研究焦点访谈

精英运动效能前沿的体育科学

研究焦点访谈

亚当·基弗博士强调了在精英运动表现训练中生理、情感和知觉认知行为的重要性。

亚当·基弗博士是美国北卡罗来纳大学教堂山分校运动与运动科学的助理教授，并且是模拟、训练、分析和康复（STAR）Heel Performance实验室的联合主任。他的研究采用复杂系统方法来提高运动表现和预防运动伤害，通过将便携式技术与人工智能（AI）相结合，改善训练和临床结果。

您的研究的总体愿景是什么？

我联合主导着Simulation, Training, Analytics and Rehabilitation (STAR) Heel Performance实验室。我们的使命是在行为和运动科学、沉浸式技术和人工智能的交叉领域开展研究并创新现实世界的应用，以改善健康和表现结果。

我们研究的总体愿景是数字化转型运动训练，提供基于数据的洞察，了解运动员在执行时的视觉和思考过程。最终，我们希望将这些洞察变成实际可行的建议，帮助教练和运动员开展个性化训练干预，最大化每个运动员的表现提升。

我们最初的研究重点是将移动眼动追踪技术与标准高清摄像机相结合，开发一个适用于行动视觉的数字解决方案。通过这一方案，我们研究体力和心理压力如何影响动态、与特定运动相关的任务中的视觉注意力和运动性能。

是什么启发您踏上这段旅程，又是什么让您保持动力继续前行呢？

首先，随着体育和体育训练的不断发展和专业化，作为差异化因素的运动员的身体能力变得越来越不突出。

在体育运动中，专业技能的发展要求超越对力量、能量和耐力等身体领域的关注，转向注重心理、情绪和感知-认知行为的性能提升的新领域。

然而，与相对容易测量并应用于客观训练应用程序的身体领域不同，这些其他行为领域不太容易理解或直接转化。因此，有必要确定新的行为标记，指数可调节的心理和感知-认知过程，可通知训练干预的设计和实施。

其次，虽然移动眼动追踪硬件使得在体育训练环境中捕获数据比以往任何时候都更容易，但目前还没有解决方案可以加快数据处理或将数据与特定训练会话中有意义的事件联系起来。这导致了数据处理瓶颈，反过来严重限制了眼动追踪用于研究和训练的采用。解决这个问题将加速这些领域的研究应用，同时通过降低与数据编码和后处理相关的技术门槛，使眼动追踪数据更易于获取。

你能谈谈你的工作到目前为止的主要发现是什么吗？

我们花了过去一年的时间开发一个数字平台，用于自动化眼动和移动数据的收集、分析和报告，以减少数据后处理和分析所需的人工工作量。此外，我们在云端构建了这个平台，加快了数据处理自动化所需的机器学习模型的开发和训练。我们的主要亮点是，我们成功完成了 1.0 版本的这个平台，并与北卡罗来纳大学教堂山分校技术和商业化办公室合作申请了专利。今年秋天，我们将这项知识产权授权给了由我们团队共同创立的体育技术初创公司 Elipsys LLC。

我们还部署了该平台的部分功能，用于篮球和足球的研究，以研究眼动追踪变量“安静眼”的受性能压力影响的情况，包括任务压力和疲劳。安静眼是评估运动员在任务执行的特定阶段通过眼动凝视数据调整注意力的能力的指标。重要的是，这是一个真正的行动中的视觉表现指标。虽然我们的数据收集仍在进行中，但很快我们将获得篮球和足球俱乐部和精英运动员的这个指标的初步情况。

您的实验是如何从眼动追踪中获益的呢？

眼动追踪技术一直是我们研究的不可或缺的一部分，我们的团队非常看好这项技术，以及支持性数字基础设施，将开启下一代运动表现评估和训练的新领域。Tobii Pro Glasses 3 眼动追踪硬件的易用性以及数据流的可访问性，有助于我们成功地原型制作和部署数字平台。这些因素可用于构建定制数据管道和后处理。

从您目前的角度和广泛的眼动追踪经验出发，您会给那些正在考虑在他们的研究中采用眼动追踪技术的人提什么建议？

考虑到移动眼动追踪时，收集自己所需的数据是很容易的。这个能力很少是问题所在。然而，大多数人忽视的是如何轻松或困难地将这些数据与特定的研究问题联系起来。当实验环境更加动态时，这个问题会加剧。因此，重要的是考虑如何对数据进行时间同步（当技术与其他外围硬件设备一起使用时），并对事件进行编码，以为数据提供有意义的结构。即使是由一个小的手动编码团队进行，这也可能需要相当长的时间。因此，在任何实验开始之前，这些都是需要讨论的重要考虑事项，并需要解决相关的问题。