Віктор Олександрович Кардаков
Current Organizations / Institutes
The organizations/institutes from the scholar's latest article
Research Subjects
Віктор Олександрович Кардаков has a total of 9 co-authors. Here are the top co-authors by number of shared publications:
- Irene Khmelnitska
Національний університет фізичного виховання і спорту України
4 shared publications - Olena A. Shevchuk
National Technical University of Ukraine «Igor Sikorsky Kyiv Polytechnic Institute
1 shared publication - Андрій Дуда
Волинський національний університет імені Лесі Українки
1 shared publication - Володимир Ярославович Хлібкевич
Волинський національний університет імені Лесі Українки
1 shared publication Віталій Кашуба
1 shared publication- Жанна Олександрівна Шевченко
Національний університет фізичного виховання і спорту України
1 shared publication
Latest Publications
- 13 March 2026
- Published by T.Н. Shevchenko National University "Chernihiv Colehium" in Вісник Національного університету "Чернігівський колегіум" імені Т. Г. Шевченка
- Vol. 191 (35) , 110-116
НЕЙРОННІ МЕРЕЖІ У МОДЕЛЮВАННІ У СПОРТІ
У сфері спортивної науки за останні роки штучний інтелект та машинне навчання досягли значного успіху. Досвід передової практики свідчить про ефективність використання штучних нейронних мереж у моделюванні спортивної техніки. Проте дослідження з використання штучних нейронних мереж у спорті представлені фрагментарно і в основному англомовними авторами. Мета дослідження – проаналізувати, систематизувати та узагальнити напрями застосування штучних нейронних мереж як засобу моделювання у спорті. Методологія: системний контент-аналіз науково-методичної літератури і даних мережі Інтернет. Наукова новизна: систематизовано використання нейронних мереж для моделювання у спорті за науковими напрямами: моделювання показників спортивної підготовленості атлета, спортивне прогнозування, візуалізація зображень на основі розпізнавання дій спортсмена, спортивна селекція, профілактика травм. Головні переваги нейронних мереж: 1) вони здатні апроксимувати будь-яку неперервну функцію, і таким чином досліднику не потрібно мати жодних гіпотез щодо базової моделі; 2) зв'язок між входом і виходом визначається в процесі навчання нейронної мережі. Висновки. Застосування технології нейронних мереж у спортивних дисциплінах дозволяє прогнозувати спортивні результати, а також значно підвищує ефективність тренувального процесу за рахунок індивідуального підходу, точної біомеханічної оцінки техніки основної рухової дії та прийняття об'єктивно обґрунтованого раціонального рішення щодо її корекції. На сьогодні у сфері спорту застосовуються переважно два статистичні методи моделювання – регресійний аналіз та нейронні мережі. На відміну від регресійних рівнянь, метод моделювання за допомогою нейронних мереж є непараметричним і отже, більш гнучким. Модель на основі нейронної мережі не вимагає попереднього визначення математичних виразів моделі прогнозування і має вищу точність прогнозування.
- 13 March 2026
- Published by T.Н. Shevchenko National University "Chernihiv Colehium" in Вісник Національного університету "Чернігівський колегіум" імені Т. Г. Шевченка
- Vol. 191 (35) , 110-116
НЕЙРОННІ МЕРЕЖІ У МОДЕЛЮВАННІ У СПОРТІ
У сфері спортивної науки за останні роки штучний інтелект та машинне навчання досягли значного успіху. Досвід передової практики свідчить про ефективність використання штучних нейронних мереж у моделюванні спортивної техніки. Проте дослідження з використання штучних нейронних мереж у спорті представлені фрагментарно і в основному англомовними авторами. Мета дослідження – проаналізувати, систематизувати та узагальнити напрями застосування штучних нейронних мереж як засобу моделювання у спорті. Методологія: системний контент-аналіз науково-методичної літератури і даних мережі Інтернет. Наукова новизна: систематизовано використання нейронних мереж для моделювання у спорті за науковими напрямами: моделювання показників спортивної підготовленості атлета, спортивне прогнозування, візуалізація зображень на основі розпізнавання дій спортсмена, спортивна селекція, профілактика травм. Головні переваги нейронних мереж: 1) вони здатні апроксимувати будь-яку неперервну функцію, і таким чином досліднику не потрібно мати жодних гіпотез щодо базової моделі; 2) зв'язок між входом і виходом визначається в процесі навчання нейронної мережі. Висновки. Застосування технології нейронних мереж у спортивних дисциплінах дозволяє прогнозувати спортивні результати, а також значно підвищує ефективність тренувального процесу за рахунок індивідуального підходу, точної біомеханічної оцінки техніки основної рухової дії та прийняття об'єктивно обґрунтованого раціонального рішення щодо її корекції. На сьогодні у сфері спорту застосовуються переважно два статистичні методи моделювання – регресійний аналіз та нейронні мережі. На відміну від регресійних рівнянь, метод моделювання за допомогою нейронних мереж є непараметричним і отже, більш гнучким. Модель на основі нейронної мережі не вимагає попереднього визначення математичних виразів моделі прогнозування і має вищу точність прогнозування.
- Open Access
- 28 March 2025
- Published by South Ukrainian National Pedagogical University named after K. D. Ushynsky in Olympicus
- No. 1,p. 198-208
ФАКТОРНИЙ АНАЛІЗ ПОКАЗНИКІВ ФІЗИЧНОГО РОЗВИТКУ ТА ФІЗИЧНОЇ ПІДГОТОВЛЕНОСТІ РЕГБІСТІВ З РІЗНИМИ ТИПАМИ ПОСТАВИ НА ЕТАПІ ПОЧАТКОВОЇ ПІДГОТОВКИ
Актуальність проблеми. Кожний біологічний об’єкт характеризується множиною ознак і є багатовимірним за своєю суттю, як ніякий інший. Однак під час урахування множини показників, що описують біологічний об’єкт, часто виявляється, що чимало з них тісно вза- ємозалежні між собою. І це зовсім природно, оскільки зазвичай ознаки, які враховуються як різні, насправді описують (хоча й з різних сторін) ті самі характеристики біооб’єкта. У літе- ратурі цей момент носить назву постулату апріорної надмірності початкового опису дослі- джуваної системи.Мета дослідження – провести факторний аналіз показників фізичного розвитку та фізич- ної підготовленості регбістів з різними типами постави на етапі початкової підготовки.Методи дослідження: аналіз й узагальнення спеціальної наукової літератури, методи математичної статистики.Результати дослідження. Факторний аналіз дав змогу з’ясувати основні чинники, що впли- вають на найважливіші морфобіомеханічні особливості юних регбістів 9–10 років: а) дов- жина тіла, яка впливає на загальну анатомічну структуру, в тому числі положення голови та шиї; б) масивність тіла та широка стопа, які полегшують виконання силових вправ; в) наявність певних морфологічних асиметрій у нижніх кінцівках спортсменів, які можуть негативно впливати на їх здатність до виконання стрибків; г) розвиненість м’язів груд- ної клітки, яка покращує ефективність бігу та спроможність до стрибків; д) положення тулуба в сагітальній площині, яке впливає на здатність спортсменів до виконання вправ, що потребують високої витривалості та координації рухів (наприклад, біг на короткі дистанції та вправи на розвиток м’язової міцності та гнучкості).Висновки. Аналізуючи факторні структури, отримані в окремих групах спортсменів, можна з’ясувати, що спільними для них є три фактори: довжина тіла та її зв’язок із поставою; маса тіла та її вплив на силу м’язів і загальну фізичну підготовку; кут α3 та його вплив на струк- туру хребта і рівновагу м’язів. Ці фактори враховуються у фізичному розвитку та підготовці спортсменів незалежно від їхньої постави та здоров’я хребта.
- 28 March 2025
- Published by South Ukrainian National Pedagogical University named after K. D. Ushynsky in Olympicus
- No. 1,p. 198-208
Open AccessФАКТОРНИЙ АНАЛІЗ ПОКАЗНИКІВ ФІЗИЧНОГО РОЗВИТКУ ТА ФІЗИЧНОЇ ПІДГОТОВЛЕНОСТІ РЕГБІСТІВ З РІЗНИМИ ТИПАМИ ПОСТАВИ НА ЕТАПІ ПОЧАТКОВОЇ ПІДГОТОВКИ
Актуальність проблеми. Кожний біологічний об’єкт характеризується множиною ознак і є багатовимірним за своєю суттю, як ніякий інший. Однак під час урахування множини показників, що описують біологічний об’єкт, часто виявляється, що чимало з них тісно вза- ємозалежні між собою. І це зовсім природно, оскільки зазвичай ознаки, які враховуються як різні, насправді описують (хоча й з різних сторін) ті самі характеристики біооб’єкта. У літе- ратурі цей момент носить назву постулату апріорної надмірності початкового опису дослі- джуваної системи.Мета дослідження – провести факторний аналіз показників фізичного розвитку та фізич- ної підготовленості регбістів з різними типами постави на етапі початкової підготовки.Методи дослідження: аналіз й узагальнення спеціальної наукової літератури, методи математичної статистики.Результати дослідження. Факторний аналіз дав змогу з’ясувати основні чинники, що впли- вають на найважливіші морфобіомеханічні особливості юних регбістів 9–10 років: а) дов- жина тіла, яка впливає на загальну анатомічну структуру, в тому числі положення голови та шиї; б) масивність тіла та широка стопа, які полегшують виконання силових вправ; в) наявність певних морфологічних асиметрій у нижніх кінцівках спортсменів, які можуть негативно впливати на їх здатність до виконання стрибків; г) розвиненість м’язів груд- ної клітки, яка покращує ефективність бігу та спроможність до стрибків; д) положення тулуба в сагітальній площині, яке впливає на здатність спортсменів до виконання вправ, що потребують високої витривалості та координації рухів (наприклад, біг на короткі дистанції та вправи на розвиток м’язової міцності та гнучкості).Висновки. Аналізуючи факторні структури, отримані в окремих групах спортсменів, можна з’ясувати, що спільними для них є три фактори: довжина тіла та її зв’язок із поставою; маса тіла та її вплив на силу м’язів і загальну фізичну підготовку; кут α3 та його вплив на струк- туру хребта і рівновагу м’язів. Ці фактори враховуються у фізичному розвитку та підготовці спортсменів незалежно від їхньої постави та здоров’я хребта.
- Open Access
- 28 March 2025
- Published by South Ukrainian National Pedagogical University named after K. D. Ushynsky in Olympicus
- No. 1,p. 209-220
МЕТОДОЛОГІЧНІ ОСОБЛИВОСТІ СТАТИСТИЧНОЇ ОБРОБКИ РЕЗУЛЬТАТІВ ДОСЛІДЖЕННЯ З ВИКОРИСТАННЯМ ПРОГРАМНОГО ЗАБЕЗПЕЧЕННЯ STATISTICA
Актуальність роботи полягає в тому, що ефективність експериментальних досліджень визначається саме методологічною якістю обробки даних і належним рівнем аналізування отриманих результатів. На сьогодні одним із найдосконаліших інструментів для статистичної обробки й аналізу даних є програмне забезпечення STATISTICA. Проте наразі недостатній рівень методологічного забезпечення в українському сегменті наукових джерел щодо практичного використання STATISTICA.Мета роботи – описати методологію статистичного оцінювання та перевірки гіпотез для порівняння вибірок із використанням програмного забезпечення STATISTICA.Методи: аналіз наукової і методичної літератури, теоретичний аналіз та узагальнення, системний аналіз, педагогічний експеримент, методи математичної статистики.Результати дослідження: визначені етапи оброблення й аналізу експериментальних даних за допомогою програмного забезпечення STATISTICA на прикладі результатів експериментального дослідження з оцінки ефективності динамічних і статичних вправ з напряму йоги за міофасціального больового синдрому спини у чоловіків 25–35 років. Визначено, що першим етапом аналізу кількісних даних є аналіз виду їх розподілу. На другому етапі оброблення експериментальних даних описуються статистичні характеристики вибірок. У випадку їх відповідності закону нормального розподілу слід навести середні арифметичні і середньоквадратичне відхилення або стандартну помилку. Для опису розподілів, що не є «нормальними», потрібно вказувати значення медіани та інтерквартільний розмах (25% і 75% процентилі). Третім етапом аналізу експериментальних даних є вибір статистичних методів для порівняння вибірок. Якщо критерієм узгодженості Шапіро – Уілка підтверджено гіпотезу про відповідність вибірки закону нормального розподілу, застосовують параметричні статистичні критерії. Якщо за критерієм узгодженості відхилено гіпотезу про нормальність сукупності, застосовують непараметричні статистичні критерії. На прикладі показників функціонального стану хребта за шкалою Майера і шкалою Шобера, а також гоніометричних показників латеральної флексії вліво і вправо описані методологічні особливості використання програмного забезпечення STATISTICA для перевірки статистичних гіпотез під час оцінки ефективності педагогічного експерименту.
- 28 March 2025
- Published by South Ukrainian National Pedagogical University named after K. D. Ushynsky in Olympicus
- No. 1,p. 209-220
Open AccessМЕТОДОЛОГІЧНІ ОСОБЛИВОСТІ СТАТИСТИЧНОЇ ОБРОБКИ РЕЗУЛЬТАТІВ ДОСЛІДЖЕННЯ З ВИКОРИСТАННЯМ ПРОГРАМНОГО ЗАБЕЗПЕЧЕННЯ STATISTICA
Актуальність роботи полягає в тому, що ефективність експериментальних досліджень визначається саме методологічною якістю обробки даних і належним рівнем аналізування отриманих результатів. На сьогодні одним із найдосконаліших інструментів для статистичної обробки й аналізу даних є програмне забезпечення STATISTICA. Проте наразі недостатній рівень методологічного забезпечення в українському сегменті наукових джерел щодо практичного використання STATISTICA.Мета роботи – описати методологію статистичного оцінювання та перевірки гіпотез для порівняння вибірок із використанням програмного забезпечення STATISTICA.Методи: аналіз наукової і методичної літератури, теоретичний аналіз та узагальнення, системний аналіз, педагогічний експеримент, методи математичної статистики.Результати дослідження: визначені етапи оброблення й аналізу експериментальних даних за допомогою програмного забезпечення STATISTICA на прикладі результатів експериментального дослідження з оцінки ефективності динамічних і статичних вправ з напряму йоги за міофасціального больового синдрому спини у чоловіків 25–35 років. Визначено, що першим етапом аналізу кількісних даних є аналіз виду їх розподілу. На другому етапі оброблення експериментальних даних описуються статистичні характеристики вибірок. У випадку їх відповідності закону нормального розподілу слід навести середні арифметичні і середньоквадратичне відхилення або стандартну помилку. Для опису розподілів, що не є «нормальними», потрібно вказувати значення медіани та інтерквартільний розмах (25% і 75% процентилі). Третім етапом аналізу експериментальних даних є вибір статистичних методів для порівняння вибірок. Якщо критерієм узгодженості Шапіро – Уілка підтверджено гіпотезу про відповідність вибірки закону нормального розподілу, застосовують параметричні статистичні критерії. Якщо за критерієм узгодженості відхилено гіпотезу про нормальність сукупності, застосовують непараметричні статистичні критерії. На прикладі показників функціонального стану хребта за шкалою Майера і шкалою Шобера, а також гоніометричних показників латеральної флексії вліво і вправо описані методологічні особливості використання програмного забезпечення STATISTICA для перевірки статистичних гіпотез під час оцінки ефективності педагогічного експерименту.
- Open Access
- 24 January 2025
- Published by Vinnytsia Mykhailo Kotsiubynskyi State Pedagogical University in Physical Culture, Sports and Health of the Nation
- No. 18(37),p. 279-289
МЕТОД ГОЛОВНИХ КОМПОНЕНТІВ І ФАКТОРНИЙ АНАЛІЗ В ОБРОБЦІ РЕЗУЛЬТАТІВ НАУКОВИХ ДОСЛІДЖЕНЬ У ФІЗИЧНІЙ КУЛЬТУРІ ТА СПОРТІ
Relevance of the research topic.Factor analysis and the principal componentsmethod belong to mathematical disciplinesdesigned to describe multidimensional objects,and therefore are very widely used inbiological research. However, materials thathelp the user, including a specialist in the fieldof physical culture and sports, to useadequately and correctly the modern methodsof multifactorial statistical analysis in practice,are currently insufficient. The purpose of thestudy is to describe the methodologicalrequirements for the use of factor analysiswhen conducting research in the field ofphysical culture and sports. Methods: analysisof scientific and methodical literature, factoranalysis. Results. Factor analysis does notrequire an a priori division of variables intodependent and independent, and all variablesin it are considered equal. Within factoranalysis, there is no need to assumeindependence (non-correlation) of variables,as for example in regression or correlationanalyses. On the contrary, it is assumed thatthese initial variables are interdependent.There are no restrictions in factor analysis onthe number of features that are initially takeninto account. And the better factors for factoranalysis become the more of them, the moreinformative. A priority aspect of organizingand performing factor analysis is establishingthe number of factors sufficient to adequatelyrepresent the set of variables. An example ofthe factor analysis use in determining thefactor structure of the components of thebiogeometric posture profile of women aged 36–39 years with the Statistica 14.0application software was provided.Conclusions. Factor analysis and the principalcomponents method are ultimately designed toreduce the dimensionality of the primaryfeature space. Factor analysis and the principalcomponents analysis have a common strategyof application, but a different technology forachieving the goal. The main components aredetermined on the basis of the variancecriterion, and the general factors areconstructed in such a way as to maximallyexplain the existing correlations between thefeatures.
- 24 January 2025
- Published by Vinnytsia Mykhailo Kotsiubynskyi State Pedagogical University in Physical Culture, Sports and Health of the Nation
- No. 18(37),p. 279-289
Open AccessМЕТОД ГОЛОВНИХ КОМПОНЕНТІВ І ФАКТОРНИЙ АНАЛІЗ В ОБРОБЦІ РЕЗУЛЬТАТІВ НАУКОВИХ ДОСЛІДЖЕНЬ У ФІЗИЧНІЙ КУЛЬТУРІ ТА СПОРТІ
Relevance of the research topic.Factor analysis and the principal componentsmethod belong to mathematical disciplinesdesigned to describe multidimensional objects,and therefore are very widely used inbiological research. However, materials thathelp the user, including a specialist in the fieldof physical culture and sports, to useadequately and correctly the modern methodsof multifactorial statistical analysis in practice,are currently insufficient. The purpose of thestudy is to describe the methodologicalrequirements for the use of factor analysiswhen conducting research in the field ofphysical culture and sports. Methods: analysisof scientific and methodical literature, factoranalysis. Results. Factor analysis does notrequire an a priori division of variables intodependent and independent, and all variablesin it are considered equal. Within factoranalysis, there is no need to assumeindependence (non-correlation) of variables,as for example in regression or correlationanalyses. On the contrary, it is assumed thatthese initial variables are interdependent.There are no restrictions in factor analysis onthe number of features that are initially takeninto account. And the better factors for factoranalysis become the more of them, the moreinformative. A priority aspect of organizingand performing factor analysis is establishingthe number of factors sufficient to adequatelyrepresent the set of variables. An example ofthe factor analysis use in determining thefactor structure of the components of thebiogeometric posture profile of women aged 36–39 years with the Statistica 14.0application software was provided.Conclusions. Factor analysis and the principalcomponents method are ultimately designed toreduce the dimensionality of the primaryfeature space. Factor analysis and the principalcomponents analysis have a common strategyof application, but a different technology forachieving the goal. The main components aredetermined on the basis of the variancecriterion, and the general factors areconstructed in such a way as to maximallyexplain the existing correlations between thefeatures.