توظيف الذكاء الاصطناعي التحليلي في تحليل الأنماط المهارية وتصنيف مستويات الأداء لدى لاعبي كرة اليد الناشئين

القسم: التربية البدنية وعلوم الرياضة
إصدار
مجلد 29 عدد 91 (2026): المجلد 29 عدد 91
سجل المقالة
استُلمت: 2026-06-12
عُدّلت: 2026-08-17
قُبلت: 2026-08-17
نُشرت: 2026-10-15
الصفحات
282-294

الملخص

تُعد كرة اليد من الألعاب الجماعية التي تتميز بالسرعة العالية والتغير المستمر في مواقف اللعب، مما يجعل عملية تقييم الأداء فيها من العمليات المعقدة نسبيًا، نظرًا لتداخل الجوانب البدنية والمهارية والخططية والنفسية خلال المباراة الواحدة، وتبرز أهمية الذكاء الاصطناعي في كرة اليد من خلال قدرته على مراعاة الفروق الفردية بين اللاعبين، وكذلك الاختلافات الجوهرية بين المراكز الوظيفية داخل الملعب.


هدفت هذه الدراسة إلى بناء نموذج ذكي يعتمد على تقنيات الذكاء الاصطناعي لتقييم الأداء المهاري للاعبي كرة اليد الناشئين بصورة موضوعية ودقيقة، بعيدًا عن التقديرات الشخصية التي تعتمد عليها أساليب التقويم التقليدية. وتنبع أهمية البحث من التطور المتسارع في تطبيقات الذكاء الاصطناعي في المجال الرياضي، وما توفره من إمكانات كبيرة في تحليل الأداء واستخراج المؤشرات الدقيقة التي تساعد المدربين في اتخاذ القرارات المتعلقة بالانتقاء والتدريب والتطوير. استخدم الباحث المنهج الوصفي بالأسلوب المسحي، وشملت عينة البحث (80) لاعبًا من ناشئي مراكز الموهبة الرياضية بأعمار (14- 16) سنة، موزعين على المراكز الوظيفية المختلفة باستثناء حراس المرمى. وتم الاعتماد على مجموعة من المهارات الأساسية في كرة اليد تم تحديدها من خلال استمارات الخبراء، وهي: التمرير والاستلام، التصويب، التنطيط، الخداع، التحرك من دون كرة، حائط الصد الدفاعي، قطع الكرة والدفاع الفردي، التغطية الدفاعية، والتحركات الهجومية المركبة. اعتمدت الدراسة على برنامج ذكاء اصطناعي قائم على تحليل الصور والفيديوهات ومقارنة الأداء الفعلي للاعبين بنماذج مهارية مثالية تم تدريب النظام عليها مسبقًا باستخدام خوارزميات التعلم الآلي. وقد صنف البرنامج مستويات الأداء إلى ثلاثة مستويات رئيسة هي: الأداء المتقن، والأداء المتوسط، والأداء الضعيف على وفق نسب المطابقة التي يحددها النظام.

الكلمات المفتاحية:

الذكاء الاصطناعي-تقييم الأداء المهاري- تحليل الأداء الرياضي

المراجع

  1. [1]. Wang, J., & Li, H. (2023). Artificial intelligence applications in sports performance analysis. International Journal of Sports Science, 18(2), p125.
  2. [2]. Oytun, M., Yavuz, H. U., & Sekeroglu, B. (2024). The performance analysis of male handball players using tree-based machine learning models. International Journal of Human Movement and Sports Sciences, 12(3),p575, 571–579.
  3. [3]. Pietraszewski, P., Terbalyan, A., Roczniok, R., Maszczyk, A., Ornowski, K., Manilewska, D., Kuliś, S., Zając, A., & Gołaś, A. (2025). The Role of Artificial Intelligence in Sports Analytics: A Systematic Review and Meta-Analysis of Performance Trends. Applied Sciences, 15(13), p58.
  4. [4]. Mures, O. A., Taibo, J., Padrón, E. J., & Iglesias-Guitian, J. A. (2024). PlayNet: Real-time handball play classification with Kalman embeddings and neural networks. The Visual Computer, 40(4), p272..
  5. [5]. Reddy, P., Kumar, S., & Sharma, R. (2024). Machine learning techniques for athlete performance evaluation. Journal of Sports Analytics, 10(1), p116.
  6. [6]. Singh, A., & Verma, D. (2023). Data-driven decision making in sports using artificial intelligence. Sports Engineering, 26(4), p83.
  7. [7]. Garcia, M., & Lopez, R. (2025). AI-based athlete assessment systems and their impact on coaching decisions. Journal of Human Sport and Exercise, 20(1), p92.
  8. [8]. Vec, V., Tomažič, S., Kos, A., & Umek, A. (2024). Trends in real-time artificial intelligence methods in sports: A systematic review. Journal of Big Data, 11, Article p148.
  9. [9]. Li, Y., & Mu, Y. (2024). Research and performance analysis of random forest-based feature selection algorithm in sports effectiveness evaluation. Scientific Reports, 14, Article 25.p14.
  10. [10]. Munoz-Macho, A. A., Domínguez-Morales, M. J., & Sevillano-Ramos, J. L. (2024). Performance and healthcare analysis in elite sports teams using artificial intelligence: A scoping review. Frontiers in Sports and Active Living, 6, Article 133, p8.
  11. [11]. Marquina, M., Lozano, D., García-Sánchez, C., Sánchez-López, S., & De la Rubia, A. (2023). Development and validation of an observational game analysis tool with artificial intelligence for handball: Handball.ai. Sensors, 23(15), Article 64, p9.
  12. [12]. Davis, J., Bransen, L., Devos, L., Jaspers, A., Meert, W., Robberechts, P., & Van Haaren, J. (2024). Methodology and evaluation in sports analytics: Challenges, approaches, and lessons learned. Machine Learning, 113, p695.
  13. [13] Zhao, Y., Chen, L., & Wang, X. (2024). Computer vision and deep learning for human motion analysis in sports. Applied Artificial Intelligence, 38(5), p167.

المؤلف

صالح ناصر رشيد

كلية التربية البدنية وعلوم الرياضة / جامعة واسط

المعرفات

معرف الكائن الرقمي DOI: 10.33899/rjss.v29i91.63792

تنزيل هذا الملف
##submission.supplementaryFiles##
pdf17

الإحصائيات

طريقة الاقتباس

توظيف الذكاء الاصطناعي التحليلي في تحليل الأنماط المهارية وتصنيف مستويات الأداء لدى لاعبي كرة اليد الناشئين. (2026). (RJSS) مجلة الرافدين للعلوم الرياضية , 29(91), 282-294. https://doi.org/10.33899/rjss.v29i91.63792
حقوق الطبع والنشر والتراخيص
Creative Commons Licenseهذا العمل مرخص بموجب رخصة المشاع الإبداعي نسب المصنف - غير تجاري 4.0 رخصة دولية.

طريقة الاقتباس