不同体育项目的比赛对运动员的体能、技术能力、战术能力、心理能力和智力都有不同程度的要求。在集体球类、持拍类和格斗类项目中，技术能力和战术能力的发挥对于比赛的胜负起着至关重要的作用。然而，受限于量化技术的发展，早期对比赛中技术和战术表现的分析局限于手工标记。近30年来，视频采集/分析技术、微型可穿戴技术和大数据分析技术的迅速发展使得对技术和战术表现的分析在指标上呈现多样化，在时效上呈现即时化，在数据上呈现海量化，在分析上呈现深度化，在分工上呈现专门化。更重要的是，科技进步有力推动了运动表现分析（PerformanceAnalysis）研究和应用领域的快速发展，与运动表现分析相关的研究领域、学术期刊、学术组织、专业方向、职业岗位也相继出现。

运动表现分析的发展将进一步推动运动训练的科学化进程^[1]。然而，相比于国外运动表现分析的蓬勃发展，国内对运动表现分析的认识尚处于起步阶段。对运动表现分析认识的片面和缺失既不利于为运动表现分析研究人员营造一个积极的学术环境，也不利于发挥运动表现分析在运动训练实践中的应用价值，更不利于我国高等院校及时培养运动表现分析从业人才。为此，本文全面梳理运动表现分析的起源和发展，揭示运动表现分析的研究和应用现状，展现运动表现分析面临的挑战和未来发展方向，为全面科学地认识运动表现分析提供参考，为运动训练的进一步科学化提供新视角。

1.   运动表现分析的过去

历经一个多世纪的发展，运动表现分析已由体育从业人员的个人尝试发展成为运动科学（Sports Science，国内也译为“训练科学”^[1]）的下属研究领域和专业方向，根据开展规模和理论成熟程度可分为萌芽、完善与集成、深化与拓展3个阶段。

1.1   萌芽阶段

在19世纪末，采用手工标记方式统计的各项运动比赛数据已在报刊和书籍中出现^[2]。早在1885年，英国Beaufort八世公爵陆续编辑出版了一套名为The Badminton Library of Sports and Pastimes的体育百科全书，其中就包含利用标记分析（Notational Analysis）对不同项目运动员的比赛表现进行记录与分析的内容，这是关于标记分析的最早记录^[3]。标记分析是使用表意的符号、字母或标志来记录比赛中的行为和事件，用以进行技术和战术量化分析的方法^[4]。早期的标记分析多源于体育媒体人的比赛报道需要，体育作家和记者们针对棒球、足球、拳击和橄榄球等项目设计了相应的标记分析系统来记录比赛中的关键行为和事件^[2-3]，这种量化分析手段为评估比赛表现提供了新视角。

进入20世纪40年代，移动分析（Motion Analysis）开始出现。该方法通过监测运动员在比赛和训练中不同强度移动（走、慢跑、中速跑、高速跑和冲刺等）的距离和时间，以及移动的加速度、跳跃高度和变向等指标来量化运动员的比赛和训练负荷^[5]。在此期间，美国大学篮球教练员Lloyd Lowell Messersmith^[6]设计了一套可用于测量运动员跑动距离的手持设备，并使用该设备采集了不同水平和位置的篮球运动员在比赛中的跑动距离，这被认为是最早的移动分析。自1950年开始，英国教练员Charles Reep使用符号和数字手工标记的方式记录职业足球比赛中的技战术行为和事件，对球场区域、传球顺序、事件结果等关键信息进行统计分析^[7]。相关研究成果于1968年发表在英国《皇家统计学会杂志》^[8]，这是专业学术期刊首次报道移动分析。20世纪60年代，我国体育科研工作者开始从实战出发，研究比赛中的实际运动表现。麻雪田^[9]采取现场观察与手工标记的方式，收集并分析了1965年全运会足球比赛前6名球队中球员射门、传球、总距离、冲跑距离与次数等数据，可视为我国最早报道的标记分析。之后，更多基于实际比赛数据对运动员和运动队的运动表现进行量化分析的研究成果逐渐出现，研究对象也从集体球类项目拓展至其他体育项目^[10-13]。

1.2   完善与集成阶段

到了20世纪80年代，随着运动表现追踪系统和视频分析软件的出现，所采集的运动表现数据的体量和维度大幅增加，多元统计分析方法开始被广泛应用，研究的内容和层次不断丰富。标记分析和移动分析开始被越来越多的研究人员所关注，并深刻地改变了各项目比赛和训练表现评估模式。教练员和研究人员在长期实践中逐渐形成了一系列可以解决实践中具体问题的方法论。但研究者们也慢慢发现，缺乏系统的理论知识指导实践制约了这一领域继续深入发展。此后20年，使用标记分析和移动分析等方法进行研究的成果被汇编成书，与此相关的方法论也逐渐出现，其中的代表性著作是Mike Hughes和Ian Franks于1997年出版的Notational Analysis of Sport^[4]。

1991年，第一届世界运动标记分析大会（World Congress of Notational Analysis of Sport）在英国举办。同年，国际运动标记分析协会（International Society of Notational Analysis of Sport）成立，这一领域开始朝着更加专业化的方向发展^[14]。1999年，国际运动标记分析协会正式更名为国际运动表现分析协会（International Society of Performance Analysis of Sport，ISPAS），并在2001年创立了官方学术期刊International Journal of Performance Analysis in Sport。至此，历经一个多世纪的实践与研究，标记分析和移动分析等方法完成了从方法到方法论、从方法论到专门研究和应用领域的发展。

1.3   深化与拓展阶段

2010年后，运动表现分析的理论体系进一步得以丰富和完善。2013年，来自不同国家的学者共同出版Routledge Handbook of Sports Performance Analysis一书，该书对从运动表现分析的理论基础到具体体育项目的应用都进行了详细介绍^[15]。2019年，Essentials of Performance Analysis in Sport第3版问世，该书在理论和应用层面进行了更为系统的介绍，运动生物力学分析等实验室测量和相关定性研究方法也被纳入运动表现分析的范畴^[16]。该书被认为是运动表现分析的集大成者，并成为一些高校相关专业的重要教材。

人工智能和大数据分析技术的快速发展使得所采集的运动表现数据的维度和体量都大大增加，对于运动行为模式的识别以及运动表现规律的探索越来越深入^[17-19]。运动表现分析的学科交叉特征在这一阶段愈发明显。2015年以后，国内学者开始更多地结合国外运动表现分析的研究范式对足球、篮球和网球等项目的比赛表现进行定量研究^[20-24]，并通过数学建模量化比赛表现特征，探究比赛关键致胜因素。

理论研究发展到一定阶段必然带来运动实践的革新。进入21世纪以来，运动表现分析的应用价值越来越被人们认可，在足球、篮球和棒球等职业化程度较高的项目中，教练员团队中开始增设运动表现分析师的职位，负责辅助教练员优化比赛策略，进行科学训练评价与计划。这一职位的出现有助于解决长期以来科研人员与教练员之间沟通不足的问题。然而，以往运动队中的运动表现分析师均由教练员团队成员或其他学科背景的人员转型而来，尚未出现专门培养的从业人员。在此背景下，国外高校开始在研究生阶段开设运动表现分析专业，相关本科专业中也出现了运动表现分析相关专题课程。2003年，英国卡迪夫城市大学首次开设运动表现分析硕士专业，该专业的课程旨在教授学生运用现代科技测量与分析技战术的知识与技能，教练员和运动员的行为学分析、运动员追踪技术的应用也会在课程中涉及^[25]。2013年，该大学将运动表现分析专业进一步拓展到本科阶段，开设了首个运动表现分析本科专业。在国内，上海体育学院于2020年首次在本科阶段开设了运动表现分析相关专业（运动能力开发）。

2.   运动表现分析的现在

发展至今，运动表现分析已成为运动科学的一个分支领域或方向，也有着自身专门的研究范式。在科学研究领域，运动表现分析重点关注技术表现、战术表现、设备的信效度、训练负荷的监控等方面，并积极与其他学科进行交叉融合。在实践应用领域，运动表现分析需求的增加催生了运动表现分析师这个专业岗位。

2.1   运动表现分析的定义

表1是不同学者和机构对运动表现分析的定义，从中可以梳理出如下几点：①狭义的运动表现分析是一种客观记录训练和比赛中发生的行为和事件的方法，广义的运动表现分析是运动科学下属的一门分支学科；②作为一种方法，运动表现分析直接提供的是一种描述性信息；③作为一门分支学科，运动表现分析具有跨学科属性；④运动表现分析的分析手段与形式区别于运动能力测试、实验室试验、田野试验、问卷调查和访谈。综合以上信息，笔者对运动表现分析进行如下定义：运动表现分析是以标记分析和移动分析为主的一类直接量化和记录运动训练和体育比赛过程中发生的行为和事件的方法（方法层面的定义），或是运用标记分析和移动分析等手段对实际训练和比赛中的行为和事件进行直接而客观的描述与记录，并利用定量和/或定性的方法对记录的信息进行深度分析，旨在为从业人员做决策提供支撑的运动科学的下属学科分支（学科分支层面的定义）。

表  1  运动表现分析定义或描述

Table  1.  Definition or description of performance analysis

年份	作者	运动表现分析定义或描述
2010	O'Donoghue[26]	运动表现分析是运动科学的一门分支学科，旨在对比赛和训练中的实际运动表现进行直接分析，而非以实验室试验、问卷调查、访谈等自我评价的形式进行分析
2013	McGarry等[15]	运动表现分析具有跨学科属性，能够帮助教练员、运动员和科研人员客观地理解实际运动表现，区别于自陈报告、运动能力测试与实验室试验
2015	O'Donoghue[27]	运动表现分析是在比赛中或赛后通过视频对实际运动表现进行观察与分析，不包括实验室试验、田野试验以及问卷调查和访谈等自我报告形式的研究
2008，2020	Hughes等[16, 28]	运动表现分析包括标记分析和生物力学分析两部分，通过利用系统的观察工具对教练员和运动员行为数据进行采集与分析；通过建立描述性表现档案向运动员和教练员提供其运动行为的反馈信息
2022*	ISPAS[29]	运动表现分析是一种客观记录运动表现的方法，能够以有效且一致的方式来量化运动表现中的关键因素
2022*	EIS[30]	运动表现分析是一门通过采用系统的观察方法提供客观的统计数据（数据分析）和视觉反馈（视频分析），从而帮助提升运动表现和改进决策的学科
注：*指该年份为作者访问其官方网站的年份；ISPAS为国际运动表现分析协会（International Society of Performance Analysis of Sport），EIS为英格兰体育科学研究所（English Institute of Sport）。

下载: 导出CSV 

| 显示表格

2.2   运动表现分析在运动科学中的定位

作为以运动员或运动队为主要关注对象，以提升运动员竞技表现或运动队比赛成绩为目标的一门学科（领域），运动科学涵盖了体能训练、康复治疗、营养、心理、训练监控等诸多细分领域，同样也涵盖了技战术训练的监控和对比赛中技战术应用的分析^[31]。尽管尚存争议，但笔者认为：作为一个专有名词，运动表现分析专指技战术分析方法或分析技战术的专门领域或方向，其对应为运动表现分析的狭义范畴；作为一个非专有名词，运动表现分析对应为“对表现的分析”，而“表现”可对应为某一运动能力的“表现”（如technical performance，技术表现）或某一运动方式的“表现”（如running performance，跑动表现），也可对应为运动员整体的表现（如athletic performance，竞技表现）^[32]。此时，运动表现分析的范畴取决于表现的范畴，其可以是狭义的技战术分析，也可以是广义的运动/竞技表现分析。

当然，无论是狭义还是广义范畴，运动表现分析过程中都会使用定量和定性分析方法来揭示不同行为和事件之间的相关性。在理想情况下，运动表现分析还可基于发现的相关关系，对比赛过程中可能出现的行为和事件做出预测（如主罚点球的球员大概率会将球踢向哪侧球门）。需要注意的是，即便是广义范畴，运动表现分析也未能涵盖训练周期安排、人体适应训练刺激的机制、疲劳后的最佳恢复策略、损伤后的重返比赛方案等与运动员竞技表现提升息息相关的重要问题。因此，无论是狭义还是广义范畴，运动表现分析都隶属于运动科学（图1）。随着学科理论体系的不断完善和相关视频分析技术、可穿戴技术、大数据分析技术的发展，运动表现分析将为运动训练的进一步科学化提供一个独特视角，其在运动科学中的重要性也将越来越明显，甚至在更广阔的领域发挥作用。

图  1  运动表现分析在运动科学中的定位

Figure  1.  Position of performance analysis in sports science

下载: 全尺寸图片 幻灯片

2.3   运动表现分析的研究对象与方法

2.3.1   研究对象

运动表现分析是对实际体育比赛和训练表现的直接探析^[33]，首要研究对象是“人的运动”，分析手段主要包括标记分析和移动分析。对于非对抗类运动项目，运动表现分析更多地将技术和体能表现纳入研究范畴，而对于对抗类运动项目，运动表现分析则试图将技术、战术和体能表现进行整合分析。标记分析可进行现场实时分析，也可借助图片和视频等信息技术手段进行分析，主要记录比赛和训练中完成的技战术行为和事件的次数、成功率等。移动分析则大多需要借助图片、视频或可穿戴设备等技术手段，主要分析技术动作的正确性与有效性、战术配合的合理性与流畅性，以及记录移动距离与速度，从而在一定程度上反映体能表现。

2.3.2   研究方法

由于“人的运动”的复杂性和动态性特征，运动表现分析的研究方法通常包括定量研究、定性研究，以及两者混合的研究方法，这些研究方法被用于对比赛和训练表现的直接和客观分析^[33]。定量分析主要通过对事实和数据进行统计学分析得出规律，客观地描述比赛和训练中发生了哪些运动表现行为和事件及其对结果的影响^[27]。定性分析则通常通过对语言、视频、感觉、思想和情感等进行解读和阐释提炼信息，揭示运动表现行为和事件如何发生以及为什么发生^[27]。运动表现的分析与诊断通常需要采用2种分析方法相结合的方式，且由于定性研究能够更好地解释过程和因果关系，其在运动表现分析中的作用甚至更具潜力^[27]。例如，采取定量研究的方法可以对足球比赛中的传球次数和传球成功率进行量化，但单纯的次数和成功率数据并不足以评价一个足球运动员比赛（传球）表现的好坏，因为这些数据并不能直接反映运动员对传球技术、传球时机、传球线路选择的合理性，这需要结合定性研究方法（如视频分析）进行分析。

2.4   运动表现分析的研究热点

2.4.1   技术表现评估

技术表现评估是运动表现分析的主要内容之一。基于比赛技术统计数据进行统计建模，以判定能够显著影响比赛结果的关键指标是技术表现评估的一项重要任务。比赛表现的复杂性体现在每场比赛都是在特定情境下进行的，比赛地点、对手、阶段等情境因素都能够从行为学角度影响运动员和运动队的表现^[34]。因此，研究人员在统计模型的构建过程中需要更多地考虑情境变量的影响，探寻在不同比赛环境和条件下的比赛关键指标^{[20, 35-37]}，进而建立比赛技术表现的标准化档案（performance profiles）^{[24, 38-40]}。此外，也有大量研究探究不同性别^[41]、年龄^[42]、比赛类型^[43-44]、地理区域^[45]、实力水平^[46]的运动员或运动队在技术表现上的差异。在集体球类项目中，由于不同位置的运动员在比赛中有着不同的角色和分工，因而对于不同比赛位置运动员的技术能力需求的研究也受到研究人员的广泛关注^[47-48]。这类比较性研究的结果能够在比赛备战、转会和人才选拔时为教练员提供重要参考。

2.4.2   战术表现评估

战术是帮助运动员或运动队在比赛博弈中获胜的关键因素，运动员或运动队通常会在一定时间段内形成一个比较稳定的战术风格，对战术风格进行分析是比赛备战的重要内容。有研究^{[23, 49]}通过各种技术指标识别比赛中不同类型的战术风格，并通过建立实证模型识别出能够描述特定比赛风格的技术指标，建立战术表现档案。其中，对于获胜者和失败者之间的比赛风格的比较研究^[50-51]最为常见。此外，由于比赛规则改变、比赛战术革新、运动员体能提高、比赛装备改进等原因，运动员或运动队在比赛中所体现的战术风格也随着时间不断演进，对这种演进趋势的研究^[52-53]也是战术研究的一项内容。

无论是个人对抗类项目还是团体运动项目，比赛战术是在特定的时间和空间内与对手或队友发生的一种持续交互的动态行为，受到多重因素的影响。运动员的技术和体能水平、教练员执教风格和对手的战术特点，以及比赛地点、比赛类型和对手实力等情境因素均被证明能够显著影响运动员或运动队的赛前战术布置和赛中战术决策^[54-56]。对于战术表现的评估是一项复杂的系统性工作，研究人员通常会根据参与人数的多少，从个人、局部区域、全队以及比赛全局等层面进行分析^[57-58]。随着比赛追踪系统的不断发展，研究人员能够获得比赛中实时追踪的运动员位置数据，并基于此提炼出特定的战术指标，量化战术执行的动态过程。例如，在足球和篮球等团体球类项目中应用的有效区域控制（space control）和压力指数（pressing index）等^[59-60]指标能够帮助了解运动员之间、运动员与对手之间的互动关系，以及量化除了比赛事件相关人和持球人以外的其他所有运动员的战术表现，从而描述战术在特定情境下执行时所具有的动态时空特征^[61-62]。如果将一支比赛中的队伍看作一个动态系统，那么系统内个体之间的互动就决定着比赛态势的发展，当前研究者们也越来越多地用整体、连续的而不是单一的数据关系对战术行为进行解释和预测。

2.4.3   信效度分析

问题、数据和方法是运动表现分析的3个核心要素。运动表现分析实际上是基于可靠的数据采用科学合理的方法解决运动实践中所出现的问题，所以数据和方法的信效度分析就成为重要研究内容之一。数据的质量主要取决于指标的有效性、数据采集方式的合理性以及数据采集系统的可靠性，三者联系紧密、相互依存^[16]。指标的效度是指所选用的指标是否能够准确地描述特定方面的运动表现以及所描述的运动表现的重要性^[63]。数据采集方式客观与否则取决于各个指标是否有准确的可操作性定义以及采集人员对于指标定义的理解准确度和对操作系统的熟练程度^[64]。对于数据采集系统的可靠性验证，研究人员主要通过对数据进行重复采集以分析单个采集人员内部（intra-operator）和多个采集人员之间（inter-operator）数据的一致性进行评价^[65-66]。目前，用于运动表现数据追踪的系统主要有基于计算机视觉的光学追踪系统、基于雷达和超宽带的本地定位系统和基于GPS信号的卫星定位系统等，其被统称为数字化运动表现追踪系统（Electronic Performance and Tracking Systems，EPTS），不同品牌和类型的系统所采集数据的信效度在被应用之前均被验证和比较，明确其所选用指标的可操作性定义^[67-72]。

运动表现能否被客观和准确评价，除了数据的质量外，用于评价的工具和方法的效度也非常重要。由于解决实践问题的需要以及科技的进步，新的运动表现测试与评估工具和方法不断被开发，所以相较于数据的可靠性验证，研究者更多地还是关注此类测试与评估工具和方法在评估特定方面运动表现的信度和效度。例如：有研究^[73-74]设计了特定的评估工具或量表测量足球和网球运动员在进攻中的技术和战术表现，并对其信效度进行验证；也有研究^[75]开发和验证了一种基于乒乓球比赛时间结构的击球有效性测试方法，评估球速和球的落点。

2.4.4   负荷监控

教练员和运动表现分析师一直致力于寻找不同的方法和手段对运动员在比赛和训练中的运动负荷进行监控，从而通过设计合适的训练方案使运动员的心理和生理在赛前达到最佳适应状态，并在比赛中监控疲劳状态和降低受伤风险。移动分析是目前球类项目负荷监控的主要方法之一，比赛中的总跑动距离、高强度距离及冲刺距离和速度等是量化球员外部负荷的常用指标^{[23, 76-77]}。内部负荷的评估则是测量由外部负荷所引起的心理和生理上的反应，常用心率、血乳酸和主观疲劳量表进行量化^[78-79]。内部和外部负荷往往紧密联系，所以不同运动项目中内部和外部负荷之间的关系也是研究者十分关注的研究点^{[78, 80]}。

得益于GPS定位技术和计算机视觉技术的不断发展，自动化运动追踪系统能够帮助采集多维度和大体量的运动学和动力学数据来实时评估所有运动员在比赛和训练中的运动负荷特征。有大量研究^{[38, 81-84]}基于大数据样本进行统计建模，建立移动表现标准化档案，量化不同比赛位置、不同比赛和训练情境下运动员的运动负荷特征以及训练负荷与比赛负荷之间的关系，这极大地提高了比赛表现评估和训练监控的科学化水平。近年来，也有大量研究分析了新冠感染疫情前后运动员在比赛中体能表现的差异，以此量化疫情对于运动员的影响^[85-86]。然而，单纯的外部负荷评估无法反映运动员在运动中的生理变化特征，鉴于此，研究人员通常也采用心率和血乳酸监测，以及主观疲劳量表来评估运动时的内部负荷，并通过外部负荷和内部负荷相结合，使得运动员的运动负荷得到更加全面和准确的量化^[87-88]。

2.4.5   学科交叉研究

运动表现评估是一个复杂且系统的过程，需要通过不同学科的理论和方法交叉融合，从多维度解读运动表现的复杂性和动态性，更深层次地探寻运动表现的本质、规律以及优化途径。当前，这种学科间的融合不仅体现在运动科学内部各分支学科之间（如运动表现分析与体能训练），同时也体现在运动科学与外部学科之间（如数据科学），最终在各学科相关理论的基础上发展形成了一种旨在解决训练和比赛中具体实践问题的新实证研究范式^[16]。Glazier^[89]基于大统一理论（Grand Unified Theory）提出了一个融合运动科学各分支学科的理论框架，考虑环境和任务相关因素的影响，从个体内部和个体之间的维度更全面地评估和解释运动表现，为运动表现分析与各学科融合提供了重要理论基础。

近年来，越来越多的研究者开始将计算机科学、系统科学、生态学和数学等学科理论与方法融入运动表现分析^[90]，这拓展了运动表现分析研究的广度和深度，也使其具备了明显区分于其他运动科学分支学科的特征。运动表现具有的非线性、自组织性、不确定性等特征能够为复杂性科学提供完美的应用场景，研究人员也尝试基于运动表现的复杂不确定性机制，建立时空尺度下的运动行为评估模型。此外，Travassos等^[91]基于生态动力学把运动表现看作运动员在特定时空条件下持续相互适应的过程，并提出一个理论框架从不同层面分析团队或个人的行为在特定运动情境下如何以及为什么发生，这些理论的融合为运动表现的科学测量与优化提供了新的理论基础。人工智能和大数据等新兴交叉学科的出现也为运动表现分析的方法论和思维方式带来了变革。例如，研究人员借助Apriori及有关算法识别高水平足球比赛的进攻模式^[92-93]，应用以神经网络算法为代表的数据挖掘技术对多源异构运动表现数据进行深度挖掘以识别足球比赛战术特征^[53]，挖掘青少年足球人才^[94]，降低体操运动员的淘汰率^[95]。学科的交叉融合是一个持续深入的过程，运动表现分析未来还会与更多学科进行融合和渗透，这不仅能丰富其学科内涵，也能更好地帮助我们探索运动表现的基本特征。例如，为了探索运动员在比赛中行为的决策过程及因果关系，与心理学和脑科学融合也成为研究者们探索的方向^[96]。

2.5   运动表现分析师

2.5.1   运动表现分析师的定位

运动表现分析师通过结合教练员团队在特定阶段的需求制订工作计划，在比赛场、训练场、办公室和实验室等场景下采用定量和定性分析手段对所获得的数据和视频资料进行处理和分析，并以教练员可理解和可接受的方式将结果进行解读和传递，其是理论研究与训练实践融合的重要载体^[97]。在不同项目或不同水平的运动队中，运动表现分析师的称呼会有所差异，如视频分析师、技战术分析师和数据分析师等，而实际上只是工作的侧重点不同，他们的职责都是整合客观可靠的相关数据，创造有价值的信息，从不同维度提供运动表现的外部反馈，帮助优化决策和评估过程^[98]。

国际上高水平运动队或职业俱乐部大都设立了跨学科的运动表现分析部门，尤其是集体球类项目。部门中通常会设立一名主管（Head of Performance），负责制订整体工作计划。在此部门中，运动表现分析师与体能训练师、物理治疗师、营养师等其他人员以及教练员保持沟通联络（图2），其任务可分为2类：①比赛分析，包括对队伍自身和对手的分析，部分体育项目还会根据特定需求开展更多类型的分析，如足球中的定位球分析和守门员分析；②技术支持，负责对各类定量和定性资料进行采集和分析、搭建和维护数据库等，这类人员往往具有数学和计算机等学科背景。

图  2  运动表现分析师工作流程

Figure  2.  Workflow of performance analyst

下载: 全尺寸图片 幻灯片

2.5.2   运动表现分析师的职责

运动表现分析师通过分工明确的团队合作，为教练员提供客观、简洁和具有可操作性的分析报告，但在比赛训练周期的不同阶段其工作职责有所不同：①在比赛前，运动表现分析师主要侧重于对手比赛风格分析，寻找对手的优点和弱点，并对其比赛表现进行预测；②在比赛中，运动表现分析师与教练员团队保持沟通，为其临场决策提供实时建议（以战术调整为主）；③在比赛后，运动表现分析师从个人和团队层面对上一场比赛的表现进行快速评估和反馈，并为完善训练方案的制订提供意见和建议；④在日常训练中，运动表现分析师在不同训练周期内对运动员的技术、战术和运动负荷等进行科学监控，帮助教练员适时调整训练计划和预防运动员损伤。

2.5.3   运动表现分析师的职业能力构成和工作模式

运动表现分析师被认为是“数据翻译者”和运动表现分析的“服务提供者”^[98]。随着比赛分析和训练监控的科学化和精细化，运动表现分析师的工作内容与形式也在不断变化，需要具备一定的知识储备和职业技能才能满足工作需求。Hughes等^[16]分别将从事学术研究和运动实践的运动表现分析师在数据分析、视频分析、信息反馈和沟通等核心能力上所应具备的能力分为4个层级，并对各层级的运动表现分析师在各核心能力上的要求进行了描述。但这套体系对于运动表现分析师能力构成要素的描述过于抽象化，可操作性有限，且主要集中在技术能力方面。Martin等^[98]在此基础上进行了扩展，将运动表现分析师所应具备的职业能力进行更为全面的划分，包括情境感知、与教练员建立良好关系、运动表现专业知识、分析技能和职业操守等5个方面。

除了对运动表现分析师的职业能力进行规定之外，还需要一套标准化的工作流程才能保证他们高效地开展工作。虽然运动表现分析师在不同运动项目的运动队和同一项目的不同类型运动队中的工作模式存在差异，但总体而言，其工作流程被Martin等^[98]概括为9个步骤：①与教练员等工作相关人员建立良好的沟通与联系，明确自身在整个工作团队中的定位；②分析工作需求；③设计分析方案；④管理数据；⑤采集数据与验证信效度；⑥开展分析；⑦向教练员等相关人员提供报告；⑧向运动员进行结果反馈；⑨工作回顾与效果评估。这一流程大致可被概括为比赛—记录—分析—反馈—训练—比赛的循环实践模式（图2）。

3.   运动表现分析面临的挑战

3.1   理论基础亟待夯实

近几年相关专著的出版使得运动表现分析的理论体系得到较大完善，但这些专著更多地是从方法论层面进行归纳整理，学科理论基础还有待进一步挖掘和丰富。当前，不少研究人员主要还是以一种简化范式将运动表现分解为技术、战术和体能等几个部分，通过相应的表现评价指标对各部分进行独立分析。但即使将各部分整合也难以准确和全面地描述运动表现的整体特征，也难以解释运动表现各因素之间的关系^[18]。复杂系统科学相关理论虽然已被用来解释运动表现的复杂性和动态性，但还仅处于初步应用阶段，人工神经网络等人工智能领域相关理论与技术在运动表现分析中的应用还有较大潜力。以往研究中采用的统计量化分析方法虽然能够描述运动表现的整体特征以及表现指标与比赛胜负的关系，但难以解释个体在运动中接收刺激后的行为涌现与突变，以及各比赛行为和事件之间的因果关系，对实践的指导作用有限。因此，通过借鉴和融合多学科理论才能为解释和探究运动表现规律和运动表现提升的内在机制提供更加坚实的理论支撑，建立特色鲜明的学科理论体系。

3.2   分析的技术手段亟待突破

运动表现追踪和分析系统发展至今已经能够采集海量的运动表现数据，但在数据体量增加的同时，数据维度和质量还有待提升，这也限制了大数据分析技术在运动表现分析中的应用。具体表现在：①运动表现追踪系统所能采集的数据维度依然相对有限，对于运动负荷进行量化的层次还有待深化，目前普遍使用的标记分析系统在采集技战术数据时仍需要一定的人工参与，影响了数据的可靠性和分析结果的客观性，自动化程度有待提高。虽已研发出最新的人工智能技术和无线通信技术的相关系统和产品，但其应用范围依然有限。②各运动表现数据采集系统在指标体系及指标的操作定义方面不统一，导致所采集的数据质量参差不齐，无法将不同来源的数据进行联合分析，当前对于多源数据融合技术的应用也较为有限。③目前主要还是使用基础的技术、战术和体能等指标进行独立、静态的回顾性分析，限制了分析维度和深度，还需更多复杂指标以进行多元的动态性运动表现评价，从而提高对运动表现的解释和预测能力。

3.3   人才培养的专业化和职业化亟待加强

国外高校对于运动表现分析师专业化培养模式的探索开展较早，培养的人才在高水平运动队中发挥着重要作用，但由于职业壁垒较低，体育领域培养的运动表现分析师面临着来自其他学科的人才竞争。在实际工作中，运动表现分析师需要懂体育、晓理论、会分析、善反馈，这对其工作能力的要求较为全面，相应的人才培养周期（如本科+硕士）也较长，能够满足高水平运动队比赛和训练需求的专业人才较少。所以，目前高水平运动队中仍由不同学科背景的专门人才组成团队进行分工合作，但是团队在分析、解读和反馈的整个过程中会存在沟通成本以及理解的偏差，且由于人力成本的原因，团队化工作模式也不适用于除高水平运动队以外的其他运动队。因此，未来需要基于运动表现分析师的核心能力模型优化人才培养模式，并打造权威的职业资格认证体系。目前，国际运动表现分析协会已分别针对从事学术研究和运动实践的运动表现分析师制定了5级认证标准^[33]，为相关从业人员明确自身优势和不足、提升职业竞争力提供了重要参考标准，但国际上尚未出现与之相对应的权威培训体系。

在国内，运动表现分析师的专业化培养才刚刚起步，运动队中也尚未设置相应职位，需要结合我国竞技体育发展需求，打造符合我国国情的运动表现分析人才培养体系，培养具备自然科学和社会科学素养的专业分析师，使运动表现分析师在运动训练科学化水平的提升中发挥更大的作用。

3.4   学科影响力亟待提升

运动表现分析这一领域/方向在21世纪进入快速发展阶段，近年来才开始进入国内研究人员的视野。目前国内专门从事该领域/方向的研究人员数量非常有限，理论梳理类和实践应用类研究的成果非常欠缺。这导致国内体育科学领域对该领域/方向知之较少，并严重制约了运动表现分析在国内的进一步发展。更为严重的是，该领域/方向的研究在选题和成果发表时常常遭到体育科学领域同行的质疑甚至否定。在实践领域，训练团队中科技支撑工作的细分还处于发展中，运动表现分析师的岗位设置和岗位需求尚不明确，运动表现分析的学科应用价值尚未大面积展现。因此，亟待提升学科影响力以应对运动表现分析在研究和实践领域面临的这些挑战。

4.   运动表现分析的未来

科学化是运动训练不可阻挡的潮流和趋势，新科技的出现成为这个过程的加速器。运动训练科学化对量化全面性、简便性、准确性和实时性的需求，以及对数据价值深度挖掘的需求将不断推动运动表现分析的发展。

4.1   理论体系趋向完善，学科特性凸显

运动表现分析根源于运动实践，基于“人的运动”的分析，初步集成了一套用于分析运动表现特征、规律和制胜因素的理论体系。但是，在对于运动表现的认知过程中，除了需要这些方法来告诉我们“是什么”，还需要弄清楚“为什么”和“怎么做”。然而，现阶段的运动表现分析理论更多地仅能支撑研究者们做到前者，还不足以帮助其进行更深层次的探索，这也是目前学术研究与运动实践之间存在较大距离而无法深度融合的重要原因之一^[99]。未来的运动表现分析理论研究将着眼于运动实践需求，聚焦于运动表现分析基础理论的深度挖掘，通过学科特征与学理的深度解构，形成更加完善的理论研究范式以及更加丰富的研究主题。应坚持以体育母学科为基础，以“超学科”视野探索运动表现分析与其他学科之间的交叉、跨越和融合途径，从而更好地理解运动表现的本质和规律，解决运动实践中的复杂问题（图3）。在此过程中，运动表现分析的学科价值不断凸显，学科定位和特征日益明确，逐渐成为运动科学中重要的学科分支。例如，研究人员已经开始考虑运用复杂系统科学的相关理论来描述运动表现中的动态性、复杂性和非线性特征^[100]。

图  3  运动表现分析的基本框架及学科交叉融合

Figure  3.  Framework of performance analysis and interdisciplinary integration

下载: 全尺寸图片 幻灯片

4.2   运动表现分析智能化

得益于电子信息和人工智能技术的快速发展，运动表现的分析手段和形式都将经历大变革，逐步向智能化方向发展。目前，比赛和训练表现追踪系统所能采集的数据维度依然相对有限，使用标记分析系统进行数据采集的过程依然费时费力，自动化程度有待提高，其人工参与的程度越高，数据的可靠性和分析结果的客观性也就越难保证。未来随着传感器技术和图像处理技术的进步，以及计算机算力的提升，运动表现数据的获取将朝着采集自动化、来源多样化的方向发展，数据获取的速度将快速提升，原本难以量化的运动表现维度（如比赛行为的决策过程）也将得以量化。例如，用于解决非线性和适应性问题的机器学习技术被认为能够帮助解决团体球类项目中图像及视频特征识别^[101]、动态阵型模式识别与分类^[102-103]、进攻序列模式识别^[104-105]等在传统意义上需要专家介入分析的问题。其中，人工神经网络在近几年被认为具有自动化运动表现视频识别与标记、团队项目动态阵型模式识别的潜力^[106]。因此，未来随着数据采集的实效性和数据体量的显著提升，通过多源异构数据的融合，将实现运动表现分析的实时化和自动化，以及分析和决策的智能化，运动表现分析也将实现由运动表现数字化、分析过程智能化到分析结果智慧化的过程。

4.3   服务对象大众化

与军用技术民用化一样，未来运动表现分析的对象也将由专业运动员扩展至业余运动员和普通健身人群，以往只应用于专业运动员的运动表现分析方法和设备也将越来越多地走向大众体育，使得更多参与运动的大众获得专业的运动表现评估，提高他们参与大众健身的积极性和运动健身的科学性，从而大大扩展运动表现分析的学科内涵。当前，运动手环和手表等可穿戴设备在运动爱好者群体中越来越普及。例如，专业心率监测设备逐渐被越来越多的业余马拉松运动员所使用，帮助其监控自身机能状态，制定科学的比赛策略。但是，目前的设备大多只能起到基础指标监测和数据反馈的作用，还不具备自动分析和诊断的功能。智能可穿戴设备未来将广泛应用于业余运动员运动表现的分析与诊断、大众健身监测与指导以及大众体质监测等方面。专业的运动表现追踪和视频分析系统也将结合大众体育的特点和需求，应用于社会性体育场馆，以大众可接受和喜好的方式对其运动表现进行自动分析和实时反馈，打造智慧运动健身空间，助力全民科学运动健身，实现竞技体育成果全民共享。

4.4   人才培养专业化

目前只有足球、篮球、橄榄球和棒球等团体球类项目的高水平职业俱乐部设置了运动表现分析师这一职位，其重要价值已在实践中得到充分体现。然而，更多的运动队仅配备了视频分析师负责录制和剪辑教练员所需的训练和比赛视频片段，甚至在很多队伍中这份工作由助理教练员或科研教练员负责完成。未来随着教练员团队分工日趋精细化和对运动表现分析师这一角色重要性的认识不断提高，运动表现分析师将成为运动队的常规人员配备，其职业能力结构、职业规范和工作模式也将趋向规范和统一。为了应对渐增的人才需求，相应的人才培养体系也将逐步建立和完善，而高校在此过程中将肩负人才培养的重要使命。当前国外高校大多设立了运动表现分析的硕士专业（甚至是本科专业）。为了满足未来的工作需要，所培养的运动表现分析师将同时具备扎实的运动科学和数据科学知识与技能，拥有丰富的实习/实践经验，熟练掌握常见的数据采集和分析工具，善于与教练员和运动队科研人员合作，成为体医理复合型体育专业人才。

5.   结论与建议

量化是科学化训练的前提，运动训练科学化的一个重要特征是量化，涉及量化指标、量化工具、量化数据。起源于手工标记的技战术量化和分析历经了一个多世纪的发展，逐步形成了运动科学下属的一个专门领域/方向—运动表现分析。基于量化数据分析的运动表现分析也由最初的技战术拓展到运动员或运动队所有的运动表现，并由此催生了运动训练实践领域的新型岗位—运动表现分析师。据此提出建议：国内体育院校可在开设运动科学本科专业的基础上，开设运动表现分析的研究生专业或专业方向，促进运动科学和数据科学的交叉融合，系统培养竞技体育的运动表现分析师；在运动队的训科医复合型团队中增设运动表现分析师这一岗位，对运动员档案数据、训练数据和比赛数据进行系统架构、全面汇总和深度分析，充分挖掘数据背后的科学规律，助力运动训练的科学化。