نقش هوش مصنوعی در ارزیابی خودکار عملکرد فیزیولوژیکی دانش آموزان در حین تمرینات تربیت بدنی

در دهه های اخیر، تحول فناوری و ورود هوش مصنوعی (AI) به عرصه آموزش و تربیت بدنی، چشم اندازی نو در ارزیابی و ارتقاء سلامت دانش آموزان ایجاد کرده است. یکی از حوزه های نوظهور در این زمینه، ارزیابی خودکار عملکرد فیزیولوژیکی در حین تمرینات بدنی است؛ فرآیندی که به کمک حسگرهای پوشیدنی، الگوریتم های یادگیری ماشین و تحلیل داده های زیستی، امکان پایش لحظه ای وضعیت جسمانی دانش آموزان را فراهم می سازد. در این مقاله مروری، پژوهش های اخیر مرتبط با کاربرد هوش مصنوعی در شناسایی الگوهای فیزیولوژیکی از قبیل ضربان قلب، دمای بدن، میزان اکسیژن خون، الگوی تنفس و سطح فعالیت بدنی مورد بررسی قرار گرفته اند. یافته ها نشان می دهد که مدل های یادگیری عمیق مانند شبکه های عصبی کانولوشنی (CNN) و بازگشتی (RNN) توانایی بالایی در تحلیل داده های زمان محور فیزیولوژیکی دارند و می توانند در تشخیص خستگی، بهینه سازی شدت تمرین، پیش بینی آسیب های احتمالی و ارتقاء عملکرد بدنی موثر باشند. همچنین، استفاده از هوش مصنوعی در محیط های آموزشی موجب افزایش ایمنی، انگیزش و بازخورد شخصی سازی شده برای دانش آموزان می شود. با این حال، چالش هایی همچون دقت داده های حسگرها، حفظ حریم خصوصی، محدودیت های زیرساختی مدارس و نیاز به آموزش معلمان در استفاده از فناوری های نوین همچنان وجود دارد. نتیجه گیری کلی این مرور نشان می دهد که تلفیق علم فیزیولوژی ورزشی با هوش مصنوعی می تواند بستری نوین برای تحول در نظام تربیت بدنی مدارس فراهم آورد و در بلندمدت به ارتقاء سلامت جسمی و ذهنی نسل آینده کمک کند.

کلیدواژه ها:

هوش مصنوعی ، فیزیولوژی ورزشی ، تربیت بدنی ، دانش آموزان ، ارزیابی خودکار