Orientador: René Brenzikofer

Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Educação Física

Resumo: A avaliação física é um elemento importante e rotineiramente presente durante o planejamento de um período de treinamento. O objetivo deste trabalho é aplicar diferentes estratégias para a individualização de resultados em testes físicos, aplicados a grandes amostras e em atletas de alto...

Resumo: A avaliação física é um elemento importante e rotineiramente presente durante o planejamento de um período de treinamento. O objetivo deste trabalho é aplicar diferentes estratégias para a individualização de resultados em testes físicos, aplicados a grandes amostras e em atletas de alto nível. Nos anos de 2009 e 2010 duas turmas, de aproximadamente 500 alunos cada, da Escola Preparatória de Cadetes do Exército (EsPCEx) foram estudadas. Toda esta amostra foi avaliada em três momentos durante ano, fevereiro, maio ou junho e outubro. Foram realizados em cada um destes períodos testes físicos para diferentes capacidades biomotoras, como força, velocidade e resistência, além da composição corporal. O volume de dados gerados é grande, tendo em vista o número de avaliações aplicadas e a quantidade de sujeitos avaliados. Neste sentido, a primeira etapa deste trabalho consistiu no desenvolvimento de um software para Microsoft Windows, capaz de facilitar a visualização e gerenciamento destas informações. Na EsPCEx, para que o aluno se forme, índices mínimos de desempenho são exigidos nas provas de aptidão física aplicadas ao final do ano. Um segundo objetivo deste estudo é elaborar um modelo de previsão de desempenho, para o teste de corrida em 3000 metros realizado em outubro (T3000out). Para tal será utilizada a metodologia de regressão linear múltipla. O modelo foi quantificado utilizando os dados provenientes da turma de 2009. O modelo estabelecido foi: T3000out(min)=1,03*T3000fev+0,59*Dif_JF_3000+12,56, R2=0,71e RMSE=0,46; onde T3000fev é o tempo mensurado na avaliação de fevereiro e Dif_JF_3000 é a diferença entre os resultados do mês de junho e fevereiro, ambas padronizadas. Considerando a hipótese de que as turmas de 2009 e 2010 são estatisticamente semelhantes, o modelo foi aplicado aos resultados da turma de 2010 para testar o poder de previsão de seus resultados. A comparação entre os resultados preditos pelo modelo e os resultados medidos em outubro de 2010, permitiu identificar, já no mês de maio, 96,5% dos alunos em risco de reprovação. Já no último capítulo desta dissertação, apresentamos os resultados de um experimento que avaliou o efeito de três semanas de férias no desempenho de atletas de alto nível. Será discutido o tratamento estatístico de dados em amostras com características heterogêneas e a interpretação

Abstract: Physical tests are important and routinely present during the planning of a training period. The objective of this work is to apply different strategies for individualization of results in physical tests applied to large samples and high-level athletes. In the years 2009 and 2010 two...

Abstract: Physical tests are important and routinely present during the planning of a training period. The objective of this work is to apply different strategies for individualization of results in physical tests applied to large samples and high-level athletes. In the years 2009 and 2010 two groups of approximately 500 students each, of The Preparatory Army School (EsPCEx) were studied. The whole sample was evaluated three times during the year, in February, May or June and October. Were performed at each of these periods physical tests for different abilities such as strength, speed and endurance, and body composition. The volume of data generated is large, considering the number of tests applied and the number of subjects evaluated. In this sense, the first step of this work was to develop a software for Microsoft Windows, able to facilitate the visualization and management of this information. In EsPCEx, minimum levels of performance are required in the finals tests. A second objective of this study is to develop a model for prediction future performance in 3000 metters running race made in October (T3000out). For this we used the multiple linear regression method. The model was quantified using data from the 2009 sample. The established model was: T3000out (min) = 1.03 * T3000fev +0.59 * Dif_JF_3000 + 12.56, R2 = 0.71 and RMSE = 0.46, where T3000fev is the time measured in February and Dif_JF_3000 is the difference between the results of June and February, both standardized. Considering the hypothesis that the classes of 2009 and 2010 are statistically similar, the model was applied to the results of the 2010 sample to test the predictive power of their results. The comparison between the results predicted by the model and the results measured in October 2010, identified already in May, 96.5% of the students at risk of failure. In the last chapter of this thesis, we present the results of an experiment that evaluated the effect of three-week vacation in the performance of high level athletes. We will discuss the statistical treatment of data in samples with heterogeneous characteristics and interpretation of performance changes found