Por favor, use este identificador para citar o enlazar este ítem: https://doi.org/10.6018/cpd.510581

Título: Análisis del combate en la iniciación al karate: un ejemplo de utilización de árboles de decisión en metodología observacional
Otros títulos: Combat analysis in initiation to karate: decision trees in observational methodology
Análise do combate na iniciação ao karatê: um exemplo do uso de árvores de decisão na metodologia observacional
Fecha de publicación: 2022
Editorial: Universidad de Murcia. Servicio de Publicaciones.
Cita bibliográfica: Cuadernos de Psicología del Deporte, Vol. 22, Nº. 2 (2022)
ISSN: 1578-8423
1989-5879
Materias relacionadas: CDU::7 Bellas artes::79 - Diversiones. Espectáculos. Cine. Teatro. Danza. Juegos.Deportes
Palabras clave: Kumite
Combat analysis
Técnica de segmentación jerárquica
Árbol de clasificación
Kumite
Combat analysis
Hierarchical segmentation technique
Classification tree
Kumite
Combat analysis
Técnica de segmentação hierárquica
Árvore de classificação
Resumen: El presente trabajo persigue delimitar el desempeño técnico-táctico en combate en la iniciación al karate y mostrar las posibilidades de aplicación de la técnica de análisis de árbol de decisión en metodología observacional. El muestreo observacional ha ascendido a 887 acciones técnico-tácticas ofensivas realizadas en 40 combates por participantes de la franja de 8-9 años de edad. El instrumento de observación se ha introducido en el seno del softwarede registro y codificación, Lince. La calidad del dato ha quedado garantizada, por un lado, mediante un procedimiento de concordancia inter-observadores a partir del coeficiente Kappa de Cohen y, por otro lado, por un diseño de generalizabilidad. Se han realizado dos árboles de decisiónutilizando dos algoritmos diferentes (CHAID y CART). Los resultados obtenidos con ambos algoritmos coinciden en señalar como mejor predictor de la “zona del cuerpo a la que se dirige la técnica” a la dimensión “segmento”; pero se diferencian en el segundo mejor pronosticador: dimensión“grupo de técnica” mediante el algoritmo CHAID,y dimensión “técnica detallada” con el algoritmo CART
This work analyze the technical-tactical performance in combat in the initiation to karate and show the possibilities of application of the decision tree analysis technique in observational methodology. The observational sampling is made up of 887 offensive technical-tactical actions executed in 40 combats by participants of the 8-9 age group. Regarding the recording and coding process, the observation instrument has been introduced in the software LINCE. The quality of the data has been guaranteed bymeans of an inter-observer concordance procedure based on Cohen's Kappa coefficient and by a design of generalizability. Two decision trees have been made using two different algorithms (CHAID and CART). The results obtained with both algorithms coincide in pointing out the "segment" dimension as the best predictor of the "body area to which the technique is directed";but they differ in the second best forecaster: dimension "technique group" through the CHAID algorithm,and "concrete technique" dimension with the CART algorithm
Este trabalho analisa o desempenho técnico-tático em combate na iniciação ao karatê e mostra as possibilidades de aplicação da técnica de análise de árvore de decisão na metodologia observacional. A amostragem observacional é composta por 887 ações técnico-táticas ofensivas executadas em 40 combates por participantes da faixa etária de 8 a 9 anos. Em relação ao processo de registro e codificação, o instrumento de observação foi introduzido no softwareLINCE. A qualidade dos dados foi garantida por meio de um procedimento de concordância interobservador baseado no coeficiente Kappa de Cohen e por um desenho de generalização. Duas árvores de decisão foram feitas usando dois algoritmos diferentes (CHAID e CART). Os resultados obtidos com ambos os algoritmos coincidem em apontar a dimensão "segmento" como o melhor preditor da “área do corpo para a qual a técnica é direcionada”; mas diferem no segundo melhor preditor: dimensão “grupo de técnicas” usando o algoritmo CHAID,e dimensão “técnica detalhada” com o algoritmo CART.
Autor/es principal/es: Sastre Fácila, Vanessa
Arana Idiakez, Javier
Lapresa Ajamil, Daniel
Ibáñez Moro, Rafael
Anguera, María Teresa
URI: http://hdl.handle.net/10201/119984
DOI: https://doi.org/10.6018/cpd.510581
Tipo de documento: info:eu-repo/semantics/article
Número páginas / Extensión: 11
Derechos: info:eu-repo/semantics/openAccess
Attribution-NonCommercial-NoDerivatives 4.0 Internacional
Aparece en las colecciones:Vol.22, nº 2 (2022)

Ficheros en este ítem:
Fichero Descripción TamañoFormato 
510581-Texto del artículo-1865011-1-10-20220420.pdfEspañol538,81 kBAdobe PDFVista previa
Visualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons