earticle

영어

This study aims to evaluate standing long jump after providing feedback on posture using an artificial intelligence(AI) posture estimation application. Participants in the study collected data from 70 men and women in the fifth grade of elementary school, of which 32 participated in an experiment using an artificial intelligence posture estimation app to improve standing long jump performance. When collecting data, they performed five standing long jumps after the start signal. To provide feedback on the standing long jump posture, the AI posture estimation app was divided into three classes: ‘Ready’, 'Good', 'Bad' during maximum flexion of the knee joint, and voice feedback was applied accordingly. The measurement variables analyzed the shoulder joint angle when the arm was moved backward, the sagittal plane angle of the hip and knee, and the joint angular velocity from the maximum flexion of the knee joint to the event when the foot is taken from the ground. As a result of the analysis, male and female elementary school students increased their standing long jump performance after feedback(male: p = .047; female: p = .032). When analyzing kinematic variables, male students tended to straighten their arms back (p = .035). They quickly swung their shoulders(p = .000). And for both male and female elementary school student participants, the angle of the knee and ankle joints was large after feedback. The angular velocity was performed rapidly(p < .05). Students who performed standing long jumps using the AI posture estimation app improved their performance through kinematic changes after listening to detailed feedback.

한국어

본 연구의 목적은 초등학교 학생들을 대상으로 인공지능 자세추정 앱을 사용하여 자세에 대한 피드백을 제공한 후 제자리 멀리뛰기 수행력을 평가하고 운동수행 능력에 대한 교육적 효과가 나타나는지를 탐색하고자 하였다. 연구참여자는 초등학교 5학년에 재학 중인 남녀 총 70명을 대상으로 데이터 수집을 진행하였고 이 중 32명은 제자리 멀리뛰기 수행력 향상을 위한 인공지능 자세추정 앱을 이용한 실험에 참여하였다. 데이터 수집 시 모든 연구참여자들은 출발선에 서서 시작 신호와 함께 제자리 멀리뛰기를 3회씩 수행하였다. 데이터 수집 후 인공지 능 자세추정 앱 내 준비동작인 ‘Ready’, 무릎관절 최대 굽힘 시 ‘Good’과 ‘Bad’ 총 3가지 클래스로 분류하였고 ‘Good’, ‘Bad’에 따른 음성 피드백을 각각 적용하였다. 측정변인으로 어깨를 가장 폈을 때의 어깨관절 각도, 무 릎관절의 최대 굽힘 시점에서의 엉덩, 무릎, 발목관절 시상면 각도 그리고 무릎관절의 최대 굽힘 시점에서 발이 이지되는 시점까지의 관절 각속도를 분석하였다. 분석 결과 피드백 후 남녀 초등학생 모두 제자리 멀리뛰기 기 록이 증가하였다(남: p = .047; 여: p = .032). 운동학적 변인 분석 시 남학생의 경우 어깨관절을 더 뒤로 이동 하는 경향이 나타났으며(p = .035) 빠른 속도로 어깨를 앞으로 이동시켜 팔 동작을 빠르게 수행하였다(p = .000). 그리고 연구참여자 모두 무릎과 발목관절의 각도는 피드백 후 크게 나타났고, 각속도는 빠르게 수행되었 다(p < .05). 인공지능 자세추정 앱을 사용하여 제자리 멀리뛰기를 수행한 학생들은 음성 피드백을 자세히 들은 후 신체의 운동학적 변화를 통해 수행력을 향상시킬 수 있었고, 다양한 클래스를 적용하여 영상 촬영을 통해 학 생들에게 피드백을 제공할 경우 제자리 멀리뛰기 수행력의 긍정적인 교육적 효과가 나타날 것으로 판단된다.