Resumo

No estudo da eficácia e eficiência do desempenho de um atleta, os sistemas inteligentes podem ser aplicados em abordagens qualitativas e suas métricas de desempenho fornecem informações úteis não apenas sobre a qualidade dos dados, mas também revelam questões sobre os critérios observacionais e o próprio contexto de coleta de dados. 2000 execuções de dois exercícios similares, com diferentes níveis de complexidade, foram coletados através de um único sensor inercial aplicado na mão da arma do esgrimista. Depois que os sinais foram divididos em seus segmentos-chave através do Dynamic Time Warping, os recursos extraídos e respectivas avaliações qualitativas foram alimentados em uma Rede Neural para aprender os padrões que distinguem uma boa de uma má execução. A análise de desempenho dos modelos resultantes retornou uma precisão de previsão de 76,6% e 72,7% para cada exercício, mas outras métricas apontaram para os dados que sofrem de alto viés. Isso aponta para um desequilíbrio na representação dos critérios qualitativos das más execuções, o que pode ser explicado por: i) reduzido número de amostras; ii) ambiguidade na definição dos critérios de observação; iii) um único sensor sendo incapaz de capturar totalmente o contexto sem levar em conta as ações dos outros segmentos do corpo da chave.

Acessar