论文网
首页 基础教育信息技术教学正文

信息技术与高校短跑教学深度融合的理论与实践

  • 投稿
  • 更新时间2023-01-31
  • 阅读量21次
  • 评分0

摘    要:随着信息技术的高速发展以及短跑竞技人才需求的增加,信息技术与高校短跑教学深度融合的必要性及其价值越来越高。研究发现,信息技术可视化与短跑教学直观化相兼容,信息技术定量化与短跑教学标准化相渗透,信息技术去中心化与短跑教师主导化相契合,信息技术即时性与短跑教学预成性相贯连。实践结果表明,光学动作捕捉技术、惯性传感技术、数据可视化技术可以融入到短跑教学之中,并能显著提升学生步长、步频、腾空时间、触地时间、专项速度五方面能力,信息技术在短跑教学中应用的实效性及其科学助力已经达到较高水平。


关键词:信息技术;短跑教学;深度融合;竞技能力;


Theory and Practice of In-Depth Fusion of Information Technology and Sprint Teaching

in Colleges and Universities

Chen Chao Song Jinzhuang He Shengbao

Tangshan Normal University


Abstract:With the high-speed development of information technology(IT)and the increasing demand for excellent sprinters, the necessity and value of deep integration of IT and sprint teaching in colleges and universities are becoming higher and higher. Researchers have found that(1)the visualization of IT is compatible with the visualization of sprint teaching;(2)the quantification of IT is permeated with the standardization of sprint teaching;(3)the decentralization of IT is consistent with the dominant role of sprint teachers; and(4)the immediacy of IT is consistent with the pre-formation of sprint teaching. In practice, results reveal that optical motion capture technology, inertial sensing technology and data visualization technology are applicable to sprint teaching, and these technologies can significantly improve students' five abilities: stride length, stride frequency, airtime, ground contact time and special speed. The application of hybrid motion capture technology in sprint teaching has high effectiveness and high sci-tech support level.


Keyword:information technology; sprint teaching; in-depth fusion; competitive ability;


前言

苏炳添在东京奥运会男子100m半决赛中,以9.83s的成绩晋级决赛,这一“中国速度”创造了新的亚洲纪录,极大地鼓舞着中国田径人不断追求卓越。我国短跑竞技比赛成绩的突飞猛进,与科学的训练密不可分,而科学的训练源自有效的训练指导,这其中基于信息技术所研发的“冠军模型”发挥了重要的作用。中国短跑队早已于2015年将诸多信息技术应用到日常训练之中,以此帮助运动员学习合理、有效的短跑技术。反观我国高校短跑教学,尚未深入应用信息技术。大学生是我国短跑运动的后备军,代表着未来的“中国速度”。随着信息技术的高速发展以及短跑竞技人才需求的增加,信息技术与高校短跑教学深度融合的必要性及其价值越来越高。因此,为了提升短跑教学质量、培养更加优秀的接班人,将信息技术应用到高校短跑教学之中,既符合信息时代发展特征,也顺应短跑教学发展趋势。


1 信息技术与高校短跑教学深度融合的机制

1.1 信息技术可视化与短跑教学直观化相兼容

信息技术指用于收集、记录、存储、交换和分发信息的各种数字工具,信息技术融入教学之中,并非单指信息技术工具本身,实则是信息技术功能的应用。可视化是信息技术的重要功能,可以借助图像呈现技术直观地传播教学信息。短跑技术是由人体中枢神经系统支配肌肉、骨骼所塑造的外部身体形态,是将短跑动作的外化呈现,这就使得短跑教学具有直观化的特征。短跑教学主要通过视觉传递知识信息,使学生在直观感知短跑动作的基础上进行模仿与练习。信息技术的可视化功能可为短跑教学提供媒介,促使学生获取更加直观的视觉信息。从视觉感知、信息传播层面来看,信息技术的可视化与短跑教学的直观化存在诸多相似之处,两者都是将加工、处理后的信息结果通过外化途径呈现。信息技术的可视化功能可以对短跑技术概念进行具象解析,使学生直观感知不同运动时刻的表现情况,从而更加全面地掌握、调整短跑动作。


1.2 信息技术定量化与短跑教学标准化相渗透

信息技术越来越多地被用于解析定量数据所蕴含的意义,并在实践应用之中将其转换为便于认知的视觉图形。威廉·汤姆森认为“如果不能测量,你将无法改进”,正如这位科学家所言,信息技术是对数据的定量化呈现,是对信息浓缩、提炼之后再演绎。短跑教学是传授学生技术动作知识,使学生掌握规范技术动作的交互过程。规范的技术动作符合既定的教学标准,而短跑技术教学标准存在量化的评价指标。例如,短跑起跑阶段躯干角度、步长、步频等技术指标的控制程度,这些都需要进行量化呈现,由此才能使学生实现精细调节。如今,信息技术已经可以实现定量化呈现的目标,此项技术将更加高效地渗透到短跑教学之中,助力短跑教学实现定量化,进而使短跑教学更加有据可依。信息技术定量化与短跑教学标准化相渗透,可以将信息技术从器物的工具层面上升到与学生的个性化成长相统一的人本价值层面,通过模式的创新驱动短跑教学的发展。


1.3 信息技术去中心化与短跑教师主导化相契合

信息技术去中心化主张以每名参与者为中心,破除禁锢式的中心决策权,由参与者来自由选择中心、自由决定中心。信息技术去中心化的这种特性与“以学生为本”的教育理念极为相似。短跑技能的有效建构离不开教师的主导,信息技术融入短跑教学之中需要“教”的适时介入,需要教师在其中参与完成设计、激励、指导、组织等工作。去中心化的信息技术将更多的教学权利转移到教师身上,由教师支配、运用,这有助于保证教学功能的完整性不被破坏,避免教学信息技术化及教学的异化。在短跑教学中将去中心化的信息技术与教师主导化充分结合,将更有助于实现学生的个性化发展。信息技术与短跑教学深度融合的实质在于对传统教学的提质增效,目标在于组建既能充分发挥教师主导作用,又能突出学生中心及主体地位的教学架构。


1.4 信息技术即时性与短跑教学预成性相贯连

信息技术具有精准、直接呈现的功能,能够将信息即时反馈并表达出来。信息技术的即时性包括过去完成、现在乃至未来状态下的信息定格,可以准确再现所需信息。短跑教学是按照技术动作模型,使学生掌握既定的技术动作,体现出了明显的预成性特征。短跑技术由不同的动作环节所构成,不同的动作又可以构成完整的技术。精英运动员技术动作精湛,代表着短跑运动的“冠军模型”。高校学生学习短跑动作需要参照、借鉴、模仿“冠军模型”的动作,需要正确短跑动作信息的传递、反馈、校正,而这一切依赖于信息技术的即时性辅助。即时性代表着学习的初始状态以及不同的教学环节,预成性代表着学习的终结状态以及完整技术,两者是点、线相连的关系。信息技术的即时性可以在短跑教学沿线的不同点位给予适时的信息供给,并在教学实践中使用信息技术的各种功能将其深度嵌入到教学流程中,促进教学组织的各个环节,最终促进短跑教学预成性目标的实现。


2 信息技术在高校短跑教学中的应用路径

2.1 光学动作捕捉技术与短跑教学的深度融合

光学动作捕捉技术属于本地定位系统的一种手段,其中摄像机扮演着人眼识别的角色,需要运用计算机视觉技术对赛场上的运动行为进行测量与判断。光学动作捕捉技术包含了图像处理、模型识别、信号处理等功能,能够对人体动作进行自动追踪,进而提供全面的运动学数据。在短跑教学中,可以借助高清摄像机捕捉学生短跑动作,进而对其身体形态、技术表现情况进行评定。由于短跑分为起跑、加速、途中、冲刺四个阶段,因而在教学中可以根据教学需求拍摄运动员短跑动作。如图1所示,1号、2号、3号摄像机分辨率为640x360,主要拍摄起跑、加速阶段动作,拍摄期间采用定点定焦拍摄(100fps)的方式,并且摄像机主光轴与运动平面垂直。4号、5号摄像机分辨率为640x480,拍摄期间采用定点定焦扫描(120fps)的方式拍摄途中跑及冲刺跑阶段动作。捕捉学生短跑动作后,从每帧图像中提取25处身体标记点,从计算机视觉对相关动作数据进行重构,并通过数据交付功能以及3D建模技术构建符合学生实际情况的计算机视觉图像。


2.2 惯性传感技术与短跑教学的深度融合

惯性动作捕捉技术是基于惯性传感单元IMU(Inertial Measurement Unit),综合运用加速度计和陀螺仪实现人体动作定位及计算的信息技术。加速度计的工作原理主要运用了牛顿第二定律,即F=ma, 此种特性与短跑的直线加速特征紧密相关。当人体向前方跑动时,加速度计会受到力的刺激,相应的磁通量会随之增加,最终以电压会电流的形式反馈到设备终端。陀螺仪的应用主要借助了科里奥利力原理,即F(t)=-2mΩz×X(t),是对直线运动过程中所产生的偏移进行的空间描述,主要用于测量短跑运动过程人体不同关节角度及速度的变化。惯性传感器数据处理主要包括动作信息获取与收集、偏移量校准以及传感器融合等,具体过程见图2。惯性动作捕捉技术可用于测量人体加速度、旋转、倾斜等运动状态,在短跑教学中通过惯性传感技术可以准确测量学生的关节角度、步长、步频及重心高度等指标,以此为学生练习提供可靠的参照依据。


2.3 数据可视化技术与短跑教学深度融合

数据可视化技术是基于预成性动作模型对所采集数据的再分析、再界定,将采集的数据与模型进行比较,可以更好地校正短跑动作,为学生改进动作提供更为直观的建议。短跑属于周期性的运动,需要人体协调配合上肢、躯干、下肢,并交替、重复完成双侧肢体动作。正确的短跑动作包括良好的身体形态、有效的身体位移。精英运动员动作技术精湛,代表着短跑运动的“冠军模型”。短跑技术动作的模型主要参照国内外顶尖运动员动作参数而制定,大学生学习短跑动作需要参照、借鉴、模仿“冠军模型”的动作,需要正确短跑动作信息的传递、反馈、校正,而这一切依赖于可视化信息技术的辅助。在短跑教学中可以运用运动模型分析系统对学生的身体形态、技术、竞技表现等指标进行解析,并与冠军模型进行对比,最终输出可视化的动作评价结果。


3 信息技术在高校短跑教学中的应用效果

3.1 步长、步频表现能力提升效果

步长、步频影响着运动员起跑用时及最大速度水平,保持高步频的情况下增加步长,有助于人体在固定距离内以相对较短时间完成跑动,进而获得更高水平的速度。由图5可知,实验后两组学生步长、步频与冠军模型变化特征一致,但是两组学生在三个阶段所表现出的步长、步频成绩仍显著大于冠军模型,按照冠军模型的参照标准,两组学生需要进一步减小步长、增加步频。相比而言,实验组学生蹬离起跑器、第1步、第2步的步长及步频更加接近于冠军模型,并且与对照组存在显著差异(P<0.05),该组学生步长、步频表现效果较好。


3.2 腾空、触地时间表现能力提升效果

起跑的首要目标是通过有效控制身体运动轨迹,促使身体重心在水平方向快速度向前移动。触地时间与腾空时间是决定身体重心运行轨迹的重要因素,这两项指标长期以来被认为是决定短跑成绩的主要因素,也被认为是评价短跑技术表现效果的重要指标。本研究发现,实验后两组学生腾空时间、触地时间均与冠军模型存在显著差异。但是相较于对照组,实验组学生腾空、触地时间相对较短,表现出了相对较好的起跑技术。


3.3 起跑竞技能力提升效果

起跑阶段身体重心水平速度是评价运动员起跑效果的关键指标,而身体重心水平速度与加速效果紧密相关,需要运动员具备强大的加速能力。本研究发现,实验组应用信息技术教学之后,学生的竞技表现得以提升,起跑用时及身心重心水平速度显著高于对照组(P<0.05)。


由此说明,融合信息技术的教学模式更有助于提升学生短跑竞技能力。


4 研究结论

研究发现,信息技术可视化与短跑教学直观化相兼容,信息技术定量化与短跑教学标准化相渗透,信息技术去中心化与短跑教师主导化相契合,信息技术即时性与短跑教学预成性相贯连。实践结果表明,光学动作捕捉技术、惯性传感技术、数据可视化技术可以融入到短跑教学之中,并能显著提升学生步长、步频、腾空时间、触地时间及竞技表现能力。


参考文献

[1] 李嘉鸿,关彩霞.信息技术环境下游泳课程个性化教学模式创新研究[J].广州体育学院学报,2017,37(4):110-113.

[2] 郭帅,冯晓丽.信息技术时代高校体育的教与学:理念与证据[J].体育学刊2021,28(1):108-112.

[3] 刘衡,冯婷.基于虚拟现实技术的体育教学模式的实践与思考[J].北京师范大学学报(自然科学版),2013,49(6):649-652.

[4] CUST E E,SWEETING A J et al.Machine and deep learning for sport-specific movement recognition:A systematic review of model development and performance[J].Journal of Sports Science,2019,37(5):568-600.

[5] 唐建军,周阳.利用加速传感器估算竞走运动员的步长与步频[J].河南师范大学学报(自然科学版),2019,47(3):118-122.

[6] 孙冬,宋杨.基于计算机视觉的运动动作无标记识别技术研究进展[J].上海体育学院学报,2021,45(9):70-85.

[7] GOÖPFERT C,POHJOLA M V,LINNAMO V,et al.Forward acceleration of the centre of mass during ski skating calculated from force and motion capture data[J].Sport Eng,2017,20(2):141-153.