一种多模态机器学习框架在预测青少年短跑运动员能否获得国家顶级排名方面，其表现优于传统的评估指标

《Scientific Reports》：A multimodal machine learning framework outperforms traditional performance metrics for predicting elite national ranking attainment in adolescent sprinters

　　

摘要

传统上，短跑运动员的才能识别主要依赖于按时间顺序记录的竞技表现数据，而这些数据往往会受到生物发育进程及相对年龄效应的影响而变得复杂。尽管机器学习具备先进的模式识别能力，但那些整合了技术指标与心理数据的分析框架仍需经过严格验证，才能确保其实际应用价值。本研究开发了一种多模态机器学习框架，并通过内部测试验证了其有效性，该框架可用于预测青少年短跑运动员未来的国家排名水平，同时还将该框架与传统的单变量模型进行了对比。研究选取了来自埃塞俄比亚、肯尼亚和南非的500名青少年短跑运动员（平均年龄为15.2±0.8岁）作为研究对象，采用了前瞻性队列研究设计。初步评估包括利用智能手机视频以240帧/秒的速度进行二维运动学分析、神经肌肉功能测试（如反向跳跃、立定跳远），以及心理特征评估（如坚毅程度、成长型思维）。社会经济状况和相对年龄也被视为影响因素。研究的主要结果是判断这些运动员在第四年时能否进入国家U20组别前10名。研究使用5折交叉验证方法训练XGBoost分类器，模型的保留率为97.2%（n=486）。该多模态模型的曲线下面积为0.82（95%置信区间：0.74–0.88），其性能优于仅依据100米跑成绩构建的基准模型（AUC为0.61；p<.001）。特征重要性分析显示，着地时间的变化程度和坚毅程度是最具预测力的因素。虽然该模型能够准确识别出不同出生季度中的优秀运动员，但由于出生季度这一特征的SHAP重要性值较低，说明该模型更多依赖后续的技术性表现指标，而非直接依据相对年龄来判断。不过，由于该模型的精确度仅为48.0%，且在验证测试集中符合条件的样本数量较少（n=15），因此它无法作为绝对的选拔标准。此外，目前还缺乏对生物发育程度的直接评估，这也是该模型存在的一个关键局限。总体而言，这种多维度分析方法为区域性的早期人才筛选提供了有价值的参考，但鉴于其仅作为一种探索性筛选工具，相关关于缓解相对年龄效应的结论还需谨慎解读，不能被视为经过完全验证的人才识别体系。