Building tomorrow's champions: A vision for olympic education at the school level through virtual foresight and sport-specific fitness profiling

• Aidyn Doshybekov ^[1] ; Marfuga Absatova ; Kurimbayev Yerzhigit ; Baglan Yermakhanov ; Kopzhanov Galymzhan ^[1] ; Bekir Car
  1. [1] Kazakh Academy of Sport and Tourism(Kazakhistan
• Localización: Retos: nuevas tendencias en educación física, deporte y recreación, ISSN-e 1988-2041, ISSN 1579-1726, Nº. 54, 2024, págs. 46-56
• Idioma: inglés
• Títulos paralelos:
  • Construir a los campeones del mañana: Una visión de la educación olímpica en la escuela a través de la prospectiva virtual y la elaboración de perfiles de aptitud física específicos para cada deporte
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    El objetivo de este estudio es determinar el perfil de forma física específico del deporte con el método de predicción virtual y contribuir a la determinación de los campeones del mañana con el Módulo de Entrenamiento Olímpico realizado en la escuela primaria. En este contexto, 97 (53 niños, 44 niñas) estudiantes de primaria con edades comprendidas entre 10-11 (años) participaron en el estudio. Los participantes fueron sometidos a pruebas de tiempo de reacción, fuerza de agarre de las manos, salto de longitud de pie, sprint de 30 m, lanzamiento de balón medicinal y golpeo de la diana a una distancia de 5 metros. Una vez realizadas todas las pruebas, los resultados se clasificaron como buenos (1), regulares (2) y malos (3) en función del sexo. La precisión entre todas las clasificaciones y las pruebas de rendimiento se analizó con la aplicación MATLAB 2022B. En consecuencia, el tiempo de reacción de los participantes masculinos fue del 94,34%, la fuerza de agarre de la mano del 98,11%, el salto de longitud de pie del 100%, el sprint de 30 m del 98,11%, el lanzamiento de balón medicinal del 94,34% y el golpeo al blanco desde una distancia de 5 metros se clasificaron con una precisión del 100%. El tiempo de reacción de las participantes femeninas fue del 95,45%, la fuerza de prensión de la mano del 100%, el salto de longitud de pie del 100%, el sprint de 30 m del 97,73%, el lanzamiento de balón medicinal del 97,73% y el acierto en el blanco desde una distancia de 5 metros con una precisión del 100%. Además, los parámetros de rendimiento fueron significativamente diferentes entre los grupos (p<.001). Como resultado, se determinó que la clasificación del rendimiento mediante modelos de aprendizaje automático se realizó con gran precisión. Por lo tanto, los resultados de nuestra investigación pueden utilizarse en la selección de talentos y la orientación de individuos de esta edad hacia la rama deportiva adecuada.

  • English

    The aim of this study is to determine the sport-specific fitness profile with the virtual prediction method and to contribute to the determination of tomorrow's champions with the Olympic Training Module carried out in primary school. In this context, 97 (53 boys, 44 girls) primary school students aged between 10-11 (years) participated in the study. The participants were tested for reaction time, hand grip strength, standing long jump, 30 m sprint, medicine ball throwing and hitting the target at a distance of 5 meters. After all tests were performed, the test results were classified as good (1), fair (2) and poor (3) according to gender. The accuracy between all classifications and performance tests was analyzed with MATLAB 2022B application. Accordingly, male participants' reaction time was 94.34%, handgrip strength 98.11%, standing long jump 100%, 30 m sprint 98.11%, medicine ball throwing 94.34%, and hitting the target from a distance of 5 meters were classified with 100% accuracy. Reaction time of female participants was 95.45%, handgrip strength 100%, standing long jump 100%, 30 m sprint 97.73%, medicine ball throwing 97.73%, and hitting the target from 5 meters distance with 100% accuracy. In addition, performance parameters were significantly different between the groups (p<.001). As a result, it was determined that performance classification using machine learning modeling was performed with great accuracy. Therefore, the results of our research can be used in talent selection and guidance of individuals of this age to the appropriate sports branch.