선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 용병들의 강력한 서브와 스파이크 공격으로 일부 팀에서는 용병이 차지하는 비중이 너무 높은 상태이다. 따라서 팀에서 용병에 대한 의존도가 심해지면서 국내선수들의 기량이 떨어지는 결과를 가져올 수 있다는 우려의 목소리도 있다. 2008-2009 V-리그에서 정규리그의 항목별 선수 순위를 보면, 득점은 용병선수들이 모두 5위 안에 들어있으며, 공격성공률도 50%를 넘는 반면, 국내 선수들의 공격 득점이 낮은 것은 기량뿐만 아니라 용병에 밀려 공격 기회가 줄어드는 것도 하나의 원인으로 볼 수 있다.
- 본 연구는 2009년 현재 프로팀에서 뛰고 있는 용병선수 전체 4명을 대상으로 V-리그 기간 동안 실제 시합 장면의 스파이크 동작을 분석해서 과학적인 훈련이나 지도에 유용한 정보를 제공하고자 실시했다. 본 연구를 통하여 얻은 결론은 다음과 같다.
- 본 연구의 목적은 V-리그에서 뛰고 있는 모든 남자 용병선수 4명을 대상으로 실제 시합의 스파이크 동작을 분석해서 기량이 뛰어난 선수들의 스파이크 동작에 대한 자료를 축적하고, 스파이크의 과학적 훈련이나 지도에 유용한 정보를 제공하는데 그 목적이 있다.
제안 방법
- 본 연구는 배구 경기의 스파이크 동작을 3구간으로 나누어 제반 운동학적 변인들을 분석했다. 분석한 변인들로는 도움닫기, 도약, 공중동작의 각 구간별 소요 시간, 중심이동 거리와 속도 네트 통과 전·후의 볼 속도, 각도 성분 등으로 그 결과는 다음과 같다.
- 제반 운동학적 변인들을 분석했다. 분석한 변인들로는 도움닫기, 도약, 공중동작의 각 구간별 소요 시간, 중심이동 거리와 속도 네트 통과 전·후의 볼 속도, 각도 성분 등으로 그 결과는 다음과 같다.
- 수치화 과정에서 보이지 않는 부분은 전 프레임과 다음 프레임의 동작을 비교하여 추정하였다. 포인트들의 수치화와 동기화는 디지타이징 시스템을 사용했으며, 통제점틀에 부착된 16개의 퉁제점들을 좌표화했다.
- 용병선수들의 스파이크 동작을 촬영하기 위해서 2008-2009 V-리그 기간 동안 진행된 경기에서 실제 시합 장면을 촬영했다. 촬영 장비는 고속비디오카메라 (HDR-FX7) 두 대를 사용했으며, 촬영속도는 초당 120프레임으로 했고, 통제점틀은 시합이 끝난 후<그림 1>과같이 한쪽에 놓고 먼저 촬영한 후 다른 쪽으로 통제 점 틀을 옮겨서 촬영했다.
- 하 방향을 Z축으로 설정했다. 인체의 모델링은 20개의 분절점과 14개의 강체 분절로 분석하여 해부학적 경계점을 순서대로 각 프레임마다 수치화 하였다. 3차원 공간 좌표의 계산은 디지타이징 좌표군과 실공간 좌표 군으로부터 DLT방식으로 DLT 변환 계수를 산출한 후 노이즈에 의한 우연 오차를 제거하기 위해서 스무딩했으며, 차단주파수cut off frequency)는 6.
- 촬영 장비는 고속비디오카메라 (HDR-FX7) 두 대를 사용했으며, 촬영속도는 초당 120프레임으로 했고, 통제점틀은 시합이 끝난 후과같이 한쪽에 놓고 먼저 촬영한 후 다른 쪽으로 통제 점 틀을 옮겨서 촬영했다.
- 촬영 장비는 고속비디오카메라 (HDR-FX7) 두 대를 사용했으며, 촬영속도는 초당 120프레임으로 했고, 통제점틀은 시합이 끝난 후<그림 1>과같이 한쪽에 놓고 먼저 촬영한 후 다른 쪽으로 통제 점 틀을 옮겨서 촬영했다. 촬영된 스파이크 동작들 중 상대의 블로커가 두 명일 때 공격에 성공한 것을 하나만 선정해서 동작분석에 사용했다. 용병선수 4명 중 2명은 라이트, 2명은 레프트 공격수이기 때문에 그들이 선호하는 방향에서의 공격을 동작분석 자료로 사용했다.
- 포인트들의 수치화와 동기화는 디지타이징 시스템을 사용했으며, 통제점틀에 부착된 16개의 퉁제점들을 좌표화했다. 21개 포인트들의 좌표화시 발생할 수 있는 오차를 최대한 줄일 수 있도록 했으며 설정된 좌표계는 3차원 절대값으로 정의했다.
대상 데이터
- 촬영된 스파이크 동작들 중 상대의 블로커가 두 명일 때 공격에 성공한 것을 하나만 선정해서 동작분석에 사용했다. 용병선수 4명 중 2명은 라이트, 2명은 레프트 공격수이기 때문에 그들이 선호하는 방향에서의 공격을 동작분석 자료로 사용했다.
이론/모형
- 인체의 모델링은 20개의 분절점과 14개의 강체 분절로 분석하여 해부학적 경계점을 순서대로 각 프레임마다 수치화 하였다. 3차원 공간 좌표의 계산은 디지타이징 좌표군과 실공간 좌표 군으로부터 DLT방식으로 DLT 변환 계수를 산출한 후 노이즈에 의한 우연 오차를 제거하기 위해서 스무딩했으며, 차단주파수cut off frequency)는 6.0H의 저 역 통과 필터(low-pass filter) 방법을 사용했다. 3차원 공간좌표를 산출하는 프로그램과 제반 운동학적 변인들의 결과 처리는 Visual C++ 2008로 제작한 자료처리용 프로그램을 사용했다.
- 0H의 저 역 통과 필터(low-pass filter) 방법을 사용했다. 3차원 공간좌표를 산출하는 프로그램과 제반 운동학적 변인들의 결과 처리는 Visual C++ 2008로 제작한 자료처리용 프로그램을 사용했다.
성능/효과
- 1. 안젤코와 앤더슨은 전체 스파이크 동작구간의 거리를 4m 이내로 비교적 짧게 했다.
- 2. 안젤코와 앤더슨은 도움닫기의 비율이 높았고, 칼라와 카이는 체공구간의 비율이 높게 나타났다.
- 3. 신체중심이 최저에 이른 순간은 도약스텝에서 지지하고 있는 오른발을 왼발이 통과하는 시점이었으며, 신체중심의 최대 높이는 230m였다.
- 4. 신체중심의 수평속도는 도약스텝의 초반부에 최대 였으며, 도약구간 앞발 지지기에 최저치에 도달했다.
- 5. 타점은 3.22m, 볼 속도는 네트통과 순간 25.94m/s, 최대 28.18m/s로 나타났다.
- 공격각은 평균 18도였으며, 신장에 비례해서 키가 큰카이 선수가 가장 공격각이 큰 것으로 나타났다. 공격 방향은 레프트 공격수들 중 앤더슨은 좌우 공격각이 상당히 크게 대각선 방향으로 나타났다.
- 것을 볼 수 있었다. 도움닫기 스텝의 보폭은 2m 정도였으며, 다리 사이각은 98도로 나타났다 도움닫기 스텝에서 선수들은 양팔을 펴서 뒤로 힘차게 스윙함과 동시에 오른발이 앞으로 나가면서 양발이 동시에 공중에 떠 있는 체공상태에 다리 사이각이 최대로 되는 것을 볼 수 있었다. 칼라 선수는 다리 사이각(93도)이 다른 선수들에 비해 좁은 편이었으며, 특히 무릎 관절을 많이 구부리는 것으로 나타났다.
- 3>, <그림 2>와 같다. 도움닫기 스텝의 보폭은 평균 2.0였으며, 안젤코와 카이 선수는 도움닫기 스텝을 짧게 하는 스타일로 나타났다. 반면, 점프를 위한 도약 스텝의 보폭은 상대적으로 길게 했다.
- 체공구간의 보폭은 선수간 상당히 큰 차이를 보였는데, 안젤코와 앤더슨은 체공스텝이 상당히 짧고, 칼라와 카이 선수는 2m이상 상당히 긴 것으로 나타났다. 도움닫기, 도약, 체공 구간 전체의 거리는 평균 4.52m로 체공구간의 거리가 긴 칼라와 앤더슨 선수가 길게 나타났다. 현재 기록상 공격력이 더 상위에 있는 안젤코와 앤더슨은 전체 스파이크 동작구간의 거리를 4m 이내로 비교적 짧게 하는 스타일로 나타났다.
- 도움닫기, 도약, 체공거리의 비율은 45 : 17 : 38로 선수들 간 큰 차이를 보이는 것으로 나타났다. 안젤코와 앤더슨은 도움닫기의 비율이 높았으며, 칼라와 카이 선수는 체공거리의 비율이 높은 것을 볼 수 있었다.
- 또한 타점을 높이기 위해서는 수평 속도를 최대한 효율적으로 수직속도로 변환시켜야 하기 때문이다. 따라서 임팩트 순간 수평속도가 빠른 칼라와 카이 선수보다 안젤코와 앤더슨 선수가 효율적으로 점프를 하는 것으로 판단된다.
- 신체중심의 수직속도는 도약구간에 오른발의 접지 후 최저치(-1.08m/s)에 이르렀으며, 앞발의 이지 후 평균 3.86m/s로 최대 속도에 이르는 것으로 나타났다. 임팩트 순간 신체중심의 수직속도는 평균 -1.
- 15m로 20%T을 조금 지나서 나타났다. 신체중심이 최저에 이른 순간은 대상자 모두 도약스텝에서 지지하고 있는 오른발을 왼발이 통과하는 시점에 나타났다. 체공구간에 신체 중심의 최대치는 평균 230m로 나타났다.
- 칼라, 앤더슨, 그리고 카이 선수는 도약 구간에 앞발의 이지 순간 수평속도가 최저치에 도달하는 것으로 나타났다, 반면, 안젤코 선수는 도약구간에 왼발이 접지하는 순간 수평속도가 최저치에 이르는 것으로 나타났다. 안젤코 선수는 도약구간의 오른발 접지시에 이미 제동을 걸어 수평속도를 다른 선수들보다 약간 빨리 줄이는 것으로 나타났다. 강력한 공격을 하기 위해서는 도움닫기 구간에서 수평 운동량을 생성해서 다음 구간에 수직 운동량-루- 적절히 전환시켜야 한다(Colemanetal, 1993).
- 안젤코와 앤더슨은 도움닫기의 비율이 높았으며, 칼라와 카이 선수는 체공거리의 비율이 높은 것을 볼 수 있었다.
- 신전상태에 있었다. 왼발 무릎각은 평균 139도를 유지했으며, 앤더슨 선수는 다른 선수들에 비해 가장 많이 구부리는 것으로 나타났다. 점프를 높게 하기 위해서 도약구간에 오른쪽 무릎을 구부리게 되는데, 최대 무릎 각은 평균 100도로 나타났으며, 안젤코 선수가 가장 많이 구부리는 것으로 나타났다.
- 위의 자료들을 종합해 보면, 선행연구에서의 국내 프로선수들에 비해 신장, 타점의 높이, 최대 볼 속도 등의 요인들이 상당히 높게 나타났다. 용병들 중에 안젤코 선수는 2009년 현재 득점과 공격 부문에서 가장 앞서는 것으로 나타났지만, 다른 용병들에 비해 신장, 공격각, 타점의 높이는 가장 낮게 나타났다.
- 86m/s로 최대 속도에 이르는 것으로 나타났다. 임팩트 순간 신체중심의 수직속도는 평균 -1.03m/s로 정점에 이른 후 내려오면서 타점이 형성되는 것을 볼 수 있었다. 신체중심의 수직속도는 발구름을 하는 동안발을 통해 지면에 가해진 충격량에 비례하고, 선수의 질량에는 반비례하게 된다(이진택, 윤희중, 류재균, 2002).
- 왼발 무릎각은 평균 139도를 유지했으며, 앤더슨 선수는 다른 선수들에 비해 가장 많이 구부리는 것으로 나타났다. 점프를 높게 하기 위해서 도약구간에 오른쪽 무릎을 구부리게 되는데, 최대 무릎 각은 평균 100도로 나타났으며, 안젤코 선수가 가장 많이 구부리는 것으로 나타났다.
- 36m로 다른 선수들보다 가장 점프력이 좋은 것으로 나타났다, 현재 개인기록의 득점과 공격에서 제일 좋은 안젤코 선수는 다른 용병선수들에 비해 최대 신체중심의 높이가 10cm 가량 낮은 것으로 나타났다 그에 따른 임팩트 높이도 가장 낮았다. 체공구간에서 신체중심이 정점에 이른 순간 임팩트가 이루지지는 것이 아니라 약간 내려왔을 때 임팩트 이루어지는 것으로 나타났다.
- 반면, 점프를 위한 도약 스텝의 보폭은 상대적으로 길게 했다. 체공구간의 보폭은 선수간 상당히 큰 차이를 보였는데, 안젤코와 앤더슨은 체공스텝이 상당히 짧고, 칼라와 카이 선수는 2m이상 상당히 긴 것으로 나타났다. 도움닫기, 도약, 체공 구간 전체의 거리는 평균 4.
- 94m/s로 나타났다. 최대 볼 속도는 평균 28.18m/s로앤더슨을 제외한 선수들에게서 네트통과 후 나타났으며, 앤더슨은 네트통과 전에 나타났다. 유니버시아드 대회에 출전한 남자 대학선수들을 대상으로 한 Coleman etal, (1993)의 결과(27.
- 19m/s로 가장 높게 나타났다. 칼라, 앤더슨, 그리고 카이 선수는 도약 구간에 앞발의 이지 순간 수평속도가 최저치에 도달하는 것으로 나타났다, 반면, 안젤코 선수는 도약구간에 왼발이 접지하는 순간 수평속도가 최저치에 이르는 것으로 나타났다. 안젤코 선수는 도약구간의 오른발 접지시에 이미 제동을 걸어 수평속도를 다른 선수들보다 약간 빨리 줄이는 것으로 나타났다.
- 52m로 체공구간의 거리가 긴 칼라와 앤더슨 선수가 길게 나타났다. 현재 기록상 공격력이 더 상위에 있는 안젤코와 앤더슨은 전체 스파이크 동작구간의 거리를 4m 이내로 비교적 짧게 하는 스타일로 나타났다.<그림 2>에서도 안젤코와 앤더슨은 도약에서 착지점까지의 거리가 짧게 보이는 반면, 칼라와 카이는 상당히 긴 것을 볼 수 있다.
후속연구
- 카이 선수는 다른 선수들에 비해 체공 동작에서 수평 이동 거리가 긴 것을 볼 수 있었다. 도움닫기에서의 수평속도를 수직속도로 효율적으로 전환시키기 위해서는 임팩트전 시간이 다른 선수들처럼 조금 길어지게 하면 지금보다 도약구간에 앞발에 제동을 걸어 수직도 약력을 높일 수 있을 것으로 판단된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.