A Máquina de Detecção Automática de Hobbyjogger
A Máquina de Detecção Automática de Hobbyjogger
Anonim

Usar o aprendizado de máquina para reconhecer quem é um corredor competitivo sério e quem não pode nos ensinar algo útil sobre como evitar lesões

Uma das obsessões mais duradouras dos famosos fóruns de discussão do Letsrun.com é como e onde você traça a linha entre corredores competitivos sérios e meros colecionadores amadores. A resposta geralmente se resume a algo como "Qualquer um mais rápido do que eu é um colosso atlético talentoso e trabalhador cavalgando o mundo, e qualquer um mais lento do que eu é um amador patético que não deveria ter permissão para comprar tênis de corrida."

Este tipo de definição, de alguma forma, nunca consegue resolver o debate, então estou animado para relatar que os cientistas criaram uma máquina que pode observar você correr e imediatamente classificá-lo como um corredor "competitivo" ou "recreativo". Isso não é tão bobo ou elitista quanto parece - na verdade, tem o potencial de ajudar a trazer uma abordagem mais matizada para avaliar o risco de lesões com base em detalhes sutis em sua forma de corrida. A pesquisa vem de um respeitado grupo de biomecânica da Universidade de Calgary, chefiado por Reed Ferber, diretor da Running Injury Clinic da universidade, e foi publicada no Journal of Sports Sciences.

O objetivo básico do estudo era colocar um acelerômetro vestível na parte inferior das costas de 41 corredores (eles usaram um acelerômetro chamado Shimmer3) e ver se ele poderia deduzir quais corredores eram competitivos ou recreativos usando o aprendizado de máquina. Eles definiram competitivo como qualquer pessoa que teve um desempenho recente em corrida entre 5 km e maratona que excedeu 60 por cento do recorde mundial com classificação por idade para aquela distância com base nas Tabelas de Desempenho de Classificação por Idade da World Masters Association, um limite que o USA Track and Field define como "local classe." Por esta definição, 17 dos corredores foram considerados competitivos, enquanto 24 foram considerados recreativos.

Os dados tridimensionais da passada coletados pelo acelerômetro geraram 24 características distintas da passada de cada corredor. Essas não eram as coisas usuais, como cadência e comprimento da passada, uma vez que esses fatores são fortemente influenciados por quão rápido você está correndo - o que, como qualquer competidor experiente sabe, nem sempre é um bom barômetro de quão competitivo você é. Em vez disso, o foco estava em características mais sutis relacionadas à variabilidade da passada (por exemplo, quanto seu comprimento da passada muda de uma etapa para a próxima?) E regularidade (por exemplo, quão semelhante é a aceleração instantânea do seu corpo em cada uma das três dimensões ao longo de etapas sucessivas)

As diferenças entre os dois grupos de corredores são menos óbvias a olho nu do que você pode imaginar. Se você seguir os parâmetros convencionais de passada, não verá absolutamente nada: corredores competitivos do sexo feminino, por exemplo, tiveram uma cadência média de 168,2; suas contrapartes recreativas tiveram uma média quase idêntica de 169,1. Mesmo com as medidas mais sofisticadas de consistência da passada, as diferenças não são óbvias. Assim, os pesquisadores alimentaram todos os dados em um sistema de aprendizado de máquina denominado máquina de vetores de suporte e deixaram o computador descobrir quais fatores distinguiam corredores competitivos e recreativos. É importante ressaltar que eles analisaram corredores masculinos e femininos separadamente, uma vez que as marcas de uma passada “competitiva” podem ser diferentes nos dois grupos.

Com certeza, usando dados sobre a consistência da passada, o computador foi capaz de classificar corretamente os corredores masculinos como competitivos ou recreativos 82,6% das vezes, e as corredores femininas 80,4% das vezes. Os fatores específicos que mais importavam eram diferentes nos dois grupos - o que não é surpreendente, o autor principal Christian Clermont explicou em um e-mail, porque "as diferenças estruturais na anatomia masculina e feminina certamente afetam a maneira como corremos." O modelo masculino incorporou 12 características diferentes de passada, enquanto o modelo feminino incorporou 10 características diferentes, todas relacionadas à variabilidade e regularidade da passada.

A vantagem do aprendizado de máquina é que ele pode identificar padrões sutis em um grande número de variáveis que você nunca encontraria apenas olhando para os dados. A desvantagem é que nem sempre é óbvio o que esses padrões significam. Por que, por exemplo, a característica distintiva mais importante para os homens é a correlação passo a passo da aceleração do centro de massa ao longo do eixo posterior para frontal, enquanto para as mulheres é a raiz quadrada média dessa aceleração? Mas se você se afastar dos detalhes, poderá ver o padrão maior: corredores experientes correm com mais consistência do que corredores menos experientes, com cada passo mais semelhante ao anterior e posterior.

Por que isso importa? Embora eu não queira me aventurar em julgamentos de valor no estilo Letsrun, há razões para acreditar que a marcha competitiva em corrida é melhor do que a recreativa. Estudos descobriram que corredores inexperientes se machucam muito mais do que os experientes, apesar de correr menos, e tendem a se machucar em lugares diferentes. Corredores recreativos tendem a ter mais lesões nos joelhos e quadris, talvez devido à forma de corrida não otimizada; corredores competitivos tendem a ter mais lesões nos pés e nas pernas, talvez devido ao uso excessivo relacionado a cargas de treinamento mais pesadas. Portanto, saber se sua forma de corrida está ficando mais “competitiva” ou mais “recreativa” pode teoricamente dar algumas dicas sobre se seu treinamento está funcionando e onde você pode estar mais vulnerável a lesões.

O acelerômetro usado neste estudo específico não é adequado para o uso do consumidor pronto para uso. Ainda assim, diz Clermont, existem alguns parâmetros úteis que poderiam, em princípio, ser calculados usando coisas como o Garmin Running Dynamics Pod ou LumoRun (que infelizmente faliu no mês passado). Mesmo com relógios inteligentes ou pedómetros mais simples, você pode medir quanto tempo leva cada passada - e então, crucialmente, calcular um coeficiente de variação, um indicador de quanto esse tempo varia de uma passada para outra. Isso daria a você uma noção de quão consistente é sua passada, se fica menos consistente com a fadiga e se está ficando mais consistente com o tempo. Observar as tendências pode lhe dar uma noção se seu treinamento o está ajudando ou prejudicando. Se um número suficiente de pessoas solicitar um recurso como esse, talvez empresas como a Garmin o disponibilizem. (E talvez já esteja disponível em algum lugar: o mundo da tecnologia de corrida vestível é tão extenso e em rápida evolução que é difícil acompanhá-lo.) Vou sugerir um nome para este parâmetro: Índice Hobbyjogger.

Recomendado: