فعالية بعض أنماط الحركة في ألعاب المضرب باستخدام تقنيات التعلم الآلي (Machine Learning) كمدخل لتصميم استراتيجيات تعلمية

المؤلفون

تحسين حسني تحسين جامعة بغداد قسم النشاطات الطلابية

DOI:

https://doi.org/10.61265/mjph.2026.31118

الكلمات المفتاحية:

أنماط الحركة، ألعاب المضرب، التعلم الآلي، الاستراتيجيات التعليمية

الملخص

هدفت هذه الدراسة إلى استكشاف فعالية تحليل بعض الأنماط الحركية في ألعاب المضرب ( التنس الارضي وتنس الطاولة) باستخدام تقنيات التعلم الآلي، وتوظيف نتائج هذا التحليل في تصميم استراتيجيات تعلمية مخصصة. اعتمدت الدراسة على منهج متعدد الأساليب (وصفي، تجريبي، تطويري) على عينة قصدية شملت (40 لاعباً، 10 مدربين، 5 خبراء). تم تصميم نموذج هجين للتعلم الآلي (CNN-LSTM) لتحليل وتصنيف الأنماط الحركية، حيث حقق دقة تصنيف بلغت 94.5%. أظهرت النتائج وجود تأثير وسيط ذي دلالة إحصائية للاستراتيجيات التعليمية في العلاقة بين تحليل الأنماط الحركية وفعالية التعلم (β = 0.70, p < 0.01). كما أسفر تطبيق الاستراتيجيات المقترحة عن تحسن ملحوظ في الأداء بنسبة 35%، والتحصيل المعرفي بنسبة 40%، والدافعية للتعلم إلى 85%. توصلت الدراسة إلى فعالية النموذج المقترح في تحويل البيانات الحركية إلى استراتيجيات تعلمية مخصصة، وأوصت بتبني هذا النموذج في كليات التربية البدنية وتصميم برامج تدريبية للمدربين تعتمد على تحليلات التعلم الآلي.

المراجع

العتيبي، خالد، والزهراني، محمد. (2023). تحليل الأداء الحركي في الرياضات التنافسية باستخدام الذكاء الاصطناعي. مجلة علوم الرياضة، 15(2)، 45-60.

أبو فارعة، أحمد، ومحمد، سارة. (2024). تصميم برامج تدريبية مبنية على تحليل البيانات الضخمة لأداء النخبة في ألعاب المضرب. المؤتمر الدولي للرياضة والتحول الرقمي، القاهرة.

المراجع الأجنبية:

Chen, X., Wang, Y., & Zhang, L. (2024). Wearable Sensor-Based Motion Pattern Analysis in Table Tennis Using a Deep CNN-BiLSTM Model. IEEE Transactions on Neural Networks and Learning Systems, 35(1), 112-125.

Garcia, F., Müller, S., & Schmidt, M. (2025). Data-Driven Learning Design: How Machine Learning Informs Personalized Coaching Strategies in Racket Sports. Journal of Sports Sciences, 43(3), 210-225.

Lee, H., & Park, S. (2023). Classification of Forehand Stroke Errors in Junior Tennis Players Using Inertial Measurement Units and Support Vector Machines. Sensors, 23(8), 3890.

Smith, J., & Jones, R. (2022). Biomechanical Analysis of Movement Patterns in Racket Sports: From Lab to Court. Sports Biomechanics, 21(4), 455-470.

arcia, F., Müller, S., & Schmidt, M. (2025). Data-driven learning design: How machine learning informs personalized coaching strategies in racket sports. Journal of Sports Sciences, 43(3), 210-225.

Lee, H., & Park, S. (2023). Classification of forehand stroke errors in junior tennis players using inertial measurement units and support vector machines. Sensors, 23(8), 3890.

Smith, J., & Jones, R. (2022). Biomechanical analysis of movement patterns in racket sports: From lab to court. Sports Biomechanics, 21(4), 455-470.

Baron, R. M., & Kenny, D. A. (1986). The moderator–mediator variable distinction in social psychological research: Conceptual, strategic, and statistical considerations. Journal of Personality and Social Psychology, 51(6), 1173–1182.

Hayes, A. F. (2018). Introduction to mediation, moderation, and conditional process analysis: A regression-based approach (2nd ed.). Guilford Press.

Kline, R. B. (2016). Principles and practice of structural equation modeling (4th ed.). Guilford Press.

Zimmerman, B. J. (2002). Becoming a self-regulated learner: An overview. Theory Into Practice, 41(2), 64–70.

التنزيلات

منشور

2026-03-16

كيفية الاقتباس

حسني تحسين ت. . (2026). فعالية بعض أنماط الحركة في ألعاب المضرب باستخدام تقنيات التعلم الآلي (Machine Learning) كمدخل لتصميم استراتيجيات تعلمية. مجلة ميسان لعلوم التربية البدنية, 31(1), 246-260. https://doi.org/10.61265/mjph.2026.31118