earticle

영어

The purpose of current study was to identify if physique and physical fitness data could predict the actual age of an elite youth athletes using the Self-Organizing Map among the artificial intelligent techniques into the field of sport science. In order to approach the purpose of this study, 4,432 elite athletes participated in the physical fitness test, and 1,889 elite youth athletes were finally selected. To derive the predict data, the proposed the study of Kohonen(1989) was used in Self-Organizing Map. Based on physique and physical fitness data of youth athletes, the results of the predicted accuracy of actual age and estimated age were: Predictive accuracy was around 87.3% for the same age±5, 85.0% for the same age±4, 81.2% for the same age±3, 75.2% for the same age±2, 51.8% for the same age±1, 25.5% for the same age. It is required that the following researches would be considered more data characteristics in order to using Self-Organizing Map to learn the characteristics of performance.

한국어

이 연구는 경기도 소재 엘리트 유소년 선수의 체격 및 체력자료를 바탕으로 인공지능 기법 중에 하나인 자기구성지 도를 학습한 후, 체격 및 체력자료가 엘리트 유소년 선수의 실제 나이를 예측 할 수 있는지를 알아보는데 목적을 두었다. 이 연구의 목적을 달성하기 위하여 경기스포츠과학센터에서 실시한 체력측정에 임한 엘리트 선수 4,432명의 자료를 수집 하였으며 수집된 전체 자료 중에서 결측값이 존재하는 사례를 제거하였으며, 최종적으로 선정된 자료의 수는 1,889명의 엘리트 유소년 선수의 체력 자료였다. 예측 자료의 도출을 위하여 Kohonen(1989)의 연구에서 제안된 인공지능 기법 중에 하나인 자기구성지도를 이용하였다. 유소년 선수들의 체격 및 체력 자료를 바탕으로 실제나이와 추정나이의 예측 정확성을 알아본 결과, 동일 연령±5는 약 87.3%, 동일 연령±4세는 약 85.0%, 동일 연령±3세는 약 81.2%, 동일 연령 ±2세는 약 75.2%, 동일 연령±1세는 약 51.8%, 동일 연령은 약 25.5%의 예측 정확성이 나타났다. 향후 연구를 통하여 경기력의 특성을 자기구성지도에 나타내게 학습시켜 보다 많은 자료의 특성이 고려될 수 있도록 해야 할 것으로 사료된다.