基于人工智能技術的中小學生運動行為精準監(jiān)測

摘 要：中小學時期是學生生長發(fā)育的關鍵階段，國家高度重視中小學生的體質健康。傳統(tǒng)的體質測試形式和內(nèi)容固定且不具有實時性，難以滿足學校和教育部門全面和準確地掌握學生運動行為過程中各項特征的需求。本文通過分析中小學生運動行為監(jiān)測的現(xiàn)狀與挑戰(zhàn)，探討人工智能技術在運動行為監(jiān)測中的應用潛力，以及實現(xiàn)過程中需要解決的關鍵問題，為促進學生健康和提升教育質量提供強有力的支持。

關鍵詞：學校體育；健康促進；兒童青少年；身心健康

中圖分類號：G623.8 文獻標識碼：A 文章編號：1005-2410（2024）11-0084-02

中小學時期是個體發(fā)育的關鍵階段，不僅是教育的關鍵期，更是促進健康行為養(yǎng)成的“黃金期”[1]。近年來國家對中小學生體質健康給予高度重視，將其作為國家教育和衛(wèi)生政策的核心內(nèi)容。習近平總書記多次強調兒童青少年健康的重要性，指出我國學生近視呈現(xiàn)高發(fā)、低齡化趨勢，嚴重影響孩子們的身心健康，這是一個關系國家和民族未來的大問題，必須高度重視。根據(jù)2021年國家衛(wèi)生健康委員會公布數(shù)據(jù)顯示，2020年中小學生近視率和肥胖率持續(xù)走高，其中近視率方面小學生為35.6%、初中生為71.1%、高中生為80.5%；同時，6～17歲的兒童青少年的超重和肥胖率近20%[2]。

在這樣的背景下，運動行為監(jiān)測顯得尤為重要。它不僅能為學校和教育部門提供全面、準確的數(shù)據(jù)支持，幫助他們精準掌握學生的運動狀況，及時發(fā)現(xiàn)并有效改進現(xiàn)存問題，還能顯著提升體育教育質量。此外，運動行為監(jiān)測對于預防慢性疾病、識別潛在的運動傷害風險以及促進學生的體質和心理健康發(fā)展具有重要意義。同時為家校合作搭建了堅實的橋梁，使家長能夠更深入地了解孩子的運動狀況，積極參與到孩子的健康教育中。

中小學體育教育領域，無論是課程教學設計還是相關政策制定，都離不開對學生運動行為數(shù)據(jù)的精準監(jiān)測。然而，傳統(tǒng)的監(jiān)測方法，如問卷調查、專家訪談和實地考察分析，雖然提供了一定程度的數(shù)據(jù)，但在全面性、時效性和客觀性方面依然存在不足。近年來，隨著體育與人工智能技術的融合，一系列新技術和新方法應運而生，并在運動行為監(jiān)測、體育大數(shù)據(jù)分析等領域得到了廣泛應用。本文旨在探討中小學運動行為監(jiān)測面臨的挑戰(zhàn)，并討論如何利用人工智能技術克服這些挑戰(zhàn)，從而實現(xiàn)中小學運動行為的精準檢測。

一、中小學生運動行為特征及精準監(jiān)測挑戰(zhàn)

（一） 運動場景、運動行為復雜的挑戰(zhàn)

中小學生運動行為的場景包括體育課、課間操、大課間、課后體育活動及校外體育活動。每種場景都具有特定的環(huán)境和活動類型，由于運動行為場景的多樣性，對準確識別并分類不同的體育運動項目成為監(jiān)測的難點，這要求監(jiān)測系統(tǒng)必須具備靈活性，能夠適應并準確處理來自各種場景的數(shù)據(jù)。特別是在大課間和課間操等場景中，學生可能同時進行多種活動，這使得行為識別變得更加復雜和困難。

（二）海量數(shù)據(jù)采集、分析和存儲的挑戰(zhàn)

中小學生運動行為具有場景、時間的不確定性，因此要求監(jiān)測系統(tǒng)具備全天候連續(xù)性和實時性，能夠不間斷地捕捉學生在不同場景中的運動行為。全天候監(jiān)測將產(chǎn)生海量的數(shù)據(jù)，這不僅涉及海量數(shù)據(jù)的存儲、分析調用，還需要運用大數(shù)據(jù)分析技術，以解決如何在海量數(shù)據(jù)中提取有效數(shù)據(jù)，挖掘大數(shù)據(jù)背后的深層規(guī)律。

（三）年齡跨度和發(fā)育階段特殊性的挑戰(zhàn)

中小學生年齡跨度從6周歲到15周歲，這個階段學生身體發(fā)育迅猛，體現(xiàn)在學生體能、技能甚至能量代謝特點會在短時間發(fā)生較大變化。同時，由于個體發(fā)育特點的差異性，學生在不同體育活動中的表現(xiàn)也有所不同。因此，運動行為監(jiān)測系統(tǒng)必須充分考慮該階段學生的特殊性，從而確保數(shù)據(jù)的準確性和公平性。

二、人工智能在中小學生運動行為精準監(jiān)測中的應用

隨著納米微電子技術的革命性進步，以智能和生物傳感技術為代表的可穿戴裝備取得了重要發(fā)展，同時以深度學習、大數(shù)據(jù)分析技術為代表的人工智能技術也取得了突破性進展，使得基于人工智能的中小學生運動行為監(jiān)測成為可能。該技術不僅可以精準評估運動代謝當量，有效識別和監(jiān)測運動行為，還可以通過視覺技術對運動特征進行實時監(jiān)測。人工智能技術正推動著體育教育向更高效、更精確的方向發(fā)展。

（一）運動代謝當量監(jiān)測

人工智能技術在體育活動監(jiān)測領域的應用，可以有效提升其精確性和個性化水平。中小學生的運動行為活動類型多樣，強度各異，因此需要通過統(tǒng)一的標準來量化和比較不同體育活動的能量消耗。代謝當量是量化和比較身體活動強度的金標準[3]。結合可穿戴設備與機器學習算法，可以對學生的運動數(shù)據(jù)進行實時監(jiān)測和分析。具體而言，通過可穿戴設備中的慣性傳感器記錄學生的運動軌跡、步數(shù)、心率等數(shù)據(jù)，基于這些數(shù)據(jù)，采用機器學習算法將學生個體信息以及采集到的運動數(shù)據(jù)與代謝消耗建立對應關系，準確估算出各類體育活動的能量消耗。這種方法不僅提高了監(jiān)測的準確性，還能夠根據(jù)學生的個體差異，提供更具針對性的運動建議。

（二）運動行為識別監(jiān)測

通過機器學習技術提取和分析可穿戴設備采集到的運動行為數(shù)據(jù)，能夠得到更精確的運動行為分析并提供近乎實時的數(shù)據(jù)解讀，為體育教學和學生健康管理帶來諸多益處。在運動模式識別中，配合穿戴多部位加速度傳感器可以提高運動模式識別的精度。特別是在手腳同時佩戴傳感器的方案中，對于十二種不同的運動模式分類，其準確率可以達到80%[4]。通過精準監(jiān)測學生的運動行為，教師能夠及時發(fā)現(xiàn)并糾正不當?shù)倪\動姿勢或潛在的危險動作，從而有效降低運動傷害的風險。特別是在高強度或復雜的運動中，實時的行為監(jiān)測可以為學生提供更好的安全保障。此外，這種監(jiān)測還為家長和學校提供了科學的數(shù)據(jù)支撐，幫助他們更全面地了解學生的運動習慣和健康狀況，進一步支持學生的健康成長和體育教育。

（三）運動特征監(jiān)測

在中小學生運動行為監(jiān)測中，通過采用計算機視覺技術，能夠實時捕捉和識別學生在體育課堂上的運動行為，展現(xiàn)出了非接觸、高效且客觀的顯著優(yōu)勢，可以有效提升中小學運動行為監(jiān)測的質量，減少人工干預及增強監(jiān)測的準確性。具體而言，基于視覺數(shù)據(jù)的人體動作分類和評估方法，能夠細致地區(qū)分學生在進行跳遠、跑步、球類運動等不同體育活動時的動作細節(jié)，從而實現(xiàn)對其運動表現(xiàn)的精準評估。這種方法不僅能夠捕捉到動作的準確性，還能深入分析動作的流暢度，為教師提供全面且客觀的反饋。進一步地，結合深度學習中的動作檢測算法，能夠在復雜的體育教學環(huán)境中，從長時段視頻數(shù)據(jù)中高效地提取出學生運動行為的關鍵片段[5]。該算法不僅能夠精確定位動作的開始與結束，還能識別出動作中的關鍵轉折點，為后續(xù)的運動分析、評估以及個性化教學指導提供有力的數(shù)據(jù)支持。

三、展望和結語

人工智能技術在中小學生運動行為監(jiān)測領域的應用前景極為廣闊。依托先進的智能和生物傳感技術，能夠實現(xiàn)對學生運動行為的定量化、個性化和實時性監(jiān)測，這為精確追蹤學生的運動量、運動強度和運動模式提供了堅實的技術支撐。在大數(shù)據(jù)分析和深度學習模型的輔助下，不僅能夠為每位學生提供定制化的健康狀況評估，還能制定個性化的運動建議和計劃。此外，人工智能技術通過分析學生的運動行為模式，能夠揭示學生的運動偏好和習慣，這對于教育工作者和家長來說，是制定相關政策和設計課程的重要參考。隨著人工智能技術在中小學生運動行為監(jiān)測領域的不斷深化應用，它將在促進學生健康和提升教育質量方面發(fā)揮出越來越重要的作用。

參考文獻：

[1]常鳳，李彥龍.學校體育促進青少年主動健康的價值意蘊、現(xiàn)實困境與紓解方略[J].首都體育學院學報，2023，35（05）.

[2]孫軍，羅秋蘭，羅小兵.“雙減”背景下我國中小學體育高質量發(fā)展：要點、難點與路向[J].廣州體育學院學報，2023， 43（02）.

[3]賈壯.基于人體不同佩戴位置的加速度計的人體能量消耗模型構建研究[D]. 首都體育學院，2023.

[4]劉玉.基于加速度傳感器的兒童青少年運動模式識別模型研究[D].首都體育學院，2024.

[5]李睿敏.基于視覺數(shù)據(jù)的人體動作精細分類及評估方法研究[D].中國科學院大學（中國科學院西安光學精密機械研究所），2021.

（首都體育學院體育人工智能研究院 100191）

（E-mail：wangyijing@cupes.edu.cn）