The method of using a neural network in the diagnosis of students' adaptation to sports

Author:

Савин Д.И.,Петрякова В.Г.,Мещерякова О.Н.

Abstract

в статье выявлены необходимые условия для диагностики правильной личностной и социальной адаптации студентов 1-2 курсов к занятию спортом при использовании современных перспективных технологий. В ходе исследования предпринят анализ возможностей нейронной сети «EdTech» при диагностике степени адаптации и готовности студентов к занятию спортом, исходи из позитивной мотивации, уровня конформности, самооценки и самовосприятия и т.д. Формы диагностики нейронных сетей являются аналогом структурных элементов общего диагностирования, к ним относятся классическая (традиционная) диагностика, контроль, оценивание, мониторинг и прогнозирование – это основные и наиболее распространенные формы диагностики. Был подтвержден тезис, согласно которому получение высокого уровня спортивных достижений соответствует принципам подачи информации, которые сильно зависят от избранной формы диагностики и сопровождающих ее действий для разработки педагогической технологии физического воспитания на основе нейронных сетей, обеспечивающих рациональное становление потенциала студента для полноценного психофизиологического развития. Образовательный продукт нейросети определяется не только учебно-воспитательной характери-стикой, но и новыми для российского образования каналами распространения и правого урегулирования. В данном случае процесс самообразования с опорой на информационно-культурное пространство является вопросом методическим сразу по многим аспектам. На первый план выступает аспект эмоционального насыщения, на второй план – техническая взаимосвязь сетевой коммуникации и практических навыков студентов. В результате было установлено, что педагогическая диагностика степени адаптации студентов с помощью нейронных сетей позволяет упростить процесс физического воспитания как одного из базовых характеристик целостного возрастного развития личности. the article analyzes the necessary conditions for diagnosing the correct personal and social adaptation of 1st-2nd year students to playing sports using modern promising technologies have been identified. The study included an analysis of the capabilities of the EdTech neural network in diagnosing the degree of adaptation and readiness of students to play sports, based on positive motivation, level of conformity, self-esteem and self-perception, etc. Forms of diagnostics of neural networks are an analogue of the structural elements of general diagnostics, these include classical (traditional) diagnostics, control, assessment, monitoring and forecasting - these are the main and most common forms of diagnostics. The thesis was confirmed that obtaining a high level of sports achievements corresponds to the principles of presenting information, which strongly depend on the chosen form of diagnosis and accompanying actions for the development of pedagogical technology for physical education based on neural networks, ensuring the rational formation of the student’s potential for full psychophysiological development. The educational product of a neural network is determined not only by its educational characteristics, but also by channels of distribution and legal regulation that are new for Russian education. In this case, the process of self-education based on the information and cultural space is a meth-odological issue in many aspects at once. The aspect of emotional saturation comes to the fore, and the technical relationship between network communication and practical skills of students comes to the background. As a result, it was found that pedagogical diagnostics of the degree of adaptation of students using neural networks makes it possible to simplify the process of physical education as one of the basic characteristics of holistic age-related personal development.

Publisher

Self-employed Klyuev Alexander Vasilievich

Reference20 articles.

1. Батурин Г.И. Разработка моделей успешно работающих специалистов и студентов с использованием нейросетевых технологий // Евразийское Научное Объединение. 2019. № 7-4(53). С. 297 – 300.

2. Березина Т.Н. Личностные ресурсы как фактор биологического возраста: индивидуально-типологический подход // Психолог. 2022. № 6. С. 12 – 28.

3. Бурлаченко А.А. К вопросу об отношении студентов спортивного вуза к использованию технологий искусственного интеллекта и компьютерных нейросетей в образовании // Ученые записки университета им. П.Ф. Лесгафта. 2023. № 9 (223). С. 68 – 71.

4. Корчагина Н.Л. Применение средств искусственного интеллекта в спортивной области // Региональный вестник. 2020. № 9 (48). С. 35 – 36.

5. Крутиков А.К. Каскадная структура системы прогнозирования на основе различных моделей искусственных нейронных сетей // Южно-Сибирский научный вестник. 2021. № 1 (35). С. 46 – 52.

同舟云学术

1.学者识别学者识别

2.学术分析学术分析

3.人才评估人才评估

"同舟云学术"是以全球学者为主线,采集、加工和组织学术论文而形成的新型学术文献查询和分析系统,可以对全球学者进行文献检索和人才价值评估。用户可以通过关注某些学科领域的顶尖人物而持续追踪该领域的学科进展和研究前沿。经过近期的数据扩容,当前同舟云学术共收录了国内外主流学术期刊6万余种,收集的期刊论文及会议论文总量共计约1.5亿篇,并以每天添加12000余篇中外论文的速度递增。我们也可以为用户提供个性化、定制化的学者数据。欢迎来电咨询!咨询电话:010-8811{复制后删除}0370

www.globalauthorid.com

TOP

Copyright © 2019-2024 北京同舟云网络信息技术有限公司
京公网安备11010802033243号  京ICP备18003416号-3