| DC Field | Value | Language |
|---|
| dc.contributor.author | Григорьева, Г. Г. | - |
| dc.contributor.author | Давыдова, Н. С. | - |
| dc.contributor.author | Васюк, В. Е. | - |
| dc.contributor.author | Давыдов, М. В. | - |
| dc.contributor.author | Татарко, К. И. | - |
| dc.coverage.spatial | Минск | en_US |
| dc.date.accessioned | 2026-05-07T06:42:35Z | - |
| dc.date.available | 2026-05-07T06:42:35Z | - |
| dc.date.issued | 2026 | - |
| dc.identifier.citation | Анализ биомеханических признаков движении для прогнозирования двигательной одаренности детей = Analysis of biomechanical movement features for predicting motor giftedness in children / Г. Г. Григорьева, Н. С. Давыдова, В. Е. Васюк [и др.] // Big Data и анализ высокого уровня = Big Data and Advanced Analytics : сборник научных статей XII Международной научно-практической конференции, Республика Беларусь, Минск, 23 апреля 2026 года : в 2 ч. Ч. 2 / Белорусский государственный университет информатики и радиоэлектроники [и др.] ; редкол.: В. А. Богуш [и др.]. – Минск, 2026. – С. 279–284. | en_US |
| dc.identifier.uri | https://libeldoc.bsuir.by/handle/123456789/63601 | - |
| dc.description.abstract | В статье рассматривается задача прогнозирования двигательной одаренности детей на
основе мультимодальных биомеханических данных, полученных при анализе беговых локомоций.
Использованы кинематические и динамические параметры бега, зарегистрированные с применением системы
безмаркерного захвата движения и динамометрической платформы. На выборке из 26 детей среднего
школьного возраста сформирован комплексный датасет, включающий 30 биомеханических параметров и
экспертные оценки. Для отбора информативных показателей разработана параметрическая модель бега,
позволившая структурировать кинематические и динамические характеристики движения. На основе
коэффициента разделения выделены 14 наиболее значимых признаков, после чего выполнено
прогнозирование уровня двигательной одаренности с использованием метода Random Forest Classifier.
Наилучшие результаты классификации оставили accuracy 0,96. Показано, что предложенный подход
позволяет не только прогнозировать уровень двигательной одаренности, но и выделять биомеханические
параметры, наиболее значимые для спортивного отбора и педагогической диагностики. | en_US |
| dc.language.iso | ru | en_US |
| dc.publisher | БГУИР | en_US |
| dc.subject | материалы конференций | en_US |
| dc.subject | Big Data | en_US |
| dc.subject | информационные системы | en_US |
| dc.subject | двигательная одаренность | en_US |
| dc.subject | беговые локомоции | en_US |
| dc.subject | мультимодальные данные | en_US |
| dc.subject | биомеханический анализ | en_US |
| dc.subject | машинное обучение | en_US |
| dc.subject | параметрические модели | en_US |
| dc.subject | отбор признаков | en_US |
| dc.title | Анализ биомеханических признаков движении для прогнозирования двигательной одаренности детей | en_US |
| dc.title.alternative | Analysis of biomechanical movement features for predicting motor giftedness in children | en_US |
| dc.type | Article | en_US |
| local.description.annotation | The paper addresses the problem of predicting motor giftedness in children using multimodal
biomechanical data obtained from running locomotion analysis. Kinematic and dynamic running parameters recorded
by a markerless motion capture system and a force platform were used in the study. Based on a sample of 26 middleschool
children, a comprehensive dataset including 30 biomechanical parameters and expert assessments was formed.
To select informative indicators, a parametric running model was developed, which made it possible to structure the
spatiotemporal, kinematic, and dynamic characteristics of movement. Using the separation coefficient, 14 most
significant features were identified, after which the level of motor giftedness was predicted using the Random Forest
Classifier method. The best classification results reached an accuracy of 0.96. The proposed approach makes it
possible not only to predict the level of motor giftedness, but also to identify the biomechanical parameters that are
most significant for sports selection and pedagogical diagnostics. | en_US |
| Appears in Collections: | BIG DATA and Advanced Analytics = BIG DATA и анализ высокого уровня : сборник научных статей : в 2 ч. (2026)
|
