Sporter in fitnesstoestel

RAAK Publiek Big data technologie voor detectie overbelasting sporters (2017-2019)

Er ontstaan in Nederland veel blessures als gevolg van overbelasting in alle lagen van de sport. Hoe kunnen deze blessures worden voorkomen? Insteek van dit project is het gebruik van (sensor)technologie en big data analyse voor het vroegtijdig detecteren van signalen van overbelasting en daarmee het voorkomen van blessures.

Er ontstaan in Nederland veel blessures als gevolg van overbelasting in alle lagen van de sport. Hoe kunnen deze blessures worden voorkomen? Insteek van dit project is het gebruik van (sensor)technologie en big data analyse voor het vroegtijdig detecteren van signalen van overbelasting en daarmee het voorkomen van blessures.

Meten aan sporters

Een grote hoeveelheid technologie wordt momenteel al gebruikt voor het meten aan sporters (quantified self). Professionele sportclubs investeren in dure systemen. Diepte-interviews tonen echter aan dat er twee grote problemen zijn: ten eerste de grote hoeveelheid data en ten tweede de kennis voor een juiste interpretatie van de data benodigd voor een omzetting naar een trainingsadvies.

Systematische data-analyse

Computermodellen opgebouwd uit systematische data-analyse van de enorme hoeveelheden trainingsdata en aangevuld met domeinkennis kunnen deze problemen oplossen. Er is behoefte aan een systeem waarin informatie uit verschillende bronnen in één systeem wordt opgeslagen en toegankelijk gemaakt om vervolgens geïntegreerd geanalyseerd te kunnen worden. Individuele profielen moeten gebouwd worden uit de data voor een snelle, automatische interpretatie. Hiermee kan grensbewaking voor overbelasting plaatsvinden en kunnen trainingsaanpassingen gedaan worden waar nodig.

Vanuit deze behoefte richt het project zich op de praktijkvraag “Hoe kunnen we een praktisch toepasbaar gereedschap ontwikkelen dat valide de externe en interne trainingsbelasting kan meten, de (para)medische staf en/of fysiek trainer helpt bij het detecteren van (potentiële) overbelasting en daarmee helpt bij het plegen van de juiste interventies voor het voorkomen van blessures?”.

Belastingmonitor

Het principe van een dergelijke ‘belastingmonitor’ is al aangetoond. Voor een volwaardig prototype zal echter zowel het computermodel als de gebruikersapplicatie technisch gezien moeten worden doorontwikkeld, geoptimaliseerd, uitgebreid en vooral getest. Daar richten de onderzoeksvragen van dit project zich op. De focus ligt in eerste instantie op het (betaalde) voetbal, maar kan ook naar andere teamsporten en de breedtesport vertaald worden.

Financiering en partners

Het project Big data technologie voor detectie overbelasting sporters wordt gefinancierd vanuit RAAK Publiek. Partners in het project zijn Saxion (Lectoraat Ambient Intelligence & Lectoraat Gezondheid en Bewegen), Hanze (Lectoraat Praktijk-gerichte Sportwetenschap), UMCG (Centrum voor Bewegingswetenschap), Roessingh R&D, FC Twente, FC Groningen, Heracles Almelo, Stichting Topvolleybal Twente (Eurosped TVT), FysioCentrum Nijverdal, Topvorm Twente, Nederlandse Vereniging voor Fysiotherapie in de Sportgezondheidszorg (NVFS), 360SportsIntelligence en CE-Mate.

Looptijd

Het project loopt van 1 februari 2018 tot 1 februari 2020.

Meer informatie over Publiek Big data technologie voor detectie overbelasting sporters

Voor meer informatie u contact opnemen met Tatiana Goering, projectleider.

TatianaGoering_155x155.jpg

Dr. Tatiana Goering-Zaburnenko

Docent-onderzoeker Ambient Intelligence

LinkedIn