지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2024.7
- 수록면
- 345 - 355 (11page)
- DOI
- 10.51979/KSSLS.2024.07.97.345
이용수
DBpia Top 5%동일한 주제분류 기준으로최근 2년간 이용수 순으로 정렬했을 때
해당 논문이 위치하는 상위 비율을 의미합니다.
초록· 키워드
오류제보하기
Purpose: The purpose of this study is to develop a model that can predict the probability of injuries occurring during weight training by utilizing machine learning algorithms for data analysis.
Method: For this purpose, this study utilized Google’s machine learning tool and Teachable Machine. The exercise movements chosen were Deadlift and Overhead Press, commonly used in weight training, while the injury movement was defined as the back rounding. Participants were trained to differentiate between “correct movements” and “injury movements,” which were then used to train the Teachable Machine to develop an injury identification model. The model’s error rate was then assessed using evaluation participants to determine its actual error rate.
Results: The Deadlift identification model and the Overhead Press identification model both achieved a class accuracy of 1.00 for both correct and injury-inducing postures, with a confusion matrix of 0. The learning rate per epoch and loss graph per epoch peaked early in the training process. The error rate of the injury identification model was 19% for the Deadlift identification model and 12% for the Overhead Press identification model.
Conclusion: The high accuracy per class and the result of the confusion matrix indicate effective hyperparameter adjustment. The overfitting observed in the learning rate and loss graph per epoch is likely due to the limited diversity in the training data, a characteristic of the study. The higher-than-expected error rate in the injury identification model is attributed to the constraints of the 2D posture estimation inherent in the Teachable Machine Pose Project, which relies on a Skeleton-Based Model that limits the representation of the human body in a 2D space.
Method: For this purpose, this study utilized Google’s machine learning tool and Teachable Machine. The exercise movements chosen were Deadlift and Overhead Press, commonly used in weight training, while the injury movement was defined as the back rounding. Participants were trained to differentiate between “correct movements” and “injury movements,” which were then used to train the Teachable Machine to develop an injury identification model. The model’s error rate was then assessed using evaluation participants to determine its actual error rate.
Results: The Deadlift identification model and the Overhead Press identification model both achieved a class accuracy of 1.00 for both correct and injury-inducing postures, with a confusion matrix of 0. The learning rate per epoch and loss graph per epoch peaked early in the training process. The error rate of the injury identification model was 19% for the Deadlift identification model and 12% for the Overhead Press identification model.
Conclusion: The high accuracy per class and the result of the confusion matrix indicate effective hyperparameter adjustment. The overfitting observed in the learning rate and loss graph per epoch is likely due to the limited diversity in the training data, a characteristic of the study. The higher-than-expected error rate in the injury identification model is attributed to the constraints of the 2D posture estimation inherent in the Teachable Machine Pose Project, which relies on a Skeleton-Based Model that limits the representation of the human body in a 2D space.
목차
Ⅰ. 서론
Ⅱ. 연구 방법
Ⅲ. 결과
Ⅳ. 논의
Ⅴ. 결론 및 제언
참고문헌
ABSTRACT
참고문헌 (0)
참고문헌 신청함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
대학 스포츠 팀 동일시와 대학 만족도의 관계에서 대학 동일시의 매개효과
한국사회체육학회지
2017 .11
-
Biomechanical and Neuromuscular Insights into Deadlift Variations: Implications for Sports Science, Strength Training, and Rehabilitation
운동과학
2024 .05
-
팀동일시의 이론적 정당성
체육과학연구
2019 .01
-
ERROR
한국기초조형학회 작품집
2018 .11
-
데드리프트 운동 유형에 따른 생체역학적 신체 변화에 미치는 영향
한국체육과학회지
2015 .12
-
Relationship among player attributes, player and team identification, and game viewing intention
INTERNATIONAL JOURNAL OF HUMAN MOVEMENT SCIENCE
2015 .06
-
퍼스널트레이닝 참가자의 자기관리와 운동 몰입 및 운동지속의 구조관계
한국체육과학회지
2016 .08
-
건강행위 실천에 따른 운동실천율 분석 : 국민건강영양조사 2016~2018년 자료를 이용하여
한국체육과학회지
2020 .10
-
거북목환자에 대한 운동형태 변화가 머리자세위치와 어깨자세에 미치는 영향
코칭능력개발지
2023 .09
-
팀 동일시 및 팬 커뮤니티 동일시가 스포츠팬들의 행복감과 팀 브랜드 자산에 미치는 상대적인 영향 : 개인주의-집단주의의 문화적 차이를 중심으로
한국체육과학회지
2022 .06
-
8주간의 자세교정 운동 프로그램을 통한 신체 정렬의 변화에 영향을 미치는 생활습관 자세의 공헌도에 관한 분석
한국발육발달학회지
2021 .02
-
Machine Aesthetics 2020/10
한국디자인학회 국제초대전도록
2020 .11
-
크로스핏 참가자의 상해형태와 상해율
한국체육과학회지
2015 .04
-
스포츠 팬의 팀 동일시와 심리적 웰빙의 관계에서 활력의 매개효과
한국사회체육학회지
2021 .04
-
스포츠유명인의 광고모델속성에 영향을 미치는 선행요인분석 : 관여도, 동일시, 애착의 기준변수를 중심으로
한국사회체육학회지
2016 .11
-
경증 치매여성노인의 16주간 규칙적인 운동프로그램 수행 후 신체구성, 체력 및 인지기능의 변화
코칭능력개발지
2019 .03
-
대학교 체육활동 참여자의 정서와 운동결과기대 및 운동지속의도의 관계
한국체육과학회지
2015 .08
-
정보 기계
Extra Archive: 디자인사연구
2020 .08
-
스포츠소비자의 팀동일시와 관람의도 및 라이센싱제품 구매의도 간의 관계에 대한 메타분석
체육과학연구
2018 .01
-
오버헤드 스쿼트 운동이 초등학생들의 자세교정에 미치는 영향
한국발육발달학회지
2018 .05
이 논문과 함께 이용한 논문
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-151-24-02-090259880