데이터 마이닝 기반의 선수 성과 향상 및 부상 관리 체계 구축

주장스포츠 과학의 핵심 과제는 선수들의 경기력을 극대화하면서 동시에 부상 위험을 최소화하는 것입니다. 기존 연구들은 주로 통계적 분석에 의존했으나, 본 연구는 연관 규칙 마이닝을 통해 다요인 간의 복합적인 관계를 규명합니다.

팩트연구진은 아프리오리(Apriori), 에프피-그로스(FP-Growth), 에클라트(Eclat)와 같은 연관 규칙 마이닝 기법을 활용했습니다. 이 기법들은 인구통계학적, 생리학적, 심리학적 변수와 훈련 데이터 사이의 조건부 관계를 식별합니다.

팩트분석 대상 데이터는 선수의 훈련 강도, 회복 상태, 수면 시간, 과거 부상 이력을 포함합니다. 연구진은 이러한 변수들의 조합이 실제 성과와 부상 결과에 미치는 영향을 해석 가능한 규칙으로 추출했습니다.

교차검증기존 머신러닝 연구들이 분류 정확도 향상에만 집중했다면, 본 연구는 결과의 해석 가능성에 더 큰 비중을 둡니다. 이는 복잡한 모델의 블랙박스 문제를 해결하고 현장 지도자들이 데이터를 직관적으로 이해하도록 돕습니다.

팩트연관 규칙 마이닝은 훈련 데이터 내에서 안정적이고 영향력이 큰 패턴을 발견하는 데 효과적입니다. 이러한 패턴은 앞으로 가설 생성 및 훈련 우선순위 결정에 중요한 근거 자료로 활용됩니다.

팩트본 연구는 광둥 공업대학교와 베이징 중의약대학교 연구진이 수행했습니다. 해당 논문은 2026년 5월 25일 사이언티픽 리포트(Scientific Reports)에 게재되었습니다.

교차검증연구에 사용한 데이터는 온라인 연구 저장소에서 확보한 익명화 자료입니다. 개인정보 보호를 위해 상세한 인구통계 정보나 구체적인 데이터 수집 절차는 공개하지 않았습니다.

주장이번 연구는 스포츠 훈련 데이터 내의 연관 구조를 탐색하는 데 있어 해석 가능한 데이터 마이닝 프레임워크의 가치를 입증합니다. 이는 인과관계를 넘어 데이터 간의 구조적 패턴을 파악하는 데 유용한 분석 환경을 제공합니다.

팩트본 연구는 광둥성 교육청의 특별 혁신 프로젝트인 '건강한 학교 개발을 위한 다양한 신체 활동의 적용' 과제의 지원을 받아 수행되었습니다. 해당 과제 번호는 2024WTSCX302입니다.

출처Chen, L., Mo, B. & Yu, X. (2026). Athletes’ performance and injury management in sports training using association rules and data mining techniques. Scientific Reports. https://doi.org/10.1038/s41598-026-53523-2을 교차 검증했습니다.