Andningseffektivitet hos skidåkare – en datadriven analys

Analysera ~150 VO₂max-tester med Python, märk träningsfaser och bedöm andningseffektivitet. Identifiera skidåkare med potentiellt dysfunktionella andningsmönster och utforska prestationspåverkan. Passar studenter inom data, teknik eller sportteknologi.

Detta projekt ger en unik möjlighet att tillämpa programmering och dataanalys på ett verkligt dataset från idrottsvetenskap. Du kommer att arbeta med cirka 150 VO₂max-tester för att:

Steg 1: Utveckla en Python-metod för att märka vila, submaximal och maximal träningsintensitet.
Steg 2: Beräkna mått såsom:Korrelation mellan tidalvolym och andningsfrekvens, Approximativ entropi för ventilation

Steg 3: klassificiera, möjligen med AI/maskininlärning

Steg 4: analysera möjliga effekter på prestationsförmåga.

Målet är att klassificera idrottare utifrån hur väl deras andningsmönster överensstämmer med fysiologiska krav och uppskatta hur många skidåkare som kan ha ineffektiv eller prestationsbegränsande andning.

Vem passar projektet för?
Studenter inom data science, ingenjörsvetenskap, sportteknologi eller liknande områden som vill tillämpa beräkningsmetoder på data från mänsklig prestation. Ingen fysiologikunskap krävs – handledaren Helen Hanstock (NVC) bidrar med ämnesexpertis.