De tijd dat talent en training voldoende waren om wereldkampioen op de schaats te worden, is voorbij. Tegenwoordig is technologie net zo belangrijk!

Wat maakt het verschil tussen een toptijd schaatsen en een matige tijd schaatsen? Talent, natuurlijk. Training, ook belangrijk. Maar je moet tegenwoordig ook de technologie niet vergeten. Met technologie wordt niet alleen de schaats of het pak bedoeld maar ook technologie die de progressie van de schaatser inzichtelijk kan maken. Aan de Universiteit Leiden wordt door dr. Arno Knobbe gewerkt aan het MASS-project. MASS is een Engels acroniem voor Monitoring and Analyzing Speed Skaters. MASS is een van de projecten van het COMMIT/ programma, het grootste ICT-onderzoeksprogramma in Nederland met een budget van 100 miljoen euro en een looptijd van vijf jaar. Het MASS-project is bedoeld om onderzoek en theorie in de praktijk te toetsen en als zodanig een meer toegepast project.

Kjeld Nuis. Afbeelding: Sasha Krotov (via Wikimedia Commons).

Kjeld Nuis. Afbeelding: Sasha Krotov (via Wikimedia Commons).

Het schaatsteam
Voor het MASS-project werd samengewerkt met een professioneel schaatsteam (LottoNL-Jumbo) getraind door Jac Orie met bekende schaatsers als Sven Kramer, Wouter Olde Heuvel en Kjeld Nuis. We praten hier over de top van Nederland op het langebaanschaatsen. Jac Orie had een vooruitziende blik en heeft de afgelopen 15 jaar trainingsdata verzameld. Dit is de basis van het onderzoek waar de data van de huidige generatie aan wordt toegevoegd. Al die gegevens worden binnen het project vervolgens geanalyseerd.

Onderzoeksvragen
Ondanks het feit dat MASS een toegepast project is, zijn er een aantal vragen gedefinieerd:
Welke factoren in de training bepalen de performance?
Belasting, periodisering, ziekte, atmosferische condities.
Datamining uitdaging.
Wat is de voorspellende kracht van de fysieke test vóór de seizoenstart, voor de uitslagen gedurende het seizoen?
Klassieke statistiek.
Zijn atleet-specifieke karakteristieken belangrijk voor de training en de resultaten?
Individuele modellen of modellen voor een groep schaatsers.
Welke factoren in het dagelijks leven bepalen de performance van de schaatser?
Rust en herstel, voeding.
Sensoriek.

data

Heldere analyses leveren duidelijke aanbevelingen
Hoewel de analyses vrij uitgebreid zijn, zijn de resultaten bewust overzichtelijk gehouden, zodat ze makkelijk door de coach te interpreteren en door te voeren zijn. De analyses worden per schaatser uitgevoerd, zodat de specialisatie van de schaatser en zijn lichaamsbouw meegenomen worden. Omdat de trainingsprogramma’s door de jaren al heel professioneel zijn geworden, gaat het vooral om het aanscherpen van de schaatser-specifieke details: zijn er aspecten van de training waarbij je niet te veel of te weinig belasting moet vragen?
Bijvoorbeeld één van de resultaten: Om de aerobe capaciteit (de mate waarin je een gemiddelde belasting langdurig vol kan houden) te vergroten moet je:
– Tenminste één training doen van meer dan 3,5 uur
– …gedurende een periode van 14 tot 3 dagen vóór het testmoment (bijvoorbeeld een wedstrijd)
– …waarbij belasting in de ochtendsessies onder de 240 intensiteit-minuten (het product van duur en intensiteit van een training) moet blijven, over een 2-daags interval.
Het resultaat is een verhoging van de VO2max (maximale zuurstofopname) van 3,8%. Bij een training waarbij de totale tijd in intensiteitszone 1 tot en met 4 boven de 850 minuten ligt, over een periode van 21 dagen, en de gemiddelde intensiteit boven de 3,8 in een periode van 14 dagen, stijgt de VO2max met 11,1%.
Nu kan je zeggen, natuurlijk van meer trainen wordt je sterker maar dat is te kort door de bocht. MASS geeft aan hoeveel (intensiteit en duur) meer of ook minder je moet trainen. De beste training is de juiste training (wat heb je nodig, niet te weinig maar ook niet te veel).

Sensoren
De sensoren zijn van essentieel belang om resultaten te meten: hoe snel schaatst iemand? Maar dat is nog maar een deel van de puzzel. Minstens zo belangrijk is hoe snel iemand herstelt. Wat was de hartslag tijdens inspanning en hoe snel ging deze weer naar beneden? Zelfs bij sporthorloges van TomTom zit deze functionaliteit voor consumenten er al in. Als het lang duurt om te herstellen dan is òf de conditie slecht òf waren er andere factoren die een oorzaak zijn (te veel getraind, te lang getraind of misschien ziekte).

Over COMMIT
Het COMMIT-programma is een privaat-publieke samenwerking op het gebied van ICT-onderzoek. Het programma telt vijftien verschillende projecten. Op Scientias.nl zijn al diverse keren artikelen over deze projecten verschenen. Denk bijvoorbeeld aan dit artikel over TaSST, een apparaat dat aanrakingen op afstand mogelijk maakt of dit artikel over een nieuw algoritme dat beleggers stinkend rijk kan maken.

Resultaten
Voorbeelden van individuele resultaten zijn hierboven al even langsgekomen. Meer algemeen wordt duidelijk dat de combinatie van Data Science met fysiologische modellen over het effect van training goed lijken te werken.
De atleet-specifieke modellen geven duidelijke richtlijnen aan de coach om bepaalde aspecten van het trainingsschema in de gaten te houden of aan te passen. Daarnaast geeft de aard van de modellen ook direct een karakterisering van de atleet in kwestie. De parameters van het model geven bijvoorbeeld aan hoe snel een specifieke schaatser herstelt, of hoe lang hij of zij kan profiteren van de aangeboden training. Op die manier wordt het mogelijk om vooraf beter te bepalen met welke frequentie er getraind moet, en hoe trainingsprikkel en rust afgewisseld moeten worden. Bij een aantal schaatsers bleek er sprake te zijn van een te hoge trainingsbelasting. Bij een deel van de wedstrijden uit het verleden, waar teleurstellend en verrassend langzaam gereden werd (we hebben het hier over 1 of 2%), bleek dit nu te wijten aan het overschrijden van bepaalde drempels in de trainingsperiode. Zo’n drempel koppelt dan vaak een intensiteit aan een geschikte duur. Deze duur bleek bij bepaalde schaatsers soms net iets te hoog, zodat er minder gepresteerd werd. Voor afzonderlijke wedstrijden is dit effect als mens nauwelijks op te merken, maar door statistische analyse van 5 jaar data van een schaatser komt dit boven drijven.

Wat al wel duidelijk is, het verzamelen van data is voor topsporters een manier om de prestaties te verbeteren door de inspanning en het resultaat inzichtelijk te maken. Het gaat wel om de laatste paar procent (of zelfs nog minder) maar dat is voor veel topsporters juist het verschil tussen het podium of ernaast. Dat is zo op dit moment voor schaatsers maar ook voor alle andere sporten, van atletiek tot voetbal. Alleen met de combinatie van talent, training en technologie kun je meedraaien in de wereldtop.