شبكة تلافيفية مكانية-زمانية متعددة الوسائط مع آلية انتباه للتعرّف على سلوك القلق لدى الرياضيين

لماذا يهم قلق الرياضيين

كل من تعثّر في سؤال مهم في امتحان أو أضاع تسديدة سهلة في مباراة يعرف كيف يمكن للتوتر أن يعيق الأداء. بالنسبة للرياضيين التنافسيين، المشكلة أكبر: فالقلق قد يكلفهم ميداليات، ومنحاً دراسية، وحتى مسارات مهنية. ومع ذلك، تظل معظم طرق تتبّع توتر الرياضيين تعتمد على استبيانات بعد الحدث وحدس المدرب. تقدم هذه الدراسة نظاماً موضوعياً وفي الوقت الحقيقي يراقب أجساد ووجوه الرياضيين، يستمع لإشاراتهم الفسيولوجية، ويقدّر تلقائياً مستوى قلقهم أثناء المنافسة.

رؤية علامات القلق الخفية

ينطلق الباحثون من فكرة بسيطة: القلق يظهر بعدة صور في آن واحد. عندما يقلق الرياضيون يتغير إيقاع قلبهم، تتعرق كفوفهم، يتصلب وضعهم، وتفضح حركات وجهية صغيرة توترهم. بدلاً من التركيز على دليل واحد فقط، يجمع الفريق عدداً منها في نفس الوقت. يجمعون بيانات القلب والمقاومة الجلدية من أجهزة قابلة للارتداء، وفيديو عالي الدقة للوجه والحركة الكاملة للجسم، واستبيانات نفسية معيارية أُخذت قبل وبعد منافسات جامعية حقيقية. بالمجمل، يشارك 68 رياضياً من أربعة رياضات بأكثر من ألفي مقطع قصير، ووسم كل منها كقلق أو هادئ اعتماداً على استبيان قلق معروف.

تعليم مدرّب رقمي لقراءة المباراة

لتحويل هذه السيل الغني من الإشارات إلى درجة قلق، صمم المؤلفون "مدرّباً" تعلّمياً عميقاً يتخصص في الأنماط الممتدة عبر الزمن. يستخدم نموذجهم شبكة تلافيفية مكانية-زمانية—بمعنى سلسلة من المرشحات التي تنزلق ليس فقط عبر المكان (بكسلات، نقاط جسم، قنوات حسّية) بل أيضاً عبر الثواني. هذا يمكّن النظام من ملاحظة نوبات التوتر السريعة والبنات المتدرجة للتوتر خلال شريحة لعب مدتها 30 ثانية. والأهم أن الشبكة تعالج كل نوع من البيانات—الفسيولوجية، تعابير الوجه، والحركة—على مسار خاص به قبل دمجها، بحيث تعوّض نقاط القوة في قناة ما عن نقاط الضعف في أخرى، مثل وجه مغطى جزئياً أو ضوضاء مؤقتة في المستشعر.

إتاحة التركيز لما يهم

لأن ليست كل لحظة أو إشارة مفيدة بشكل متساو، أضاف الباحثون آلية "انتباه". يتعلم هذا الجزء من النموذج إعطاء أهمية أعلى للإطارات والإشارات التي تميز القلق عن الهدوء بشكل أفضل. على سبيل المثال، قد تحظى قفزة في التوصيل الجلدي مصحوبة بانقباض فك مؤقت وحركة ساق متململة بوزن أكبر من فترة تنفس منتظمة ووضعية محايدة. كما يتعلّم مكوّن الانتباه مدى الاعتماد على كل مسار بيانات في الوقت الحقيقي، مغيراً التركيز إن كانت البيانات الفسيولوجية واضحة بينما الفيديو ضوضائي. من خلال تكييف تركيزه بهذه الطريقة، يصبح النظام أكثر متانة لظروف العالم الحقيقي وأفضل في اكتشاف علامات التوتر الدقيقة والمبكرة.

ما مدى دقته وملاءمته عملياً؟

عند اختباره مقابل مجموعة من الطرق الحالية—بما في ذلك خوارزميات التعلم الآلي التقليدية، وشبكات الفيديو القياسية، ونماذج الترانسفورمر—يتصدر النظام الجديد النتائج. يصنّف مستويات القلق بشكل صحيح بحوالي 95% من الحالات ويحقق توازناً عالياً بين الدقة والاسترجاع. يختبر المؤلفون بشكل منهجي أطوال نوافذ زمنية مختلفة ويظهرون أن حوالي 30 ثانية من البيانات توفر أفضل حل وسط بين توفر سياق كافٍ لرؤية حلقة قلق والحفاظ على تأخير قصير يكفي للتغذية الراجعة في الوقت الحقيقي. حتى عندما تغيب نوعية بيانات—مثلاً إذا كانت الأجهزة القابلة للارتداء فقط فعّالة—لا يزال النظام يؤدي أداءً معقولاً، مما يشير إلى قدرته على التعامل مع ظروف ميدانية غير كاملة.

ما الذي يعنيه هذا للرياضيين والمدرّبين

بعبارات بسيطة، تُظهر الدراسة أن الحاسوب يمكنه تعلّم قراءة قلق الرياضيين تقريباً كما يحدث، مستخدماً مزيجاً من إشارات الجسد والسلوك، وبدرجة موثوقية أكبر من الأدوات السابقة. بدلاً من الاعتماد فقط على ما يقول الرياضي عن شعوره بعد الحدث، قد يتلقى المدربون وعلماء النفس الرياضي تقديرات موضوعية ومستمرة للضغط النفسي أثناء التدريب والمنافسة. قد يمكّن ذلك من تطبيق تمارين تنفس في التوقيت المناسب، تغييرات في التشكيلة، أو فترات راحة قبل أن يتحول القلق إلى انهيار كامل في الأداء. ومع أن النظام لا يزال يعتمد على مستشعرات متعددة ومعدات قوية، ويجب نشره مع ضمانات خصوصية صارمة، إلا أنه يشير إلى مستقبل يكون فيه إدارة الجانب الذهني للرياضة قابلاً للقياس وقائماً على البيانات مثل تتبع السرعة أو معدل القلب.

الاستشهاد: Yang, F., Gong, F. A multimodal spatiotemporal convolutional network with attention mechanism for athlete anxiety behavior recognition. Sci Rep 16, 5237 (2026). https://doi.org/10.1038/s41598-026-36023-1

الكلمات المفتاحية: قلق الرياضيين, علم نفس الرياضة, أجهزة استشعار قابلة للارتداء, التعلّم العميق متعدد الوسائط, مراقبة العواطف في الوقت الحقيقي