רשת קונבולוציה מרחבית-זמנית מרובת־מודאליות עם מנגנון תשומת לב לזיהוי התנהגות חרדה אצל ספורטאים

למה ספורטאים חרדים משמעותיים

כל מי שכמעט "נחנק" בשאלה חשובה בבחינה או החמיץ קליעה פשוטה במשחק יודע עד כמה עצבנות יכולה לחבל בביצועים. אצל ספורטאים תחרותיים הבעיה מחמירה: חרדה יכולה לעלות במדליות, במלגות ובקריירה. ובכל זאת, רוב הדרכים לעקוב אחר המתח של ספורטאי מסתמכות עדיין על שאלונים רטרוספקטיביים ואינטואיציה של מאמן. המחקר הזה מציג מערכת אובייקטיבית בזמן אמת הצופה בגוף ובפנים של הספורטאים, מאזינה לפיזיולוגיה שלהם ומעריכה באופן אוטומטי עד כמה חרדים הם במהלך התחרות.

לחשוף את הסימנים הנסתרים של עצבנות

החוקרים מתחילים מרעיון פשוט: חרדה מתבטאת במגוון סימנים במקביל. כאשר ספורטאים מודאגים, דפוס הלב משתנה, כפות הידיים מזיעות, היציבה מתהדקת ותנועות פנים זעירות חושפות את הלחץ. במקום להתמקד בסימן אחד בלבד, הצוות משלב כמה סימנים בו‑זמנית. הם אוספים נתוני דופק והולכה חשמלית של העור מחיישנים לבישים, וידאו ברזולוציה גבוהה של הפנים ותנועת הגוף המלאה, וכן שאלונים פסיכולוגיים סטנדרטיים שנלקחים לפני ואחרי תחרויות אוניברסיטאיות אמיתיות. בסך הכל, 68 ספורטאים מארבעה ענפי ספורט תרמו למעלה משני אלפים קטעים קצרים, שכל אחד מהם מתויג כחרד או רגוע בהתבסס על שאלון חרדה ידוע.

ללמד מאמן דיגיטלי לקרוא את המשחק

כדי להפוך את זרם האיתותים העשיר הזה לציון חרדה, המחברים מעצבים "מאמן" למידת עומק המתמחה בתבניות המתפתחות לאורך זמן. המודל שלהם משתמש ברשת קונבולוציה מרחבית‑זמנית — בעצם סדרת מסננים החולפים לא רק במרחב (פיקסלים, נקודות גוף, ערוצי חיישנים) אלא גם על פני שניות. זה מאפשר למערכת להבחין הן בפרצי מתח מהירים והן בהצטברויות סטרס איטיות יותר לאורך חתיכת משחק של 30 שניות. חשוב מכך, הרשת מעבדת כל סוג נתונים — פיזיולוגיה, הבעות פנים ותנועה — לאורך מסלול נפרד לפני שילוב, כך שחוזקות של ערוץ אחד יכולות לפצות על חולשות של אחר, כמו פנים מוסתרות חלקית או רעש חיישן קצר.

לאפשר למודל להתמקד במקום החשוב

מכיוון שלא כל רגע או אות בעל ערך מידע שווה, החוקרים מוסיפים מנגנון "תשומת לב". חלק זה של המודל לומד להעניק חשיבות גבוהה יותר לפריימים ולאותות המבדילים בצורה הטובה ביותר בין חרדה לרגיעה. לדוגמה, קפיצה בהולכת העור המשולבת עם הידוק לסת קצר ותנועת רגל חסרת מנוחה עשויה לקבל משקל גבוה יותר ממקטע של נשימה יציבה ויציבה ניטרלית. מודול התשומת לב גם לומד עד כמה כדאי להאמין לכל זרם נתונים בזמן אמת, ומשנה את ההדגשה אם, נניח, הנתונים הפיזיולוגיים ברורים אך הווידאו רועש. על ידי התאמת המוקד בדרך זו, המערכת נהיית חזקה יותר לתנאי שדה אמיתיים וטובה יותר בגילוי סימני עצבנות עדינים ושלביים.

כמה מדויק ומעשי הוא זה?

כאשר נבדק מול מגוון שיטות קיימות — כולל אלגוריתמים קלאסיים של למידת מכונה, רשתות וידאו סטנדרטיות ומודלים עמוקים בסגנון Transformer — המערכת החדשה מובילה. היא ממיינת נכונה רמות חרדה בכ‑95% מהמקרים ומשיגה איזון גבוה בין דיוק לתפיסה (precision ו‑recall). המחברים בודקים שיטתית אורכי חלונות זמן שונים ומראים שכ־30 שניות של נתונים מספקות את הפשרה הטובה ביותר בין הקשר מספק לצפייה באירוע חרדה לבין השהייה קצרה מספיק למשוב בזמן אמת. גם כאשר סוג נתונים אחד חסר — למשל רק החיישנים הלבישים פעילים — המערכת עדיין מתפקדת באופן סביר, מה שמרמז שהיא יכולה להתמודד עם תנאי שטח לא מושלמים.

מה זה אומר לספורטאים ולמאמנים

באופן פשוט, המחקר מראה שמחשב יכול ללמוד לקרוא חרדה של ספורטאים כמעט בזמן אמת, תוך שימוש בתערובת של אותות גוף והתנהגות, ולעשות זאת באמינות גבוהה יותר מכלים קודמים. במקום להסתמך אך ורק על מה שהספורטאי אומר שהוא הרגיש לאחר האירוע, מאמנים ופסיכולוגים של ספורט יכולים לקבל הערכות רציפות ואובייקטיביות של המתח הנפשי במהלך אימונים ותחרויות. זה יכול לאפשר תרגילי נשימה בזמן, שינויים בהרכבים או הפסקות מנוחה לפני שהחרדה מתפתחת לקריסה של ביצועים. למרות שהמערכת עדיין תלויה במספר חיישנים ובחומרה חזקה, וחייבת להיות מפותחת תוך שמירה קפדנית על פרטיות, היא מצביעה על עתיד שבו ניהול הצד המנטלי של הספורט ניתן למדידה ובוסס נתונים כמו מדידת מהירות או דופק.

ציטוט: 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

מילות מפתח: חרדת ספורטאים, פסיכולוגיה של הספורט, חיישנים לבישים, למידה עמוקה מרובת מודאליות, מעקב רגשי בזמן אמת