СРАВНИТЕЛЬНЫЙ АНАЛИЗ ЭФФЕКТИВНОСТИ КОМПЬЮТЕРНОГО ЗРЕНИЯ НА БАЗЕ CHATGPT И ЭКСПЕРТНОЙ ОЦЕНКИ В СПОРТЕ ПРИ РАЗБОРЕ БАСКЕТБОЛЬНЫХ ИГРОВЫХ ЭПИЗОДОВ
Аннотация
В экспериментальном исследовании реализован сравнительный анализ эффективности компьютерного зрения на базе мультимодальной модели ChatGPT и традиционной экспертной оценки при разборе спорных игровых эпизодов в баскетболе. На основе экспертизы 36 аналитических отчетов, созданных экспериментальной и контрольной группами, и математико-статистической обработки данных (описательная статистика, Хи-квадрат Пирсона, коэффициент согласия) выявлены достоверно значимые преимущества экспериментальной группы по временному (p<0,01), точностному (p<0,05) и критерию стабильности интерпретации (p<0,01), при отсутствии статистически значимых различий по критерию объективности (p>0,05). Показано, что внедрение интеллектуальной видеоаналитики обеспечивает ускорение принятия решений, повышение корректности трактовок в соответствии с правилами и воспроизводимости выводов при повторном анализе, сохраняя сопоставимый уровень согласованности с экспертными заключениями. Определены перспективные направления практического применения результатов: стандартизация протоколов видео разбора, поддержка подготовки судей и аналитиков, повышение качества пост-матчевого контроля и оптимизация обратной связи в технико-тактической подготовке баскетбольных команд.
Литература
2. Ермаков А. В., Скаржинская Е. Н., Новоселов М. А. Цифровая трансформация профессий в отрасли «Физическая культура и спорт» // Теория и практика физической культуры. 2022. № 3. С. 6–8.
3. Богомолов Г. В., Ерошкина С. Б., Фураев В. А. Цифровизация предоставления статистических данных сферы физической культуры и спорта // Теория и практика физической культуры. 2021. № 1. С. 14–16.
4. Наговицын Р. С., Алимов Р. Ш. Педагогический потенциал чата GPT для профессионально-личностного развития спортсменов // Ученые записки университета имени П.Ф. Лесгафта. 2024. № 5 (231). С. 271-274.
5. Померанцев А. А., Уполовнева А. А. Искусственный интеллект в спорте и физической культуре: тренды, угрозы и адаптация к новой реальности // Человек. Спорт. Медицина. 2024. Т. 24, № S2. С. 137–144. DOI: 10.14529/hsm24s221.
6. Померанцев А. А., Беспяткин В. Э., Травков Д. А., Бахтиарова Т. В. Определение антропометрических показателей кисти спортсменов на основе компьютерного зрения // Теория и практика физической культуры. 2023. № 5. С. 102–103.
7. Хасаншин И. Я., Уткин Д. С., Дербин Д. Н. Применение технологий машинного зрения для распознавания одиночных прямых ударов в боксе // Наука и спорт: современные тенденции. 2022. Т. 10, № 2. С. 43–48. DOI: 10.36028/2308-8826-2022-10-2-43-48.
8. Lin C.-H., Tsai M.-Y., Chou P.-Y. A Lightweight Fine-Grained Action Recognition Network for Basketball Foul Detection // Proceedings of the 2021 IEEE International Conference on Consumer Electronics–Taiwan (ICCE-TW). 2021. P. 1–2. DOI: 10.1109/ICCE-TW52618.2021.9602903.
9. Host K., Ivašić-Kos M. An overview of Human Action Recognition in sports based on Computer Vision // Heliyon. 2022. Vol. 8, Issue 6. e09633. DOI: 10.1016/j.heliyon.2022.e09633.
10. Nagovitsyn R.S., Volkov P.B., Miroshnichenko A.A., Tutolmin A.A., Senator S.Yu. The influence of special graduated weight load in greco-roman wrestling on the growth of students' sports results. Physical Education of Students. 2017. № 6. С. 294-301.
Copyright (c) 2026 Даниил Гошев, Роман Наговицын, Владимир Дворкин , Александр Осипов

Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial» («Атрибуция — Некоммерческое использование») 4.0 Всемирная.

.jpg)

.jpg)
.jpg)


.jpg)

