文章快速检索     高级检索
  上海体育学院学报  2016, Vol. 40 Issue (1): 51-57  DOI: 10.16099/j.sus.2016.01.008
0

引用本文 

孔令辉, 张辉, 佘竞妍, 柳瑞芝 . 优秀女子乒乓球运动员技术训练监控研究[J]. 上海体育学院学报, 2016, 40(1): 51-57. DOI: 10.16099/j.sus.2016.01.008.
KONG Linghui, ZHANG Hui, SHE Jingyan, LIU Ruizhi . [J]. Journal of Shanghai University of Sport, 2016, 40(1): 51-57. DOI: 10.16099/j.sus.2016.01.008. .

基金项目

国家体育总局2012年精英教练员双百计划资助项目; 国家体育总局国家队科研综合攻关研究课题(2011A081)

第一作者简介

孔令辉(1975-), 男, 黑龙江哈尔滨人, 上海体育学院博士研究生, 中国乒乓球队女队主教练; Tel.:(010)67127301, E-mail:klh_2015@126.com

通信作者简介

张辉(1964-), 男, 浙江宁波人, 浙江大学教授, 博士, 博士生导师; Tel.:(0571)88273624, E-mail:zhang_hui@zju.edu.cn

文章历史

收稿日期: 2015-05-04
修回日期: 2015-07-23
优秀女子乒乓球运动员技术训练监控研究
孔令辉1, 张辉, 佘竞妍, 柳瑞芝     
1. 上海体育学院 中国乒乓球学院 上海 200438 ;
2. 浙江大学 教育学院体育学系 浙江 杭州 310028
摘要: 采用新的乒乓球技术观察指标体系, 运用灰色关联和TOPSIS算法, 对我国5名优秀女子乒乓球运动员的技术状态进行分析与评估。结果显示:李晓霞2014年2次集训的技术状态一般, 综合排序均为第三; 丁宁的技术状态较优, 2次集训的综合排序均为第一; 刘诗雯第1次集训技术状态较好, 第2次集训稍差, 2次集训的综合排序分别为第二和第四; 朱雨玲的第2次集训技术状态好于第1次集训, 2次集训的综合排序分别为第四和第二; 陈梦的技术状态均较为低迷, 其整体水平与其他4名队员差距较大, 2次集训的综合排序均为第五。
关键词: 优秀女子乒乓球运动员    技术状态    灰色关联分析    TOPSIS    
Technique Training Monitoring for Elite Female Table Tennis Players
KONG Linghui1, ZHANG Hui, SHE Jingyan, LIU Ruizhi     
1. China Table Tennis College, Shanghai University of Sport, Shanghai 200438, China ;
2. Sport Science Department, College of Education, Zhejiang University, Hangzhou 310028, Zhejiang, China
Abstract: Five Chinese elite female table tennis players were analyzed and evaluated by using a new technique observation indicator system, with the theory of grey relation and TOPSIS algorithm.The results show that LI Xiaoxia's technique performance were ordinary in two intensified trainings in 2014, with the 3rd in comprehensive ranking.DING Ning's technique performance were at a higher level, ranking first in both training.LIU Shiwen performed better in the first intensified training than in the second, ranking 2 and 4, respectively; while ZHU Yuling performed better in the second intensified training, ranking 4 and 2, respectively.Finally CHEN Meng's technique performance were at a poor level, ranking 5 in both trainings.
Key words: elite female table tennis player    technique performance    grey relational analysis    TOPSIS    

优秀运动员的训练是一项系统工程, 其中监控是科学化训练的一个重要环节。它既是检查运动员训练过程、分析技术状态和预测比赛成绩的有效手段, 也是制订与调整训练计划的科学依据。乒乓球属于技能类隔网对抗项目, 技战术是其制胜的核心因素;如何做好优秀乒乓球运动员的训练监控工作, 一直是乒乓球科学研究中的难题[1-2]。其原因是乒乓球训练不像体能类项目, 可以通过训练完成的组数、时间、距离、重量等定量指标, 或与此相关的生理、生化指标对运动员的训练负荷和效果进行有效监控与评定[3]

我国的乒乓球技战术训练水平远远领先于世界各国, 但在科技手段与方法的应用方面并无明显的优势。目前,国家乒乓球队的训练主要还是依靠传统的方法, 即借助于教练员个人经验对运动员的训练进行指导。本文旨在研究适合优秀女子乒乓球运动员技术训练监控的手段与方法, 进一步提高我国乒乓球运动科学化训练水平, 为“国球”的长盛不衰提供科技支撑。

1 研究对象与方法 1.1 研究对象

以中国乒乓球女队5名主力队员李晓霞、丁宁、刘诗雯、朱雨玲和陈梦为研究对象, 对她们2014年备战日本世界锦标赛和韩国亚运会集训期间的技术训练状况进行观察与监控。

1.2 研究方法 1.2.1 观察法

(1)观察时间与地点。2014年3月10日—4月20日(以下简称第1次集训)和8月14日—9月19日(以下简称第2次集训)分别在四川省成都市乒乓球运动学校(国家乒乓球队训练基地)二楼训练馆和广东中山市体育馆进行。

(2)观察内容与方法。观察内容为运动员技术训练课中的2项练习:发球抢攻、接发球抢攻。由科研人员(乒乓球专项教师或学生)在训练课现场进行观察并记录, 其操作定义如表 1所示, 技术观察统计表由国家乒乓球女队课题组提供。

表 1 乒乓球比赛技战术观察点及代码 Table 1 Observation and code of techniques and tactics in table tennis match

(3)观察指标。乒乓球技战术一般可以分为2个阶段, 即前4拍和4拍以后, 它们的得分率分别占50%[4];而其中前4拍的变化较多, 包括旋转、落点、节奏、速度等变化。因此, 本文的观察指标系统是由每个回合前4拍中的每一拍得分率与失分率以及第4拍以后的最后一拍得分率与失分率组成, 共11项(由于第1拍发球失误在训练中较少发生, 故未将第1拍失分率作为观察指标), 各项观察指标的计算方法为:

$ \left. \begin{array}{l} 第1拍得分率 = {A^ + }/A + B + C\\ 第2拍得分率 = {X^ + }/X + Y + Z\\ 第3拍得分率 = {B^ + }/B + C\\ 第4拍得分率 = {Y^ + }/Y + Z\\ 相持Ⅰ得分率 = {C^ + }/C\\ 相持Ⅱ得分率 = {Z^ + }/Z\\ 第2拍失分率 = {X^ - }/X + Y + Z\\ 第3拍失分率 = {B^ - }/B + C\\ 第4拍失分率 = {Y^ - }/Y + Z\\ 相持Ⅰ失分率 = {C^ - }/C\\ 相持Ⅱ失分率 = {Z^ - }/Z\\ \end{array} \right\} $ (1)
1.2.2 技术状态发展过程评估

采用唐启义等[5-6]开发的DPS数据处理系统, 运用灰色关联方法, 通过计算乒乓球运动员的技术状态系数, 评估与分析运动员技术状态的发展过程, 具体算法如下。

(1)设有m个观察指标的运动员技术状态序列。

$ \begin{array}{l} \left\{ {{X_1}^{\left( 0 \right)}\left( t \right)} \right\},\left\{ {{X_2}^{\left( 0 \right)}\left( t \right)} \right\},\cdots ,\left\{ {{X_m}^{\left( 0 \right)}\left( t \right)} \right\}\\ t = 1,2,\cdots ,n \end{array} $ (2)

式中:n为观察次数;m代表观察指标个数, 本文即为11项观察指标。

(2)另设技术状态理想序列。关联度是技术观察序列与技术状态理想序列关联性大小的度量。

$ \left\{ {{X_0}^{\left( 0 \right)}\left( t \right)} \right\},t = 1,2,\cdots ,n $ (3)

(3)原始观察数据规范化处理。在11项观察指标中, 得分率被认为是效益性数据, 因此,规范化处理的公式为

$ {Y_{ij}} = \frac{{{X_{ij}}}}{{\max {X_{ij}}}} $ (4)

而失分率被认为是成本性数据, 其规范化处理的公式为

$ {Y_{ij}} = \frac{{\min {X_{ij}}}}{{{X_{ij}}}} $ (5)

(4)关联系数的计算。技术状态理想序列记为$\left\{ {{X_0}\left( t \right)} \right\}$, 技术观察序列记为$\left\{ {{X_i}\left( t \right)} \right\}$(经式(4)和(5)规范化后), 则在时刻$t = k$时理想值序列$\left\{ {{X_0}\left( k \right)} \right\}$与观察值序列$\left\{ {{X_i}\left( k \right)} \right\}$的关联系数简化如下:

$ {C_{oi}}\left( k \right) = \frac{{\rho {\Delta _{\max }}}}{{{\Delta _{oi}}\left( k \right) + \rho {\Delta _{\max }}}} $ (6)

式(16)中, ${\Delta _{oi}}\left( k \right)$表示$k$时刻技术理想序列与观察序列的绝对差; ${\Delta _{\max }}$表示所有比较序列各个时刻绝对差中的最大值; $\rho $为分辨系数, 本文取$\rho $=0.5。

(5)技术观察序列关联度的计算。关联度是技术状态理想序列与技术观察序列各时刻的关联系数的平均值, 因此, 在本文中也称其为“技术状态系数”, 即

$ {R_{oi}} = \frac{1}{N}\sum\limits_{k = 1}^N {{C_{oi}}\left( k \right)} $ (7)

式(7)中, ${R_{oi}}$为技术状态理想序列0与技术观察序列i的关联度(即技术状态系数), N为观察序列个数。

(6)通过技术状态系数曲线分析运动员技术状态的发展过程。将n个技术状态系数按时间次序构成曲线, 可以分析运动员在一个训练时期技术状态发展与变化的过程。

1.2.3 技术状态综合评估

运动员技术状态综合评估运用TOPSIS (Technique for Order Preference by Similarity to an Ideal Solution)方法, 同样采用唐启义等[5-6]开发的DPS数据处理系统, 算法如下。

(1)构建运动员技术状态整体评估矩阵。设有n个评价运动员, m个观察指标(仍然为11项指标), 取每个运动员各项指标q次观察数据的平均值, 构建运动员技术状态整体评估矩阵$X = {\left( {{X_{ij}}} \right)_{n \times m}}$

(2)归一化处理原始观察数据。同理, 由于各项得分率是高优性指标, 失分率为低优性指标, 故分别使用公式(18)和(19)进行归一化处理。

$ {Y_{ij}} = {X_{ij}}/\sqrt {\sum\limits_{i = 1}^n {X_{ij}^2} } $ (8)
$ {Y_{ij}} = \frac{1}{{{X_{ij}}}}\frac{1}{{\sqrt {\sum\limits_{i = 1}^n {{{\left( {\frac{1}{{{X_{ij}}}}} \right)}^2}} } }} $ (9)

(3)确定最好与最差技术状态向量。归一化后得到的矩阵$Y = \left( {{Y_{ij}}} \right)n \times m$, 其各列最大、最小值构成最优与最差技术状态向量分别为:

$3 $ \begin{array}{l} {Y^ + } = \left( {{Y_{\max 1}},{Y_{\max 2}},\cdots ,{Y_{\max \;n}}} \right)\\ {Y^ - } = \left( {{Y_{\max 1}},{Y_{\max 2}},\cdots ,{Y_{\max \;n}}} \right)\\ \end{array} $$

(4)计算运动员技术状态与最优和最差向量的距离。第i个运动员的技术状态与最优和最差向量的距离分别为:

$ {S_i}^ + = \sqrt {\sum\limits_{j = 1}^m {{{\left( {{Y_{\max \;j}} - {Y_{ij}}} \right)}^2}} } $ (10)
$ {S_i}^ - = \sqrt {\sum\limits_{j = 1}^m {{{\left( {{Y_{\min \;j}} - {Y_{ij}}} \right)}^2}} } $ (11)

(5)整体评估运动员技术状态。通过计算第i个运动员技术状态与最优和最差向量的接近程度Ei, 对运动员的技术状态进行整体评估。当Ei值越大时, 运动员的技术状态越好,即

$ {E_i} = \frac{{{S_i}^ - }}{{{S_i}^ + + {S_i}^ - }} $ (12)
1.2.4 技术状态评估标准的构建

采用百分位方法构建优秀女子乒乓球运动员各项指标的得分率、失分率和技术状态评估标准:对于得分率(效益性)指标, 设当XP80时, 为优秀; 当P80XP50时, 为良好; 当P50XP20时, 为合格; XP20时, 为不合格。对于失分率(成本性)指标则相反, 设当XP20时, 为优秀; 当P20XP50时, 为良好; 当P50XP80时, 为合格; XP80时, 为不合格[7-8]

2 结果与分析 2.1 优秀女子乒乓球运动员技术状态评估标准

为了能够对运动员技术状态进行评估, 选取2012—2014年国家乒乓球女队备战世界大赛集训共369次的技术观察数据, 依据百分位的方法确定了优秀女子乒乓球运动员技术评估标准(表 2)。

表 2 优秀女子乒乓球运动员各项观察指标与技术状态系数的评估等级 Table 2 Evaluation level of each observation index and technical state coefficient for elite female table tennis players
2.2 李晓霞技术状态分析 2.2.1 李晓霞技术训练观察指标评估

表 3所示为李晓霞2次集训技术观察数据, 由表 3可以看出, 李晓霞第1次集训时, 第1—4拍得分率和相持Ⅱ得分率指标均为良好, 相持Ⅰ的得分率指标为合格; 第2—4拍失分率和相持Ⅰ失分率指标均为合格, 仅相持Ⅱ失分率良好。在第2集训中, 第2—4拍得分率和相持Ⅱ得分率指标为良好, 第1拍和相持Ⅰ得分率指标为合格; 第2—4拍失分率和相持Ⅰ失分率指标均为合格, 仅相持Ⅱ失分率良好。上述数据表明, 李晓霞2次集训的技术状态均为一般。

表 3 李晓霞2次集训技术观察值与评估 Table 3 LI Xiaoxia' s technology observation values and evaluations in two intensified trainings
2.2.2 李晓霞技术状态变化

李晓霞2次集训技术状态变化情况如图 1所示。在第1次集训中, 只有2次达到了优秀水平, 但有3次处于合格水平, 大多数时间技术状态在两者之间。第2次集训的开始阶段, 其技术状态一直比较低迷。从第7次观察开始, 其技术状态有所回升, 尤其是到了集训后期, 技术状态有了较高的提升, 其中有2次技术状态系数达到了优秀水平, 但仍然存在着起伏较大的现象。

图 1 李晓霞2次集训技术状态的变化 Figure 1 LI Xiaoxia' s technical state change in two intensified trainings
2.3 丁宁技术状态分析 2.3.1 丁宁技术训练观察指标评估

丁宁2次集训的技术观察数据如表 4所示。在第1次集训中, 除了相持Ⅰ得分率和失分率指标处于合格水平, 其他各项技术指标均为良好水平。该结果提示, 丁宁在训练中应加强发球轮的相持技术训练, 以进一步提高技战术水平。第2次集训时, 第1—4拍得分率有所下降, 其中第1拍和第4拍只达到合格标准。其他各项指标均为良好。由于前4拍的得分率在乒乓球比赛中占有极其重要的作用, 故其第2次集训期间的整体技术状态有所下降。

表 4 丁宁2次集训技术观察值与评估 Table 4 DING Ning' s technology observation values and evaluations in two intensified trainings
2.3.2 丁宁技术状态变化

图 2所示为丁宁2次集训技术状态变化过程。由图 2可见, 第1次集训期间开始阶段技术状态较好, 并逐渐达到了一个小高峰(第5次技术观察), 其后逐渐下滑(第11次技术观察), 但在集训的后半程时间里, 其技术状态不断上升(虽然有起伏), 并达到了一个很高的水平。集训全程有7次达到了优秀以上标准, 但也有4次接近合格线。在第2次集训时, 仅有一个高峰(第12次技术观察), 而且在集训后期也无明显的改变, 其主要原因是丁宁在此阶段进行了技术改进, 使前4拍的得分率下降。集训全程只有4次超过了优秀水平, 却有6次为合格水平或不合格。

图 2 丁宁2次集训技术状态的变化 Figure 2 DING Ning' s technical state change in two intensified trainings
2.4 刘诗雯技术状态分析 2.4.1 刘诗雯技术训练观察指标评估

刘诗雯2次集训的技术观察数据如表 5所示。在第1次集训时, 第2—4拍的得分率和第2—3拍失分率指标为合格水平, 其相持Ⅰ和相持Ⅱ的得分率和失分率指标均为良好, 说明其相持技术的能力要好于第2—4拍。因此, 刘诗雯在训练中, 应特别加强前4拍技术的训练质量和水平, 尤其是接发球和第3拍, 以进一步提高其整体技战术实力。与第1次集训相比较, 第2次集训的基本问题仍然相同, 即第1—4拍得分率和第2—3拍失分率达到了合格水平, 相持Ⅰ和相持Ⅱ的得分率和失分率继续保持良好水平。

表 5 刘诗雯2次集训技术观察值与评估 Table 5 LIU Shiwen' s technology observation values and evaluations in two intensified trainings
2.4.2 刘诗雯技术状态变化

刘诗雯在第1次集训中技术状态起伏较大, 其中有3个小高峰, 但也有2段低谷期, 集训全程9次达到或超过优秀水平, 有7次为合格水平或不合格(图 3)。在第2次集训中, 她的技术状态相对稳定, 与第1次集训相比较起伏明显减小, 虽然没有只有3次达到优秀水平, 但也仅有3次接近合格水平和1次不合格。可以认为, 刘诗雯在第2次集训时, 技术方面虽然没有明显的突破, 但技术状态相对比较稳定。

图 3 刘诗雯2次集训技术状态的变化 Figure 3 LIU Shiwen' s technical state change in two intensified trainings
2.5 朱雨玲技术状态分析 2.5.1 朱雨玲技术训练观察指标评估

从朱雨玲的2次集训技术观察数据(表 6)可以看出, 其技术特点是前4拍的得分能力很强, 但是失分率也很高。例如, 第1—4拍得分率指标均为良好水平, 但是第2—4的失分率均为合格水平。这可能是朱雨玲的击球质量比较高, 有较大的攻击力, 但稳定性还不够, 失误也明显较多。另外, 该运动员的相持Ⅰ和相持Ⅱ得分率和失分率指标也只有合格水平, 表明该运动员的相持能力有待于进一步加强。

表 6 朱雨玲2次集训技术观察值与评估 Table 6 ZHU Yuling' s technology observation values and evaluations in two intensified trainings

朱雨玲第2次集训与第1次集训相比较, 绝大多数技术观察指标值有所下降, 但未发生本质性的变化, 即第1—4拍得分率指标仍然为良好水平, 第2—4的失分率还是为合格水平, 相持Ⅰ和相持Ⅱ得分率和失分率指标也是合格水平, 说明该运动员的技术质量还未发生根本性变化。

2.5.2 朱雨玲技术状态变化

图 4中可以看出, 朱雨玲在第1次集训中整体技术状态较高, 但起伏变化也较大, 并且呈现出了一定的规律变化节奏。集训全程2次达了优秀水平, 有10次超过优秀水平; 有2次合格水平和5次不合格。她的技术特点非常突出, 但缺点也比较明显, 从而造成了其在集训期间技术状态的起伏较大。在第2次集训中, 各项技术观察指标值未发生显著性变化, 但与第1次集训相比较, 其技术状态明显更加稳定, 起伏减小。在整个集训期间, 只有2次超过了优秀水平, 但也仅有1次不合格。

图 4 朱雨玲2次集训技术状态的变化 Figure 4 ZHU Yuling' s technical state change in two intensified trainings
2.6 陈梦技术状态分析 2.6.1 陈梦技术训练观察指标评估

与前面的4名运动员相比, 陈梦在第1次集训时, 各项技术观察指标有一定的差距(表 7):她的第2拍失分率为不及格, 其他各项技术指标均只有达到合格水平, 其中第1拍得分率和相持Ⅱ得分率也接近了合格标准的下线。说明该运动员技术状态明显低于其他队员。陈梦在第2次集训中各项技术观察指标有一定的提高, 其中第2—4拍得分率指标值达到了良好的水平, 其他各项技术指标值仍然为合格水平, 表明在第2次集训中整体技术状态已经有了提高。

表 7 陈梦2次集训技术观察值与评估 Table 7 CHEN Meng' s technology observation values and evaluations in two intensified trainings
2.6.2 陈梦技术状态变化

陈梦的2次集训技术状态变化过程如图 5所示, 其整体技术状态较低, 只有2次达到了优秀水平, 其他的时候一直在合格线水平上下起伏, 且有8次明显处于不合格状态, 表明在第1次集训中存在着较大的问题。在第2次集训中, 陈梦的整体技术状态有所提高, 技术状态系数有2次超过了优秀水平, 且只有4次为不合格, 技术状态的起伏现象也有所减少。通过第2次集训其技术状态已经相对稳定。

图 5 陈梦两次集训技术状态的变化 Figure 5 CHEN Meng' s technical state change in two intensified trainings
2.7 优秀女子运动员技术状态综合评估

表 8是上述5名优秀运动员2次集训技术状态综合评估的结果:第1次集训技术状态综合排名的次序为丁宁(0.853)、刘诗雯(0.532)、李晓霞(0.526)、朱雨玲(0.503)、陈梦(0.099);第2次集训技术状态综合排名的次序是丁宁(0.614)、朱雨玲(0.510)、李晓霞(0.435)、刘诗雯(0.399)、陈梦(0.290)。

表 8 优秀女子乒乓球运动员2次集训技术状态综合评估 Table 8 The comprehensive evaluation of technical states for elite female table tennis players in two
3 结论

采用技术观察指标体系以及灰色关联、TOPSIS分析算法, 能够较好地反映和综合评估优秀女子乒乓球运动员技术的发展态势。李晓霞2014年2次集训的技术状态一般, 技术状态综合排序均为第三; 丁宁的技术状态较优, 2次集训技术状态的综合排序均为第一; 刘诗雯第1次集训技术状态较好, 第2次集训稍差, 第1次和第2次集训技术状态的综合排序分别为第二和第四; 朱雨玲第2次集训技术状态要好于第1次集训, 第1次和第2次集训技术状态的综合排序分别为第四和第二; 陈梦2次集训技术状态均较为低迷, 其整体水平与其他4为队员相比还有不小差距, 2次集训技术状态的综合排序均为第五。

参考文献
[1] 张晓蓬.中国乒乓球队战术训练水平定量诊断方法及实践效用[D].北京:北京体育大学, 2004:38-40 http://cdmd.cnki.com.cn/article/cdmd-10043-2004134396.htm (0)
[2] 张瑛秋. 中国优秀青年乒乓球运动员战术特征分析[J]. 中国体育科技 , 2006, 42 (1) : 99-101 (0)
[3] 张辉, 赵传杰, 刘颖华, 等. 击剑训练计划与训练质量监控系统的设计与应用[J]. 上海体育学院学报 , 2008, 32 (6) : 44-47 (0)
[4] 张辉.新加坡女队技术分析报告[R].国家乒乓球队备战2010年亚运会集训科研资料, 2010:1-8 (0)
[5] 唐启义, 冯明光. DPS数据处理系统——实验设计、统计分析与数据挖掘[M]. 北京: 科学出版社, 2006 : 907 -957. (0)
[6] 赵养清, 刘颖华, 张辉. 灰色关联度分析在乒乓球技战术分析中的应用[J]. 福建电脑 , 2011 (1) : 144-145 (0)
[7] 李今亮, 苏丕仁. 对部分世界优秀男子乒乓球进攻型选手技术实力的评估——兼谈十项指标评估法的建立[J]. 北京体育大学学报 , 1988, 21 (4) : 71-76 (0)
[8] 付饶, 孙卫星. 硬地女子网球双打比赛三项指标实力评估法的建立与应用[J]. 中国体育科技 , 2008, 44 (4) : 79-83 (0)