Отбор и прогнозирование в спорте

 

Необходимость отбора на разных этапах спортивного совершенствования объясняется тем, что лишь очень небольшая часть начавших заниматься тем или иным видом спорта достигает затем высоких спортивных результатов. Например, в плавании из 10 тысяч детей, отобранных после периода начального обучения и приступивших к тренировкам, лишь трое достигли результатов мастера спорта международного класса. 

Исходными эффективности отбора являются определение модельных характеристик и прогнозирование спортивной одарённости.

Модельные характеристики – это идеальные характеристики состояния спортсмена, в котором он может показать результаты, соответствующие высшим мировым достижениям. Примером могут служить вероятные характеристики будущего рекордсмена мира в беге на 100 м (скажем, анаэробные возможности организма, быстрота реакции). Знать модельные характеристики необходимо для определения направлений тренировочной работы и отбора спортсменов. Модельные характеристики делятся на:

а) консервативные (не поддающиеся тренировке, например длиннотные раз-

меры тела) и неконсервативные (изменяющиеся под влиянием тренировки, например силовые качества);

б) компенсируемые и некомпенсируемые. Компенсируемыми называются такие показатели, низкий уровень которых может быть возмещён высоким уровнем других показателей. Например, низкая эффективность баскетболиста в игре под щитом, связанная с его невысоким ростом, может компенсироваться большой точностью бросков с дальних дистанций. Пример некомпенсируемого показателя: низкий уровень МПК у лыжника-гонщика не может быть компенсирован никакой техникой. Больше всего компенсация отдельных факторов, определяющих спортивный результат, проявляется в так называемых ситуативных видах спорта – играх и единоборствах.

Существуют три основных пути определения модельных характеристик:

1) исследования спортсменов высокого класса (например измерение телосложения сильнейших пловцов различного стиля плавания на разных дистанциях);

2) расчёт так называемых должных показателей (какую силу или скорость надо проявить либо какую энергию затратить, чтобы показать запланированный результат);

3) прогнозирование модельных характеристик (материалами могут выступать либо данные спортсменов разной квалификации, либо данные сильнейших спортсменов разных лет; если нет возможности определить величины модельных характеристик прямым способом, используют метод экспертных оценок).

Прогнозирование. Понятно, что на динамику роста спортивных достижений влияет много факторов, и в этой ситуации невозможно точно предугадать, какой именно результат будет показан на ближайших ответственных соревнованиях (чемпионат мира, Европы, Олимпийские игры). Накопленный опыт прогнозирования показывает, что точность прогноза на ближайший олимпийский цикл удовлетворительна: как и полагается в случае нормального распределения, примерно 2/3 всех результатов находится в пределах одной стандартной ошибки от наиболее вероятного прогнозируемого значения.

В видах спорта с объективно измеряемыми результатами для прогнозирования используют метод регрессионного анализа. Так, по соответствующему уравнению регрессии определяют наиболее вероятный спортивный результат.

Рассчитывается также стандартная ошибка этого прогноза.

Подобная операция определения по ряду известных значений величины других её значений, находящихся за пределами этого ряда, в науке называется экстраполяцией. При прогнозе высших мировых достижений экстраполяция равносильна предположению, что эти достижения будут расти в будущем примерно так же, как они росли в прошлом. Точность экстраполяции тем больше, чем короче период, на который она делается, и чем продолжительнее история вида спорта.

Существует возможность применения регрессионного анализа для прогнозирования спортивного результата по данным тестирования функционального состояния организма спортсмена в разные периоды изменчивости его физиологических функций. В случае невозможности применения сложных инструментальных методов измерения (VO₂, лактата и пр.), можно прибегать к более простым.

На начальном этапе прогноза следует убедиться в наличии корреляции результатов тестирования с критерием информативности (спортивный результат), а лишь затем осуществлять расчёты по выведению уравнений линейной регрессии.

В качестве примера можно привести исследования (Бочаров М. И., 1998), где установлены связи между промежуточными результатами лыжников (1 разряда, КМС, МС) в гонке на 3 км исостоянием их вегетативных функций (судя по показателям вариабельности сердечного ритма и ЧСС) в покое, при ступенчато нарастающей мышечной нагрузке на велоэргометре и в период восстановления.

В таблице 17 представлены эти данные, но только для достоверно значимых корреляций. Как видно, в состоянии покоя отдельные параметры регуляции сердечного ритма по Р. М. Баевскому (Мо, ΔХ, ИВР) и ЧСС у лыжниковгонщиков достоверно (от Р < 0,05 до Р < 0,01) коррелируют с временем прохождения отдельных отрезков (1, 2 и 3 км) гонки. Причём обнаруживается почти линейное повышение тесноты связи с увеличением длины дистанции.

Интерпретируя эти корреляции с точки зрения функциональной значимости, очевидно, что в физиологических пределах в покое повышение тонуса парасимпатикуса (ΔХ), усиление холинергического влияния (Мо), сбалансированная активность парасимпатических отношений (ИВР) ВНС в регуляции вегетативных функций и брадикардия сердца (понижение ЧСС) опосредованно влияют (в математическом выражении) на повышение результативности в спринтерской лыжной гонке, особенно заметно с увеличением длины дистанции.

 

Таблица 17