“像比赛一样训练”？比较女性青少年足球学院球员在训练和比赛中的技术和运动能力特征，以及生长发育对其的影响

《International Journal of Performance Analysis in Sport》：Train like you play? Comparing the technical and locomotor characteristics of female youth academy soccer players during practice and competition and the influence of growth and maturation

　　摘要
尽管对女子足球的投资不断增加，但针对女性特有的人才培养研究仍然有限。本研究考察了英格兰一家职业女子青少年足球学院中，训练活动与比赛在技术和动作需求方面的年龄及成熟度相关差异。研究观察了52名（U12–U15年龄段）球员在两场比赛和八次训练课中的表现，每次训练都使用了安装在脚部的惯性测量单元（IMU）。广义线性混合模型分析了年龄组、活动类型和生物成熟度的影响。技术训练活动中每分钟的球控时间明显多于比赛，持球时间几乎翻了一番（SRR=1.87），触球次数则高达比赛的五倍（SRR=1.65–4.91）。较早成熟的球员总持球时间更长，控球连续性更好，触球次数、传球次数和单次触球动作较少。在训练中，动作输出总体较低，条件性训练、技能训练和技术训练活动分别降低了每分钟的总体移动距离（SRR=0.39–0.71）、高强度动作距离（SRR=0.15–0.47）和冲刺距离（SRR≤0.37）。小场面比赛最接近比赛的实际需求（SRR=0.91–2.74）。随着球员成熟度的提高，身体表现有所提升，但接近成熟阶段的球员在高强度跑步、加速度和减速度方面出现了短暂下降。结果表明，训练侧重于技术发展，但可能无法完全再现比赛的身体要求，这凸显了制定平衡训练计划的必要性。

关键词：人才培养；足球；成熟度；技能获取；女性

1. 引言
足球是英格兰最受欢迎的女子运动之一（FIFA，引用2023年数据）。近期女子足球的发展和投资促使专业俱乐部投入大量资源和资金，以发掘和培养年轻选手，为未来的成功奠定基础（Alder等人，引用2024年；McEwan等人，引用2026年）。然而，针对女性运动员的研究和支持仍远低于男性运动员，仅有约10%的研究专门关注女性运动员（Curran等人，引用2019年；Johnston等人，引用2018年；Mulvenna等人，引用2025年）。过度依赖以男性为中心的模型有可能误导对女性天赋的理解，并削弱人才培养计划的有效性（Emmonds等人，引用2019年）。因此，越来越多的人呼吁开展针对女子足球的专项研究，以促进女性运动员的长期发展、健康和表现（Randell等人，引用2021年；Williams等人，引用2020年）。研究表明，球员在职业生涯中参与的专业足球训练量对其达到专家水平至关重要（Andrew等人，引用2024年）。进入职业/国际水平的球员在儿童期（6–12岁）通常需要接受1500–2000小时的教练指导训练。进入青春期（13–18岁）后，他们进入高性能训练环境（如专业足球学院），训练时间大幅增加到2000–4000小时（Andrew等人，引用2024年）。这类训练中，模拟比赛需求的训练活动占比高达50%，且相比孤立式训练更具身体挑战性（Güllich，引用2019年）。但这些研究仅提供了训练的宏观结构概述，缺乏对教练指导活动及其对球员发展影响的深入分析（Alder等人，引用2025年）。

通过系统观察方法和回忆法，先前已有研究探讨了职业女子足球教练的训练方式和球员行为（Lewis等人，引用2014年）。例如，在英格兰，10–16岁的青少年女子足球学院教练主要采用基于比赛的训练方式（如条件性游戏，占55%），这与当前的教学理念一致（Alder等人，引用2025年）。虽然更多使用基于比赛的训练方式反映了向代表性学习设计的转变（Andrew等人，引用2021年），但要了解训练对技能获取的有效性，不仅需要观察教练的行为和活动，还需研究球员在训练中的表现。有效的训练不仅注重训练量，还注重其与比赛所需的技能和动作要求的契合度，以及提供适当的挑战性（Williams & Hodges，引用2005年）。因此，为了进一步评估训练对球员发展的影响，有必要量化女性青少年球员在训练中面临的生理负荷，并判断其是否符合年龄和比赛所需的技术和动作要求（Casamichana等人，引用2024年；Harkness-Armstrong等人，引用2022年；Scott等人，引用2020年）。

使用安装在脚部的惯性测量单元（IMU）可以更以球员为中心地研究训练内容，并直接比较训练特点与比赛要求。这种设备已在多俱乐部研究中使用，用于记录英格兰不同年龄段和比赛级别的女子足球运动员在训练和比赛中的动作和技术特征（Myhill等人，引用2025年）。例如，数据表明，在WSL（英格兰女子足球顶级联赛）球员的训练中，高速跑步（HSR）、冲刺（SpD）、加速（ACC）和减速（DEC）的频率和强度均高于WSL-2（次级联赛）球员（Myhill等人，引用2022年）。此外，对458名来自三个不同级别的女子足球运动员的12,000次训练观察显示，技术训练（如传球技巧练习）产生的触球次数最多（1.65次/分钟），而战术训练（如团队协作练习）产生的触球次数最多（2.93次/分钟）。小场面比赛（场地较小、球员较少、规则特殊）在技术强度上有所不同，但在调整比赛时长后，物理负荷差异不大（Emmonds等人，引用2023年）。这些研究不仅加深了我们对训练和比赛特点的理解，还展示了IMU在直接比较不同训练方式与比赛要求方面的能力（Williams & Hodges，引用2005年）。

以往关于女子足球训练的研究主要集中在青少年后期（16–18岁）和成年球员以及职业/国际级选手身上（Myhill等人，引用2025年），而对儿童期或青春期早期球员的研究较少（Harkness-Armstrong等人，引用2023年）。这些阶段是球员发展过程中至关重要的时期，因为他们通常会进入高性能训练环境（如专业足球学院），训练量和感知挑战性显著增加（Andrew等人，引用2024年）。此外，这一时期的身高、体重和身体成分会发生快速变化（Bonito等人，引用2025年）。与男性运动员不同，目前针对青少年女性运动员的生物成熟度研究较为有限（Mulvenna等人，引用2025年）。因此，更深入地了解这些发育过程对于理解训练活动如何支持球员长期发展至关重要。

本案例研究的目的是探讨英格兰一家职业女子足球学院中训练活动的技术和动作特征，以及它们是否符合不同年龄组和成熟度阶段的比赛要求。这是首次将安装在脚部的IMU数据应用于训练和比赛分析的研究，旨在探讨特定训练活动与不同年龄组和生物成熟度阶段的比赛要求之间的关联。这些新发现为女子人才培养研究提供了新的证据，并为优化女子足球训练设计提供了实践指导。

2. 方法
2.1. 受试者
采用目的性抽样方法，从英格兰的一家专业足球学院招募了52名女子足球运动员（平均年龄14.2±1.3岁，平均体重52.3±8.4公斤，平均身高1.6±0.1米）。数据收集时，该俱乐部的成年队正在参加WSL（英格兰女子足球顶级联赛）。样本包括U12（11人）、U13（14人）、U14（13人）和U15（14人）年龄段的球员。所有受试者均未受伤，能够完全参加团队训练和比赛，并在数据收集时已注册成为俱乐部学院成员。本研究符合赫尔辛基宣言的规定。受试者的法定监护人提供了书面同意书，受试者本人也给予了书面同意，且该同意书已获得当地大学伦理委员会的批准。

2.2. 实验设计
本研究采用观察法，数据收集时间为2025年1月至4月，共进行了八次训练课和两场比赛。整个数据收集期间，教练团队保持稳定，仅负责训练设计，避免了研究团队或人员变动对训练计划的影响（Barrett等人，引用2020年）。所有受试者在训练和比赛中都佩戴了安装在脚部的IMU（Playermaker，伦敦，英国）。这些设备在每次训练开始前就已经安装到位（与以往研究一致，Emmonds等人，引用2023年；King等人，引用2024年）。在数据收集前，所有教练接受了关于研究目的和程序的培训。为让球员和教练熟悉IMU，并评估其性能（如电池寿命），在数据收集前进行了两次示范性训练。

2.3. 惯性测量单元
运动数据和技术的量化使用的是市面上流行的安装在脚部的IMU。每台IMU包含来自MPU-9150多芯片运动跟踪模块的两个组件：一个16g三轴加速度计和一个2000°•s^-1的三轴陀螺仪。球员每只脚各佩戴一个IMU，通过制造商提供的硅胶绑带固定在脚踝外侧。与其他研究相比，这些设备在技术动作的同步有效性（PA=95.1–100.0%）和设备内部可靠性（PA=95.9–96.9%；CV=1.4–2.9%）方面表现出良好性能（Marris等人，引用2021年）。它们在速度和动作特征方面的设备间可靠性也很高（类内相关性：0.84–1.00），与3D运动捕捉数据的吻合度也很好（Mdiff=-0.05±0.58 m·s^-1，Myhill等人，引用2024年）。为避免设备间可靠性问题，所有球员在整个数据收集期间均使用同一型号的IMU（Buchheit等人，引用2014年；Malone等人，引用2020年）。

在每次训练前，所有设备通过蓝牙连接到iPad（苹果公司，美国），训练结束后由研究团队成员将数据上传到制造商的云端软件（版本3.45.1.3）。每次训练的开始和结束时间以及相关训练活动都被记录下来并标记，随后数据从云端软件导出到Microsoft Excel（微软公司，美国）。研究团队成员负责记录每个活动的时间，并将其传输到公司的云端软件中。

2.4. 生物成熟度
为了确定每位球员的成熟度，计算了他们在观察期开始时预测成年身高的百分比（%PAH；Khamis & Roche，引用1994年）。该方法采用性别特异性回归公式，结合实际年龄、身高、体重和父母平均身高来预测成年身高，误差在1厘米以内（Sullivan等人，引用2023年）。这种方法在以往的女子足球研究和实践中被普遍采用（Hill等人，引用2021年；Parr等人，引用2020年）。身高和体重的测量遵循国际人体测量学协会的指导原则（Norton，引用2019年）。使用便携式测高仪（Seca 217 Stadiometer，Seca公司，德国汉堡）通过拉伸法测量身高，精确到0.1厘米。体重测量使用Hawkin Dynamics公司的设备（缅因州韦斯特布鲁克），受试者赤脚站立，穿着短裤和T恤，采样频率为1000 Hz。父母身高由受试者自行报告，精确到0.1厘米，并进行了修正（Epstein等人，引用1995年）。所有数据输入以下公式进行计算：PAH = β0 + β1 * 身高 + β2 * 体重 + β3 * 父母平均身高（Khamis & Roche，引用1994年）。当前每位球员的身高被表示为其PAH的百分比，并根据青少年生长高峰（峰值身高速度；PHV）进行分类，以此估计其成熟度状态：<88% PAH – PHV前，>88% PAH且<96% PAH – 接近PHV，>96% PAH – PHV后（Cumming等人，Citation2017）。2.5. 练习活动虽然研究团队没有控制练习活动或任务限制，但在表1中可以找到代表性的练习活动的示例和操作定义，包括教练通常使用的典型球员数量和场地大小。这些活动与之前系统观察足球教练时使用的方法一致（Alder等人，Citation2025）。研究团队成员熟悉每个活动，并在开始前提供了示例。表1. 操作定义和练习活动类别及示例（改编自Alder等人，Citation2025；Andrew等人，Citation2021）。下载CSV显示表格。2.6. 变量选择第一个选定的技术变量是控球总时间（以秒计），它代表了球员对球的整体参与度和他们使用的技术动作。此外，还选择了触球次数（脚触球的任何时刻）和传球次数（脚击球的任何时刻，例如传球、射门、传中）作为进一步的技术变量（Escreet等人，Citation2025；King等人，Citation2024；Marris等人，Citation2021）。此外，还选择了单次触球（仅用一次触球完成的传球动作）、短距离控球（至少两次触球且持续时间<1.5秒）和长距离控球（至少两次触球且持续时间>1.5秒），以代表比赛节奏，并且已经显示出这些变量能够区分不同成熟度的球员（Salter等人，Citation2025）。对于移动变量，选择了总距离、高强度（>4 m·s^-1）和冲刺（>5.5 m·s^-1）。此外，还选择了高强度加速度总数>2.6 m·s^-2和减速总数< -2.6 m·s^-2，这与之前的研究相似（Myhill等人，Citation2022）。最后，还选择了冲刺次数（速度超过5.5 m·s^-1的尝试次数）进行分析。所有移动变量的阈值都是根据制造商规格预先设定的，这些阈值适用于一般青少年群体（Harley等人，Citation2010）。这些阈值被认为比之前专门为成年女性球员定义的阈值更适用于当前样本（Myhill等人，Citation2024；Park等人，Citation2019）。2.7. 数据过滤最初提取的数据集包括1,703个单独的球员观察记录。总共移除了276条记录（16.2%），这些记录代表没有特定技术内容的体能训练（例如热身和调节训练），因为这些不能与比赛要求进行比较。此外，还移除了36条记录（2.5%），因为这些记录包含缺失的数据（例如选定的技术和移动变量的数据不可用）。缺失数据是由于技术错误（例如没有记录数据；n=8）、用户错误（例如设备安装不当或电池电量低；n=15）或球员退出（例如生病或受伤；n=13）。使用Tukey’s Fences方法（Tukey，Citation1977）独立评估了每个结果变量的异常值，其中阈值定义为：低于下限（Q1 - 1.5 × IQR）或高于上限（Q3 + 1.5 × IQR）的值。包含超出这些阈值的记录被排除在数据分析之外，导致移除了42-136条记录（3.4-9.8%）。最终的数据集每个结果变量有1,154-1,342条记录。2.8. 统计分析使用R统计软件（版本4.4.2；R Core Team，Citation2023）进行统计分析。为了评估年龄组、活动类型和成熟度状态对选定 performance 变量的影响，我们使用 glmmTMB 包（Brooks等人，Citation2017）实施了一系列结构化的广义线性混合模型（GLMMs）。首先，每个变量被分类为离散型（例如高强度减速）或连续型（例如总距离）。在模型拟合之前，使用 gamlss 包中的 fitDist() 函数将每个变量的数据拟合到几个分布族中（Rigby & Stasinopoulos，Citation2005），该函数自动拟合多个候选分布并对它们进行排名，帮助选择最能描述响应变量的分布。通过最大似然估计和诊断图的视觉检查选择了最佳分布。所有连续变量都被发现遵循伽马分布。所有离散型（即基于计数的）变量遵循负二项分布。然后，在适当的条件下，将选定的分布纳入 GLMMs 中，并添加了对数链接函数和偏移项以控制球员的接触时间。为了考虑数据的层次结构，探讨了个体球员、个别训练课程和个别年龄组的随机截距。GLMMs 以年龄组、活动类型和生物学成熟度状态作为固定效应构建。对于每个变量，拟合了一系列候选模型，包括：零模型、带有不同随机截距组合的固定效应模型，以及固定效应与相同随机截距结构组合的交互模型。然后使用 Akaike 信息准则（AIC）系统地比较了候选模型，并选择了固定效应结构最丰富的模型（即固定效应项或交互项）且 ΔAIC < 2 的模型作为最终模型。采取这种方法是为了在考虑模型简洁性的同时最大化解释力。然后，使用 emmeans 包（Lenth & Piaskowski，Citation2025）计算估计的边际均值（EMM），并使用假发现率进行成对比较以纠正多重比较（Benjamini & Hochberg，Citation1995）。所有比较的显著性均为 p < 0.05。EMM 被指数化，以提供每个年龄组和成熟度状态的每项活动的点估计值及其95%置信区间。最后，计算了成对对比，以提供标准化的比率比（SRR）及其95%置信区间（CI），可以将其解释为组间的相对百分比变化。3. 结果3.1. 技术变量图1展示了结合了半小提琴密度曲线、箱形图和抖动原始数据点的雨云图，可视化了按活动类型划分的所有技术结果的分布。从估计的边际均值得出的预测率及其95%置信区间分别显示在表2（针对年龄组）和表3（针对成熟度状态）中。由于缺失年龄组、成熟度状态和练习活动组合而无法估计的值被排除在外。最终模型结构和随机效应变化可以在补充表S1中找到。个体球员的随机截距解释了从约7%（控球总时间）到约24%（长距离控球次数）的基线变化，而个别训练课程的随机截距解释了从约17%（单次触球次数）到约29%（短距离控球次数）的变化，突出了个体和课程级上下文因素的影响。图1. 雨云图显示了所有活动类型的技术结果变量分布。显示全尺寸表格2. 不同年龄组和技术类型的估计边际均值（95%置信区间）。下载CSV显示表格表3. 不同成熟度状态和技术类型的估计边际均值（95%置信区间）。下载CSV显示表格在所有年龄组和成熟度水平上，技术活动始终产生最高的控球总时间，超过了比赛水平（p < 0.05）。控球总时间随着成熟度状态的提高而增加，通常更高成熟的球员在练习活动中预测的控球总时间更高。几乎在所有年龄组中，练习活动引起的触球次数和传球次数都明显多于比赛（p < 0.05），U13年龄组的分钟触球次数除外。当探索成熟度水平时，除了大场游戏外，所有练习活动产生的触球次数和传球次数都高于比赛（p < 0.05）。在U12年龄组中，单次触球控球在占有比赛和技能活动中更高（p < 0.05），在U14年龄组中技能和技术活动中更高（p < 0.05），在U15年龄组中所有活动除大场游戏外都更高（p < 0.05）。对于成熟度水平，除了大场游戏外，所有练习活动显示的单次触球动作都高于比赛（p < 0.05），PHV后的球员记录的比率最低。在所有年龄组中，练习中的短距离控球频率高于比赛（p < 0.05），特别是在技术、占有和技能活动中观察到最高的值。这种模式在所有成熟度水平上都是一致的，所有练习活动显示的短距离控球频率都高于比赛（p < 0.05）。小场游戏是唯一一种在所有年龄组和成熟度水平上始终产生高于比赛的长距离控球率的活动类型（p < 0.05）。3.2. 移动变量图2展示了按活动类型划分的移动变量。表4（针对年龄组）和表5（针对成熟度状态）显示了每个结果和活动类型的估计均值和95%置信区间。任何无法估计的值都被排除在外。最终模型结构和随机效应变化显示在补充表S1中，其中随机截距解释了从约18%（高强度距离）到约78%（冲刺次数）的个体球员变化，约11%（总距离）的个别训练课程变化，以及约41%（冲刺距离）的个别课程变化。图2. 雨云图显示了所有活动类型的移动结果变量分布。显示全尺寸表格4. 不同年龄组和技术类型的估计边际均值（95%置信区间）。下载CSV显示表格表5. 不同成熟度状态和技术类型的估计边际均值（95%置信区间）。下载CSV显示表格在所有年龄组和成熟度水平上，大多数练习活动引起的每分钟总距离显著低于比赛（p < 0.05）。这种模式在技术、技能和占有活动中最为明显（p < 0.05），而在U12和U15年龄组中，调节游戏也低于比赛的距离覆盖率（p < 0.05）。在U15年龄组中，比赛期间的活动也预测出更低的每分钟总距离（p < 0.05）。只有大场游戏接近比赛水平。出现了与年龄相关的差异，U13年龄组在技术活动中倾向于比U15年龄组和所有其他年龄组的技能活动中覆盖稍多的距离（p < 0.05）。成熟度效应显示出更成熟球员在所有活动和成熟度水平上的距离倾向于更高，除了大场游戏外，所有活动和成熟度水平的总距离显著低于比赛（p < 0.05）。比赛产生的高强度距离最大，大多数练习活动都有明显的减少。在技术、技能和占有活动中减少最多（p < 0.05），尽管在小场和调节游戏中也有一些年龄组低于比赛水平（p < 0.05）。在年龄组之间，U13和U15年龄组在技能活动中的高强度距离略高于U12和U14年龄组（p < 0.05）。当考虑成熟度状态时，与比赛相比，所有活动中预测的高强度距离都有所减少（p < 0.05）。练习活动中覆盖的冲刺距离在所有活动类型中都最低（p < 0.05），特别是在占有、技能和技术活动中几乎没有冲刺输出。在所有成熟度水平上，练习活动中覆盖的冲刺距离增加（p < 0.05）。比赛再次产生了最高的高强度加速度率，U12大场游戏、U12技术游戏和U13占有游戏显示了明显的减少（p < 0.05）。在探索成熟度状态时，技术、占有和大场活动每分钟的高强度加速度都低于比赛（p < 0.05）。对于高强度减速，技术活动在所有年龄组中相对于比赛都有持续的减少（p < 0.05）。此外，在U12占有游戏和U14技能活动中也发现了进一步的减少（p < 0.05）。当考虑成熟度状态时，只有技术活动在与比赛相比的减速率上显示出显著减少（p < 0.05）。冲刺频率在所有练习活动、年龄组和成熟度水平上都明显低于比赛（p < 0.05）。与冲刺距离一样，占有、技能和技术活动始终产生了最低的冲刺输出。冲刺频率随着生物学成熟度的提高而呈正趋势。4. 讨论本次案例研究的目的是探索不同年龄和生理成熟度水平的青少年女子足球学院练习活动的技术和运动特征及其与比赛要求的一致性。由于这项研究代表了一个特定的青少年足球俱乐部案例，因此以下解释应理解为适用于该群体，而不能推广到所有青少年环境。然而，关于年轻女性球员所表现出的技术变量的研究仍然有限，例如仅使用回顾性视频分析以及两个年龄段之间的位置比较（Harkness-Armstrong等人，Citation2020）。据我们所知，我们的研究是首批直接量化并比较年轻女性足球运动员在训练和比赛中的技术特征的研究之一。与多家俱乐部专业女性球员的报告一致（Emmonds等人，Citation2023），在这个特定群体中，训练活动（不包括大型对抗比赛）中的球权参与度是比赛中的2-3倍，而技能和技术练习中的球权参与度则是比赛中的2-5倍（表2），无论年龄组或成熟度如何。这项研究发现的一个可能解释是，教练通常提倡进行无对抗的、基于练习的活动来促进技术技能的掌握（如传球和盘带），因为这些活动为年轻球员提供了更多的技术练习机会，并减少了注意力需求（即决策负担）（Andrew等人，Citation2021；Gearing & Bridge，Citation2024）。有研究建议教练通过随机或变化的顺序来调整基于练习的技术技能任务，以更接近比赛的实际情况（Pacheco等人，Citation2023；Williams & Hodges，Citation2005）。随机结构要求以不可预测的顺序尝试各种技能，确保连续的练习中很少重复相同的动作；而变结构则要求球员在连续尝试中调整单一技能的参数（例如改变传球距离或角度）。从技能习得的角度来看，与固定或封闭式训练相比，随机和变结构有助于增强运动和感知认知技能的习得、保持和转移（Lee & Magill，Citation1983；Li & Wright，Citation2000）。此外，我们的研究结果显示，这个群体中的球员在所有训练活动中的单次触球次数、短距离控球和长距离控球次数都显著高于比赛中的次数（大型对抗比赛除外），无论年龄或成熟度如何（表2和表3）。特别是小型对抗比赛能够显著提高测量到的比赛节奏特征（单次触球控球除外）。同样，除大型对抗比赛和特定比赛阶段外，所有训练活动中的每分钟短距离控球次数也显著更多。虽然一些教练认为增加球权参与度有助于精进和掌握“正确”的技术（如传球、接球和盘带），但技能习得研究表明，比赛表现的提高不仅依赖于技术本身，还依赖于球员在真实、信息丰富的环境中整合感知认知过程的能力（Ford等人，Citation2010；Roca & Ford，Citation2020；Ward等人，Citation2007）。我们的研究结果表明，在比赛中，这个群体中的球员可能有更多的时间进行个人控球，而小型对抗比赛的场地尺寸和球员密度则限制了个人控球的时间，从而促进了单次触球和短距离控球次数的增加。从这项研究的训练活动来看，有限的空间、较高的球员密度和增加了的情境干扰可能造成了更高的任务难度，要求更快的感知-动作耦合和更快的决策（Guadagnoll & Lee，Citation2004；Williams & Hodges，Citation2023）。球员可能需要更快地移动球以获得进攻优势或避免失去球权（Gollan等人，Citation2018），或者根据设计的任务或教练设定的限制来调整自己的行动。

对于与青少年运动员工作的教练来说，考虑运动的生理需求同样重要。训练的目的是通过代表性的训练设计来让球员为比赛的物理、技术和技术战术要求做好准备（Ford等人，Citation2010；Ward等人，Citation2007）。这应该包括让球员经历适合其年龄和阶段的训练量、强度、持续时间和频率（即训练负荷），以引发所需的生理适应（Impellizzeri等人，Citation2019）。我们在这项研究中的发现表明，所有年龄组和成熟度水平的训练总体上（每分钟覆盖的总距离）、高速（每分钟覆盖的高速距离）和冲刺（每分钟覆盖的冲刺距离）的相对强度都低于比赛中的强度（表4和表5）。不出所料，技术和技能类型的训练活动（即无对抗的基于练习的活动）的相对强度始终低于比赛中的强度，其中大型对抗比赛最接近比赛中的运动需求。与先前的研究一致（Harkness-Armstrong等人，Citation2020），当前群体中年龄较大、更成熟的球员在比赛中的整体强度、高速强度和冲刺强度最高（表5）。然而，没有一种训练活动能够充分模拟比赛中的冲刺强度，所有训练活动中的每分钟冲刺距离都明显较低。虽然较低的冲刺频率可能是由于没有使用针对年轻女性的个性化速度阈值或未达到预定义的“冲刺”阈值，但也可能是由于本研究采用的训练设计所致，尽管如此，球员在比赛中仍能够积累较高的冲刺距离（表4）。这与先前的研究结果一致，尽管是在精英级男性足球中得出的结论，表明小型对抗比赛和其他训练活动可能不适合模拟高强度和冲刺比赛的挑战（Dello Iacono等人，Citation2023）。因此，我们的研究结果表明，这项研究中包含的训练活动没有充分模拟比赛的强度，这可能会使球员准备不足，受伤的风险增加（Malone等人，Citation2018；Sanchez-Sanchez等人，Citation2025）。我们的结果还表明，这个样本中的球员在比赛和大型对抗比赛中获得的个人控球时间可能更少，而小型对抗比赛的场地尺寸和球员密度限制了个人控球的时间，从而增加了单次触球和短距离控球的次数。在这项研究的训练活动中，空间的缩小、球员密度的增加以及情境干扰的增强可能造成了更高的任务难度，要求更快的感知-动作耦合和更快的决策（Guadagnoll & Lee，Citation2004；Williams & Hodges，Citation2023）。球员可能需要更快地移动球以获得进攻优势或避免失去球权（Gollan等人，Citation2018），或者根据设计的任务或教练设定的限制来调整自己的行动。

对于与青少年运动员工作的教练来说，考虑运动的生理需求同样重要。训练的目的是通过代表性的训练设计来让球员为比赛的物理、技术和技术战术要求做好准备（Ford等人，Citation2010；Ward等人，Citation2007）。这应该包括让球员经历适合其年龄和阶段的训练量、强度、持续时间和频率（即训练负荷），以引发所需的生理适应（Impellizzeri等人，Citation2019）。我们在这项研究中的发现表明，所有年龄组和成熟度水平的训练总体上（每分钟覆盖的总距离）、高速（每分钟覆盖的高速距离）和冲刺（每分钟覆盖的冲刺距离）的相对强度都低于比赛中的强度（表4和表5）。不出所料，技术和技能类型的训练活动（即无对抗的基于练习的活动）的相对强度始终低于比赛中的强度，其中大型对抗比赛最接近比赛中的运动需求。与先前的研究一致（Harkness-Armstrong等人，Citation2020），当前群体中年龄较大、更成熟的球员在比赛中的整体强度、高速强度和冲刺强度最高（表5）。然而，没有一种训练活动能够充分模拟比赛中的冲刺强度，所有训练活动中的每分钟冲刺距离都明显较低。虽然较低的冲刺频率可能反映了没有使用针对年轻女性的个性化速度阈值或未达到预定义的“冲刺”阈值，但也可能是由于本研究采用的训练设计所致，因为球员在比赛中仍能够积累较高的冲刺距离（表4）。这与先前的研究结果一致，尽管是在精英级男性足球中得出的结论，表明小型对抗比赛和其他训练活动可能不适合模拟高强度和冲刺比赛的挑战（Dello Iacono等人，Citation2023）。因此，我们的研究结果表明，这项研究中包含的训练活动没有充分模拟比赛的强度，可能会使球员准备不足，增加受伤风险（Malone等人，Citation2018；Sanchez-Sanchez等人，Citation2025）。我们的结果还表明，这个样本中的球员在冲刺频率（即每分钟冲刺次数）方面的暴露不足。当前研究中的训练活动估计的冲刺频率明显低于比赛中的频率（表4和表5）。虽然可能仍然发生了冲刺动作，但它们没有达到惯性测力计（IMUs）所定义的冲刺阈值，进一步表明训练负荷可能不足以充分准备比赛中的需求（Dello Iacono等人，Citation2023；Malone等人，Citation2018；Sanchez-Sanchez等人，Citation2025）。相比之下，大多数训练活动都很好地模拟了每分钟高强度加速和减速的频率（表4和表5）。小型对抗比赛和有条件的比赛中，高强度加速和减速的频率都与比赛中的频率非常接近，只有在技术活动中，每分钟减速次数显著较低，而在考虑成熟度时，每分钟加速次数在技术活动和大型对抗比赛中显著较低。这些发现在这个特定样本中可能具有重要意义，因为这些动作与急性损伤的发生有关（Sanchez-Sanchez等人，Citation2025；Turner等人，Citation2013）。例如，减速动作与方向变化结合起来被认为是预防女性球员非接触性损伤（如前交叉韧带（ACL）损伤的常见动作模式（Faude等人，Citation2005；Mara等人，Citation2017）。因此，确保在训练活动中适当暴露于这些动作可能会提供适当的剂量和随后的适应性反应，使球员为这些任务做好充分准备。

4.1 实际意义

这项研究通过扩展以往关于青少年女性足球教练主导的训练微观结构的研究提供了新的信息——以往的研究大多是回顾性的或以教练为中心的（Alder等人，Citation2025；Güllich，Citation2019）。本研究探索了不同训练活动的技术和运动特征及其与比赛需求的一致性。这些发现可能对负责类似环境训练设计的人具有启示意义；然而，应在本案例研究的背景下进行解读。它们可能强调了确保在训练周期内充分进行高速和冲刺活动的必要性，以确保球员能够妥善应对比赛的要求（Gómez-Piqueras & Alcaraz，Citation2024；McCall等人，Citation2020）。例如，扩大比赛场地规模并降低球员密度以允许更高的运动速度，或通过额外的冲刺训练来补充。同样，教练和从业者应该意识到球员之间的个体差异和生物成熟度的不同，确保训练提供足够的挑战性（Guadagnoll & Lee，Citation2004），并包含适当的年龄和阶段内容及训练负荷（Beech等人，Citation2022；Salter等人，Citation2021；Williams & Hodges，Citation2023）。例如，定期使用生物带训练和比赛（Cumming等人，Citation2017；Salter等人，Citation2025）或提升强度训练（Kelly等人，Citation2021）可能是有效的方法，既能挑战也能支持不同发展阶段的运动员。尽管生物成熟度仅作为探索性变量纳入研究，但我们的发现表明它对技术和运动输出的影晌微乎其微，但仍有一些小趋势显而易见。在这个群体中，更成熟的球员表现出更多的控球时间、长距离控球和冲刺次数——假设这可能是由于这些球员具有更大的力量和速度（Emmonds等人，Citation2018），使他们能够更长时间地保持球权并更容易完成冲刺动作。相比之下，不太成熟的球员则倾向于产生更多的触球次数、传球次数和单次触球动作。一个理论解释可能是，不太成熟的球员更多依赖技术、战术和心理技能（如球路组织而非盘带）来克服潜在的身体劣势（Cumming等人，Citation2018）。同样，被归类为接近HPV阶段的球员似乎表现出最低的高强度距离、加速度和减速次数。我们推测这可能表明随着球员成熟，身体能力和协调能力存在发展差异（例如Wright & Laas，Citation2016）。然而，这些仍然只是理论上的解释，鉴于成熟度比较的探索性，应谨慎解读。最后，教练和从业者应继续反思他们的训练设计选择和预期结果（例如基于练习的 vs. 基于比赛的），认识到混合方法可能对青少年球员特别有效（Bergmann等人，Citation2021）。这种方法通过结合游戏中的训练特定性（Williams & Hodges，Citation2005）——这些训练能够模拟比赛的技术、感知和运动需求——以及重复性的封闭式练习（基于练习的训练），为球员提供多次获取功能性技能和可转移技能的机会。教练、从业者和研究人员可以合作设计更符合比赛需求的训练活动，从而弥合科学理论与实践之间的差距（Andrew等人，Citation2021，Citation2024）。这可能使教练能够发展他们的理解，并将其原则应用到训练设计中，考虑到技能习得、成长和成熟度、训练负荷和训练周期的划分。

4.2 局限性和未来方向

尽管当前研究提供了新的发现，但仍应承认其局限性和未来的研究方向。数据来自一个组织，训练活动的编码是基于操作定义的，没有考虑训练设计的变异性（例如场地/面积尺寸、球员数量、限制/指令），这可能影响了技术和运动结果。此外，我们的分析使用了制造商推荐的高速跑步、冲刺和高强度加速及减速的阈值。虽然这些阈值代表了青少年特定的阈值（Harley等人，Citation2010），并且被认为比成年女性的阈值更合适（例如Myhill等人，Citation2024；Park等人，Citation2019），但应认识到青少年女性特定的阈值（Harkness-Armstrong, Till, Datson, & Emmonds，Citation2022）可能更适合准确量化和解释运动数据。未来的研究应该评估和使用从脚部安装的惯性测力计（IMUs）得出的青少年女性特定速度阈值，类似于在成年女性层面使用的阈值（Myhill等人，Citation2024；Park等人，Citation2019）。最后，虽然我们的分析控制了训练和练习活动的暴露时间和持续时间，但我们只考虑了整个活动，而这可能更多地反映了持续时间上的调整（Emmonds等人，Citation2023），以往的研究强调了需要考虑活动的高峰期（Harkness-Armstrong等人，Citation2020；Myhill等人，Citation2025）。未来的研究应旨在收集来自多个组织和不同年龄组的数据，并更加关注和详细规定所采用的练习活动，包括这些活动在训练周期中的内容和安排。此外，研究还应控制球员之间在位置、成长速度和成熟度方面的个体差异。然而，本研究旨在提供一个关于练习活动和比赛中的技术与运动特征的视角，这些方面在之前的研究中探索较少。据作者所知，这是首次在一个英国青训学院内对不同年龄和成熟阶段的青年女子足球运动员的这些特征进行量化和比较的研究。虽然这项研究针对特定的研究对象，但其中提供的方法和数据可以鼓励从业者分析他们自己的数据，并为制定适合团队和个体球员的训练计划提供必要的见解。

5. 结论

本研究首次比较了同一英国足球学院中不同年龄组和生物成熟阶段的青年女子足球运动员在练习和比赛中的技术与运动特征。新发现表明，在这个群体中，练习活动的技术要求普遍较高，球员获得球的机会更多，比赛节奏也更快。这种高技术要求可能有利于技能的掌握，并支持使用多样化和具有代表性的练习设计（包括训练和比赛形式）来促进技术发展。相比之下，练习中的运动需求相对于比赛来说较为欠缺。大多数练习活动中，总距离、高速跑动和冲刺（包括冲刺频率）的相对强度显著较低，而大场面比赛最能接近比赛的实际需求。尽管加速度和减速度的数据表现较好，但冲刺训练的不足引发了人们对球员身体是否具备应对比赛需求的能力的担忧，同时也揭示了一个潜在的可调控的受伤风险因素。年龄和成熟度进一步调节了这些效应，年龄较大、成熟度更高的球员表现出更高的运动表现，这强调了训练设计需要根据发展阶段进行调整的必要性。因此，教练应该采用结合训练和比赛形式的均衡练习设计，确保在整个训练周内让球员充分体验高速跑动和冲刺动作。训练负荷也应根据球员的年龄和生物成熟度进行个性化调整，因为发展阶段可能会影响技术和运动表现。通过这种方式优化练习结构，从业者可以更好地帮助青年女子足球运动员应对比赛挑战，并支持她们向成年级比赛的长期发展。

补充材料

本文的补充数据可在线获取：https://doi.org/10.1080/24748668.2026.2664340