تا حالا به این فکر کردی که بدن یه ورزشکار چقدر می‌تونه روی احساسات و انگیزه‌ش تاثیر بذاره؟ این موضوع رو یه عده از محقق‌ها با کمک علم داده و هوش مصنوعی بررسی کردن و نتایجش واقعاً جالبه!
خب بذار یکم خودمونی‌تر توضیح بدم: تو این تحقیق اومدن با استفاده از یه دید عمومیِ سلامت (همون چیزی که بهش می‌گن «Public Health»، یعنی سلامت جامعه و اینکه چجوری می‌تونیم کیفیت زندگی مردم رو با داده‌های بزرگ یا «big data» بهتر کنیم)، بررسی کنن که چطور بدن ورزشکارا می‌تونه رو حالت روحیشون و اون حس و حال پیشرفت (یا همون انگیزه) اثر بذاره.
حالا برای تحلیل این موضوع، دو تا الگوریتم پیشرفته رو وارد ماجرا کردن:
- PSO-KNN: این ترکیب «Particle Swarm Optimization» (که به اختصار می‌گن PSO، یه مدل الهام‌گرفته از حرکت گروهی پرنده‌ها یا ماهی‌ها که برای پیدا کردن بهترین جواب توی مسائل پیچیده استفاده میشه!) و K-Nearest Neighbor یا KNN (یه روشی برای شناسایی چیزها بر اساس نزدیک‌ترین نمونه‌ها بهشون).
- PSO-SVM: اینم ترکیبی از همون روش PSO با الگوریتم معروف «Support Vector Machine» یا همون SVM (یه مدل خیلی خفن برای دسته‌بندی داده‌ها توی دنیای هوش مصنوعی).
حالا سوال مهم: کدوم الگوریتم بهتر تونست حالات احساسی و انگیزشی ورزشکارا رو شناسایی کنه؟ معلوم شد که PSO-KNN کمی از PSO-SVM جلو زد. مثلاً با بررسی وضعیت احساسی ورزشکارا، دقت تشخیص PSO-KNN حدود ۵۶.۶۶ درصد بوده، در حالی که PSO-SVM به ۵۴.۷۵ درصد رسیده. برای حالت استرس یا تنش («tension»)، باز هم PSO-KNN با دقت ۵۳.۱۶ درصد از PSO-SVM با دقت ۵۰.۵۸ درصد بهتر کار کرد.
یه نکته جالب دیگه هم این بود که وقتی داده‌ها رو «baseline removal» کردن (یعنی نویز یا اون اطلاعات اضافه و پایه‌ای که شاید کار رو خراب کنه رو حذف کردن)، نتایج دقیق‌تر شد. پس حذف این اطلاعات اضافی باعث میشه الگوریتم‌ها دقیق‌تر باشن.
در آخر اگه بخوایم جمع‌بندی کنیم: تو این تحقیق، هم حذف داده‌های پایه‌ای یا نویزی و هم انتخاب الگوریتم مناسب (مثل PSO-KNN) باعث میشه بهتر بتونیم تاثیر بدن روی احساس و انگیزه ورزشکارا رو شناسایی کنیم. خلاصه‌اش اینکه داده‌ها و هوش مصنوعی دارن به کمک میدون ورزش میان و کلی حرف برای گفتن دارن!
اگه تو هم دوست داری بدونی تو آینده چطور میشه روحیه و انگیزه ورزشکارا رو با کمک این تکنولوژی‌ها بهبود داد، این مدل تحقیقات نویدبخش اتفاقات خیلی خوبی هستن!
منبع: +
