提升高中体育课运动负荷的实践研究

来源 :第十二届全国体育科学大会论文摘要汇编——专题报告(学校体育分会) | 被引量 : 0次 | 上传用户:qinzhenxing
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
研究目的:上海市自2012年起在高中试行专项化体育课程改革,进行专项化改革后学生在课上的运动负荷的实际情况,如何在80分钟的体育课上如何达到较高运动负荷以促进学生身心健康发展,是当前高中专项化体育课程改革中备受关注的问题。因此,本研究以内容主题"篮球—策应配合"的课程为例,通过对该课程的教学内容的组织和教学方法手段的优化,提升该课程上学生的运动负荷,并通过优化前(对照班)和优化后(实验班)的前后数据对比,验证优化过程的有效性,并通过这一优化实践过程,总结提升高中体育课运动负荷的经验,以提高课堂教学实效,帮助提升学生课上运动负荷,以增强学生体质。研究方法:本研究在上海市杨浦区市东中学高一年级中随机抽取两个平行班,分别为对照班和实验班,均以"篮球:策应配合"为主题展开教学。在测试中,按照其体育成绩,每班分别选取体能优秀、合格和体能较弱的学生各6名,共18名学生,平均年龄16周岁。本研究从心率、身体活动强度、练习密度三个角度对学生课上的运动负荷进行测量。使用Polar team pro心率遥测仪监测上课学生的心率,使用型号为Acti Graph GT3X+的三轴加速度传感器对学生课上身体活动情况进行测量,练习密度的测量则在每节课随机抽取4名学生,佩戴标志物,用秒表记录学生在体育课中实际运动的时间,采用其平均值以计算其体育课练习密度。研究结果:(1)对照班:从心率指标来看,对照班整堂课上最低113次/分,出现在小组展示部分,最高146次/分,为体能练习阶段,全课平均心率为132次/分。从身体活动的情况来看,全课静态活动偏高,达到37.4%,基本部分1即主教材学习部分的无效运动时间达到64.79%,体能练习和结束部分静态活动时间也偏高,全课中高强度也只有29.5%,学生整体身体活动情况并不理想。从练习密度的角度来看,整堂课的练习密度分布不合理,准备部分和体能练习部分练习密度较大,主教材学习练习密度较小,全课密度为27.7%,全课密度较低,并不理想。(2)针对对照班运动负荷不理想的情况,对原有的教学计划进行优化,具体对以下部分进行了改进:(1)准备部分:准备部分均为两人一球,减少器材摆放的时间,将对照班的慢跑热身改为以运球、传球和投篮为主得到热身练习,投篮和运球以游戏形式出现,为主教材学习奠定基础。(2)基本内容1(主教材学习):1.通过"如何抢占有利策应点"等三个问题贯穿策应配合学习,同时适时强化策应队员技术动作要求,减少集中讲解到4次,教师讲解精练,加强巡回指导的作用。(3)基本内容2(体能练习):通过节奏感强的背景音乐,创设有利于学生体能练习的环境。每个练习中间安排20秒—30秒的过渡时间,要求学生在规定的时间内必须完成场地和队伍调动,或进行调整休息。(2)实验班:从心率指标来看,实验班的全课平均心率为154次/分,大幅高于对照班。从身体活动的情况来看,主教材学习实验班为51.8%,远高于对照班7.5%,体能练习实验班为62.3%,同样远高于对照班34.5%的中高强度。从练习密度来看,实验班的基本部分1.基本部分2.结束部分和全课的练习密度均高于对照班,全课练习密度达到52.95%,相较对照班27.7%的练习密度有了很大提高。研究结论:通过对对照班优化提升其运动负荷的过程,总结提升高中体育课运动负荷可从以下两方面着手:(1)多层次多角度对运动负荷进行测量,将不同维度的数据综合比较。在对照班的测试中,学生在准备部分的身体活动及练习密度都较理想,但平均心率并不高,在后续的优化中也根据平均心率不高的结果对准备部分进行了调整,若只关注身体活动和练习密度的数据,就有可能忽略平均心率这一结果。因此,建议无论在日常教学或公开课中都要尽量从多角度对运动负荷进行测量,从多角度观察学生的运动负荷变化,即使在日常教学中,也可以利用课堂观察法、练习密度测量法、外触脉搏法等简单易行的方法对学生的运动负荷进行多角度测量。(2)应多方位开展运动负荷的主题教研活动。对运动负荷的提升,一个教师可以总结出的经验是有限的,在本研究中,在对照班运动负荷并不理想的情况下,在多位有经验的一线教授、教研员的指导下,才能结合各方面的数据提出有效的优化建议。若可以多开展一些关于"运动负荷"的主题教研活动,一方面一线教师可以加深对运动负荷的理解,另一方面提供了一个交流的平台,帮助各校教师交流经验,集思广益,共同提升学生课上的运动负荷,起到辐射引领的作用。
其他文献
目的:探索使用3D U-Net模型在CT图像上自动分割肾上腺并完成自动测量的可行性,并尝试使用模型输出值初探多期增强CT检查中正常肾上腺的强化特点及肾上腺体积随年龄段的体积变化规律。方法:第一步,训练肾上腺自动分割模型。回顾性收集2016年1月1日-2019年3月14日本中心腹盆部CT检查且结果未见异常的图像,共纳入520个薄层序列(434个检查)作为模型训练数据集。分别标注双侧肾上腺后随机分为训
随着汽车的普及,车辆计数的问题也逐渐出现,效率低下的传统车流检测方法已经无法达到精准计数的目的。本项目组针对这个问题提出新的方法,将YOLOv4目标检测算法与DeepSort目标跟踪算法相结合,进而改进实时车辆检测算法,并且达到精准识别和计数的目的。首先采用VOC格式的车辆数据集训练YOLOv4目标算法模型;得到初步目标检测模型后,再通过K-means聚类改进算法对图像进行特征提取;然后由Deep
随着智能识别技术的飞速发展,年龄预测已经日趋成熟,并且可以应用于各类人机交互系统,以及移动端的年龄预测APP中,可以给日常生活带来很大的便利。本文主要基于深度学习中的卷积神经网络模型来实现年龄的识别与预测,卷积神经网络通过其卷积层对图像特征的提取以及其池化层的降采样功能,能够很好地完成对图像信息的预测且不会出现过拟合现象。应用卷积神经网络模型完成年龄预测实验后,得到了准确率为93%的年龄预测结果,
随着电动汽车和自动驾驶技术的发展,电动汽车充电逐渐迈向自动化,充电口的识别定位是实现自动充电口的基础。以单目视觉为基础,提出一种远距离下电动汽车充电口目标识别方法。利用yolov5目标识别算法,建立复杂环境下远距离电动汽车充电口图像数据集,得到充电口的卷积神经网络识别模型,测试不同距离下充电口的识别定位效果,总体识别定位成功率为98.7%。可以更好的实现远距离识别定位的要求。
为解决传统音乐情感分类特征单一,导致训练效果差的问题,提出了一种多模态注意力融合网络模型,首先将执行情感分类使用的歌词和音频分离,将上下文特征提取方法与分类器相结合,从而提高特征提取效率;其次通过注意机制融合多模态特征,从而加快模型训练效率及情感分类准确率;接着提出了一种自适应孤立森林噪声方法增强模型对不均衡样本的适应性,并在一定程度上缓解模型过拟合问题.最后,将模型与LSTM、GRU、BI-LS
基于舆情事件的关键词抽取算法作为舆情监测的基础技术之一,其目的是在不同的舆情事件中抽取出人们关注的核心词汇,从而快速了解新闻内容。随着深度学习的发展,传统的无监督关键词抽取技术和有监督算法中的分类模型已经逐渐被基于深度学习的序列标注模型所替代。梳理无监督关键词抽取的限制性、分类模型在关键词抽取中的优势与不足、以及现有的深度学习对关键词抽取技术发展的帮助,重点分析整体关键词抽取技术的发展中卷积神经网
<正>慢性阻塞性肺疾病(COPD)是目前威胁人类健康的重要疾病之一,致死、致残率高[1]。研究表明,慢性阻塞性肺疾病急性加重(AECOPD)是导致COPD患者死亡的重要因素,而COPD患者每年发生0.5~3.5次急性加重[2]。氧疗是COPD患者常用的辅助呼吸治疗方法,传统氧疗方式已不能满足患者需求,经鼻高流量氧疗(HFNC)是一种新型无创呼吸支持手段,具有改善通气氧合及舒适性高等优点,已广泛应用
针对轴承故障诊断中数据集较小,现有诊断方法鲁棒性较低且易被噪声干扰的难题,提出了基于特征增强和卷积神经网络故障识别方法。首先对振动采样信号进行短时傅里叶变换(STFT)与小波变换处理,获取时频图,然后对时频图进行卷积操作,获取故障信号特征图。最后,将获得的特征图通过通道注意力机制模块,再通过卷积神经网络,实现对轴承故障的分类。结果表明,该方法在西储大学数据集添加-40 dB噪声的情况下,故障准确率
低年级学生由于刚刚进入语文学习的大门,其识字能力还未形成,识字教学因此成为小学生语文学习的基础,这要求教师采用科学的识字方法开展教学。课堂是教师开展教学活动的主阵地,教师要积极探究形式多样的识字方法,以便帮助学生理解字形,掌握汉字,增加学生的识字量。
互联网技术的广泛普及使得网络用户数量急剧增加,网络传输数据体量也随之增大,在多种因素的影响下,内部异常数据占比也越来越高,为网络数据传输、应用带来了极大的困难,为此提出一种基于深度学习的网络传输数据异常识别方法。该方法在LSTM神经网络模型的应用下,大幅度提升了评价指标——F1值,能够更加精确的识别异常数据,为网络传输数据的应用与处理提供更有效的方法支撑。应用高斯混合模型分割网络传输数据集合(训练