我国冬季两项女子运动员体能监测体系的构建研究

张绍礼,姜少英

(1.沈阳体育学院运动训练学院,辽宁沈阳110102;2.沈阳体育学院体育教育学院,辽宁沈阳110102)

◄体育教育训练学

我国冬季两项女子运动员体能监测体系的构建研究

张绍礼1,姜少英2

(1.沈阳体育学院运动训练学院,辽宁沈阳110102;2.沈阳体育学院体育教育学院,辽宁沈阳110102)

运用文献资料法、调查法、测量法和数理统计法等,对冬季两项女运动员体能监测指标进行了专家筛选和指标测试。以运动成绩为因变量,各指标数据为自变量,进行逐步回归分析,对入选体能指标进行降维分层,在此基础上将数据标准化Z分处理,初步建立了科学反映我国冬季两项运动员体能监测体系的回归方程,以及体能单项和综合评价标准。

冬季两项;女运动员;体能监测;评价标准

1 前言

冬季两项运动是由自由式越野滑雪和立卧交替即时射击构成的在规定范围内进行的雪上运动。越野滑雪属于体能类主导耐力性项群,射击运动项目属于技能类表现准确性项群,冬季两项因此具有动静结合且技术表象不同的特点[1]。冬季两项运动员体能监测体系是在参考相似项群的监测指标的基础上,抽取符合该项目体能训练特征的相关指标,并结合其项目特点和规律进行研究。在国外尤其是瑞士、德国等欧洲国家的很多高水平冬季两项运动队都有一套相对完整的体能监测体系,主要涉及到生理生化监控、心理监控和身体素质监控等方面,其中生理机能监控较突出,一些国家利用先进仪器进行生理监控与随时随地采用简单的生理指标检测相结合的方式,将生理指标监测紧密结合训练,并在整个训练周期中结合阶段、强度和训练量进行系统研究,科学化的体能监控不仅指导素质发展的方向,也与训练实践紧密结合,另外,欧洲一些国家冬季两项对在小周期体能训练的科学化监控方面的研究也有显著成果[2-3]。上世纪90年代,我国才刚刚接触冬季两项运动,目前,冬季两项仍属于我国的潜优势项目。通过对我国冬季两项项目特点和规律以及现状研究发现,我国对冬季两项的研究大多集中在提高射击稳定性和滑行技术,以及体能练习的手段与方法上,对体能监测研究的较少,体能训练效果的评价系统并不明晰,运动训练的诊断与分析能力较差[4]。针对不足,本文意在对冬季两项女子运动员体能水平进行有效监控,通过身体形态、生理机能和运动素质方面进行指标测试和综合评分,建立运动员体能评价标准,为运动员成绩的提高提供全面的、有效的支持,为进一步提高冬季两项运动员的科学化体能训练水平,为该项目在2014年冬奥会上取得突破提供科技保障。

2 研究对象与方法

2.1 研究对象

研究对象为我国冬季两项女运动员,由解放军队、长春队、吉林队及呼伦贝尔队现役队员组成。

2.2 研究方法

2.2.1 调查法

①问卷调查。根据研究任务,设计监测指标的专家问卷,并进行了调查。②专家访谈。走访解放军队、吉林队、长春队以及呼伦贝尔队的冬季两项教练员共15人;对沈阳体育学院竞技体校及冰雪教研室的教练及老师共10人进行了访谈。

2.2.2 测量法

在解放军大连旅顺夏训基地、八一双峰冬训基地,对集训运动员的体能,进行了测量。测试对象由现役女运动员20人组成,其中解放军队8人,长春队6人,吉林队6人。运动等级为国家一级以上,平均年龄(21.2±3.8)岁,平均身高(171.4±5.5)cm,训练年限(6.2±3.1)年。

2.2.3 数理统计法

使用SPSS18.0软件对数据进行统计分析,主要采用因子分析、逐步回归等统计方法。

3 研究结果与分析

3.1 冬季两项女子运动员体能监测指标筛选

3.1.1 经验与专家筛选

为了使体能监测指标更能反映训练实际,根据冬季两项运动员体能监测的目的、监测要求、监测对象及训练水平,从体能构成要素入手,并结合冬季两项项目的训练和比赛特点,在充分查阅文献的基础上,初步构建了冬季两项体能监测指标体系[5]。将该体系设计成调查问卷,对有关专家进行

了调查,以半数淘汰法,剔除那些在训练中使用率较少、操作难度较大、实用性较差,与冬季两项运动员体能监测无明显相关或与该项目特点不适应的指标,最终确定冬季两项运动员体能监测指标。即一级指标包括身体形态、生理机能、运动素质指标三大类,三级指标25项,形态和生理机能指标均由仪器和测量工具测得;运动素质指标测试地点为解放军双峰冬季两项比赛场地。场地数据为:最陡上坡坡度:20°,350m(2.5km);最长上坡坡度:17°,长度:800m;最陡下坡坡度:20°,长度:200m(2.5km);最长下坡坡度:10°,长度:1 000m;高度差:30.78m,最大爬坡:24.1m,总爬坡:51.2m;最大弯度:65°,长度:350m(2.5km),最小弯度24°,长度:800m(2.5km)。

3.1.2 统计学筛选

3.1.2.1 初步确定冬季两项女子运动员体能监测指标 为了使运动员体能监测指标的构建更加科学合理,建构的体能监测体系能够最大限度反映运动员的实际体能状况,对运动员的25项指标进行了测试,建立数据库。以女子7.5km项目运动员的成绩为因变量,各项指标数据为自变量,进行逐步回归分析,筛选出冬季两项运动员体能监测指标(表1)。

表1 运动员形态、机能、素质指标逐步回归筛选结果

从表1可以看出,在所有专家筛选出的指标经逐步回归分析后,有12项体能指标的变化可对运动成绩产生影响,具有相关性。入选指标的偏相关系数r=0.271±0.812,较接近于1,表明指标之间的线性相关程度较高,复相关系数R=0.974±0.042,数值较接近于1,表明运动员的成绩和指标变量之间的线性相关程度较密切[6]。入选指标的决定系数较接近于1,说明指标的参考价值较高,进一步说明决定系数与回归系数互为独立性,调整系数值均接近或等于1;查F值表得界限值F(24,225)=2.78＜F0.05=3.29,由于分选指标中F=19.187±7.883＞3.29=F0.05,从而P＜0.01,差异非常显著,即入选指标具有统计学意义,由此说明体能监测指标的筛选结果是较为理想的。

3.1.2.2 标准化后入选指标回归分析 为消除量纲影响,将入选12项体能监测指标和运动员的成绩经过标准化Z分处理后,再次进行逐步回归,来确定以上变量间相互依赖的定量关系,分析结果显示出此方程有效,合乎统计学的各项要求(表2)。

由表2可知,Z分后的回归分析中有7项指标入选,即当β最大卧推=-0.250,β200m滑降速度=1.465时,则表示自变量X最大卧推变化1个标准差,将引起因变量Y变化-0.250个标准差,自变量X200m滑降速度变化一个标准差,将引起因变量Y变化1.465个标准差[7]。因此,因变量Y对于自变量X最大卧推变化的敏感程度远小于Y对于自变量X200m滑降速度的敏感程度,最大卧推的变化对成绩的影响大于200m滑降速度对成绩的影响。因此由表2的分析结果将上臂围度、血红蛋白、肺活量、最大深蹲、血氧饱和度、转弯100m速度、200m滑降速度作为入选指标。

表2 标准化Z分后运动员体能监测各入选指标回归系数与偏相关系数

3.1.2.3 冬季两项女子运动员体能监测指标最终确定 对运动员的指标数据进行因子分析,并对其进行方差极大正交旋转,得出各主成分特征值表,以此对各指标进行命名,并最终确定各监测指标及其重要性。从表3和表4的因子分析结果可以看出,将因子得分较高的指标进行归类,得出决定我国冬季两项运动员体能监测体系的指标的主要因子可以划分为3类,分别命名为:因子1力量耐力因子;因子2上肢有氧因子;因子3速度氧合因子。从各因子载荷指标的分析中可以看出:可以采用上臂围度指标对运动员的上肢肌肉型态及强度进行监测;对运动员的有氧耐力及其负荷强度监测可以采用血氧饱和度、血红蛋白、肺活量等指标;最大深蹲指标可以监测运动员的下肢最大力量;可采用转弯100m速度、200m滑降速度指标来监测运动员的转弯时和下坡时最快滑行速度。因子分类后,根据因子的贡献率大小排列出他们的重要性并最终确定本体系监测指标(表5)。

表3 入选指标因子载荷矩阵

表4 入选指标因子分析结果

表5 相关矩阵的特征值及累计贡献率

由表5的分析结果可得知各个因子特征值的大小。从系统论的角度分析,各子系统所包含要素在结构中的地位应与事物结构中子系统的位置相同。按照子系统中所有要素总特征值的大小,运动员体能监测体系的构建指标的重要性排列为:力量耐力因子(2.783)＞上肢有氧因子(1.951)＞速度氧合因子(1.310)。

3.2 建立多元线性回归方程

3.2.1 建立运动员体能监测回归方程

设运动员的成绩为因变量(Y),与其程度关系较密切的指标最大深蹲、肺活量、上臂围度、转弯100m速度、血红蛋白200m滑降速度、血氧饱和度7项指标为自变量(X1、X2……X7),建立回归模型表6。由表6可知,回归筛选后的指标均存在显著性,从而建立冬季两项女子运动员体能监测体系回归方程:Y=78.040-1.095×最大深蹲(kg)+4.360×肺活量(L)-23.840×上臂围度(m)+15.469×转弯100m速度(m/s)+3.551×血红蛋白(g/L)+2.314×200m滑降(m/s)+0.007×血氧饱和度(%)。

表6 体能监测指标回归分析结果

3.2.2 回归方程基本特征及方差显著性检验

冬季两项女子运动员体能监测指标体系回归方程基本特征及方差检验结果见表7、表8。

表7 体能监测指标回归方程基本特征

表8 方差分析结果

由表7和表8的分析结果可知,入选指标的偏相关系数较接近于1,表指标之间的线性相关程度较高,复相关系数R值较接近于1,表明冬季两项女运动员的成绩和指标变量之间的线性相关程度较密切。决定系数0＜R2＜1,说明回归成功,较符合特征要求。回归方程自由度较高,Durbin-watson(统计量)值接近于2,结果说明残量与自变量互为独立性。因此,由表7的数据分析,调整系数值均接近1;由此说明体能监测指标的筛选结果是较为理想,F=29.130＞F0.05=3.29,由于分选指标中从而P＜0.01,差异性显著。表8中数据显示,Regression(回归平方和)与总方差数字很接近,说明回归效果很好,可见方程具有显著性意义。

3.2.3 构建监测体系结构模型

体能监测体系结构模型,由于身体形态、生理机能和运动素质有相关性的指标构建,运动员的指标数据特征值和指标权重也是结构模型的重要部分。由表9的分析结果可知,入选7个指标,肩负着对体系结构三个一级指标要素的评价任务,对入选指标数据做因子分析,显示因子得分系数矩阵;将分析结果中的Component Score Coefficient Matrix(因子系数矩阵)中的数值为各变量对公因子的得分系数,将其标准化后得到指标的权重系数。女子运动员可通过对一个训练时期运动员在开始、中期及结束时上臂围度变化,辅助检查运动员的上臂肌肉力量,滑降在冬季两项运动中占重要部分,对女子运动员滑行速度素质评价的较好指标。

表9 我国冬季两项女子运动员体能监测体系结构模型

3.3 我国冬季两项女子运动员体能监测指标的评价标准

为了客观地分析我国冬季两项运动员的体能发展水平,更直观的、定量化的反映运动员体能状况,本文先设计评分标准模型对运动员的体能进行评分,进而对体能水平划分等级进行评价。

3.3.1 评价标准的建立

按照测量与评价原理,采用统一标准,对运动员体能监测每项入选指标(包括总成绩)均采用100分制的评价方法[8]。而后,将各单项评分表汇总成入选指标的单项评分表。制定单项评分表的步骤为:1)梳理出指标中的最小值和最大值;2)分别计算第5、10、15、20、…95百分位数的指标定为5-95分,将0分定为最小值,100分定为最大值,列入表中,即运动员的各项成绩评分表,每一项计算出经汇总后,可得出7项入选指标的评价标准(表10)。

表10 季两项女子7.5km项目运动员体能监测体系各指标的评分

由表10的指标评分表可知,通过分析研究得出运动员 体能监测体系的评价标准,在575～609分之间,每5分一档,100分制,由体能监测体系各指标的评分建立运动员的等级评价标准。

3.3.2 冬季两项女子运动员体能监测指标的单项评价标准

运动员的体能监测体系等级评价标准,通过指标得分建立,分为下等、中下等、中等、中上等和上等(表11)。

表11 体能监测体系的单项评价标准

3.3.3 冬季两项女子运动员体能水平综合评价等级标准

根据运动员体能监测体系各指标水平等级评价标准,建立运动员综合评价标准,即总成绩标准,详见表12。

表12 体能水平离差法综合评价等级标准

运动员体能监测体系的建立以及通过对运动员的指标评价,有利于对冬季两项的项目特征有进一步了解和认识,通过对项运动员体能训练结构特征及其主要影响因素的研究分析,本文构建的我国冬季两项女子运动员体能监测体系,为运动员选材、训练计划的制定、训练手段和方法的创新等方面提供理论参考,为指导运动员科学选材和科学训练提供了一定的理论依据。

4 结论

1)冬季两项女子运动员体能监测体系监测指标,由7项指标构成,能对运动员的体能水平进行系统量化和综合评价。

2)建立运动员体能监测体系回归方程和特征模型,运动员各指标评分与综合评分高度相关,且相关性具有显著意义(P＜0.01),有效性检验表明指标筛选理想,体系构建合理。

3)提出运动员体能监测指标的权重成绩,并建立了科学评价冬季两项运动员体能单项和综合评价标准。

4)冬季两项女子运动员体能监测体系的构建,对冬季两项的项目特征有了宏观定位,另对运动员体能特征结构和模式进行了量化分析,为指导运动员科学选材和科学训练提供了一定的理论依据。

[1]田麦久.项群训练理论[M].北京:高等教育出版社,1998.

[2]Manfredini F,Malagoni AM,Litmanen H et al.Blood parameters and biathlon performance[J].Journal of Sports Medicine and Physical Fitness,2009,49(2):208-213.

[3]Manfredini F,Manfredini R,Carrabre JE,et al.Competition load and stress in sports:a preliminary study in biathlon[J].International Journal of Sports Medicine,2002,23(5):348-352.

[4]秦秋红,陈 文,谭 睿,等.中国冬季两项运动发展现状及对策研究[J].哈尔滨体育学院学报,2010,28(1):20-22.

[5]张海忠,邓运龙,王保成,等.军事五项女运动员体能监测指标的建立[J].北京体育大学学报,2007,30(4):507-509,515.

[6]严丽坤.相关系数与偏相关系数在相关分析中的应用[J].云南财贸学院学报,2003,19(3):78-80.

[7]杨 有,李晓虹.多重共线性的逐步回归检验分析[J].重庆三峡学院学报,2006,22(3):39-41.

[8]刘自远,刘成福.综合评价中指标权重系数确定方法探讨[J].中国卫生质量管理,2006,13(2):44-46,48.

China’s Biathlon Women Athletes Physical Monitoring System

ZHANG Shaoli1,JIANG Shaoying2
(1.School of Sports Training,Shenyang Sport University,Shenyang 110102,Liaoning,China;2.School of P.E.,Shenyang Sport University,Shenyang 110102,Liaoning,China)

In this paper,the authors had expert screening and testing indicators on biathlon women athletes’physical monitoring indicators using the method of literatures,survey,measurement and statistics.Taking the Athletic performance as the dependent variable and index data as the independent variables,we carried on a stepwise regression analysis,and conducted dimensionality reduction stratification of selected physical indicators,standardized Z-score on the basis of data processing,established an initially scientific regression equation reflecting our biathlon athletes physical monitoring system,as well as a physical single and comprehensive evaluation criteria.

biathlon;female athletes;physical monitoring system;build

G865

A

1004-0560(2013)03-0096-05

2013-01-15;

2013-03-16

国家科技支撑计划课题《冬奥会冬季两项与越野滑雪(短距离)专项训练方法与手段的研究与应用》,课题编号为2009BAK57B04。

张绍礼(1962-),男,教授,主要研究方向为体育教学训练理论与方法。

责任编辑:乔艳春