基于大數據技術的高?；@球運動員選材模式系統構建研究

郭安寧

（中國礦業大學體育學院，江蘇徐州221116）

關鍵字：大數據；運動員選材；籃球運動員

20世紀80年代至今，我國高度重視籃球運動的發展，籃球職業化體制初步形成［1］。在國家提出建設“體育強國”的新形勢下，我國體育產業全面崛起，籃球運動職業化程度越發完善，籃球運動整體水平顯著提升。為促進我國籃球運動持續穩定化發展，在職業籃球后備軍的高校籃球中發掘高素質的籃球運動員顯得尤為重要。

目前世界已經進入大數據時代，隨著各類數據挖掘硬件的涌現，人們所能掌握的數據信息量劇增。配合云計算技術，數據的處理和分析能力大幅上升，大數據技術相關的應用領域不斷擴大。大數據和云計算技術，在處理和分析數據的過程中采用各類數據全面分析的方法，結合運動員選材工作，將各類別的運動員選材指標進行綜合的處理和分析，通過充實的數據支撐，可較為準確的預測運動員的發展潛力，為教練員團隊的最終選材，具有較高的參考價值。

1.傳統高?；@球運動員選材模式的局限性

1.1 數據收集數量較少

傳統高?；@球運動員選材，大多是參考運動員在中學時期的比賽數據統計和入學前的基本身體素質指標測試數據，收集數據量較少，缺乏支撐性［2］。

1.2 特定時間段選材的局限性

由于運動員存在個體差異性，例如身體機能的生長發育情況、心理素質培養程度、技戰術的理解運用程度都會根據不同時間段發生不同程度的改變。因而運動員選材應是一個長時間的、持續性的工作。

1.3 對于某些數據的提取和處理分析的局限性

運動員的選材過程中存在某些指標難以量化，例如心理素質因素，通過傳統的方法容易受到特定干擾因素的影響，以至于得出的結論存在一定程度的誤差。

2.選材模式的需求分析

在高校選拔籃球運動員的過程中，無論使用什么方法，其最終目標都是為選拔出高素質的籃球運動員［3］。因此將大數據技術與高校籃球運動員選材過程結合的目標是：利用大數據技術將各類指標數據進行挖掘收集、分類存儲、處理分析?？傮w需求分為三部分內容，分別為數據收集挖掘部分、數據分類存儲部分和數據處理分析部分。

2.1 數據收集挖掘

通過信息傳感器和智能手機進行數據收集，收集數據目標為與運動員選材相關的各類指標數據，其中包括身體形態、身體素質水平、生理機能指標、運動行為因素、年齡因素、心理素質等。將所收集的數據分為兩種不同類別進行存儲，分別為量化數據和不可量化數據。

2.2 數據分類存儲

將所挖掘和收集的兩種不同類型的數據，分別細化存儲。建立三個數據庫，存儲內容分別為身體條件數據、技戰術運用條件數據、心理素質數據。在以上三個數據庫中進行特殊設定，將所保存數據分為永久保存數據類型和暫時保存數據類型，根據選材階段不同，可依據實際工作需要選擇數據的存儲方式。

2.3 數據處理分析

引入大數據技術進行運動員選材，其主要分析方法為可視化分析、數據挖掘算法和預測性分析法。其中建立選材判定指標矩陣作為基底，提供教練員后臺接口，將所需數據從存儲數據庫中提取，不可量化數據通過模糊數學概念將其量化，通過預測性分析法將所提取數據進行二次挖掘，再將所有數據進行權重評判分析，最終通過可視化分析法對所有提取數據綜合分析判定，輸出最終評判結果。

3.選材模式的可行性分析

3.1 經濟因素

將大數據技術引入高?；@球運動員選材模式之中，在分析所需成本后發現，并不需投入過多經費。在建立初期，因各校選材人數相對較少，可建立相對規模較小的本地數據庫。在選材體系逐漸成熟，數據量大幅增加時，再運用云存儲技術，不需投入較大成本。其最主要成本投入為硬件設備的引進和維護，但隨著信息傳感技術和智能手機技術的發展進步，智能手環、運動芯片和各類型手機不僅對數據的收集和存儲能力提高，且價格更加低廉［4］。因此，在高校中使用大數據技術進行運動員選材在經濟層面是可行的。

3.2 環境因素

現如今高校都已培養高素質全面人才為辦學宗旨，各類高校都在綜合發展。將計算機科學的大數據和云計算技術引入體育學中的運動選材學符合當今互聯網＋的趨勢，高校做為最好的學科交叉科研平臺，擁有最佳的計算機、數學、體育學、生物遺傳學的人力資源。因此，大數據技術結合運動員選材，在高校環境下具有較高的可行性。

3.3 安全因素

將大數據技術結合高校籃球運動員選材的過程中，會收集和存儲大量的信息數據，因此信息的安全性必須得到重視。在互聯網環境下，存在各類安全隱患，但隨著互聯網安全法規的不斷深入完善以及各類網絡監管技術的提高，可以有效地提高運動員個人信息數據的安全系數。

4.選材模式的總體設計

4.1 系統設計基本原則

結合基于大數據技術的校園籃球運動員選材模式系統的運行應用環境、相關功能需求和使用用戶的特點，歸納出設計本系統的四項基本原則，分別為系統的實用價值原則、信息數據的準確原則、遵循行業相應標準原則和系統的可拓展性原則。

4.2 選材系統的模塊設計

根據上文的系統需求分析，可知本系統包含的功能模塊有：數據采集模塊，其中包括傳感器收集傳輸接口、手機傳輸接口；數據存儲模塊，其中包括身體條件數據庫、技戰術運用條件數據庫、心理素質數據庫，并可設定數據類型為永久保存或暫時保存型；數據處理分析模塊，提供矩陣模型建立平臺，提供教練員選擇數據功能（可選擇所需數據，排除干擾因素），可設置選材指標權重值，可視化分析輸出。在制定目標之后，具體流程是數據收集-數據存儲-數據提取-數據處理-數據分析-結果輸出，總體分為上文中所述的三個功能模塊內容進行。

4.3 結構體系設計

將大數據技術與高?；@球運動員選材相結合后，最顯著特點為通過大數據的全面性對運動員各項指標數據的變化情況進行處理分析。因各項數據之間存在著不同程度的關聯性，例如三十米變速跑與心理因素［5］，看似不相關，但經過二次數據挖掘，發現存在一定程度的聯系。因此在研究過程中，不僅要研究其獨立因素，還要通過其他因素對此因素的影響做相關性分析。因此對輸出的結果要多次的、反復的研究，對于單項因素指標要做到不斷地、反復地二次挖掘，對相關性深層次的研究。在數據數量達到一定的基礎后，云計算技術的高速運算將成為輔助工具的最優解。

5.結語

本文主要研究了高?；@球運動員選材模式與大數據技術結合后，可提供更加準確的選材參考依據。通過計算機科學與體育學的學科交叉，做出較為詳細的需求分析、可行性報告，并以系統總體設計的方式予以呈現。但整體還處于初期階段，為了培養出更加優秀的運動員和籃球運動更好的推廣，讓我們共同不懈努力。