KCI등재
머신러닝을 활용한 야구 치기의 숙련도 분류 모델 검증 = Verification of Proficiency Classification Model for Baseball Batting Using Machine Learning
저자
서동휘 (서울대학교)
발행기관
학술지명
권호사항
발행연도
2023
작성언어
Korean
주제어
등재정보
KCI등재
자료형태
학술저널
수록면
197-209(13쪽)
제공처
Purpose This study observed if machine learning techniques were able to classify proficiency in complex motor skills such as baseball batting. Methods 440 adolescent novices (age: 14.9±0.8) and 48 adolescent experts (age: 16.9±0.8) performed batting a ball placed on a batting tee. The captured data was expressed as joint data using video analysis, which was subjected to machine learning through Principal Component Analysis (PCA) and a Support Vector Machine (SVM). Result As a result, the machine learning was concluded to have excellent performance with high accuracy and high AUC(Area Under the Curve). At this time, the number of principal components of the experts was fewer than that of novices, so it can be seen that fewer dynamical degrees of freedom appeared in the batting skills of the expert. Conclusion The study was able to classify proficiency in complex motor skills that are difficult to observe, and confirmed that it could contribute to the improvement of motor performance. This study was meaningful as a scientific basis for deep understanding of the coordination structure of human movements.
더보기연구목적 본 연구는 인간 움직임 중 복잡한 운동기술인 치기 기술에 대해서 머신러닝을 통해 그 숙련도 분류 모델을 개발하고 검증하는데 목적이 있다. 연구방법 이를 위해 440명의 청소년 초보자(age: 14.9±0.8)와 48명의 청소년 숙련자(age:16.3±0.9)가 배팅티 위에 올려진 공을 티볼 배트로 치는과제를 수행했다. 촬영된 데이터는 영상 분석을 통해 관절의 움직임 데이터로 표현됐고, 이는 주성분분석과 SVM을 통해 머신러닝이 진행됐다. 결과 머신러닝의 검증에서 높은 정확도와 높은 AUC(Area Under the Curve)로 해당 머신러닝 프로그램은 성능이 우수한 머신러닝으로 판단됐다. 이때 숙련자의 주성분 개수가, 초보자의 주성분 개수 보다 작았기에 숙련자의 치기 동작에서 더 적은 수의dynamical degrees of freedom이 나타났다고 볼 수 있다. 결론 빅데이터의 머신러닝을 통해 복잡한운동 기술인 치기 기술의 숙련도를 분류하여 신뢰도를 검증했다. 해당 연구는 관찰하기 어려운 복잡한 운동 동작에서 그 숙련도를 분류할 수 있었다. 이는 빅데이터를 활용한 숙련도 분류 모델이 운동학습 현장에서 지도자와 학습자에게 필요한 정보를 제공하는데 도움을 주며, 인간 움직임의 협응구조에대해 깊이 이해할 수 있는 과학적 근거로 의미가 있을 것이라 기대한다
더보기분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)