冬奥会单人项目运动员参赛制胜特征及对2022年北京冬奥会的参赛启示

2020-06-05李荣，陈亮

体育科学 2020年4期

李荣，陈亮

（福建师范大学体育科学学院，福建福州 350117）

在没有或很少比赛经历的情况下，运动员首次参加重大赛事即获得优异成绩是十分困难的。就运动员个体而言，有研究认为，影响其竞技表现的主要因素是心理技能和赛前准备（Could et al.，1992，1993；Greenleaf et al.，2001）。心理技能的获得途径多样，除了日常训练外，丰富的比赛经验将有助于在后续比赛中表现的更加自信（Fernandes et al.，2013；Mellalieu et al.，2004）。对精英运动员而言，比赛经验可能比专项能力更为重要（Hanton et al.，1999），其原因在于运动员在多次参赛中可以不断熟悉和适应竞赛规程、比赛环境、裁判员、比赛对手和观众等异地竞赛情境（Mellalieu et al.，2004），并由此降低比赛焦虑（Hanton et al.，2008）。此外，对自行车（Schumacher et al.，2006）、篮球（Brouwers et al.，2012）、网球（Pereira et al.，2014）、体操（Moxley et al.，2015）等专项研究证实，运动员在青年阶段参加高水平比赛经历可以增加其日后步入精英行列的可能性。虽然某些经验非常少的运动员可能在部分比赛中表现突然提高，但从心理发展的角度来看，这种缺乏经验的提高可能是不成熟或不稳定的（Hanton et al.，2005）。

奥林匹克运动会是世界最高水平的综合性体育赛事，国内、外关于参赛经历对奥运会成绩的作用已有研究，包括奥运经历对奥运成绩的影响（郭权等，2009；Kim，2015）、奥运周期内参赛成绩与奥运成绩之间的关系（陈亮等，2012；吕立，2017）、多类型参赛的组合效益（Fahmi，2016）等，但针对冬奥会运动员的参赛经历和作用方式的研究较少。就冬季项目而言，除冬奥会外，全球范围的国际赛事体系还包括由国际滑冰联盟和国际滑雪联合会举办的世界锦标赛、世界杯、大奖赛等系列分站赛。资料查询发现，取得优异成绩的冬奥会运动员，参加上述赛事的经历和成绩存在一定的共性与区别，这些参赛变量或许会对冬奥会成绩的取得发挥作用。为此，本研究试图分析高水平运动员的多类型参赛特征以及讨论其对冬奥成绩取得的作用方式，并以此为基础提出若干建议。

1 研究对象与方法

1.1 研究对象

以冬奥会优秀运动员的以往参赛特征为研究对象，具体包括冬奥会、奥运周期世锦赛、奥运赛季世界杯赛的参赛经历与取得名次。其中，冬奥周期世锦赛是指冬奥会年至下届冬奥会之前的所有世界锦标赛；冬奥赛季世界杯赛是指冬奥会前一年赛季开始至冬奥会前的所有世界杯赛或大奖赛。考察对象为取得2014年索契冬奥会和2018年平昌冬奥会单人项目前8名运动员，运动员样本数共计1 136例。

1.2 研究方法

1.2.1文献资料调研

研究所需数据包括运动员出生日期、冬奥会参赛年龄（首次和本届）、相关赛事参赛次数与取得名次。数据资料来源：2014年索契冬奥会官方网站（https：//www.olympic.org/sochi-2014）、2018年平昌冬奥会官方网站（https：//www.olympic.org/pyeongchang-2018）、国际滑冰联盟官方网站（https：//www.isu.org/）、国际滑雪联合会官方网站（https：//www.fis-ski.com/）。

1.2.2 数理统计

1）二阶聚类（two-step cluster）法：对冬奥会项目按照运动员的参赛年龄进行分类。二阶聚类分析是一个揭示数据集自然分组（分类）的探索性工具，其优点在于可处理分类变量和连续变量，综合处理多项正态分布资料；通过比较不同聚类结果的模型选择标准，自动选择最优聚类数。

2）多重对应分析（multiple correspondence analysis，MCA）分析：分析参赛变量因素（经历与成绩）与本届冬奥会大项及成绩取得之间的关系。所形成的散点图可以直观反映不同变量各分类之间的位置关系，一般来说，从图形原点处出发方向相同且大致在相同区域内的不同变量的分类点之间存在联系，点之间的距离越近，点距离原点越远，表明点之间的关联性越明显。

3）有序Logistic回归：探究社会学变量和各参赛变量维度对本届冬奥会名次取得的共同作用方式。由于本研究各类型项目所含单项及样本量存在较大差异，且自变量较多，故首先以本届冬奥会名次等级为因变量，各变量因素为自变量，采用单因素Logistic回归进行自变量筛选，并以P＜0.10作为相关自变量进入有序回归模型的标准。为进一步分析各因素对冬奥会名次等级取得的影响程度，本研究将优势比（odds ratio，OR）值引入回归模型中。OR值表示乘数倍增效应，算法为对影响系数以自然对数为指数进行幂运算（OR=eβ）。OR值可以度量变量之间的相关程度，当OR＞1时表明有利因素；当OR＜1时表明不利因素；当OR=1时表明该自变量与因变量无关。由于参赛名次变化变量因素为非等级变量，故将其以无参加组为基比设置为哑变量。

1.2.3 研究变量

研究依据竞技能力主导因素和成绩评定方法将冬奥会单人项目分为竞速类、技巧类和混合类3个类别（李海鹏，2018）。同一冬季大项内部，单项规则的不同会使专项技术和能量供应比例存在明显差异，由此决定了运动员参赛数量的可能性。兼项参赛是运动员参加2项或2项以上竞赛的参赛行为，Stewart等（2000）从“一致性”（consistency）的角度发现，在游泳项目中，同一距离不同泳姿的兼项比同一泳姿不同距离的兼项难度大。这一现象在冬奥会参赛中有着类似的规律在考察的2届冬奥会中，除仅设有1个单项的雪橇、钢架雪车、花样滑冰单人项目外，技巧类项目和对专项技术动作要求较高的竞速类项目，均不存在或极少存在兼项现象，与之相比，技术动作相似但比赛距离不同的大项普遍存在兼项参赛现象（冬奥会跳台滑雪女子项目只设立个人标准台，故兼项仅计入男子项目）。为此，依照专项特点和是否存在兼项，将冬奥会单人项目分为了5个类别（表1）。在运动员兼项参赛的情况下，本研究将主项定义为参赛统计时运动员所参加的单项，副项定义为所参加单项之外的其他单项，例如，某运动员同时参加了短道速滑500 m和1 000 m比赛，当统计500 m比赛时，500 m为主项，1 000 m为副项。

表1 依据专项特点和是否存在兼项划分的冬奥会单人项目类别Table 1 Classification of Single Events in Winter Olympic Games According to Special Features and Concurrent Events

除社会学变量（参赛年龄、性别）外，本研究的参赛学变量涵盖以往冬奥会、奥运周期世锦赛、奥运赛季世界杯赛主项及兼项的参赛经历和参赛成绩，其中参赛成绩由参赛最好名次等级和名次等级变化组成（表2）。需要指出的是，在冬奥赛季运动员既可以尽量参加多站次比赛作为获得冬奥会参赛资格、检验个人竞技能力与状态、考察对手的重要手段，也可以选择性参赛，以达到训练调整、“赛前隐藏”、伤病康复的目的，因此冬奥赛季世界杯参赛变量未考察参赛经历，仅纳入参赛最好名次和名次变化2个因素。

表2 本研究变量定义与分类Table 2 Definition and Classification of Variables in this Study

研究对于名次等级变化类型的判定方式与标准为，若奥运周期内举办或参加了3次或4次世锦赛，采用灰色3数据建模法，通过灰色发展系数a予以判定，当a＞0.1时为下降型；当-0.1＜a＜0.1时为平稳型；当a＜-0.1时为上升型。若奥运周期内举办或参加了2次世锦赛，以名次等级的变化予以判定，当前次名次等级高于后次时为上升型；当2次名次等级相同时为平稳型；当前次名次等级低于后次时为下降型。若奥运周期内仅参加了1次世锦赛，统一认定为平稳型。

2 结果与分析

2.1 冬奥会运动员参赛年龄特征及分类

虽然依照不同能量系统在运动中的代谢比例，竞速类项目又可分为速度型和耐力型，但检验结果显示，同一大项中各单项运动员的参赛年龄间并不存在显著性差异（P＞0.05），故将竞速类项目各单项合并作为考察对象。本研究以各单项前8名运动员的首次参加冬奥会年龄、参加本届冬奥会年龄、参加奥运年限为连续变量，以运动员性别为分类变量，依照贝叶斯信息准则（Bayesian Information Criterion，BIC）进行自动聚类。聚类结果显示，一方面，各单项不同性别均被归入同类，表明同一类属项目的运动员参赛年龄与参赛届次不存在性别差异；另一方面，表1中的14类单人项目被分为2个大类（表3）。在预测变量重要性排序中，本届冬奥会参赛年龄效果最好，其次为参加奥运年限，由此认为，冬奥会优异成绩的获得更多地取决于参赛年龄和以往参赛经历。

表3 本研究冬奥会单人项目不同类属运动员参赛年龄二阶聚类Table 3 Two-step Clustering List of Athletes of Different Categories in the Winter Olympics Single Events

类型1包含了自由式滑雪（技巧类）、单板滑雪（技巧类）、花样滑冰、短道速滑、跳台滑雪5类项目，冬奥会参赛特点是首次参赛年龄和本届参赛年龄均较小，参加冬奥会年限较短。花样滑冰的首次参赛年龄均值不足19岁，取得前8名成绩年龄约为21岁，本研究所考察的该项目运动员中65.63%为首次参赛，2018年平昌冬奥会女子单人滑冠军俄罗斯运动员扎吉托娃（Alina llnazovna Zagitova）年仅16岁。与之相比，该类别其余4项目首次和本届参赛年龄相对较大，约为20岁和24岁（图1）。因此，本研究将该类项目称为低龄类项目。

类型2包括自由式滑雪（竞速类）、单板滑雪（竞速类）、越野滑雪、速度滑冰、雪橇、钢架雪车、高山滑雪、冬季两项、北欧两项9类项目。冬奥会参赛特点是首次参赛年龄和本届参赛年龄较低龄类分别迟3年和4年，而参加冬奥会年限长于4年。各项目本届冬奥会参赛年龄大致为28岁并具有较高的一致性，与之相比，首次参加冬奥会年龄具有较大差异性，自由式滑雪（竞速类）相对较高超过25岁，而单板滑雪（竞速类）、越野滑雪、高山滑雪低于23岁。与低龄类相对应，本研究将该类项目称为高龄类项目。

图1 本研究冬奥会单人项目前8名运动员参赛年龄散点误差图Figure 1.Scattered Error Plot of the Top 8 Athletes's Participation Age in the Winter Olympics Single Events

2.2 运动员以往冬奥会参赛特征

本研究分别对不存在或极少存在兼项项目和存在兼项项目进行MCA分析，用以判定各类项目与本届冬奥会取得名次等级、冬奥参赛经历、以往冬奥会参赛名次等级之间的关系。无兼项单人项目的MCA共进行了39次迭代，模型2个维度（dimension）的特征值（eigenvalue）分别为1.631和1.423，惯量（inertia）分别为0.408和0.356，惯量比例分别为53.40%和45.60%，表明模型所有变量与维数的关系较为密切。

无兼项单人项目的本届冬奥会3个成绩等级全部位于原点附近（图2），认为各项目以往冬奥经历与成绩对本届成绩的取得关系复杂。在该类项目中，维度2的0基准线将技巧类项目和竞速类项目分割，表明上述2类项目以往参赛经历对冬奥成绩取得的作用方式具有较大不同。其中，竞速类项目与2次和3次及以上参赛经历（40.63%）和第2、3名的最好名次间存在较强关联；与之相比，技巧类项目与1次或无参赛经历（87.98%）以及以往参赛名次等级较低的第4～8名和未进入前8名关联更紧密。

在有兼项单人项目中，主项MCA共进行了23次迭代，特征值为2.054和1.609，惯量为0.684和0.505，比例分别为57.53%和42.47%；副项MCA共进行了26次迭代，特征值为2.055和1.573，惯量为0.684和0.486，比例分别为58.46%和41.54%，主项和副项模型所有变量与维数的关系较为密切。

有兼项单人项目以往冬奥参赛变量主项和副项的多重对应分析结构较为类似（图3）。在有兼项的冬奥会单人项目中，维度1的0基准线将低龄类和高龄类项目分割，表明2类项目的以往冬奥会经历和取得成绩间存在明显区别。低龄类与无经历和1次经历间关系密切，但与以往成绩的关联性较弱；高龄类与2次和3次及以上经历具有较高的相关性，在以往成绩方面，北欧两项、速度滑冰、越野滑雪本届优异成绩的取得多需要获得过前8名以上成绩，而冬季两项和高山滑雪对以往成绩的要求较低。

图2 无兼项单人项目以往冬奥会参赛变量多重对应分析类别联合图Figure 2.Joint Graph of Multiple Correspondence Analysis Cat‐egories for Participation Variables of Non-concurrent Single Events in Previous Winter Olympic Games

从运动员所需的主导竞技能力方面，低龄类项目对技、战术能力要求普遍较高，运动员能较早表现出高水平但持续时间相对较短（李双玲，2015；王海等，2012）。与之相比，高龄类项目运动员的主导能力发展时序偏晚，并可在较长时间得以保持。研究证实高水平钢架雪车（Yeo，2010）、越野滑雪（Stoggl et al.，2018）运动员参赛经历的重要性，与该类主导能力相似的项目表现出竞技表现峰值较晚（Balyi，2004；Moesch et al.，2011）、年长运动员比赛调整和控制能力较强（Hopkins et al.，2011）的特点。

图3 有兼项单人项目以往冬奥会参赛变量多重对应分析类别联合图Figure 3.Joint Graph of Multiple Correspondence Analysis Categories for Participation Variables of Concurrent Single Events in Previous Winter Olympic Games

2.3 运动员冬奥周期世锦赛参赛特征

无兼项单人项目冬奥周期世锦赛的MCA共进行了58次迭代，模型2个维度的特征值分别为3.081和1.545，惯量分别为0.844和0.441，惯量比例分别为65.68%和34.32%，模型所有变量与维数的关系较为密切。

以竞速类为主的高龄类无兼项单人项目均位于第4象限（图4），其特点是世锦赛参加届次较多，全部参加的比例占冬奥会前8名运动员的56.25%，并且世锦赛取得过的最好名次等级较高，曾取得过前3名及以上成绩的比例达到48.44%。与之相比，以技巧类为主的低龄类各项目全部位于维度2基准线以下，奥运周期世锦赛参赛特征为运动员无参赛经历和不完全参赛的比例之和达到72.92%，其中自由式滑雪和单板滑雪仅在奇数年份举行世锦赛，缺参赛年份的运动员比例较高，因此平稳型的名次变化比例相对较多。

在有兼项单人项目中，主项MCA共进行了21次迭代，特征值为2.058和1.603，惯量为0.685和0.501，比例分别为57.76%和42.24%，副项MCA共进行了24次迭代，特征值为2.024和1.576，惯量为0.674和0.487，比例分别为58.05%和41.95%，主项和副项模型所有变量与维数的关系较为密切。

有兼项单人项目奥运周期世锦赛参赛变量主项和副项的多重对应分析类别联合图结构较为类似（图5）。类别1的跳台滑雪和短道速滑位于第3象限中，2类项目与无世锦赛参加经历和缺参赛年份，以及最好成绩未进入前8名之间存在较高相关性，由此认为该类项目对奥运周期的世锦赛参赛次数及成绩要求相对较低。与之相比，类别2各项目集中分布于第1象限，其特点是与冬奥周期世锦赛全部参加、成绩变化以上升型和平稳型、参赛取得前3名成绩之间具有较强相关性，与此同时，上述因素与本届冬奥会取得成绩之间的等级排序基本吻合，表明该类项目运动员世锦赛中的表现水平与延续性对奥运名次的作用更为明显。

图4 无兼项单人项目冬奥周期世锦赛参赛变量多重对应分析类别联合图Figure 4.Joint Graph of Multiple Correspondence Analysis Cate‐gories for Participation Variables of Non-concurrent Single Events of the World Championships in the Olympic Cycle

2.4 运动员冬奥赛季世界杯赛参赛特征

无兼项单人项目的MCA共进行了23次迭代，模型2个维度的特征值分别为2.113和1.620，惯量分别为0.702和0.511，惯量比例分别为57.87%和42.13%，模型所有变量与维数的关系较为密切。

图5 有兼项单人项目冬奥周期世锦赛参赛变量多重对应分析类别联合图Figure 5.Joint Graph of Multiple Correspondence Analysis Categories for Participation Variables of Concurrent Single Events of the World Championships in the Olympic Cycle

在无兼项单人项目中，技巧类为主的低龄类项目分布于第1象限（图6），其特点是优异名次的取得与世界杯参赛变量之间具有较强的关联性，表现为世界杯赛中曾获得奖牌的比例达到56.32%，并大多要求运动员在冬奥赛季保持成绩的相对稳定。竞速类为主的高龄类主要分布于第3象限，其特点是世界杯参赛取得的名次等级相对较低，世界杯赛取得第4～8名和未进入前8名的比例为61.24%，冬奥会取得第4～8名的运动员30.45%赛季名次等级下降。

图6 无兼项单人项目冬奥赛季世界杯参赛变量多重对应分析类别联合图Figure 6.Joint Graph of Multiple Correspondence Analysis Cate‐gories for Participation Variables of Non-concurrent Single Events of the World Cup in the Olympic Season

有兼项单人项目的主项MCA共进行了21次迭代，特征值为3.092和1.722，惯量为0.846和0.524，比例分别为61.75%和38.25%；副项MCA共进行了35次迭代，特征值为3.078和1.617，惯量为0.844和0.477，比例分别为63.89%和36.11%，2个模型所有变量与维数的关系较为密切。

在冬奥赛季世界杯参赛变量中，有兼项单人项目的主项和副项多重对应分析结构较为类似，低龄类和高龄类均全部分布于第1和第3象限（图7）。冠军和第2、3名主项最好成绩等级位于原点附近，表明2类项目对于本赛季的主项发挥均有着较高要求，而高龄类项目与名次等级上升型有着较高的关联性，如北欧两项、速度滑冰的上升型名次类型占比分别达到65.63%、53.12%。与主项相比，冬奥赛季世界杯兼项参赛变量的区别主要在于副项最好名次等级的变化，第4～8名和未进入前8名的名次等级与高龄类项目及本届冬奥会高名次等级获得之间关联性较强，表明较低的副项名次获得或许有利于本届冬奥会优异成绩的取得。

2.5 运动员参赛对奥运名次的作用方式

依照运动员参赛年龄和是否存在兼项，冬季运动项目运动员的以往冬奥会、冬奥周期世锦赛、冬奥世界杯赛的参赛经历与成绩存在不同程度的差异。为遴选对冬奥成绩获得具有可能性作用的参赛变量指标，本研究通过单因素Logistic回归依次对社会学变量和各参赛变量进行筛选（P＜0.10），依据筛选结果（表4），对低龄类和高龄类的有兼项和无兼项项目分别构建有序Logistic回归模型。

低龄类无兼项组的模型检验结果：模型卡方值为42.607（P=0.000），平行线检验-2对数似然值为101.100（P=0.909）。在低龄类无兼项组中，无论是以往冬奥会参赛经历还是取得名次，均不会显著性影响运动员本届冬奥名次的获得（表5）。冬奥周期世锦赛参赛变量通过参赛名次变化方式发挥作用，具体表现为参赛名次逐步上升（OR=1.443）可以起到有利作用，而参赛名次等级下降（OR=0.754）具有不利影响。研究显示，高难技术的掌握会随着技巧类运动员心理特征和一般技能数量的增加表现出阶段性进展，当进展积累到一定程度时可以实现突破式提高（Suzan et al.，2018），这在花样滑冰项目中也得到了验证（Diana et al.，2017）。奥运赛季世界杯参赛变量主要通过最好名次等级和名次变化共同影响冬奥名次的获得，具体表现为最好名次每提高1个等级，冬奥会中获得更高名次的可能性增加2.399倍，而名次的稳定保持能力同样具有重要作用（OR=1.289）。

图7 有兼项单人项目冬奥赛季世界杯参赛变量多重对应分析类别联合图Figure 7.Joint Graph of Multiple Correspondence Analysis Categories for Participation Variables of Concurrent Single Events of the World Cup in the Olympic Season

表4 单因素Logistic回归分析结果Table 4 Results of Univariate Logistic Regression Analysis

高龄类无兼项组的模型检验结果：模型卡方值为32.405（P=0.000），平行线检验-2对数似然值为91.517（P=0.456）。运动员参赛年龄呈现显著性作用（表6），运动员年龄每增加1岁，名次等级提高的可能性增加1.177倍。各类参赛变量方面，本届冬奥会名次的取得主要由冬奥周期世锦赛和冬奥赛季世界杯决定。其中，在冬奥周期世锦赛方面，参赛经历每提高1个等级，有助于冬奥会名次等级提升1.419倍，但如果世锦赛成绩呈下降态势会产生明显不利（OR=0.478）。冬奥赛季世界杯参赛方面，其作用方式同样主要表现为名次等级具有积极作用（OR=1.334），而上升型和下降型的参赛名次变化会分别产生积极（OR=1.542）和消极（OR=0.685）的影响。

低龄类有兼项组的模型检验结果：模型卡方值为9.734（P=0.012），平行线检验-2对数似然值为 93.455（P=0.793）。本届冬奥会运动员的参赛名次主要由各类参赛变量的最好名次等级决定（表7）。其中，以往冬奥会参赛副项（OR=1.328）、冬奥周期世锦赛参赛主项（OR=1.299）、冬奥赛季世界杯参赛主项（OR=2.145）均可以起到不同效果的积极作用。对短道速滑统计发现，500 m、1 000 m和1 500 m冬奥参赛2次及以上的比例分别为12.5%、25.0%、43.8%，1 500 m运动员在往届相对短距离上大多取得过第4～8名的成绩，由此认为，短道速滑或许存在主项短距离兼项较困难及主项长距离可早期兼项短距离规律。

表5 冬奥会低龄类无兼项单人项目参赛变量对冬奥会名次取得的影响Table 5 The Impact of Variables in the Junior and Non-concurrent Single Events on Ranking in Winter Olympic Games n=160

表6 冬奥会高龄类无兼项单人项目参赛变量对冬奥会名次取得的影响Table 6 The Impact of Variables in the Senior and Non-concurrent Single Events on Ranking in Winter Olympic Games n=272

表7 冬奥会低龄类有兼项单人项目参赛变量对冬奥会名次取得的影响Table 7 The Impact of Variables in the Junior and Concurrent Single Events on Ranking in Winter Olympic Games n=128

高龄类有兼项组的模型检验结果：模型卡方值为20.291（P=0.002），平行线检验-2对数似然值为 164.646（P=0.904）。以往冬奥会主项参赛经历对奥运名次的获得具有积极作用（OR=1.322，表8），这是由于竞速类项目运动员的高水平竞技阶段至少可以持续4～6年（Dianne et al.，2017）。冬奥周期世锦赛的作用方式由主项参赛经历、主项名次变化、副项最好名次等级共同发挥作用，其中，更加充实的主项参赛、相对稳定的主项表现、获得更高的副项名次等级有助于本届冬奥会名次等级可能性提升1.481、1.553和1.726倍，而世锦赛主项成绩的下降又会使名次提升的可能性降低至未参加的0.26倍。有研究显示，副项训练有助于主项提升，竞速类项目应该在副项中参加一定的训练和比赛，与主项形成互补（Rees et al.，2016）。冬奥赛季世界杯赛方面，积极的作用方式表现为主项参赛名次等级（OR=1.284）和上升型的主项参赛名次变化（OR=1.589），而下降型的主项参赛名次变化（OR=0.584）和副项最好名次等级（OR=0.732）会产生不利作用。

冬奥会前一年和当年参加一系列高水平的国际比赛是取得优异成绩的关键（Daniel et al.，2009）。冬奥赛季世界杯的参赛表现反映着运动员的能力高度，因此，冬奥赛季世界杯参赛的最好名次等级，可以作为预测冬奥会成绩的重要指标。精英田径短跑运动员赛季中可出现8～10次状态峰值，峰值间隔19～22天（Suslov，2015），长距离项目单赛季状态峰值有3～5次（Allen et al.，2015）。冬季项目的年度赛事通常分阶段进行，每阶段内间隔1周，阶段之间间隔约3周，表明以磷酸和糖酵解为主要供能系统的短距离竞速类和技巧类项目可以通过多次参赛逐步诱导最佳竞技状态，而长距离竞速项目应做出明确的赛季参赛规划，既避免高水平状态的过早出现，又可以根据世界杯参赛表现做出备战调整（Bompa et al.，2009）。

表8 冬奥会高龄类有兼项单人项目参赛变量对冬奥会名次取得的影响Table 8 The Impact of Variables in the Senior and Concurrent Single Events on Ranking in Winter Olympic Games n=576

2.6 典型运动员参赛特征及我国重点运动员成绩预测

为印证前文的结果，列出2014年和2018年冬奥会部分个人项目冠军运动员的参赛数据（表9），其中包括了在所从事单项中的典型运动员，包括羽生结弦（连续2届花样滑冰男子单人滑冠军）、Kramer（连续3届速度滑冰男子5 000 m冠军）、Bjoergen（越野滑雪女子8金、4银、3铜获得者）、White（单板滑雪男子U型场地技巧3枚金牌获得者）等。

表9 本研究冬奥会不同类型项目典型运动员参赛特征Table 9 Participation Characteristics of Typical Athletes in Different Types of Winter Olympic Games

低龄无兼项项目中，运动员首次参赛即获得冠军；2位日本年轻的花样滑冰运动员虽然在奥运会前2年才参加成年组比赛，但表现出了稳步上升的态势；无论是年少还是年长运动员，冬奥赛季世界杯赛选择性参赛，并始终表现出稳定的高水平。低龄有兼项的短道速滑运动员，冬奥周期世锦赛主项表现稳定，副项略微下降；进入冬奥赛季后，主项呈现出稳定的统治力，而副项成绩明显低于主项。高龄无兼项项目中，运动员均在以往冬奥会取得过较理想的名次；自由式滑雪和单板滑雪的障碍追逐运动员冬奥周期世锦赛参赛成绩呈现稳定或上升；冬奥赛季的成绩表现出一定差异，如加拿大运动员Leman在6站比赛中均未取得前2名成绩，而法国运动员Vaultier作为卫冕冠军，6站比赛全部获得奖牌，表现出极高的稳定性。高龄有兼项项目中，无论是冰上还是雪上项目，国际高水平运动员都有着丰富的冬奥经历且在以往冬奥会中取得过冠军；冬奥周期世锦赛主项比赛成绩稳定性较高，副项成绩则呈现明显的波动性；冬奥赛季的主项和副项表现差异更为明显，速度滑冰运动员Kramer甚至不参加副项比赛，将全部精力投入到主项竞技状态的保持和诱导中。

因我国运动员仅参加了以往冬奥会、2019年世锦赛、2019－2020赛季部分世界杯赛，故仅依据我国重点运动员在上述赛事中的参赛经历与成绩，预测他们在2022年北京冬奥会的可能参赛成绩。

除钢架雪车外，我国具备一定竞争力的无兼项单人项目全部存在于技巧类（表10）。2022年北京冬奥会时，已取得过优异比赛成绩的徐梦桃、孔凡钰、刘佳宇、蔡雪桐均已年龄偏大，若避免伤病且避免成绩下降可望继续冲击奖牌甚至金牌。王心迪、张义威新周期伊始表现出色，由于年龄偏大，继续提升竞争力难度较大。以李芳慧、张可欣、谷爱凌为代表的年轻运动员利用高难动作优势在2019年世锦赛表现出色，且自由式滑雪U型场地技巧已形成的团队优势，具备较大的逐年提升并夺牌可能。金博洋在新周期虽成绩保持稳定，与陈虹伊、朱易、林珊等年轻运动员以及复出的闫涵一样，面对日本、美国等国家的集团优势和新人辈出，需要突破式提高才有可能争得奖牌。虽然钢架雪车和跳台滑雪在2018年平昌冬奥会取得突破，但国内人才短缺，成绩更进一步的难度较大。

表10 我国无兼项单人项目部分重点运动员北京冬奥会周期参赛特征Table 10 Participation Characteristics of China Elite Athletes without Concurrent Single Events in Beijing 2022 Winter Olympic Games

短道速滑是中国传统优势项目，共获得10枚金牌和33枚奖牌，速度滑冰短距离项目也具有一定竞争力，共获得1枚金牌和11枚奖牌。中国短道速滑队已组成老中青结合的团队梯次，武大靖、韩天宇、范可新、曲春雨等有过冬奥经历且年龄偏大的运动员，在确定以主项为主导的策略下，仍有较大可能在主项再创辉煌；年轻运动员王鹏宇、李靳宇等在冬奥周期可发展多种竞速能力，尝试将长距离项目定位主要发展目标（表11）。鉴于短道速滑同道竞速的特点，若夺得金牌需要各单项拥有多名主项成绩突出的运动员。速度滑冰在于静、张虹等运动员退役后女子实力有所退步，国内优秀运动员年龄较小且冬奥经历较少，男子项目高亭宇和宁忠岩在北京冬奥周期伊始表现突出，若利用主项和副项结合发展，并在冬奥会前主项表现突出则有望获得奖牌。

表11 我国有兼项单人项目部分重点运动员北京冬奥会周期参赛特征Table 11 Participation Characteristics of China Elite Athletes with Concurrent Single Events in Beijing 2022 Winter Olympic Games

3 结论与启示

3.1 结论

1）技巧类的自由式滑雪（技巧类）、单板滑雪（技巧类）、花样滑冰、女子跳台滑雪运动员冬奥会参赛年龄较小，以往经历较少，对冬奥会成绩取得发挥作用的参赛因素主要在本届冬奥周期内。4年里，运动员应多逐步提高专项成绩，并至少不应出现下降，而冬奥赛季参赛表现出的最高水平和稳定性对冬奥备战至关重要。由此认为，该类项目应重视临近冬奥会的参赛水平和稳定性。

2）短道速滑和男子跳台滑雪运动员冬奥会参赛年龄较小，若非首次参加冬奥会，以往副项参赛曾取得过优异成绩，在新的冬奥周期内，较高的主项参赛水平具有积极作用。由此认为，该类项目有冬奥经历运动员存在换项参赛的可能，但在冬奥周期内和冬奥会前需要表现出较高的主项参赛水平。

3）竞速类的自由式滑雪（竞速类）、单板滑雪（竞速类）、雪橇、钢架雪车运动员冬奥会参赛年龄较大，影响本届冬奥会成绩取得的因素较为综合，表现为：以往冬奥会参赛经历和名次发挥积极作用，冬奥周期多次参加年内重要赛事，并与冬奥赛季同样应避免成绩水平下降。由此认为，该类项目不但重视长期参赛的价值积累，而且对临近冬奥会主项成绩的稳定与提高，提出较高的要求。

4）竞速类的速度滑冰、越野滑雪、高山滑雪以及混合类的冬季两项和北欧两项运动员冬奥会参赛年龄较大且多存在兼项参赛现象。以往冬奥会参赛经历和名次保持起到积极作用，冬奥周期内的主项参赛数量和质量较高且注重兼项参赛，冬奥赛季主项参赛表现质量较高而副项较低。由此认为，该类项目对主项能力的特异性有着较高要求，冬奥周期内可通过副项发展保持或提高主项能力，但临近冬奥会前应将主项能力发展置于突出位置。