国家赛艇队w1x运动员划桨技术关键指标体系构建

《国家赛艇队w1x运动员划桨技术关键指标体系构建》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、国家赛艇队W1X运动员划桨技术关键指标体系构建运用澳大利亚Croker桨对15名国家赛艇队女子公开级单人双桨运动员进行实船测诚，沖用Talonresultlab软件对测i式数据进行标准化处理，运用探索性因子分析对技术指标进行筛选。根据权重高低，将赛艇女子公幵级单人双桨运动员划桨技术诊断的关键指标确立为六个，分别为：心手力量能力、左手力量能力、拉奖效率、划奖节奏、艇速波动、拉桨幅度。关键词：赛艇；实船测试；划奖技术；女子；公开级；单人双桨•，因子分析；关键指标赛艇是奥运会、亚运会、全运会的正式比赛项目，也是国家体育总局“119工程”的重点项目，被列力我国竞技体育项目屮的“

2、潜优势项目”。赛艇运动具冇典型的动作周期性重复特征。比赛吋，运动员需要在极高桨频下重复划桨技术动作220次左右完成2000米赛程。运动员每一个划浆动作的细微不同会在多次重复中被无限放大。因此，划桨技术是决定赛艇成绩的关键因素。运动技术是一个运动项B在规则的许可下所特有的动作序列。这个动作序列应该是科学、最佳、理想，并可以进行检测和评定的。赛艇划浆技术看似简单，实则非常复杂，涉及上百个指标，很难寻找出一个完美的结构模型。当前，对赛艇技术诊断和评价主要有两条渠道：一是教练员的主观经验判断；二是高清视频的后期影像处理。前者缺少量化指标的科学支撑，后者的时效性较差。赛艇技术动作

3、的周期性重复始终是在动态平衡的状态下完成的，实船测试的运动学和动力学信息获取获取难度较大，而且技术指标众多，宄竟以哪些指标为观测点能够简洁评价技术优劣是妞临的现实困难。在运动训练过程中，我们没有办法也没有必要对所有指标进行实时监测和分析，所以，需耍对指标的重要性进行科学评估，选取最重要的一些指标作为技术诊断的观测点。因此，对划桨技术指标进行科学筛选显得尤为迫切。1.研究对象与研宄方法1.1研宄对象以15名国家赛艇队女子公开级单人双桨运动员为研究对象，运动员具体情况见表1。1.2研究方法1.2.1实验法澳大利亚CrokerOar进行实桨测试。Croker-oar是目前赛艇

4、技术测试常用的实船测试工具，它与比赛用奖的各项技术参数设置完全一致，主体材料为碳纤维，长度可根据运动员技术习惯进行调节，调节区间为8cm，单奖形状为slick斧型。传感器内置于奖叶，重量约100g。数据采集口为USB接口，位于桨柄约20cm处。测试前1天，召集参加测试的运动员讲解测试流程、测试注意事项。测试当天，测试开始前，队员先进行陆上准备活动20min,水上热身划500m。正式测试当中，运动员按照规定浆频（单人双桨，30桨/分）全力划行200m，全程记录运动学和动力学参数。测试完成之后，用Talonresultlab分析软件进行统计和分析。2数理统计法运用spss2

5、2.0对实船测试的数据进行因子分析，通过探索性因子分析、降维等方法对赛艇划桨技术指标进行筛选和比对。1.结果与分析2.1基于实船测试的划桨技术诊断体系构建2.1.1样本选取在当前的高水平比赛当中，运动员的高桨频的起航、冲刺以及途中划阶段阶段的桨频保持都是制胜关键。对高浆频下的技术稳定性提出了很高的要求。从我国公开级单人双桨项目来看，优秀公开级运动员的途屮划常用桨频范围是29-31桨/分。所以，我们选取常用桨频时(女子30桨/分)的划浆技术作为研宂对象具有现实意义和应用价值。以前20奖作为启动桨，从第21桨开始，随机选取10桨做技术解析。为模拟比赛情景，安排一组或两组队员

6、陪划。2.1.2探索性因子分析本研宄？P?本(N=150)进行探索性因子分析，以检验测量题项的基木结构。对样木进行KMO和Bartlett测试。KMO值介于0到1之间，当KM0值小于0.50时，表示题项变量不适合进行因子分析，KM0值大于0.50时，表示题项变量关系问的关系可以进行因子分析，KMO大于0.90,表示题项变量间的关系是极佳的，非常适合进行因子分析(spicer,2005)。进行统计后发现，KM0=0.736,考虑到赛艇项目很容易受风、水流等外界因素影响，其数据的精准性稍差，KM0值为0.736是完全可以接受的。采用主分分析法、最大方差法进行因子分析，取特征

7、值（Eigenvalue）大于1为标准确立因子个数，得到分析结果见表2、3。在保留因子时，主要参照两条标准：第一，题项所属因子的负荷量必须大于0.5。第二，每一个测量题项其所对应的因子负荷必须接近1。经过八次因子旋转，先后删除C22、C8、C7、Cl、C21、C4、C2、C3八个指标，根据上述两条标准判断，无须继续进行删除。再次对KM0和Bartlett测试，保留特征值大于1的因子（见表4），最终结果见表5。釆用主轴因子萃取法共抽取6个共同因素，6个因素在转轴前的特征值分别为6.599、3.029、2.273、1.644、1.375、1.