оценкой данных), оценке спектральных
характеристик сглаживающих процедур и подборе установленной на основе совмещения этих данных подходящей по спектральным показателям операции сглаживания.
К недостаткам таких процедур относится возрастание
ошибки сглаживания на концах временнóго ряда.
Фильтрация длиннопериодных трендов (систематиче-
ских погрешностей). Применяется для устранения как
94
систематических погрешностей, так и длиннопериодных
статистических составляющих временного ряда. Трудность здесь состоит в том, чтобы найти систематическую
погрешность в форме аналитического выражения, что требует тщательного анализа возникновения и регистрации
изучаемого сигнала. Возможным решением указанной
проблемы может быть применение при сглаживании, например, полиномов более высоких степеней, которые считаются по большему количеству точек временнóго ряда.
Например, сглаживание исходных координат кубическим
полиномом из четырёх членов по семи точкам.
Аппроксимация аналитическим выражением. Её целесообразно применять для повышения точности вычисления дифференциалов любого порядка по первичным
данным, т.е. для получения производных изучаемого процесса. Такие производные зачастую лучше характеризуют
при кинематическом анализе скорость и ускорение данной
точки в пространстве, чем полученные численными методами, так как в этом случае учитывается вся информация
о ходе процесса и уменьшается влияние локальных
(во времени) случайных погрешностей. Ещё одно преимущество способа аппроксимации состоит в том, что
возможно вычисление значения координат скорости
и ускорения для любых значений времени (интерполяция), а трудность – в нахождении аналитического выражения. Здесь должна учитываться вся информация о природе
изучаемого процесса (законы механики, физиологические данные, биологические закономерности и тенденции).
В качестве аналитического выражения часто берется
определённый тип функции с несколькими свободными
параметрами, которые затем определяют по исходным
данным методом наименьших квадратов. Для повышения
точности вычислений параметров аналитического выражения рекомендуется предварительно провести сглаживание временного ряда исходных данных.
95
Коррекция параметров посредством визуальных оце-
нок применяется в практике, но предполагает достаточную опытность и хорошее знание процесса, характера
влияющих систематических и случайных погрешностей.
Рассматриваемая процедура носит название «анализ выпадающих данных». Выпадающие значения («выбросы») –
крайние значения признаков, не характерные для данной
выборки, слишком большие или слишком малые по величине. Они могут искажать распределение исходных данных и оказывать непропорционально большой эффект на
результаты всех типов статистического анализа.
Возможные причины возникновения выпадающих
значений: а) ошибка при получении данных (артефакт);
б) ошибка при подготовке данных (опечатка); в) аномальное значение признака.
Первые две ошибки могут быть обнаружены на этапе
получения описательных статистик (например, при вычислении минимальных и максимальных значений признака). В последнем же случае от исследователя требуется
особое внимание.
Известно, что при нормальном распределении при-
знака 99,7% наблюдений (объектов исследования) располагаются внутри интервала с границами М±3σ (М –
среднее арифметическое анализируемой выборки, σ –
среднее квадратическое отклонение, оцененное по этой
же выборке). Считается, что на основании правила трёх
сигм из анализа можно исключать элемент выборки объекта исследования, если значение признака не укладывается в интервал М±3σ (причем М и σ рассчитываются без
учёта резко отклоняющегося значения признака), и в дальнейшем анализировать данные без него.
Таким образом, на этапе численных операций с исход-
ными данными решаются задачи повышения достоверности расчёта, необходимые для дальнейшего обобщения
и теоретического осмысления характеристик изучаемого
96
процесса за счёт специальных алгоритмов обработки, что
требует некоторых априорных сведений о нём.
Отсюда следует, что уже на уровне постановки задачи
должен быть проведён предварительный анализ, по крайней мере, на экстремумы характеристик и частотные диапазоны (анализ литературы, аналогии, предварительные
пробные измерения).
В заключение необходимо отметить, что первичная
математико-статистическая обработка результатов ещё не
позволяет раскрыть сущность того или иного явления,
а лишь отражает результат реального эксперимента и должна опираться на его разносторонний качественный анализ.
Незнание этих аспектов приводит к некорректному, формальному использованию математического аппарата и не
позволяет сформулировать правильные выводы [Р.С. Немов, 1999; А.П. Кизько, 2004; Е.Р. Яхонтов, 2006; В.В. Афанасьев, 2017; Т.А. Безусова, 2018].
Изучение действительности показывает, что вариация
каждого исследуемого признака находится в тесной связи
и взаимодействии с вариацией других признаков, характеризующих данную совокупность единиц. При изучении
конкретных взаимосвязей одни признаки выступают в качестве факторов, обусловливающих изменение других
признаков. Такие признаки называются признаками-
факторами (или факторными признаками). А признаки,
которые являются результатом влияния этих факторов, называются результативными. Изучение зависимости вариации признака от окружающих условий и составляет
содержание теории корреляции. В математической статистике существует два вида взаимосвязи между признаками: функциональная и корреляционная.
Функциональная связь характеризуется полным соответствием между изменением факторного признака и изменением результативной величины, т.е. каждому значению
признака-фактора соответствуют вполне определённые
значения результативного признака. Например, повыше-
97
ние температуры на 10 °С ускоряет химическую реакцию
в два раза. Такого рода связи в основном встречаются
в точных науках (физике, химии, геометрии и др.).
Статистическая (корреляционная) связь наблюда-
ется в научных исследованиях, когда значению одного
признака соответствует множество значений другого
[В.М. Зациорский, 1982; Ю.Д. Железняк, П.К. Петров,
2005; В.Е. Гмурман, 2006; Н.М. Харченко, 2008].
Статистический метод, который используется для ис-
следования взаимосвязей, называется корреляционным
анализом. Основной задачей его является определение
формы, тесноты и направленности взаимосвязей между
изучаемыми показателями [А.М. Годин, 2008; Д. Крамер,
2008; Н.М. Харченко, 2008; Т.А. Безусова, 2018].
Анализ взаимосвязи начинается с графического пред-
ставления результатов измерений в прямоугольной системе координат, т.е. для предварительного выявления
наличия связи, раскрытия её характера и формы, применяется так называемый графический метод. Используя
данные об индивидуальных значениях признака-фактора
и соответствующих ему значениях результативного признака, можно построить в прямоугольной системе координат точечный график, отражающий искомые взаимосвязи.
2.4. Тестирование в физической культуре
и спорте, способы оценки полученных
результатов
Тест – слово английское, в переводе означает «проба,
испытание, исследование». В самом общем виде под
тестом понимается специализированное и стандартизированное задание, результат выполнения которого соотносится или с ранее полученным результатом, или с определённым эталоном (критерием) для оценки психофизио-
98
логических, личностных характеристик человека, способов его действий, меры соответствия или готовности к той
или иной деятельности.
Тестирование – определённая система, включающая
подбор тестов в соответствии с поставленной задачей,
организацию условий для их использования, выполнение
тестов исследуемыми, оценивание и анализ результатов.
В физическом воспитании и спорте тестирование помогает решению ряда сложных педагогических задач, например, таких как выявление уровней развития двигательных
качеств, оценку качества тактической и технической подготовленности исследуемых лиц, что и будет представлять
собой основу программы комплексного контроля [Г.Д. Бабушкин, 2020].
Выбор показателей комплексного контроля зависит от
цели тестирования, она же определяет критерии оценивания соответствующих показателей тестирования (информативность, надёжность и т.д.) [Ю.С. Воронов, 1995;
Ю.С. Воронов, 2013; В.П. Губа и др., 2024].
Естественно, программы комплексного контроля в различных видах спорта неодинаковы, что накладывает
ограничения на число и содержание показателей, которые
должны характеризовать подготовленность спортсмена.
В теории и методике физического воспитания и спорта
в качестве тестов используются определённые физические
упражнения (двигательные действия), называемые контрольными упражнениями (двигательными или моторными
тестами). Учитывая общенародную трактовку тестов,
контрольными упражнениями можно считать специализированные и стандартизированные по содержанию,
форме и условиям выполнения двигательные действия
(задания), результаты выполнения которых соотносятся
или с ранее полученными результатами, или с определёнными эталонами (критериями) для оценки физического
состояния человека.
99
Следует иметь в виду, что контрольные упражнения
могут применяться и как обычные физические упражнения, однако далеко не всякое физическое упражнение
можно использовать как контрольное.
Впервые теоретические предпосылки тестовых иссле-
дований были разработаны английским генетиком и антропологом Ф. Гальтоном в 1888 г. Он применил серию
одинаковых испытаний большого количества лиц, произвел статистическую обработку полученных результатов
и выделил критерии (эталоны) оценки. Несколько позже
Д. Кеттел (1890 г.) узаконил термин «тест». Им была предложена серия из 50 тестов (так называемая в настоящее
время «батарея тестов») для определения меры чувствительности, скорости реакции и других психофизиологических характеристик человека. Французский психолог
А. Бине первым применил (1903 г.) тесты для оценки высших психических функций – для измерения интеллекта
человека. С момента зарождения учения о тестах последние часто использовались для изучения взаимосвязи между
важнейшими показателями моторной деятельности и физического развития.
Одним из самых старых двигательных тестов счита-
ется разработанный Д. Сарджентом (1897 г.) «студенческий силовой тест», состоящий из трёх испытаний: подтягивания на перекладине, динамометрии кисти, спирометрии. Однако научное обоснование теория тестирования
в физическом воспитании получила лишь в середине
20-х годов в работе Ф. Роджерса «Тесты физических способностей в процессе физического воспитания» (1925 г.).
Первые исследования по тестированию в физическом воспитании были связаны с представлением о существовании
общей двигательной одаренности человека (Мак Клой
«Измерение общих двигательных способностей», 1934).
Последующая разработка теории тестов, накопление экспериментального материала привели исследователей
100
Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]