国际视域下关于网球运动员的研究路径与热点演化分析

马孝刚 张志华 史兵

摘 要：以Web of ScienceTM核心合集收录2007—2017年国外对“网球运动员”研究的文献1 292篇以及相关参考文献为研究对象，运用Cite SpaceⅤ可视化分析软件揭示国外对网球运动员研究的热点和演化进程。研究结果表明：国外对网球运动员的研究形成了以体育科学、心理学、神经科学、生理学和社会科学诸多学科相互交叉的综合性学科群；研究力量主要集中在欧美发达国家的高等院校中，亚洲地区仅日本国家的发文量排名进前十。研究热点以网球运动员的运动成绩、技术分析、生理机能和比赛特点为主导，近年研究领域趋向于球员的视觉搜索特征、比赛分析、儿童和工作记忆。

关键词：网球运动员；研究热点；知识图谱；Cite SpaceⅤ；国外

中图分类号：G845 文献标识码：A 文章编号：1009-9840（2018）05-0055-10

Abstract：This study did quantitative and visual analysis on 1292 published papers on tennis player during 2007～2017 in Web of ScienceTM by using Cite Space Ⅴ， in order to reveal the hot spots and evolution of tennis study in the world. Results show that the foreign research on tennis players has formed comprehensive discipline cluster involved in sports science， psychology， neuroscience， physiology， and social science. The research force is mainly concentrated in the institutions of the developed countries in Europe and the United States， and in Asia only Japan ranked top 10 in terms of publication volume. Among research hot spots， tennis players' performance， technical analysis， physiological function， and the characteristics of the game are leading， and the research has transferred to players' visual search features， game analysis， children and working memory in recent years. Many high quality scientific research achievements and multi-field analysis have laid an adequate scientific foundation for the theoretical research and practical application of tennis players abroad.

Key words： tennis player； research hot spot； knowledge map； Cites pace Ⅴ； foreign

近年来国内越来越多的人参与网球运动，使这项运动得到了快速的发展。但从国际网球三大组织（ITF、WTA、ATP）和每届奥运会的成绩中可以看出，国内网球运动员整体竞技水平仍落后于国际水平。早在2004年雅典奥运会，孙甜甜与李婷获得女双冠军，使国内了解到网球这项运动。2006年郑洁和晏紫斩获澳网和温网女双两座冠军，书写了我国网球运动的历史。2011年中国女子职业网球运动员李娜获得法国网球公开赛冠军，打破了欧美网球选手在大满贯赛事上垄断一百多年的历史。但随着李娜的退役，郑洁淡出人们的视线，彭帅饱受伤病困扰，中国女子網球黄金一代开始谢幕。在“后李娜时代”中，现役年轻女子选手中，段莹莹、王蔷、郑赛赛的WTA排名一直徘徊在100 名左右，在WTA分站赛和大满贯赛事中鲜有出色发挥，青黄不接非常严重[1]。上世纪90年代，中国男子网坛选手潘兵获得中国男子网球的第一个亚洲冠军，世界最高排名冲击到170位。而现如今的男子选手中，如张择、吴迪、公茂鑫等球员的ATP排名基本在200名左右，总体排名比较靠后，没有ATP分站赛冠军头衔，大满贯赛事也是以持外卡参赛为主，整体实力较差[2]。国内诸多研究者对网球运动员在力量训练[3]、网球运动损伤[4]和视觉预判[5]等方面都有过深入研究，但网球运动员实际比赛成绩竞技水平却未能得到有效提升。故此本文以Web of Science数据库中收录的网球运动员相关的研究文献作为研究对象，运用Cite Space可视化分析工具，解读国外网球运动员的研究现状，探索世界网球运动员研究的前沿热点，为国内学者研究提供准确的研究方向，认识到国内外网球运动员研究的差异，并根据其研究的重点内容提供建议，弥补我国网球运动员研究的不足之处，以便促进我国竞技网球运动的发展。

1 数据来源与研究方法

1.1 数据来源

本研究数据来源于美国科学情报所研发的Web of Science TM核心数据库。收集过程中经过反复筛选对比，保证数据的准确性与有效性。经过多次对比最终确定以布尔算法[6]进行主题检索，确保算法准确无误。检索过程中发现“运动员”一词含义广泛，有“player”和“athlete”两种表达方式，检索“tennis”过程中发现会出现与“table tennis”相关的文献。故此最终确定在高级检索中以主题tennis player或tennis athlete不包含table tennis athlete不包含table tennis player不包含文献发表国家为China的检索词进行检索。文献格式为article和proceedings article，检索时间段为2007年1月1日至2017年11月11日（下载日期为2017年11月12日），共检索文献1308篇，为确保文献的检索质量，通过人工筛选与主题不相关文献7篇，并运用 Cite Space软件自带的题录数据除重功能，对下载的文献题录数据进行除重处理，最终获得文献1 292篇（如表1）。

1.2 研究方法

本研究借助美国德雷塞尔大学（Drexel University） 信息科学与技术学院陈超美博士与大连理工大学 WISE 实验室联合开发的 Cite SpaceⅤ科学文献分析工具[7]，利用数学和计算机的分析手段，探索研究文献的内外部特征，通过知识结构图分析研究的结构和热点，以图谱形式体现研究的重点并提供决策性依据[8]，展示某学科或国家地区在研究领域中的热点和趋势，为把握学科发展提供支撑。

2 研究结果与分析

2.1 网球运动员研究的核心作者分布

通过知识图谱软件对国外网球运动员研究的核心作者进行可视化分析，获得研究者的图谱。对作者分布情况的分析是深刻把握某一学科研究领域及科研动态的前提[9]，对于在相关领域有深入见解的作者进行研究，可以有效地掌握本领域科研活动的发展进程，对研究主题的现状分析、总结、提炼和前瞻性研究都有积极的意义。

由表2前10名高产作者统计表中可以看出，国外研究网球运动员的学者相对比较集中，大多数是以某一位作者为中心所建立的研究团队。其中有4位作者来自澳大利亚，3位来西班牙，英国、法国和卡塔尔各有1位作者。Reid博士为西澳大利亚大学教授，发文量高达50篇，其主要研究领域是网球技术运动学分析和职业网球运动员发展。Fernandez的研究主要为网球训练方法、网球运动员生理机能，发文量为24篇。Williams的发文量为22篇，其主要为网球运动员的心理感知和视觉预测等相关领域。Rogowski的发文量为16篇，主要研究领域为运动疲劳和训练方法。Sanz-Rivas的研究领域为运动生物力学分析、训练方法以及技战术分析，发文量13篇。

2.2 网球运动员研究的机构与国家分布

对网球运动员研究的国家和机构分布进行分析，可获得国外对网球运动员研究的科研水平以及研究成果。运动Cite SpaceⅤ分析软件，节点（Types）选择国家（Country），时区分割设置为1（Slice length=1），选择路径为Pathfinder算法。打开可视化窗口（Visualization），得出网球运动员研究的网络图谱。图中每个圆圈代表一个国家，圆圈的大小与该国家的发文量成正比。圆圈最外层代表文献的中心性（Centrality），中心性是科学知识图谱中起连接作用大小的度量[10]。

国家发文量`体现了该国家对本研究领域的重视程度和科研能力。经可视化结果得出，美国是研究网球运动员发文量最多的国家（352篇），处于第一位，占所有国家发文量的22.2%，其次是英国（189篇）、澳大利亚（158篇）、西班牙（140篇）、法国（112篇）、德国（80篇）、加拿大（55篇）、日本（42篇）、荷兰（40篇）、意大利（39篇）、巴西（39篇）、瑞士（35篇）、土耳其和卡塔尔发文量均为30篇。上述国家总体发文量占据总发文量的85.7%，从国家发文量的中心性可以看出，澳大利亚发文量的中心性名列第一（0.49），其次是德国（0.38），法国与卡塔尔同为（0.23）排名第三。其余国家发文量的中心性依次为意大利（0.20）、英国（0.18）、加拿大（0.11）、新西兰（0.10），而发文量较高的美国仅为（0.01），西班牙仅为（0.05），说明美国在拥有较高科研平台和实力的基础上有较大的文章产出量，但其文章的影响力远不及澳大利亚、德国、法国和英国等国家。澳大利亚、英国、美国、法国四国为四大满贯赛事承办地，拥有深厚的网球历史和优秀的网球运动员，无疑对网球运动员的科研实力有很大的促进作用。结合国家地区划分得出，发文量前10名国家中，北美洲两国（美国、加拿大）；大洋洲一国（澳大利亚）；欧洲六国（英国、西班牙、法国、德国、意大利、荷兰）；亚洲一国（日本）。发文中心性排名前10的国家地区分布为：大洋洲（澳大利亚、新西兰）；欧洲（德国、法国、卡塔尔、意大利、英国、瑞士、西班牙）；北美洲（加拿大）。

综合得出对网球运动员研究的整体实力集中在欧洲各国，美国虽是最高产量国家，但科研影响力较低。澳大利亚在文章产量和中心性排名中都名列前三，展现出较强的科研实力。亚洲各国中日本是唯一进入前10的国家（中国除外），这与日本目前网球运动的盛行离不开，日本选手锦织圭近几年在各大赛事上取得优异成绩，提高日本体育科研人员对网球运动员的重视程度。从图2中看出日本國家的节点与其他各国的连线主要有两条，澳大利亚和马来西亚，与澳大利亚之间的连线较粗，说明日本与澳洲之间关于网球运动员的研究密切，进而提高日本对网球运动员研究的整体科研实力。对发文机构进行可视化分析得出：研究机构均是由各国高校组成，其中发文量最频繁的高校为澳大利亚的西澳大利亚大学、澳大利亚网球学院、澳大利亚体育学院、英国的拉夫堡大学和利物浦约翰摩尔大学、西班牙的埃斯特雷马杜拉大学和米格海尔兰德斯大学、法国的里昂大学、斯洛文尼亚国家的斯洛文尼亚大学。期中米格海尔兰德斯大学和美国的斯坦福大学分别在2014年和2010年出现突增现象，达到3.70和3.32，突增量（burst）是指文章在短时间出现较大的增长量。

2.3 网球运动员研究的主要学科

提高网球赛事的发展和球员的竞技水平就必须从运动员出发，对与运动员相关的领域进行深度挖掘，确保竞赛训练、医疗设备和运动营养等方面的综合发展。竞技水平不仅仅局限于体育类学科的知识领域，更需要综合各学科相关知识统一运用到运动员个体。运用Cite Space软件对国外网球运动员研究的学科分类进行可视化分析，设置“时间分割”（Time Slicing）值为1，节点类型选择学科类别（Category），阈值选择Top N代表每个时间间隔内频次最高的50个，采用关键路径算法，得出节点N=61个，连线E=128条组成有关网球运动员研究学科分类的共现网络图。

根据图列信息可得出，其中784篇是以体育科学学科为主的文献，其余均是以多学科交叉研究的结果，主要有心理学（264篇）、社会科学（193篇）、体育休闲与旅游（187篇）、应用心理学（138篇）、矫形学（107篇）、工程学（82篇）、生理学（70篇）和实验心理学（65篇）。从学科发文量中可以看出心理学相关文献数量较多，分为心理学、实验心理学、应用心理学三大类，除体育科学文章占据39.8%以外，心理学相关文献达到23.8%。从学科中心性排名中看出体育科学（0.45）排首位，排名第二位为神经科学（0.29），社会科学（0.28），表明国外对网球运动员研究学科中以体育学科为主导，心理学为辅的科研路线。文章影响力中体育科学学科占主要位置，但神经学科是仅次于体育科学学科之后的主要影响学科，说明国外对网球运动员的研究已经不仅局限于竞赛训练相关领域，更是深入到与网球运动员相关的视觉或脑神经学科领域。

2.4 网球运动员研究的热点分析

热点研究的依据是词频，在科学研究领域，可以按照学科领域建立词频词典，从而对研究人员的创造活动做出定量分析。词频分析方法就是在文献信息中提取表达文献核心内容的关键词或主题词频次的高低分布[11]，来研究该领域发展方向和研究热点的方法。

2.4.1 关键词共现分析

运用Cite SpaceⅤ软件，将Web of ScienceTM核心合集收录的1 292篇“网球运动员”文献进行分析，节点（Node Types） 选择关键词（Keyword），阈值设置为 Top50，使用路径（Pathfinder） 算法，得到228个节点，739条连线的网球运动员研究热点共现图谱（图4）。图谱中，每个节点代表网球运动员研究的一个关键词，节点的大小与网球运动员研究领域关键词的频次成正比，节点间的连线代表关键词间的亲疏关系，连线越粗，表示关键词间的关系越密切[12]。将表达意义相同的关键词进行合并处理，如tennis player和player同时表达运动员的意思，故将这两组词进行合并。类似还将tenni和performance合并、sport和exercise合并，最终所得出关键词的频次和中心性如图4所示。

由表3中可知运动表现（performance）出现频次最高549次，可见国外对网球运动员的研究领域主要集中在网球运动员的运动成绩上，以提高竞技能力和运动成绩为主要出发点，对运动员力量训练（strength）、恢复（recovery）、移动能力（movement）和锻炼（exercise）等进行了详细的研究。网球是一项高强度、爆发性极强的运动，球员在比赛中体现大量的短时间启动、变向、加速和制动。比赛持续时间较长，约1～5小时，大部分赛制为三盘两胜制[13]，并且在不同比赛场地中，球员每回合时间也有一定的区别，据统计职业球员实际比赛时间约占总时间的16%～26%[14]。而青少年网球比赛中的实际时间为总时间的30%，比赛时间与休息时间的比例约为1 ∶ 3，可见比赛时间较长，故提出青少年时期就应该重视球员的体能训练。此外Kibler（2000）研究得出职业网球运动员拥有较强的有氧运动能力，最大摄氧量VO2max值在44 ml/kg/min至69 ml/kg/min之间[15]。综合得出国外学者对网球运动员的研究更集中于对比赛实际情况的分析，检测各项指标对训练提供监控，确保球员在训练中的身体反应与实际比赛相一致。重视球员的力量和体能训练，严格规定训练中的间歇时间，为球员的技战术水平奠定体能基础。

损伤（Injury）、疲劳（Fatigue）的出现频次和中心性分别为108和0.13，运动损伤和球员身体抗疲劳的程度有很大的关系，身体容易疲劳的部位出现损伤的概率也就越大。网球运动中的疲劳效应表现为：击球时机不准（速度和精度）、技术动作变形和不正确的战术选择[16]。据统计一名职业网球运动员每年出现损伤的概率为0.05～2.9[17]。大多数肩部损伤被认为发生在发球时引拍至击球这一阶段，引拍阶段外部旋转抵抗肩部内旋转和水平内收承受高度负荷[18]。美国网球公开赛1994—2009之间，平均每1 000场比赛都会出现48.1的损伤[19]。温布尔顿网球公开赛2003—2012年每1000次比赛中的平均伤害发生率为20.7[20]。Nina（2010）研究得出男运动员出现损伤的比例为每1 000小时出现1.7例，女运动员为每1 000小时出现0.6例，其中65%为新伤，大部分位于膝关节和踝关节，并得出女子球员比男子球员更易受伤，男性的下肢损伤更突出。比赛中每一分球员双方需要进行8.7个变向，每一次快速变向对膝盖所产生的负荷是体重的1.5～2.7倍。因此出现损伤的主要部位为腰伤、肩关节损伤和踝关节损伤为主[21]。结果表明网球比赛出现损伤的概率较高，大多出现在关节部位。国外对网球运动损伤的研究主要以收集统计为主，将损伤进行分类，提高教练员和球員预防损伤的重视程度。故此针对球员损伤的研究应当趋向于损伤预防和身体保养，着重赛前、赛中和赛后对球员身体的实时监控。

感知觉（Perception）、运动生物力学（Biomechani-

cs）、运动学（Kinematics）出现频次为79次、78次、75次，中心性均为0.09。4个关键词是与网球运动员运动感知觉和技术动作分析相关的内容。Alison（2011）研究得出平击发球具有较高的水平速度，垂直方向的速度分量较小，球拍位置位于肩关节后8.7 cm，内侧21.1 cm[22]。Matthew（2011）得出运动员和教练应该提高关节部位肌肉力量（例如手腕屈肌、肘屈肌、外肌和内肌、髋伸肌和踝关节跖屈肌），提高上肢关节的角速度[23]。Chow得出二发球速相比一发减少24.1%，两次发球在击球前球拍的速度和方位并没有差异性。二发相比一发的调整主要是击球前向前移动和球拍的垂直速度与水平速度增加，二发时抛球更贴近身体，改变垂直速度和水平速度进行上旋和侧旋发球[24]。这表明国外对网球运动员技术动作研究比较细化，将技术动作进行分类详细介绍各阶段的运动状态，运用生物力学相关指标，分析技术动作的准确性。运动学分析还运用在球员的运动损伤和临床医学中，分析损伤的原因，并对其实施相应的措施。因此，力学分析是监控、预防和诊断球员技术动作的重要手段，研究过程中应当注意各项指标的准确性和实用性。

2.4.2 研究热点的时空分析

为深入剖析近10年国外学者对网球运动员研究的动态演变，运用Cite Space系统中时空分析Timezone view对关键词（Keyword）和主题词（Term）进行可视化分析，得出2007年以来研究热点变化时区可视化图谱5，直观地表达不同时间段内的研究热点和研究趋势的动态发展变化[25]。时区视图是由一系列表示时区的条形区域组成，时区按时间顺序从左向右排列，图5代表一个研究领域的思想演进路径。并结合各年突变词（Citation Burst）汇表，展现出各年突显的研究热点，可以看到，自2007年以来国外对网球运动员研究的发展脉络以及研究热点之间千丝万缕的联系。

由图5可知，国外对网球运动员研究的热点已经由早期的运动成绩（Performance）、可靠性（Reliable）、验证（Validation）、肌肉活动（Muscle activity）、生理反应（Physiological response）以及损伤预防（Jury prevention）等过渡到近年来的视觉搜索特征（Visual search strategy）、比赛分析（Match analysis）、儿童（Preadolescent children）和工作记忆（Working memory），但至今关于网球运动员力量（Strength）、移动能力（Movement）、疲劳（Fatigue）和损伤（Injury）等研究仍是主要研究对象。由各年突变词可得出，青少年网球运动员（4.321）、骨密质（4.0244）、性别（3.3692）和损伤预防（3.3424）突变时间较长，可见国外对这几方面进行了深入的研究。

2.5 研究热点的演化分析

运行Cite Space软件，控制版面中节点选择Cited Reference（被引文献），设置“Time Slicing”值为1；阈值项选择“Top N per slice”（N=50），节点阈值设定为每个时间切片中共被引频次的前50，算法选择“Pathfinder”（寻径网络算法）进行分析，运行软件，并按照中心性的高低显示体育运动风险的关键点图谱。由图6可见，网球运动员的主要聚类分为3个：#1网球运动员生理机能；#2网球比赛特征与力学分析；#3网球运动对骨骼影响；#4网球运动感知觉。

知识群C1：网球运动员生理机能。Jaime（2007）得出青少年女子网球运动员在比赛中的活动特征如下：平均每回合比赛时间8.2（5.2）s；每回合恢复时间17.7（6.5）s；比赛时间约占总时间21.9（3.8）%；每回合击球次数2.7（1.7）；每回合变向次数2.3（1.4）。平均心率和血乳酸浓度分别为161（5）次/min和2.0（0.8）mmol/L，发球局期间平均心率[166（15.4）次/min）]显著高于接发球局[156（19.6）次/min]（P=0.004）[26]。Alberto（2007）对8名ATP男子单打网球运动员在比赛中的身体变化特征进行统计，得出：每回合比赛时间7.5（7.3）s，休息时间16.2（5.2）s，纯比赛时间21.5（4.9%），每回合击球次数2.7（2.2）次。平均血乳酸浓度为3.8（2.0）mmol/L，RPE值为13（2）。发球局中血乳酸浓度和RPE值显著高于接发球局（P<0.01）。Smekal（2001）为检测网球单打比赛中的生理需求，选取20名选手进行10场50 min/场的比赛。使用便携式系统测量呼吸气体交换量Respiratory gas exchange measures （RGEM）和心率（HR），平均耗氧量（VO2）29.1±5.6 mL·kg-1·min-1（占最大摄氧量VO2max的51.1±10.9%）。平均每场比赛的摄氧量范围为10.4至47.8mL·kg-1min-1（占最大摄氧量的86.8%）。Duration of rallies（DR）平均每回合时间：6.4±4.1 s； Effective playing time（EPT）实际击球时间占总时间的29.3±12.1%；Stroke frequency （SF）正手击球频率为每分钟42.6±9.6次。结果显示每回合击球时间是影响网球比赛中能量消耗的关键因素；平均最大摄氧量47.8 mL·kg-1min-1可作为训练中的负荷强度的参考，有助于球员承受高强度比赛对体能的消耗[27]。Kovacs（2006）提出为网球运动员设计训练方案时应当考虑到方案的实用性，根据球员的年龄、性别、球员打法、体能、技战术和心理素质严格设计，训练模拟比赛中的回合时間5～10秒，训练休息时间比例在1 ∶ 3到1 ∶ 5之间，球员瞬时启动和变向训练应安排在20米以内[28]。Girard（2006）为探讨长时间网球比赛中最大等动收缩和爆发力强度的变化，设计12名网球运动员进行3小时的网球比赛，比赛期间每30分钟和赛后30分钟测试Maximal isometric voluntary contraction （MVC）最大等动收缩， Leg stiffness （hopping）腿部劲度，Peak power in squat （SJ）深蹲峰值，Countermovement （CMJ） jumps下蹲跳。并记录Heart rate （HR）心率， Effective playing time （EPT）， Rating of perceived exertion （RPE）主观感觉疲劳程度， Muscle soreness of knee extensors膝关节伸时的疼痛感。得出最大等距主动收缩（MVC）（29%；P=0.05）和腿刚度（29%；P=0.17）随比赛时间逐渐下降，而比赛后两者之间呈显著相关（r=0.66；P=0.05）。深蹲峰值与蹲跳在赛间保持不变，但在赛后测得呈下降趋势（P=0.001）。平均心率（HR）和实际比赛时间 （EPT）分别为144（8）/min和21（4）%，两者之间存在高度相关（r= 0.93；P<0.05）。运动期间RPE和肌肉酸痛感呈线性增加，且显著相关（r = 0.99；P<0.001）。据此针对赛中各项指标的变化，制定与比赛相吻合的训练计划，提高球员的竞技水平[29]。研究表明国外对网球比赛中各类信息进行分类，对各部分所表现出来的生理特征和主观感觉进行分析。研究设计以球员参加真实比赛为基础，切实分析赛中球员的状态，运用多项生理指标对球员在比赛中的实际情况进行研究，为检测训练效果提供了直观性的标准。并对比赛中球员的击球次数和击球时间等相关信息进行统计，从而得出训练中应当制定的内容和计划。可见国外对网球运动员的研究主要以实际比赛特征和生理指标为主，体现真实比赛中的现象制定相应的训练计划，提高球员的竞技能力。

知识群C2：网球运动生物力学与比赛特征。Fleisig（2003）通过2台200 Hz的高速摄像机记录2000年悉尼奥运会20名世界级网球运动员的发球动作，分析从引拍到击球阶段各关节活动的范围和速度。得出膝关节蹬伸之前肘关节屈角度104°，上臂水平外旋172°，快速击球阶段各部位角速度为：躯干前倾（280°/s）、躯干旋转（870°/s）、髋关节旋转（440°/s）、肘关节伸（1510°/s）、腕关节屈（1950°/s）。击球瞬间躯干沿水平方向前倾48°，肘关节呈101°[30]。Elliott（2003）分析得出男子发球速度（Male=183kmhr-1）显著高于女性发球（Female=149kmhr-1），肩关节Maximally externally rotated（MER）外旋力矩达到（Male=4.6%64.9 Nm；Female=3.5%37.5 Nm），男子运动员在肩肘关节的负荷大于女子运动员，这是男子发球速度高于女性的关键因素[31]。Burkhart（2003）结合运动生物力学和病理学解释投掷动作过程中肩关节的损伤原理，得出1）关节囊的厚度阻碍了盂肱韧带的活动范围；2）力作用于后盂唇导致SLAP损伤；3）肱骨过度外旋动作导致肱骨大结节越过肩胛盂；4）肩胛骨过度旋转。建议加强肩关节旋转肌群力量，以抵抗外力和关节囊的负荷[32]。Carboch对10名ATP男子职业网球运动员（平均排名533）的上旋球和切削球发球时抛球的差异性，从接发球球员的视角得出上旋球抛球的最高点更靠近发球方的右侧，击球点大约在右侧30公分。并建议球员使用相同的抛球方式，有利于掩藏他们发球的位置和类型[33]。综上所述，C2知识群中对网球运动员个体的技术动作进行分析，涉及到球员技术动作指导和运动损伤研究，利用直观数据体现出球员的实际情况。建议训练中运用生物力学手段监控球员的现状，制定技术动作的相关模型，保证球员在正确技术动作和预防损伤的前提下提高技术水平。

知识群C3：网球运动与骨骼生长。Pluim在《Health Benefits of Tennis》中指出经常从事网球运动具有显著的益处，包括改善身体健康、降低身体脂肪的百分比、更有利的血脂、降低罹患心血管疾病的风险，以及改善骨骼健康[34]。Bass采用骨密质检测仪（DXA）与核磁共振成像（MRI）对47名8～17岁女子网球运动员在青春期前中后时期进行检测，记录双臂的肱骨外侧横截面积、皮质区、髓质区等相关指标，最终得出优势臂肱骨横截面及和惯性矩大于非优势臂11%～14%，并得出长期运动负荷改变的是骨骼的形状和质量，并不一定是骨密质[35]。Haapasalo（2000）以12位前芬兰国家级男子网球运动员为实验对象，发现优势手臂骨矿物质含量BMC为（14%～27%）、骨横截面积Total cross-sectional area of bone （Tot.Ar）（16%～21%）、骨皮质Cortical bone （Co.Ar）（12%～32%）、骨强度指数Bone strength index （BSI）（23%～37%）、主惯性距Principal moments of inertia （Imin and Imax）（最小33%～61%，最大27%～67%）、皮质厚度Cortical wall thickness （Co.Wi.Th）（5%～25%）。最终得出尽管两侧骨矿物质含量存在显著差异，但双侧骨密度是相同的，优势手臂长期运动负荷所引起的是骨骼的形态改变而不是增强骨密度[36]。Sanchis为检测青春期前期运动是否影响（BMC）骨矿物质含量和Bone mineral density （BMD）骨密度，测量25名网球运动员和21名足球运动员（12岁以下）双臂、腰椎和股骨指标，得出青春期前网球运动员增加的瘦体重和骨量有关，因为优势手臂中的骨骼尺寸和骨密度增大[37]。Ducher（2009）对比43名（10～19岁）男子网球运动员和非网球运动员青春期前、中、后期间运动负荷对骨骼的影响，采用MRI对两臂中部和远端肱骨的全骨区、髓质区、皮质区进行测定，得出青春期中男子网球运动员手臂的矿物质含量BMC要比非网球运动员高17%，皮质区大12%～21%，与青春期前相比青春期中骨矿物质含量BMC和皮质分别增长27%和20%～33%（P<0.01）[38]。C3知识群主要是网球运动对不同时期人体骨骼的影响，检测与骨骼相关的指标，分析出网球运动是否能够改善骨骼的密度，目前对网球运动提高骨密度还有爭议。介绍网球运动对骨骼的影响，观察身体各部位的变化特征，提高对网球活动的认识，帮助网球爱好者更好地参与到网球运动中。

C4知识群：运动感知觉。视觉系统是知觉反应中最重要的感觉系统，主要检测重要的相关信息并作出准确的运动反馈[39]。有效的视觉搜索策略是通过更好的模式识别提高从对手的姿势中提取关键信息的能力[40]。Balser（2014）运用Functional magnetic resonance imaging （f MRI）核磁共振成像，测得15名网球运动员和16名排球运动员在预测对手发球时Action observation network （AON）动作观测网的差异性，专业运动员与未接受过训练的球员相比，AON辅助运动区（SMA）及同侧顶上小叶（SPL）激活强度更深，小脑和同侧顶上小叶（SPL）与预判预期效果呈线性相关，专家组对运动动作表现出更加精细化的感知效果[41]。Williams（2002）经实验得出优秀网球员在击球过程中的注视点专注于身体中心位置，如头部、肩部和躯干部位。而初级网球运动员的专注点在身体边缘位置，如球拍或者击球点[42]。职业网球运动员在预判对手回球时平均注视时间较长和注视位置集中[43]。Shim（2005）试验专家新手组在预判对手回球的准确性得出，专家组相比新手组预判对手击球更加精确F（2，44）=18.93，P<0.05[44]。Mann（2007）采用Meta-analytic元分析，主要目的在于定量分析专业知识对运动感知技能的差异。双列相关系数检测Response accuracy反应精确度、Response time反应时间、Number of visual fixations注视次数、Visual fixation duration注视时间和Quiet eye period静止眼动时间。结果表明：在获取知觉线索方面专家组优于新手组，由反应精确度和反应时间所决定，视觉搜索方面也存在差异，专家组表现更少的长时间注视，延长静止眼动时间，得出高水平网球运动员相比中低等球员，表现出更长的平均视觉固定时间和较少的视觉搜索变化[45]。综上所述，国外对网球运动员感知觉研究较为广泛，通过相关实验仪器分析球员在预判中的表现，帮助球员准确预测来球的路线、高度和速度。将视觉接收器与脑神经加工相结合，分析其相关机制为球员提供有效的预判信息。视觉与脑神经研究是目前网球运动员研究的新领域，而如何实施训练中是今后研究的重点。

3 小结

本文應用Cite Space可视化分析软件对近10年国外对网球运动员的研究进行计量化分析，力图展示国外网球运动员研究现状和发展趋势，文中包括发文量、发文国家和机构分布、学科分布、研究热点和研究演化。

国外网球运动员研究的力量主要集中在欧美发达国家，这些国家为网球运动员研究提供了全面的支持和保障，日本是亚洲唯一一个发文量位进入前十的国家。研究学科以体育科学学科和神经学科为主要学科方向，多学科之间交叉分析网球运动员的相关领域，各国高等院校是重点的科研力量。

研究内容显示围绕球员运动成绩，研究进程经历各阶段的综合和深入，研究热点主要集中在网球运动员技术动作分析、网球运动员生理生化指标、运动损伤、对身体骨骼肌肉的影响和网球运动感知觉。研究对象以具有较高排名的职业运动员为主，设计具体比赛使实验状态与比赛中相吻合。将整体分为各小阶段进行深入研究，并最终落实到球员的训练内容中。

本文研究以对文献进行科学统计分析的基础上，对高中心性的科研成果进行分析，推动网球运动员研究的方向和热点并提供相关的建议。把握国外网球运动员研究的动态和前沿，结合球员实践需求与赛事发展的客观规律，补充、完善和更新国内对网球运动员的研究，并设计到具体训练计划和内容中。

参考文献：

[1]孙晋芳.中国网球运动回顾挑战与设想——2012 年全国网球训练工作会议主报告[J].体育学刊，2013（1）：113-122.

[2]孙晋芳.论中国特色职业网球的探索与创新[J].南京体育学院学报，2013，25（3）：7-9.

[3]赵佳.我国高水平网球运动员力量训练理论与实践[D].北京：北京体育大学，2009.

[4]李博，王雪强，黎涌明.网球伤病特征及影响因素[J].体育科学，2017，37（6）：84-90.

[5]王小春，周成林.基于视觉线索遮蔽条件下的网球专家空间知觉预判：来自眼动与ERP的证据[J].体育科学，2013，33（2）：38-46.

[6]刘贺，孙瑞英.国内图书情报领域信息检索相关性研究[J].图书馆学刊，2017，39（9）：127-132.

[7]Chen CM， Dubin R， Kim MC. Emerging trends and new developments in regenerative medicine： a scientometric update（2000-2014）[J]. Expert Opin Biol Ther，2014，14（9）：1295-1317.

[8]水祎舟，黄竹杭，耿建华.国外足球运动体能训练前沿热点与演化分析——基于科学知识图谱的可视化研究[J].体育科学，2016，36（1）：67-78.

[9]任建生，曾丹，凌波，等.足球运动员专项体能评定方法的研究[J].体育科学，2004，24（5）：49-52.

[10]陈悦.科学知识图谱的发展历程[J].科学学研究，2008，26 （3）：450-451.

[11]李杰，陈超美.Cite Space：科技文本挖掘及可视化[M].北京：首都经济贸易大学出版社，2016.

[12]Chen CM， Ibekwe-Sanjuan F， Hou JH. The structure and dynamics of cocitation clusters： a multiple-perspective cocitation analysis[J]. J Am Soc Inf Sci Tec，2010，61（7） ：1386-1409.

[13]Kovacs， M. Tennis physiology： Training the competitive athlete[J]. Sports Medicine，2007，37（3）：189-198.

[14]Girard O， Lattier G， Micallef JP，et al.Changes in exercise characteristics， maximal voluntary contraction and explosive strength during prolonged tennis playing[J]. British Journal of Sport Medicine， 2006，40（4）：521-526.

[15]Bergeron MF， Maresh CM， Kraemer WJ，et al.Tennis： a physiological profile during match play[J]. Int J Sport Med，1991，12（5）：474-479.

[16]Girard O， Lattler G，et al.Neuromuscular fatigue during a prolonged intermittent exercise： application to tennis[J]. J Electromyogr Kinesiol，2008，18（6）：1038-1046.

[17]Pluim， BM， Staal， JB，et al.Tennis injuries： Occurrence， aetiology， and prevention[J]. Br J Sports Med，2006，40（5）：415-423.

[18]Escamilla RF， Andrews JR. Shoulder muscle recruitment patterns and related biomechanics during upper extremity sports[J]. Sports Med，2009，39（7）：569-590.

[19]Sell K， Hainline B，et al.Injury trend analysis from the US Open tennis championships between 1994 and 2009[J].Br J Sports Med，2014，48（7）：546-551.

[20]Curdie I， Smith S，et al.Tennis injury data from the championships， Wimbledon， from 2003 to 2012[J]. Br J Sports Med，2017， 51（7）：607-611.

[21]Nina H ，Suzanne W，et al.Injury profile in junior tennis players： a prospective two year study[J]. Knee Surgery Sports Traumatology Arthrosc，2010，18（6）：845-850.

[22]Alison L， Sheets D，et al.Kinematics Differences Between the Flat， Kick， and Slice Serves Measured Using a Markerless Motion Capture Method[J]. Annals of Biomedical Engineering，2011，39（12）：3011-3020.

[23]Seeley M， Funk M，et al.Tennis forehand kinematics change as post-impact ball speed is altered[J]. Sports Biomechanics， 2011，10（4）：415-426.

[24]Chow JW， Carlton LG，et al.Comparing the pre- and post-impact ball and racquet kinematics of elite tennis players' first and second serves： a preliminary study[J]. Journal of sports sciences，2003，21（7）：529-537.

[25]陳瑶瑶，倪依克.2008 年以来我国民族传统体育研究进展：基于Cite SpaceⅢ的计量分析[J].中国体育科技，2016，52（2）：12-48.

[26]Fernandez J， Mendez A，et al.Match activity and physiological responses during a junior female singles tennis tournament[J].Br J Sports Med，2007，41（11）：711-716.

[27]Smekal G， Duvillard C，et al.A physiological profile of tennis match play[J]. Med Sci Sports Exerc，2001，33（6）： 999-1005.

[28]Kovacs MS. Applied physiology of tennis performance[J]. Br J Sports Med，2006，40（5）：381-386.

[29]Girard O，Lattier G，et al.Changes in exercise characteristics，maximal voluntary contraction， and explosive strength during prolonged tennis playing[J].Br J Sports Med，2006，40（6）：521-526.

[30]Fleisig G， Nicholls R，et al.Kinematics used by world class tennis players to produce high-velocity serves[J]. Sports Biomechanics， 2003， 2（1）： 51-64.

[31]Elliott B， Fleisig G，et al.Technique effects on upper limb loading in the tennis serve[J].Journal of science and medicine in sport，2003，6（1）：76-87.

[32]Burkhart S，Morgan C，et al.The disabled throwing shoulder： spectrum of pathology Part I： pathoanatomy and biomechanics[J]. Arthroscopy The Journal of A Rthroscopic and Related Surgery，2003，19（4）：404-420.

[33]Carboch J，Suss V.Toss differences between the slice serve and the kick serve in tennis[J].Acta Gymnica，2015，45（2）：93-97.

[34]Pluim BM，Staal JB，et al.Health benefits of tennis[J].Br J Sports Med，2007，41（11）：760-68.

[35]Bass SL，Saxon L，et al.The Effect of Mechanical Loading on the Size and Shape of Bone in Pre-， Peri-， and Postpubertal Girls： A Study in Tennis Players[J]. Journal of bone and mineral research，2002，17（12）：2274-2280.

[36]Haapasalp H， Kontulainen S，et al.Exercise-induced Bone Gain Is Due to Enlargement in Bone Size Without a Change in Volumetric Bone Density： A Peripheral Quantitative Computed Tomography Study of the Upper Arms of Male Tennis Players[J]. Bone，2000，27（3）：351-357.

[37]Sanchis M，Dorado C，et al.Bone Mass in Prepubertal Tennis Players[J].International journal of sports medicine，2010，31（6）：416-420.

[38]Ducher G， Daly R M，et al.Effects of Repetitive Loading on Bone Mass and Geometry in Young Male Tennis Players： A Quantitative Study Using MRI[J]. Journal of bone and mineral research，2009，24（10）：1686-1700.

[39]Zupan LH， Merfeld DM. Human ocular torsion and perceive droll responses to linear acceleration[J]. Journal of Vestibular Research： Equilibrium & Orientation，2005，15（4）：173-183.

[40]Piras A， Pierantozzi E， Squatrito S. Visual search strategy in judo fighters during the execution of the first grip[J]. International Journal of Sports Science and Coaching，2014，9（1）：185-198.

[41]Balser N， Lorey B， Pilgramm S，et al.The influence of expertise on brain activation of the action observation network during anticipation of tennis and volleyball serves[J]. Human Neuroscience，2014，8（1）：6-13.

[42]Williams AM，Ward P，Knowles JM，et al.Anticipation Skill in a Real-World Task： Measurement， Training， and Transfer in Tennis[J].Journal of Experimental Psychology： Applied，2002，8（4）：259-270.

[43]Murray NP，Hunfalvay M.A comparison of visual search strategies of elite and nonelite tennis players through cluster analysis[J]. Journal of Sports Sciences，2017，35（3）：241-246.

[44]Shim J，Carlton L，Chow JW，et al.The Use of Anticipatory Visual Cues by Highly Skilled Tennis Players[J].Journal of Motor Behavior，2005，37（2）：164-175.

[45]Murraya NP，Hunfalvay M.A comparison of visual search strategies of elite and non-elite tennis players through cluster analysis[J].Journal of sports science，2017，35（3）：241-246.