Acceso usuarios
Jing Zhang
Este estudio investiga la relación entre la satisfacción del atleta y su rendimiento en el entrenamiento, incorporando técnicas de análisis de macrodatos para descubrir los mecanismos a través de los cuales las diversas dimensiones de la satisfacción influyen en los resultados del entrenamiento. Combinando cuestionarios con el registro dinámico de datos, el estudio analizó sistemáticamente a 500 atletas de baloncesto, fútbol y atletismo. Los resultados demuestran que la satisfacción del atleta desempeña un papel fundamental en la mejora del rendimiento en el entrenamiento, y que dimensiones como el apoyo del entrenador, el ambiente de equipo y el logro personal impactan significativamente en el rendimiento deportivo y el estado psicológico. Mediante algoritmos de aprendizaje automático, incluyendo el modelo de bosque aleatorio, el estudio identificó factores clave de satisfacción que afectan al rendimiento en el entrenamiento y validó las vías directas e indirectas a través del modelado de ecuaciones estructurales. Además, el estudio propone estrategias de intervención para optimizar la gestión y el entrenamiento de los atletas, incluyendo la mejora de las prácticas de entrenamiento, el fomento de la cultura de equipo y la implementación de planes de entrenamiento personalizados. Esta investigación enriquece los marcos teóricos de la gestión deportiva y la psicología del deporte, y proporciona orientación práctica para el desarrollo científico e inteligente del deporte competitivo moderno.
This study investigates the relationship between athlete satisfaction and training performance, incorporating big data analytical techniques to uncover the mechanisms through which various dimensions of satisfaction influence training outcomes. Combining survey questionnaires with dynamic data recording, the study systematically analyzed 500 athletes from basketball, football, and track and field. The results demonstrate that athlete satisfaction plays a critical role in enhancing training performance, with dimensionssuch as coach support, team atmosphere, and personal achievement significantly impacting athletic performance and psychological states. Using machine learning algorithms, including the random forest model, the study identified key satisfaction factors affecting training performance and validated the direct and indirect pathways through structural equation modeling. Furthermore, the study proposes intervention strategies for optimizing athlete management and training, including improving coaching behaviors,fostering team culture, and implementing personalized training plans. This research enriches the theoretical frameworks of sports management and sports psychology and provides practical guidance for the scientific and intelligent development of modern competitive sports.
