حاج لطفعلیان, مصطفی, حیدری, فائزه, دهقان نیری, الهام. (1405). استعدادیابی حیطههای مختلف ورزش با استفاده از روشهای مبتنی بر هوش مصنوعی. , 18(1), 45-63. doi: 10.22059/jsmdl.2025.387595.1817
مصطفی حاج لطفعلیان; فائزه حیدری; الهام دهقان نیری. "استعدادیابی حیطههای مختلف ورزش با استفاده از روشهای مبتنی بر هوش مصنوعی". , 18, 1, 1405, 45-63. doi: 10.22059/jsmdl.2025.387595.1817
حاج لطفعلیان, مصطفی, حیدری, فائزه, دهقان نیری, الهام. (1405). 'استعدادیابی حیطههای مختلف ورزش با استفاده از روشهای مبتنی بر هوش مصنوعی', , 18(1), pp. 45-63. doi: 10.22059/jsmdl.2025.387595.1817
حاج لطفعلیان, مصطفی, حیدری, فائزه, دهقان نیری, الهام. استعدادیابی حیطههای مختلف ورزش با استفاده از روشهای مبتنی بر هوش مصنوعی. , 1405; 18(1): 45-63. doi: 10.22059/jsmdl.2025.387595.1817
استعدادیابی حیطههای مختلف ورزش با استفاده از روشهای مبتنی بر هوش مصنوعی
1گروه تربیت بدنی و علوم ورزشی، دانشکده روانشناسی و علوم تربیتی، دانشگاه یزد، یزد، ایران.
2گروه تربیت بدنی و علوم ورزشی، دانشگاه ملی مهارت، تهران، ایران.
3گروه علوم رفتاری و شناختی ورزشی، دانشکدۀ علوم ورزشی و تندرستی، دانشگاه تهران، تهران، ایران.
چکیده
مقدمه: استعدادیابی ورزشی برای بهبود نتایج و اعتبار نیازمند جنبههای مختلف علوم است. امروزه هوش مصنوعی در مسائل مربوط به پیشبینی و طبقهبندی بهخوبی عمل میکند و از آنجا که استعدادیابی چیزی جز پیشبینی صحیح و طبقهبندی افراد نیست، استفاده از آن میتواند راهگشا باشد. بر این اساس هدف تحقیق حاضر استفاده از هوش مصنوعی بهمنظور استعدادیابی در حیطههای مختلف ورزش بود. روش پژوهش: با وجود پراکندگی رشتههای ورزشی، چهار دسته رشتۀ توپی، راکتی، رزمی و آبی انتخاب و از روش نظر متخصص برای اولویتبندی شاخصهای منتخب پیکری، جسمانی، ادراکی – حرکتی، آمادگی بدنی و روانشناختی استفاده شد. 310 آزمودنی (پسر و دختر 6 تا 16 سال) ارزیابی و بر اساس امتیازها برچسبزنی شدند. در ادامه برای بررسی میزان ارتباط بین هرکدام از مؤلفهها با برچسبها، از آزمون تی مستقل استفاده و شش مؤلفۀ اصلی برای هر یک از دسته رشتهها انتخاب شد. در نهایت از شبکۀ عصبی پروسپترون 6-1-1 برای بررسی دقت و اعتبار نتایج استفاده شد. یافتهها: نتایج حاصل از شبکههای عصبی نشان داد که دقت برای دستهبندی افراد در رشتههای توپی، راکتی، رزمی، آبی و سایر رشتهها بهترتیب 97.9، 97.9، 87.2، 91.5 و 80.8 درصد است که دقت مطلوب و بالایی است. نتیجهگیری: در نهایت میتوان گفت که تعیین مؤلفههای اصلی هر رشته به تفکیک و طراحی و برنامهریزی شبکۀ عصبی مصنوعی کمک میکند تا محققان و مربیان شاخصهای مهم هر رشته را بشناسند و برای استعدادیابی ورزشی در رشتههای موردنظر از آن استفاده کنند.