Основы разработки автоматизированной системы диагностирования физического состояния школьников

Введение. Профессиональная деятельность современных специалистов в области физической культуры и спорта предполагает решение широкого спектра задач, часто сопряженных с обработкой больших массивов данных. В частности, к ним относится определение группы здоровья школьников в соответствии с их индивидуальными антропометрическими и физиологическими показателями. Объективность результатов данной процедуры может быть обеспечена при условии использования систем автоматической обработки статистических данных. Многообразие современных программных продуктов, оптимизирующих процесс анализа количественных характеристик, обуславливает необходимость их сравнительного анализа на основе учета реализуемых ими функций, назначения и совокупности требований, предъявляемых к пользователям. Большой объем реализуемых функций универсальных средств не предполагает ориентации на конкретные предметные области. Профессиональные статистические пакеты имеют профильную направленность и позволяют решать задачу обработки больших массивов данных; специализированные – использовать совокупность статистических методов при решении прикладных задач в фиксированной области.

Среди универсальных программных продуктов, созданных зарубежными специалистами, для получения объективных результатов обработки данных наиболее широко используются SPSS (Statistical Package for the Social Sciences), SYSTAT, MINITAB, STATGRAPHICS, STATISTICA и прочие. Они предназначены для исследования качества жизни, большая часть из них ориентирована на профессионалов в области программирования и информатики и используется предприятиями военнопромышленного комплекса, банками, крупными корпорациями. Лидирующие позиции на рынке российских средств обработки массивов данных принадлежат STADIA, ОЛИМП, Класс-Мастер, КВАЗАР, Статистик-Консультант. При этом Класс-Мастер может рассматриваться в качестве специализированного пакета. Применение данного инструментария направлено на анализ временных рядов, построение регрессионных моделей и прочее. Отечественные профессиональные статистические пакеты не имеют широкого внедрения [3].

Таким образом, описанные выше средства обработки данных не могут быть использованы для решения проблемы диагностирования физического состояния лиц, занимающихся физической культурой в средних общеобразовательных учебных заведениях вследствие несоответствия широкого спектра функциональных возможностей и узости применения, а также невозможности удовлетворения совокупности требований, предъявляемых к целевой аудитории (врачи, тренеры, учителя физической культуры). Данные факты обуславливают необходимость разработки адекватного статистического инструментария, определяющую целеполагание настоящей работы.

Цель исследования: разработать алгоритм автоматической обработки физиологических и антропометрических данных для диагностирования физического состояния учащихся на занятиях физической культурой на основе отбора информативных признаков их релаксационных способностей при физических нагрузках.

Задачи исследования: произвести сравнительный анализ современных средств обработки больших массивов данных; определить наиболее эффективное средство и информативные признаки для решения проблемы диагностирования физического состояния школьников; обосновать необходимость создания авторского продукта диагностирования; разработать основные этапы процедуры диагностики физического состояния школьников.

Организация и методы исследования. В процессе выполнения работы использованы теоретические методы исследования: анализ, обобщение, синтез, классификация, систематизация. Произведено обобщение сведений об особенностях средств обработки результатов педагогических измерений в области физической культуры, основу которого составил обзор научно-методических материалов, представленных в открытых информационных источниках. На основе классификации показателей, необходимых для построения адекватной модели оценки адаптивных возможностей учащихся и систематизации совокупностей требований, обусловленных особенностями целевой аудитории, определены условия построения модели автоматизированной диагностической системы.

Результаты исследования и их обсуждение. В результате сравнительного анализа функциональных возможностей, условий применения и требований к уровню подготовленности пользователя программных продуктов, применяемых для обработки количественных данных, не был выявлен оптимальный инструментарий для решения специальной задачи – определения уровня физического развития школьников различных возрастных групп.

Специализация тренеров, учителей физической культуры, врачей, определяющих соответствие физических особенностей школьников группе физического здоровья, не предполагает глубоких знаний в области информатизации процесса обработки данных и навыков работы со статистическими программами. Поэтому при решении задачи выявления средства обработки результатов антропометрических измерений и физиологических показателей была произведена их классификация в соответствии с областью использования и функциональными возможностями, а также были учтены требования к пользователю.

Универсальные или специальные статистические пакеты, используемые в практике научных исследований, ориентированы на преобразование данных временных рядов, построение корреляционно-регрессионных моделей, реализацию факторного или кластерного анализа. Результаты их применения широко представлены в работах как отечественных, так и зарубежных исследователей в области физической культуры и спорта [4–6]. Анализ материалов, представленных в сети Интернет, позволил заключить, что современные программные средства (таблица) обеспечивают формирование первичных баз данных и их дальнейшую обработку при условии, что пользователь имеет достаточный уровень подготовленности,

Таблица

Классификация статистических пакетов

Типы	Отечественные	Зарубежные
Универсальные	Класс-Мастер, КВАЗАР, Статистик-Консультант, ОЛИМП	STATGRAPHICS, SPSS, STATISTICA, S-PLUS, SAS, SYSTAT, MINITAB, PASW STATISTICS, ODA,
Профессиональные	–	SAS, BMDP
Специализированные	Mesosaur, DataScope, Класс-Мастер, Эвриста, САНИ, SIGN	WinSTAT, STATIT

В частности, их применение предполагает владение навыками работы с электронными таблицами в режиме непосредственного ввода, при работе с редактором формул или графическими объектами, что вызывает серьезные затруднения у специалистов в области физической культуры и спорта.

Универсальные пакеты имеют комфортный интерфейс, могут использоваться персоналом с малым опытом работы в электронных информационных средах. При этом они предлагают самостоятельный выбор методов решения актуальных для пользователя задач.

Профессиональные пакеты позволяют производить многоаспектный анализ и допускают настройку параметров отображения информации в соответствии с требованиями пользователя. Данные продукты являются дорогостоящими и предполагают применение оборудования с высокими технологическими характеристиками, что не всегда возможно в условиях средних общеобразовательных учебных заведений.

Специализированные пакеты реализуют статистические методы, применимые для решения локальных задач, и могут быть использованы специалистами, компетентными в конкретных разделах научных областей. В области методологии физической культуры и спорта востребованы технологии искусственного интеллекта. В западных странах популярны имитационные модели, основу которых составляет анималистический подход. Их использование для решения узкоспециальной задачи является нерациональным.

На основе представленного анализа был сделан вывод о нецелесообразности применения данного инструментария для решения задачи статистической обработки данных исследования по теме «Диагностика оптимальности двигательного режима школьников в процессе физического воспитания», реализованной совместно с сотрудниками кафедры спортивной медицины ФГБОУ ВО «ВГАФК». Применение существующих мощных средств статистической обработки осложнит процесс сбора и начального преобразования первичных данных. Для оптимизации указанных процедур было принято решение о разработке авторского приложения – автоматизированной системы диагностирования.

Инструментарием для создания программного обеспечения были выбраны язык программирования С# и связанная с ним среда .NET Framework. Наше решение обуславливалось возможностями создания следующих продуктов:

• -    приложения Windows Presentation Foundation;

• -    приложений, работающих в локальной сети и сети Интернет;

• -    клиентских приложений интеллектуального типа, обладающих возможностями для работы в оперативном и автономном режимах, и прочего [1].

В высших и средних учебных заведениях мониторирование физического состояния учащихся начинается с определения групп здоровья [2, 7, 8]. Специфика планируемого процесса диагностирования определила следующие требования к используемым программам: интуитивно понятный интерфейс; защита от ввода заведомо неверных данных; скрытый операциональный аппарат в совокупности с отображением данных в форме, удобной для восприятия.

Разрабатываемое приложение предполагает реализацию расчета совокупности показателей, обеспечивающих отслеживание динамики адаптивных возможностей организма школьника. Исследователи рассматривают задачу выбора информативных индикаторов как одну из основных в процедуре оценивания.

Нами определен состав первичных данных, анализ которых позволит оценить динамику развития адаптивных возможностей школьников в процессе их физического воспитания, включающий:

• -    соматометрические показатели (возраст, рост, вес, экскурсия грудной клетки);

• -    физиометрические показатели (жизненная емкость легких, частота сердечных сокращений покоя, нагрузки и восстановления, артериальное давление; время задержки дыхания на вдохе);

• -    динамометрические показатели (кистевая динамометрия).

На основе анализа значений антропометрических и медико-биологических показателей для каждого субъекта производится подбор уровня и режимов нагрузок при проведении занятий по физической культуре. Автоматизация данного процесса предполагает определение градаций совокупности признаков и расчет диагностического коэффициента. На первом этапе была произведена разработка выявления уровня признака для отдельной возрастной группы (рисунок 1).

7<=вазраст<=11

Рисунок 1. Фрагмент блок-схемы для определения уровня физической подготовленности для группы детей 7–11 лет (индекс Скибинского)

Для выявления уровневой структуры каждого признака был составлен соответствующий алгоритм, учитывающий нормированные показатели для следующих возрастных групп школьников:

o      7–11 лет;

o      11–14 лет;

o      15–18 лет.

Блок-схема одного из них представлена ниже (Рисунок 2). Структура алгоритма, представленная в виде блок-схемы, и перечень требований, предъявляемых к проектируемому приложению, были обсуждены и утверждены на заседании кафедры естественнонаучных дисциплин и информационных технологий ФГБОУ ВО «Волгоградская государственная академия физической культуры».

11<=возраст<=14

пол - мужской

<=1199

<=899

низкий

>1199 и <=1515

>1515 и <=2788

средний

>2788 и <=3424

>1700 и <=2000

) выше среднего

>3424

>2000

высокий

7<=возраст<=11

пол - мужской

>899 и <=1149

■> ниже среднего <

> 1149 и <=1700

<=865

<=1010

<=1501

<=1746

>1746

<=1147

низкий

>1147 и <=1407

>1407 и <=1940

средний

>1940 и <=2206

>1501 и

■> выше среднего

>2207

высокий

15<=возраст<=18 v пол - мужской

(^^^~^^^ >865 и

■> ниже среднего ^-----

^>1010 и высокий

Рисунок 2. Блок-схема алгоритма вычисления значения индекса Скибинского для разных возрастных групп

Заключение. Таким образом, разработанная в среде .NET Framework электронная система диагностирования физического состояния школьников позволяет на основе анализа антропометрических и физиологических данных определить индивидуальную физическую нагрузку для школьников при проведении занятий по физической культуре. В результате ее использования оптимизируется процесс первичного распределения школьников по группам физического здоровья. Пользователь – учитель физической культуры или врач – получает рекомендации по формированию персонифицированной адекватной нагрузки и режима занятий. Данный инструмент предназначен для использования специалистами в областях спорта, медицины, не имеющих навыков программирования.