مجلــة الأوراس لعلوم الرياضة
Volume 4, Numéro 3, Pages 182-199
2026-07-05
بناء نموذج تنبؤي تصنيفي باستخدام الشبكات العصبية الاصطناعية بدلالة بعض القابليات البيو حركية بسلاح الشيش للطلاب Development Of A Predictive Classification Model Using Artificial Neural Networks Based On Selected Biomotor Abilities In Foil Fencing Students
الكاتب : حيدر قيس ناجي جليل .
الملخص
تهدف هذه الدراسة إلى تطوير نموذج تنبؤي تصنيفي قائم على الشبكات العصبية الاصطناعية لتحديد مستوى الأداء المهاري في رياضة المبارزة (سلاح الشيش) بالاستناد إلى مجموعة مختارة من القابليات البيو-حركية. اعتمدت الدراسة المنهج الوصفي بأسلوب المسح على عينة عمدية مكونة من (70) طالبًا من كلية التربية البدنية وعلوم الرياضة – جامعة كربلاء خلال العام الدراسي (2025–2026)، حيث خضع المشاركون لبطارية اختبارات بدنية وحركية مقننة تقيس القدرات المرتبطة بالأداء المهاري. تم توظيف تقنية الانحدار المنتظم (Lasso) لاستخلاص المتغيرات الأكثر إسهامًا في التنبؤ، تلاها بناء نموذج شبكة عصبية اصطناعية متعددة الطبقات (Multilayer Perceptron) ذات طبقة مخفية واحدة. أظهرت النتائج وجود تباين دال إحصائيًا في القابليات البيو-حركية بين أفراد العينة، مع تأثير جوهري لهذه القابليات في تحديد مستوى الأداء المهاري. كما حقق النموذج العصبي أداء تصنيفا مقبولا، إذ تراوحت دقته بين (64%–71%)، مع كفاءة أعلى في تمييز المستويات المهارية المتطرفة مقارنة بالمستويات المتوسطة. تشير هذه النتائج إلى أن دمج تقنيات التعلم الآلي، ولا سيما الشبكات العصبية الاصطناعية، يمثل مقاربة واعدة لتعزيز موضوعية عمليات الانتقاء الرياضي وتحسين تصميم البرامج التدريبية المبنية على الأدلة. وتوصي الدراسة بتوسيع حجم العينات، ودمج متغيرات نفسية-معرفية، واعتماد نماذج أعمق لتحسين القدرة التنبؤية والتعميمية للنماذج المستقبلية. Abstract: This study aimed to develop a predictive classification model based on Artificial Neural Networks (ANNs) to identify skill performance levels in foil fencing using selected biomotor abilities. The researchers adopted a descriptive survey approach on a purposive sample of (70) students from the College of Physical Education and Sports Sciences at the University of Karbala during the academic year (2025–2026). Participants underwent a standardized battery of physical and motor tests designed to assess biomotor abilities associated with fencing performance. The Least Absolute Shrinkage and Selection Operator (LASSO) technique was employed to identify the most significant predictive variables. Subsequently, a Multilayer Perceptron (MLP) neural network model with a single hidden layer was developed to classify skill performance levels. The results revealed statistically significant differences in biomotor abilities among participants, indicating their substantial contribution to predicting skill performance in foil fencing. The ANN model demonstrated acceptable classification performance, achieving prediction accuracy rates ranging from 64% to 71%. The model also showed greater efficiency in distinguishing extreme performance levels compared with intermediate levels. These findings highlight the effectiveness of integrating machine learning techniques, particularly artificial neural networks, in enhancing the objectivity of sports talent identification and improving evidence-based training program design. The study recommends increasing sample sizes, incorporating psycho-cognitive variables, and employing deeper neural network architectures in future research to improve predictive accuracy and model generalizability.
الكلمات المفتاحية
الشبكات العصبية الاصطناعية؛ القابليات البيو-حركية؛ المبارزة (سلاح الشيش)؛ الأداء المهاري؛ التعلم الآلي؛ التصنيف الرياضي. ; Artificial Neural Networks ; Biomotor Abilities ; Foil Fencing, Skill Performance, Machine Learning ; Sports Classification
مقالات مماثلة
Hellal Aouatef
.
Djeddou Messaoud
.
Loukam Imed
.
A. Hameed Ibrahim
.
Al Dallal Jehad
.
Shawaqfah Moayyad
.
pages 69-83.
عينوس رضوان
.
ص 333-352.
بن مزيان بن شرقي
.
بوعزة صبرين
.
ص 132-148.
فاضل كردي همام
.
ص 60-75.
امين مجهول زينب
.
صلاح عبد علي زهراء
.
فاضل عبد الحسين ذوالفقار
.
ص 46-60.
