Avaliação de um programa de correção técnica baseado em inteligência artificial para reduzir erros comuns de estilo traça entre estudantes de natação da Universidade de Jadara

Autores

DOI:

https://doi.org/10.47197/retos.v77.118688

Palavras-chave:

Inteligência artificial, nado de mariposa, programa de correção técnica, desempenho na natação, análise de movimento, Universidade de Jadara

Resumo

Introdução: Este estudo tem como objetivo avaliar a eficácia de um programa de correção técnica baseado em inteligência artificial para reduzir os erros comuns na natação marítima entre os estudantes de natação da Universidade de Jadara.

Método: O estúdio adotou uma abordagem experimental com um projeto de pré-teste e pós-teste de um grupo a solo. A exposição foi constituída por 50 estudantes de pregrado (20 homens e 20 mulheres) de nascimento da Universidade de Jadara. O programa, baseado em IA, proporcionou retroalimentação técnica em tempo real e análise de movimento, centrando-se na correção de erros comuns na natación mariposa, em particular a sincronização da brazada, a eficiência da patada de delfín, a posição corporal, o controlo respiratório e a coordenação geral do movimento. Os dados são compilados através de escalas de avaliação do desempenho técnico aplicado antes e depois da implementação do programa de correção técnica com base na inteligência artificial aplicada antes e depois da implementação do programa.

Resultado: Os resultados mostram melhores resultados estadísticamente significativos (α ≤ 0,05) entre as medições pré-teste e pós-teste em todas as variáveis ​​de desempenho técnico, tanto para estudantes masculinos como femininos, a favor del postest. Os estudantes do sexo masculino apresentaram a maior melhoria na coordenação braço-perna e na força de propulsão da brazada, enquanto as mulheres apresentaram uma melhoria notável no controlo respiratório, na estabilidade corporal e no ritmo de movimento. As comparações entre homens e mulheres não revelaram diferenças estadísticamente significativas na maioria das variáveis ​​técnicas, exceto na força de propulsão do braço, que favoreceu os homens devido a diferenças fisiológicas.

Conclusão: Os hallazgos indicam que os programas de correção técnica baseados em IA são eficazes para melhorar o desempenho técnico e reduzir os erros comuns no nado traça entre estudantes universitários, independentemente do género.

Biografias do Autor

  • Hussam Albdaiwi, Jadara University

    Assistant Professor, Faculty of Physical Education - Department of Physical Education, University of Jadara, Jordan

  • Laith Al-Sababha, Petra University

    Aassistant Professor, Physical Education, Patra University, Jordan

  • Dima Salah, Jadara University

    PhD of physical education, Full-time lecturer, Faculty of physical Educational, Family Guidance and sport Department, Jadara University, Jordan

  • Suha Alhassan, Jadara University

    Full-time lecturer, Faculty of physical Educational, Family Guidance and sport Department, Jadara University, Jordan

  • Haneen Abo Harb, Jadara University

    Full-time lecturer, Faculty of physical Educational, Family Guidance and sport Department, Jadara University, Jordan

Referências

Casey, A., Goodyear, V., & Armour, K. (2017). Digital technologies and learning in physical education. Physical Education and Sport Pedagogy.

Chern, Y. R., Chen, Y. H., Lin, F. S., Lin, H. C., Chen, G. T., Chu, C. P., ... & Huang, C. H. (2025). A butterfly stroke swimming recording and performance analysis system based on computer vision and machinelearn-ing. Measurement, 251,117171.‏https://www.sciencedirect.com/science/article/abs/pii/S0263224125005305

Eisenbeis, G. (2025). Exploring the Potential of AI for Swim Technique Evaluation and Athlete-Centered Coaching.‏https://digital.kenyon.edu/dh_iphs_ai/55/

Mooney, R., Corley, G., Godfrey, A., et al. (2016). Analysis of swimming performance using inertial sen-sors. Sports Engineering.

Morais, J. E., Marinho, D. A., Neiva, H. P., Moriyama, S. I., & Barbosa, T. M. (2025). Swimming speed comparison between two distinct arm pulls during the butterfly swim stroke. International Journal of Sports Science & Coaching, 20(5), 2197-2203. https://doi.org/10.1177/17479541251350363

Pinto, M. P., Neiva, H. P., Sampaio, T., Oliveira, J. P., Marinho, D. A., Barbosa, T. M., & Morais, J. E. (2025). The Associations Between the Swimming Speed, Anthropometrics, Kinematics, and Kinetics in the Butterfly Stroke. Bioengineering, 12(8), 797. https://doi.org/10.1016/j.measurement.2025.117171

Powell, L., Polsley, S., Casey, D., & Hammond, T. (2023). The real-time classification of competency swimming activity through machine learning. International journal of aquatic research and education, 14(1), 6.‏https://scholarworks.bgsu.edu/ijare/vol14/iss1/6/

Tamer, S., & Atia, A. (2022, July). Recognition of Butterfly strokes using different Machine Learning Models. In 2022 International Conference on Electrical, Computer and Energy Technologies (ICECET) (pp. 1-6). IEEE.‏https://ieeexplore.ieee.org/abstract/document/9872896

Tri Fitrianto, A., Barnanda Rizky, O., Rahmadi, E., & Ramadhan, A. (2025). A systematic literature re-view of swimming performance prediction: methods, datasets, techniques and research trends. Retos, 67, 482-497. https://doi.org/10.47197/retos.v67.112197

Xu, W., & Xu, L. (2023). Characteristics of different swimming styles of swimming events based on arti-ficial neural network data acquisition system. Neural Computing and Applications, 35(6), 4337-4352.‏https://link.springer.com/article/10.1007/s00521-022-07130-7

Xu, Z. (2024). RESEARCH ON TEACHING MODEL OF SWIMMING SKILLS TRAINING IN COLLEGES AND UNIVERSITIES UNDER THE BACKGROUND OF ARTIFICIAL INTELLIGENCE. International Journal of Medicine & Science of Physical Activity & Sport/Revista Internacional de Medicina y Ciencias de la Actividad Física y del Deporte, 24(96). ‏https://research.ebsco.com/c/rxxpwy/search/details/xyn2fvoo25?db=edb

Xurui, L., & Guobao, Z. (2023). Enhancing the Swimmer Movement Techniques Using Cloud Computing and Artificial Intelligence. Mobile Networks and Applications, 28(6), 2093-2108.‏https://link.springer.com/article/10.1007/s11036-023-02167-x

Downloads

Publicado

01-04-2026

Edição

Vol. 77 (2026)

Secção

Artigos de caráter científico: trabalhos de pesquisas básicas e/ou aplicadas.

Licença

Direitos de Autor (c) 2026 Aysheh Ababaneh, Hussam Albdaiwi, Laith Al-Sababha, Dima Salah, Suha Alhassan, Haneen Abo Harb

Creative Commons License

Este trabalho encontra-se publicado com a Licença Internacional Creative Commons Atribuição-NãoComercial-SemDerivações 4.0.

Autores que publicam nesta revista concordam com os seguintes termos:

  1. Autores mantém os direitos autorais e assegurar a revista o direito de ser a primeira publicação da obra como licenciado sob a Licença Creative Commons Attribution que permite que outros para compartilhar o trabalho com o crédito de autoria do trabalho e publicação inicial nesta revista.
  2. Os autores podem estabelecer acordos adicionais separados para a distribuição não-exclusiva da versão do trabalho publicado na revista (por exemplo, a um repositório institucional, ou publicá-lo em um livro), com reconhecimento de autoria e publicação inicial nesta revista.
  3. É permitido e os autores são incentivados a divulgar o seu trabalho por via electrónica (por exemplo, em repositórios institucionais ou no seu próprio site), antes e durante o processo de envio, pois pode gerar alterações produtivas, bem como a uma intimação mais Cedo e mais do trabalho publicado (Veja O Efeito do Acesso Livre) (em Inglês).

Esta revista é a "política de acesso aberto" de Boai (1), apoiando os direitos dos usuários de "ler, baixar, copiar, distribuir, imprimir, pesquisar, ou link para os textos completos dos artigos". (1) http://legacy.earlham.edu/~peters/fos/boaifaq.htm#openaccess

Como Citar

Ababaneh, A., Albdaiwi, H., Al-Sababha, L., Salah, D., Alhassan, S., & Abo Harb, H. (2026). Avaliação de um programa de correção técnica baseado em inteligência artificial para reduzir erros comuns de estilo traça entre estudantes de natação da Universidade de Jadara. Retos, 77, 785-793. https://doi.org/10.47197/retos.v77.118688