ارزیابی عملکرد مدل هوش مصنوعی بدون نشانگر MediaPipe در تحلیل کینماتیکی سه گام اسپک ورزشکاران نوجوان

مربیان والیبال باشگاهی معمولا برای اصلاح تکنیک از مشاهده چشمی یا ابزارهایی مانند Kinovea استفاده میکنند که به علامتگذاری دستی و زمان تحلیل زیادی نیاز دارد. هدف پژوهش حاضر، ارزیابی عملکرد مدل هوش مصنوعی بدوننشانگر MediaPipe در برابر Kinovea برای تحلیل چهار زاویه کلیدی سهگام اسپک ورزشکاران باشگاهی نوجوان بود. نمونه شامل ۲۰ ورزشکار دختر نوجوان (۱۲–۱۳ سال) دارای سابقه تمرین باشگاهی والیبال بود که پس از غربالگری اولیه، ۲۰ نفر با قرعه کشی از میان ۴۵ نفر انتخاب شدند. چهار زاویه کلیدی (زانو در لحظه تیکآف، بیشینه خمشدن تنه، زاویه آرنج، چرخش تنه) با هر دو نرمافزار اندازهگیری و با OpenCap بهعنوان روش مرجع مقایسه شد . نتایج نشان داد MediaPipe در هر چهار زاویه خطای مطلق میانگین (MAE) کمتری نسبت به Kinovea داشت (میانگین کل MAE برابر ۲٫۱۸ ± ۳.۱۸درجه در برابر۰.۹۲± ۴٫۲۹ درجه). همبستگی پیرسون بین MediaPipe و OpenCap در تمام زوایا بالا بود r بین ۰٫۹۷۲ تا ۰٫۹۹۷ و رگرسیون خطی نشان داد MediaPipe توانایی بالایی در پیشبینی مقادیر مرجع OpenCap دارد R² بین ۰٫۹۴۴ تا ۰٫۹۹۴ با توجه به اینکه اجرا با دو گوشی هوشمند و بدون نیاز به تجهیزات آزمایشگاهی امکانپذیر است، MediaPipe گزینهای مناسب، ارزان و در دسترس برای مربیانی است که به آزمایشگاه بیومکانیک دسترسی ندارند. با وجود عملکرد بهتر MediaPipe، برای تعمیم نتایج نیاز به مطالعات با حجم نمونه بزرگتر و شرایط میدانی واقعیتر وجود دارد.