Key points are not available for this paper at this time.
Im Allgemeinen haben technologische Innovationen den Sportunterricht oder die Sportpädagogik konstruktiv transformiert. Sportpädagogen können mithilfe von Software, Streaming-Videos, Kameras und Trackern personalisierte und realistische Erwartungen für ihre Schüler entwickeln. Die intelligenten Modelle der Sporterziehung streben jedoch eine effiziente Bewertung an, um ihre Akzeptanz in Echtzeit zu verbessern. Dieses Papier schlägt einen verbesserten Cat Swarm Optimization (ECSO)-Algorithmus vor, um ein Bewertungsmodell für Systeme der Sporterziehung zu erstellen und die Auswirkungsbewertung von Sporttrainingstechniken zu erhöhen. Diese Forschung identifiziert und erklärt verschiedene Faktoren zur Gestaltung eines multifunktionalen Überwachungsgeräts für die Sporterziehung, das den realen Bedürfnissen der Nutzer entspricht. Um herauszufinden, wie sensibel die Parameter sind, verwendet diese Studie die Theorie der lokalen Sensitivitätsanalyse. Sie integriert die realen Bedürfnisse, um einen optimierten CSO-Algorithmus mit modifizierten Such- und Verfolgungsmodi vorzuschlagen. Anschließend implementiert die vorgeschlagene Methodik ein randomisiertes Experiment, um den Erfolg des Modells zu bewerten. Der vorgeschlagene ECSO-Algorithmus, der modifizierte Such- und Verfolgungsmodi nutzt, liefert die beste Bewertung von 98,8 %.
Nian-mao et al. (Fr,) haben diese Frage untersucht.