Sporcular için sensör verileri üzerinden yapay zeka ile performans yönetimi = Performance management with artificial intelligence via sensor data for athletes

Abstract

Teknoloji ve teknolojik araçların gelişmesi ile beraber yaşamımızın bütün alanlarında olduğu gibi spor alanında da insan yararına kullanılabilen cihaz ve uygulamaların sayısı ve kalitesi de gün geçtikçe artmaktadır. Günümüzde birçok teknolojik araç ve yöntem kullanarak sporculara ait önemli performans bilgileri elde edilmekte, kayıt altına alınmakta ve uygun yollarla işlenerek bu bilgilerin en iyi şekilde değerlendirilmesi sağlanmaktadır. Bu ölçme yöntemleri, performans değerlendirme açısından kısa vadede ve belirli özellikleri ölçme konusunda yeterli olsa da, kayıt ortamlarının yetersizliği, değerlendirme yöntemlerindeki standardizasyon sorunları, ölçülen özellik ve ölçme kriterlerindeki yetersizliklerden dolayı uzun vadede detaylı ve faydalı ölçümler yapamamaktadır. Bundan dolayı, bu yöntemler ile yapılan ölçme, analiz ve değerlendirmeler, sporculara ait doğru verilerin elde edilmesi ve sağlıklı kararlar alınması konusunda yetersiz kalmaktadır. Bu çalışmada, sensör tabanlı tasarlanan bir cihaz yardımıyla, sporcular için önemli performans kriterleri olan hız, çeviklik, dikkat gibi özellikler ölçülmekte, kayıt altına alınmakta ve yapay zeka tabanlı yöntemlerle analiz edilmektedir. Bu analizler sonucunda sporcuların yapmış oldukları çalışmalar, gelişim seviyeleri ve performans yeterlilikleri hakkında elde edilen bilgiler, sporcunun kendisi veya çalıştırıcıları (koç, antrenör, teknik direktör) tarafından sürekli olarak takip edilmekte ve bu analiz sonuçlarına göre çalışma programları üzerinde gerekli değişiklikler yapılmaktadır. Yapılacak bu düzenleme, iyileştirme ve veriye dayalı yönlendirmelerle sporcuların performanslarının yönetilmesi ve geliştirilmesi hedeflenmektedir. Tasarlanan cihaz 11-12 yaş aralığındaki 18 öğrenci üzerinde uygulanmış ve her öğrencinin 20 deneme yapması sağlanmıştır. 5 cihaz arasında koşarak toplamda 25 cihaza uğramaları sağlanan her bir öğrenci için 500 veri elde edilmiştir. 18 öğrenciden elde edilen 9000 veri öğrencilere ait kilo, boy ve cinsiyet özelliklerinin yanında uzman görüşü bildiren beden eğitimi öğretmeninin her öğrenci için vermiş olduğu hızlı (H), normal (N) ve yavaş (Y) etiketi ile birlikte bir veri tabanına kaydedilmiştir. Daha sonra bu veriler Weka programı ile 32 adet sınıflandırma yöntemi kullanılarak analiz edilmiştir. Yapılan analizler sonucunda en başarılı sınıflandırma yöntemi %95.8333'lük başarı oranı ile Functions Classifier'a ait olan MultilayerPerceptron sınıflandırma yöntemi ile elde edilmiştir. Bu çalışma ile sensörler, mikrodenetleyiciler ve yapay zeka yöntemleri kullanılarak sporcular için bir performans belirleme modeli oluşturulmuştur. Bu model, sporcuların performanslarını ölçmeyi ve değerlendirmeyi kolaylaştırmakta, hem sporcu hem de sporcu çalıştırıcıları ve değerlendirmecileri için önemli bir referans noktası olmaktadır. Ayrıca tasarlanan cihaz ve oluşturulan modeller sadece spor alanında değil, sağlık ve eğitim alanlarında da kullanılabilecektir. Rehabilitasyon merkezleri ile hastanelerin fizik tedavi ve ortopedi gibi bölümlerinde egzersizleri daha eğlenceli hale getirmek için kullanılabilir. Okul öncesi eğitim kurumlarında, hem oyun materyali hem de psiko-motor becerilerini geliştirmek, okullarda beden eğitimi dersini eğlenceli hale getirmek ve öğrencileri spor müsabakalarına seçmek veya hazırlamak için de kullanılabilir.

With the advancement of technology and technological tools, the number and quality of devices and applications beneficial to humans in various aspects of life, including sports, are increasing day by day. Currently, significant performance data of athletes are obtained using various technological tools and methods, recorded, and processed in appropriate ways to ensure the best possible evaluation of this data. While these measurement methods may be sufficient for short-term performance assessment and measuring specific characteristics, they often fail to provide detailed and useful measurements in the long run due to inadequacies in recording environments, standardization issues in evaluation methods, and deficiencies in measured attributes and criteria. Therefore, measurements, analyses, and evaluations conducted using these methods often fall short in providing accurate data for athletes and making informed decisions. In this study, through a device designed based on sensors, important performance criteria for athletes such as speed, agility, and attention are measured, recorded, and analyzed using artificial intelligence-based methods. The information obtained regarding the athletes' training, developmental levels, and performance competencies through these analyses is continuously monitored by the athletes themselves or their trainers (coaches, trainers, technical directors), and necessary adjustments are made to their training programs based on these analysis results. The aim is to manage and improve athletes' performance through these adjustments, improvements, and data-driven guidance. The designed device was applied to 18 students aged 11-12, with each student performing 20 trials on 5 devices, resulting in a total of 500 data points for each student passing through a total of 25 devices. The 9000 data points obtained from the 18 students, along with their weight, height, and gender characteristics, were recorded in a database along with the rapid (H), normal (N), and slow (Y) labels provided by the physical education teacher for each student. Later, these data were analyzed using 32 classification methods with the Weka program. The most successful classification method obtained from the analysis was the MultilayerPerceptron classification method belonging to Functions Classifier with a success rate of 95.8333%. This study has established a performance determination model for athletes using sensors, microcontrollers, and artificial intelligence methods. This model facilitates the measurement and evaluation of athletes' performances, serving as an important reference point for both athletes and their coaches and evaluators. Additionally, the designed device and models can be utilized not only in sports but also in healthcare and education fields. They can be used to make exercises more enjoyable in rehabilitation centers and departments such as physical therapy and orthopedics in hospitals. They can also be used in preschool education institutions to enhance both play materials and psychomotor skills, make physical education classes enjoyable in schools, and select or prepare students for sports competitions.