カタパルトの基礎知識パフォーマンスデータの質の評価

スポーツにおけるデータは、その性質上、本質的にノイズが多い。テクノロジーが進化し、より多くのデータが生成されるにつれて、このノイズ（変動性）の境界を定量化することが重要になります。ノイズの境界線が定義されれば、観測結果がその境界線から外れた場合の判断の信頼性を高めることができます。

基本的に、システムやデータに対する信頼性は、その信頼性と妥当性によって決まる。この記事では、応用的なスポーツ環境において、どのようにして高い信頼性を達成できるかを探る。 

信頼性

信頼性とは、あるツールや手法がどの程度一貫した結果をもたらすかを指す。要するに、調査結果の再現性を扱うものである。例えば、ある調査を数回実施した場合、毎回同じ結果が得られるだろうか？もしそうであれば、そのデータ、あるいはデータを作成した道具は信頼できると言える。

GPSテクノロジーに特化した場合、低速の運動量を測定する線形測定は、高速の運動量を測定する多方向測定よりも信頼性が高いことがわかっています。アスリート・モニタリング・システムを使用する場合、そこから得られるデータに基づいて意思決定を行う前に、テクノロジーとそこから得られる各測定基準の信頼性を確立することが極めて重要です。

妥当性

妥当性とは、その装置が測定すると主張するものをどの程度測定するかということである。もう少し詳しく言うと、妥当性には2つの基本的な側面がある：

内部妥当性：技術やプロセスが、測定しようと意図したものを正確に測定しているか。

外部妥当性：ある状況／シナリオから収集した情報を、他のシナリオ／選手に適用するために一般化できるか。

データが有効であるためには、まず信頼できるものでなければならない。言い換えれば、テクノロジーが測定しようとするものを測定しなければ、定義上、一貫性のある信頼できる結果は得られないということだ。

アスリート・モニタリング・システムの信頼性／妥当性の評価

アスリート・トラッキング・テクノロジーの使用がますます広まるにつれ、学術界では、生成されたデータの信頼性と妥当性を精査し、定量化することに多くの注目が集まっている。

データの信頼性と妥当性は、状況や環境に左右される可能性がある。そのため実務者は、生成されたデータに対する信頼性を定量化するために、自らのワークスペース内で社内テスト（標準化された実行など）を実施することをお勧めする。このようなテストは、学術機関が実施するような厳密なものではなさそうだが、システムに対する有用な視点を与え、実施するプロセスの一部に情報を与えることができる。

Catapultがチームの競争力を高めるためにどのようなお手伝いができるか、ご興味がおありですか？アスリート・モニタリング・テクノロジーの詳細については、こちらをクリックしてください。