Cơ bản về Catapult: Đánh giá chất lượng dữ liệu hiệu suất
Theo bản chất của nó, dữ liệu trong thể thao vốn có nhiễu. Khi công nghệ phát triển và dữ liệu được tạo ra nhiều hơn, điều quan trọng là chúng ta phải định lượng ranh giới của nhiễu này (biến thiên). Khi ranh giới của nhiễu được xác định, chúng ta có thể tự tin hơn vào các phán đoán đưa ra khi các quan sát nằm ngoài các ranh giới này.
Về cơ bản, sự tin tưởng mà chúng ta có thể có trong các hệ thống và dữ liệu sẽ được xác định bởi độ tin cậy và tính hợp lệ của chúng. Bài viết này khám phá cách đạt được mức độ tin tưởng cao đó trong môi trường thể thao ứng dụng.
Độ tin cậy
Độ tin cậy đề cập đến mức độ mà một công cụ hoặc kỹ thuật tạo ra kết quả nhất quán. Về bản chất, nó liên quan đến khả năng lặp lại của các phát hiện. Ví dụ, nếu một nghiên cứu cụ thể được tiến hành nhiều lần, liệu nó có mang lại cùng một kết quả mỗi lần không? Nếu có, chúng ta có thể nói rằng dữ liệu hoặc công cụ tạo ra dữ liệu là đáng tin cậy.
Trong trường hợp cụ thể của công nghệ GPS, chúng ta biết rằng các phép đo tuyến tính của chuyển động tốc độ thấp đáng tin cậy hơn các phép đo đa hướng của chuyển động tốc độ cao. Khi làm việc với các hệ thống giám sát vận động viên, điều quan trọng là phải thiết lập độ tin cậy của công nghệ và từng số liệu mà nó tạo ra trước khi bạn bắt đầu đưa ra bất kỳ quyết định nào dựa trên dữ liệu thu được từ nó.
Tính hợp lệ
Tính hợp lệ liên quan đến mức độ mà một thiết bị đo lường những gì nó tuyên bố sẽ đo lường. Để đi sâu hơn một chút, có hai khía cạnh cơ bản đối với tính hợp lệ:
Tính hợp lệ nội bộ: Liệu các công nghệ và quy trình có đo lường chính xác mục đích của chúng hay không?
Tính hợp lệ bên ngoài: Thông tin thu thập được từ một bối cảnh/tình huống có thể được tổng quát hóa để áp dụng cho các tình huống/vận động viên khác không?
Để dữ liệu của bạn có giá trị, trước tiên nó phải đáng tin cậy. Nói cách khác, nếu công nghệ không đo lường được những gì nó muốn đo lường, theo định nghĩa, nó không thể tạo ra kết quả nhất quán và đáng tin cậy.
Đánh giá độ tin cậy/tính hợp lệ của hệ thống giám sát vận động viên
Khi việc sử dụng các công nghệ theo dõi vận động viên ngày càng trở nên phổ biến, cộng đồng học thuật đã tập trung nhiều sự chú ý vào việc kiểm tra và định lượng độ tin cậy và tính hợp lệ của dữ liệu được tạo ra
Độ tin cậy và tính hợp lệ của dữ liệu có thể phụ thuộc vào tình huống và môi trường. Do đó, các học viên được khuyên nên tiến hành các thử nghiệm nội bộ trong không gian làm việc của riêng họ (ví dụ: các lần chạy chuẩn hóa) để định lượng mức độ tin cậy mà họ có thể có trong dữ liệu được tạo ra. Các thử nghiệm này có thể không nghiêm ngặt như các thử nghiệm do các tổ chức học thuật tiến hành, nhưng chúng có thể cung cấp cho bạn góc nhìn hữu ích về hệ thống của mình và có thể cung cấp thông tin cho một số quy trình bạn áp dụng.
Bạn có muốn tìm hiểu Catapult có thể giúp nhóm của bạn tìm ra lợi thế cạnh tranh như thế nào không? Nhấp vào đây để tìm hiểu thêm về các công nghệ theo dõi vận động viên của chúng tôi .