Tales of Heavy Dumbbells

Ajaj :)

Nos, akkor a folytatás (https://www.facebook.com/talesofheavydumbbellls/posts/396924452302382) folytatásaként az adatvizualizációról, avagy miért jobb minden grafikonon ábrázolva? Semmi matek, csak a színek :D
Az előző részben azt fejtegettem, hogy gyűjtsük az adatainkat, mert anélkül teljes vakrepülésben dolgozunk. Most mutatok pár egyszerű példát arra, hogy mit lehet kezdeni az összeszedett adatokkal anélkül, hogy egyetlen képletet előrántanánk, vagy számítást elvégeznénk. Az adatvizualizációban pont az a klassz, hogy az esetek jó részében az ábrák magukért beszélnek. Éppen ezért itt most nem fogok hivatkozni semmilyen statisztikai fogalomra, csak megmutatom az ábrázolt adatokat, és hogy mit lehet érdemes rajtuk nézni. Mondanom sem kell, hogy szándékosan egyszerű és jól értelmezhető példákkal dolgoztam, de meglepő módon az edzői gyakorlatban is vannak ilyenek.
Kezdjük egy könnyed edzéstervezős példával! Tegyük fel, hogy terveztem egy hullámoztatott edzésciklust, ahol elvárásom, hogy a volumen és az intenzitás (legyen ezúttal a relatív intenzitás, bár ez tökmindegy a példa szempontjából) egymással mindig ellentétes irányba mozogjon. Nyilván a számokon is látszik, de ha elsiklott volna a tekintetem fölötte, az adatvizualizációm - egy közönséges vonalgrafikon, ahol a bal skála a volument, a jobb pedig a relatív intenzitást jelöli - azonnal érzékelhetővé teszi, hogy valami nem teljesen okés a tervben:
1. ábra
A sötétzöld vonal jelzi, hogy két helyütt az intenzitás nem csökken, ahogy a volumen emelkedik. Ha ez a stratégiám része, remek, ha nem, akkor viszont könnyen észrevehetővé tettem, és javíthatom. (A sötétzöld vonal nem a grafikon része, hanem utólag húztam be, de egyébként bele is lehet rakni egy Google Sheets grafikonba ilyen hibafigyelő feature-t, ha épp ez a perverziónk; az enyém ez, de tudjuk, hogy fura figura vagyok.)
Javítom tehát a hibát, és a grafikon automatikusan frissül is, immáron úgy néz ki, ahogy kell neki:
2. ábra
Feladat: találj két különbséget a grafikonon :D (A cím nem számít!)
Joggal merülhet persze fel, hogy azért az ember csak észreveszi a számokból, hogy sikerült-e hullámoztatnia a tervet. Ez egyébként ha elég sok szám van a tervben, nem mindig sikerül, de elfogadhatjuk jogos felvetésnek. Viszont a legtöbb edzésterv nem egy gyakorlatból szokott állni (még Pavel is kettőt használ! :D), és minél több a tényező, annál nehezebb csak a számokból kiokoskodni például azt, hogy sikerült-e ellentétesen hullámoztatnunk a két gyakorlatot. Ez több módon valósulhat meg, itt most pl. azt szeretnénk, ha amikor az egyik gyakorlat intenzitása éppen nő, a másiké csökkenjen, és ugyanígy történjen a volumennel is, miközben mindkét gyakorlat a fenti módon hullámoztatva van. No ennek ellenőrzése csak a számokból már egy fokkal szaftosabb feladat, de egy jó ábra, mint tudjuk, segít a bajban (vagy az a cserkész? mindegy):
3. ábra
Az ábra csak első pillantásra látszik zűrösnek: a sárga és a kék vonal mutatják, ahogy a két gyakorlat intenzitása kúszik fel, és soha nincs mindkettő az aktuális hullám csúcsán, tehát ellentétesen mozognak, ahogy terveztük - ugyanezt látjuk a volumennel a piros és zöld vonalakkal. Ez jó vizuális megerősítés arra, hogy a tervezési munka jó volt. Persze semmit nem árul el arról, hogy a sportoló mit fog produkálni a ciklus végén, de hát ez csak egy vonaldiagram, ne várjunk tőle csodát!
Eddig könnyű volt, mert igazából csak a megtervezett edzéseink paramétereit vizualizáltuk, nézzünk most egy olyat, ahol méréseket teszünk ki grafikonokra. Ez lesz az igazán érdekes rész, a jutalom, amiért idáig olvastál :D
Tegyük fel, hogy sportolónknak mérjük a nyugalmi pulzusát, és ezt minden edzésnapon (vagy minden nap) feljegyezzük. Ez nyilván nem nagy mutatvány, de önmagában nem is árul el sokat, ha van egy ilyenünk:
4. ábra
Azonban ezzel az adatsorral több mindent tudunk kezdeni, és a vizualizációkkal új és új információkhoz juthatunk hozzá. Például kitehetjük a pulzusértékeket egy hisztogramra. (Pici egyszerűsítéssel) a hisztogram vízszintes tengelyén az egyes pulzusértékek vannak, a függőleges tengelyén pedig az egyes pulzusértékek gyakorisága.
5. ábra
Látható, hogy az 50 mért napból a leggyakrabban 56 és 58 között, az esetek többségében 52 és 62 között volt az RHR, az e fölötti értékek ritkák. Ez már nem haszontalan, mert ha sportolónk eztán 65-ös nyugalmi pulzust jelent, sejthetjük, hogy _valami_ van, bár ezen a ponton nem tudhatjuk feltétlen, mi az a valami, de óvatosságra vagyunk intve a szokatlanul magas érték által, amelynek szokatlanságát éppen a hisztogram árulta el.
További lépésként feltehetjük a nyugalmi pulzusokat egy oszlopdiagramra időrendben:
6. ábra
Ezen a diagramon a vízszintes tengelyen az idő, a függőleges tengelyen a pulzus van. A halvány kék vonal a trendvonal, ami azt mutatja egyszerűsítve, hogy úgy nagy általánosságban merre haladnak az adataink, csökkenő, vagy növekvő tendenciát mutatnak. A trendvonalunk emelkedik, ami arra utal, hogy a sportoló nyugalmi pulzusa növekszik - az megint csak rajtunk áll, hogy ezzel az információval mit kezdünk, értékelhetjük akár figyelmeztető jelnek is. (Ez már azon múlik, hogy mit gondolunk a nyugalmi pulzusról mint indikátorról.)
Természetesen - és itt válik a dolog igazán izgissé, gratulálok, hogy még olvasol :D - a nyugalmi pulzus adatainkat összevethetjük valamilyen más mérőszámmal, pl. a sportolóval minden nap végeztetünk valamilyen felugrásos gyakorlatot, és mérjük a súlypontemelkedést. Ha ez a második mérőszám a sport szempontjából releváns, akkor közvetlen visszacsatolást kapunk a sportteljesítmény valamilyen aspektusára.
A lenti pontdiagram tulajdonképpen egy koordinátarendszer, amelynek vízszintes tengelyén a nyugalmi pulzus, függőleges tengelyén pedig a felugrás magassága van, azaz minden pötty az mutatja, hogy egy adott napon a sportoló milyen RHR mellett milyen magasra ugrott.
7. ábra
Ehhez is passzítottunk egy trendvonalat (ezeket a gép számolja, nem én rajzolom be), ami egy nagyon egyértelmű összefüggést rajzol ki: minél alacsonyabb a sportolónk nyugalmi pulzusa, annál magasabbra ugrik. [Hangsúlyozandók: a) az összefüggés NEM azt jelenti, hogy a nyugalmi pulzus miatt ugrik magasabbra a sportoló, tehát okozati összefüggés nem szükségszerűen van jelen!, b) ez egy fiktív példa, generált adatokkal.]
Ennek fényében új értelmet nyer minden korábbi diagrammunk: a nyugalmi pulzussal elég jó eséllyel fogjuk tudni, hogy milyen ugrásokat várhatunk a sportolótól - ez lehet akár egy fontos tényező a sportjában -, és tudjuk, hogy az ugrások tekintetében aggodalomra adhat okot a növekvő nyugalmi pulzus. Puszta érdekességképpen, hogy miért hasznos a trendvonal (és miért lesznek hasznosak a számok ezeknek az összefüggéseknek a kvantifikálásra) itt hagyom az ugrásmagasságokat időben - ha nem tudnánk előre, hogy mire kell figyelni, nem biztos, hogy felkapnánk a fejünket a tendenciára, főleg, ha csak a számokat látnánk ábrázolás nélkül.
8. ábra
És ímé, egy csomó dolgot megtudtunk bármiféle kézi matekozás nélkül (a gép azért matekozott nekünk, de az meg az ő baja ugye), pusztán azáltal, hogy a begyűjtött adatainkat feldobáltuk chartokra. A dolog persze képes ennél sokkal komplexebb méreteket ölteni, de az edzői monitorozáshoz ezek nem feltétlenül szükségesek.
Aki ezen kis ízelítő után sem kapott kedvet az adatvizualizációhoz, annak az itt elvesztgetett húsz percét irodánkban jóváírjuk “adatvizualizáció edzőknek” c. (még) fiktív tanfolyamunkra adott kedvezmény formájában. Aki meg kedvet kapott, annak meg azért :)

Folytatás a podcasthez történt kiegészítéshez (itt: https://www.facebook.com/talesofheavydumbbellls/posts/390327542962073)
Nézzük akkor az első szintet, az edzésparaméterek rögzítését. Noha láttam olyan edzőt, aki edzés előtt körbejárt a teremben és helyben improvizálta a teendőket (meglepő nevek szerepelnek ezen a listán), szerencsére azért ez talán nem jellemző. Az viszont érdekes kérdés, hogy mit tervezzünk meg és mit rögzítsünk egy edzésen.
Az első kérdésre a válasz nagy mértékben a hitrendszereinken (belief system) alapszik: ha erősen a szovjet alapozású iskola elkötelezettjei vagyunk (vö. A Rendszer c. könyvvel), akkor jó eséllyel szinte minden paramétert előre rögzítünk (intenzitás, szettek, ismétlések, kiegészítő gyakorlatok, pihenőidők akár, meg ami eszünkbe jut). Ha inkább a reaktív vonalon mozgunk, akkor több szabadság marad az adott pillanatnyi formához való igazodásra. Mindkét rendszernek megvannak a maga előnyei és hátrányai és nem is szeretnék itt mélyen belemászni az összevetésükbe. Ez önmagában ad egy kisebb vagy nagyobb adathalmazt, amit remélhetőleg nem egy négyzethálós papírra rögzítünk.
És mi kerüljön mellé abból, ami az edzésen történt? A rövid válasz: minden. Az természetesen alapvető, hogy tudjuk, mi valósult meg a tervből (függetlenül a terv részletességétől), de csak a kezdet. Minden adatsor, amit ehhez hozzá tudunk tenni, legrosszabb esetben érdektelen, jobb esetben hasznos forrás lesz később. Lehet ez szettenkénti RPE (/RIR), pihenőidők, rúdsebesség, pulzus, távolságok, sebességek, szögek, stb., praktikusan bármi, ami a sportolóval történik az edzésen. Ezekből aztán egy csomó dolog automatikusan számítható (akár előre, akár utólag), pl. terjedelem, volumen, átlagos intenzitás, TRIMP, meg még ezer dolog.
Szerencsénkre a technológia egy csomó adat rögzítését teljesen automatikusan lehetővé teszi, ezekkel semmi dolgunk nincs. Más adatokat akár maguk a sportolók is felvihetnek valamilyen közös felületre (pl. egy google sheets doksiba), vagy persze beírhatja az edző is.
A dolog lényege, hogy minél több adatunk van, annál több összefüggésre derülhet fény. A probléma az, hogy adatok nélkül bizonyos összefüggéseket sosem fogunk észrevenni, vagy ha fel is merül a gyanú, hogy léteznek, nem tudjuk ellenőrizni, és utólag már sok minden beszerezhetetlen. Éppen ezért a ma feleslegesnek, vagy érdektelennek látszó adatok is roppant érdekessé válhatnak később, ha egy új összefüggés gyanúja merül fel.
A legjobban szerintem akkor járunk, ha mindazt, amit lehetséges begyűjtenünk, begyűjtük, és amit ebből lehetséges kiszámolni (automatikusan lehetőleg), azt kiszámoljuk. Ezekből az adatokból aztán lehet mindenféle szép vizualizációkat gyártani (next time), és következtetéseket levonni arra, hogyan függnek össze és befolyásolják akár egymást, akár bizonyos kimeneteket (pl. versenyteljsítmény) ezek az adatok. Nyilván nem mindig és nem minden lesz hasznos, de ezt általában nem előre, hanem utólag tudjuk csak megmondani.
Talán nem kell mondani, hogy miért nem a négyzethálós papírt javasolnám a fentiekhez: ember legyen a talpán, aki a fentieket papír-alapon hajtja végre, ha meg utólag digitalizáljuk az adatokat, nem lett volna egyszerűbb a plusz lépést kikerülni? Hát nem? De! :D

Tanos Bálint Sportcast Mi az optimális terhelés egy sportoló számára? Meddig érdemes 1-1 gyakorlatot végeztetni? Mi az a "nyereség-kockázati elv"? Matematika, statisztika és a telj...

Egy kis follow-up a podcasthez (https://www.youtube.com/watch?v=HC5uYajUJSo), mert ebben a témában azért bőven van mélység.
Úgy képzelem, hogy az edzésteljesítmény kvantitatív elemzésének egész sok szintje van, és persze nem minden edzőnek van szüksége minden szintre, de bizonyos alapok tekinthetőek alacsonyan lógó gyümölcsnek, amit kevés munkával és jó eredménnyel szüretelhetünk le.
Szóval, a szinteket pl. meghatározhatjuk így:
1. az edzésadatok gyűjtése
2. adatvizualizáció
3. deskriptív statisztika (pl. átlagok, különbségek, mimimumok és maximumok stb.)
4. Inferenciális statisztika. Mítikus hangzása ellenére ez csupán annyit jelent, hogy elhisszük, hogy a sportolóink egy nagyobb populáció részét képezik és megpróbálunk következtetni a rendelkezésekre álló adatokból, hogy az adott dolog mennyire igaz "úgy általában". Elsőre talán nem tűnik nagy ügynek, de valójában ez teszi lehetővé, hogy értelmes, számszerűsíthető elvárásokat fogalmazzunk meg mondjuk a jövőbeli vendégek számára, és realisztikus elvárásokat alakítsunk ki bennük. Ezek adnak lehetőséget arra is, hogy az "így és így teljesítettem, ez milyen?" kérdésre a klasszikus "tök jó"-n túli választ adjunk.
5. "hardcore stat cuccok": kb. az, amit excelben/google sheetsben már nem nagyon lehet megcsinálni (vagy legalábbis rém bonyolult), egy edzőnek ezek már nem feltétlen kellenek, és igényelhet speciális szakembert.
6. gépi tanulás: nagyon izgalmas, és durván fejlődő terület, de elég rendesen fejest kell hozzá ugrani az informatikai oldalba is, amennyire tudom, nem jellemző, hogy edzők csinálják. Az adatigénye is elég magas, meg célszerű hozzá legalább R-ben vagy Pythonban kicsit eligazodni.
7. ... fekete mágia :)
Erős meggyőződésem, hogy az első négy szint minden edző számára megugorható, és ami legalább ilyen fontos, gyümölcsöző is. Az alapvető statisztikai eljárások ismerete nem csak azért hasznos, mert kiszúrjuk a hibát az elfuserált tanulmányokban (ellenállok a késztetésnek, hogy konkrétumokba merüljek :D), hanem azért is, mert a saját megérzéseinket is szembe tudjuk állítani a száraz tényekkel. Kell hozzá némi erő, hogy szembesüljünk az esetleges tévedéseinkkel is (tök jó könyv a témában Adam Granttől a Gondold újra!), de a végeredmény egyértelműen, és mérhetően hatékonyabb edző. Nem ez a cél? De!
(Folyt. köv.)

Tanos Bálint Sportcast Mi az optimális terhelés egy sportoló számára? Meddig érdemes 1-1 gyakorlatot végeztetni? Mi az a "nyereség-kockázati elv"? Matematika, statisztika és a telj...

Amíg ott ültem, végig mennyire igazam volt kérem! Nem? De! :D

Tanos Bálint Sportcast Mi az optimális terhelés egy sportoló számára? Meddig érdemes 1-1 gyakorlatot végeztetni? Mi az a "nyereség-kockázati elv"? Matematika, statisztika és a telj...

RIP Louie Simmons 😢

Mit is mondhatnék? If it can be destroyed by the truth... :)
https://complementarytraining.net/my-view-on-olympic-weightlifting/
Tán a legjobb cikk a súlyemelés helyéről a sportban. Ever.

My View on Olympic Weightlifting for Athletic Development in Team Sports - Complementary Training Part of the beauty of the Olympic lifts is that they allow the athletes to get ballistic intent in, without actually becoming projectiles themselves. Read more on the subject in the following article.

Csak óvatosan a nagy érdeklődéssel :D

Aludnék, ha tudnék :D