@misc{GranacherNobariRuivoAlvesetal.2020, author = {Granacher, Urs and Nobari, Hadi and Ruivo Alves, Ana and Clemente, Filipe Manuel and P{\´e}rez-G{\´o}mez, Jorge and Clark, Cain Craig Truman and Zouhal, Hassane}, title = {Associations Between Variations in Accumulated Workload and Physiological Variables in Young Male Soccer Players Over the Course of a Season}, series = {Zweitver{\"o}ffentlichungen der Universit{\"a}t Potsdam : Humanwissenschaftliche Reihe}, journal = {Zweitver{\"o}ffentlichungen der Universit{\"a}t Potsdam : Humanwissenschaftliche Reihe}, publisher = {Universit{\"a}t Potsdam}, address = {Potsdam}, issn = {1866-8364}, doi = {10.25932/publishup-54044}, url = {http://nbn-resolving.de/urn:nbn:de:kobv:517-opus4-540440}, pages = {1 -- 12}, year = {2020}, abstract = {This study sought to analyze the relationship between in-season training workload with changes in aerobic power (VO2max), maximum and resting heart rate (HRmax and HRrest), linear sprint medium (LSM), and short test (LSS), in soccer players younger than 16 years (under-16 soccer players). We additionally aimed to explain changes in fitness levels during the in-season through regression models, considering accumulated load, baseline levels, and peak height velocity (PHV) as predictors. Twenty-three male sub-elite soccer players aged 15.5 ± 0.2 years (PHV: 13.6 ± 0.4 years; body height: 172.7 ± 4.2 cm; body mass: 61.3 ± 5.6 kg; body fat: 13.7\% ± 3.9\%; VO2max: 48.4 ± 2.6 mL⋅kg-1⋅min-1), were tested three times across the season (i.e., early-season (EaS), mid-season (MiS), and end-season (EnS) for VO2max, HRmax, LSM, and LSS. Aerobic and speed variables gradually improved over the season and had a strong association with PHV. Moreover, the HRmax demonstrated improvements from EaS to EnS; however, this was more evident in the intermediate period (from EaS to MiS) and had a strong association with VO2max. Regression analysis showed significant predictions for VO2max [F(2, 20) = 8.18, p ≤ 0.001] with an R2 of 0.45. In conclusion, the meaningful variation of youth players' fitness levels can be observed across the season, and such changes can be partially explained by the load imposed.}, language = {en} } @phdthesis{Hoehne2011, author = {H{\"o}hne, Janet}, title = {Aktivit{\"a}ts- und Herzfrequenz-Monitoring zur Erfassung der Bewegungszeit und der Bewegungsintensit{\"a}t im schulischen und außerschulischen Kontext von Grundsch{\"u}lern im Land Brandenburg}, url = {http://nbn-resolving.de/urn:nbn:de:kobv:517-opus-57937}, school = {Universit{\"a}t Potsdam}, year = {2011}, abstract = {"Kinderwelt ist Bewegungswelt" (Schmidt, 1997, S. 156, zitiert nach Schmidt, Hartmann-Tews \& Brettschneider, 2003, S. 31). Das kindliche Bewegungsverhalten hat sich bereits im Grundschulalter ver{\"a}ndert, so dass sich Bewegungsaktivit{\"a}ten von Kindern erheblich unterscheiden und keineswegs mehr verallgemeinert werden k{\"o}nnen. Richtet man den Fokus auf die Frage „Wie bewegt sind unsere Kinder?" so scheint diese von den Medien bereits beantwortet zu sein, da dort von ansteigendem Bewegungsmangel der heutigen Kinder gegen{\"u}ber fr{\"u}heren Generationen berichtet wird. Wenn es in den Diskussionen um den Gesundheitszustand unserer Kinder geht, nimmt die k{\"o}rperlich-sportliche Aktivit{\"a}t eine entscheidende Rolle ein. Bewegungsmangel ist hierbei ein zentraler Begriff der in der {\"O}ffentlichkeit diskutiert wird. Bei der Betrachtung der einzelnen Studien f{\"a}llt auf, dass deutliche Defizite in der Messung der k{\"o}rperlich-sportlichen Aktivit{\"a}t bestehen. Zentraler Kritikpunkt in den meisten Studien ist die subjektive Erfassung der k{\"o}rperlich-sportlichen Aktivit{\"a}t. Ein Großteil bisheriger Untersuchungen zum Bewegungsverhalten basiert auf Beobachtungen, Befragungen oder Bewegungstageb{\"u}chern. Diese liefern ausschließlich zum Teil subjektive Einsch{\"a}tzungen der Kinder oder Eltern {\"u}ber die tats{\"a}chliche Bewegungszeit und -intensit{\"a}t. Das objektive Erfassen der Aktivit{\"a}t bzw. Inaktivit{\"a}t ist zwar seit einigen Jahren zentraler Gegenstand vieler Studien, dennoch gilt es, dieses noch sachkundiger zu l{\"o}sen, um subjektive und objektive Daten zu vergleichen. Um dem Bewegungsmangel der heutigen Kinder entgegenzuwirken, sind empirisch abgesicherte Erkenntnisse {\"u}ber die Bedingungsfaktoren und die Folgen des ver{\"a}nderten Bewegungsverhaltens dringend n{\"o}tig. Die Quer- und L{\"a}ngsschnittuntersuchung umfasst die Bereiche Anthropometrie, die Erfassung der k{\"o}rperlich-sportlichen Aktivit{\"a}t und die Herzfrequenzmessung {\"u}ber 24h. F{\"u}r die Studie konnten 106 Jungen und M{\"a}dchen im Zeitraum von Januar 2007 bis April 2009 rekrutiert und {\"u}berpr{\"u}ft werden. Die physiologischen Parameter wurden mit Hilfe des ACTIHEART-Messsytems aufgezeichnet und berechnet. Die Ergebnisse zur k{\"o}rperlich-sportlichen Aktivit{\"a}t wurden in die Untersuchungsabschnitte Schulzeit gesamt, Pause, Sportunterricht, Nachmittag und 24h unterteilt. Durch das Messsystem werden die Bewegungsaktivit{\"a}t und die Herzfrequenz synchron aufgezeichnet. Das System nimmt die Beschleunigungswerte des K{\"o}rpers auf und speichert sie im frei w{\"a}hlbaren Zeitintervall, Short oder Long Term, in Form von „activity counts" ab. Das Messsytem berechnet weiterhin die Intensit{\"a}t k{\"o}rperlicher Aktivit{\"a}t.}, language = {de} } @phdthesis{Ribback2003, author = {Ribback, Sven}, title = {Psychophysiologische Untersuchung mentaler Beanspruchung in simulierten Mensch-Maschine-Interaktionen}, url = {http://nbn-resolving.de/urn:nbn:de:kobv:517-0000833}, school = {Universit{\"a}t Potsdam}, year = {2003}, abstract = {In der vorliegenden Untersuchung wurde ein arbeitspsychologisches Problem thematisiert, dass in Mensch-Maschine-Systemen auftritt. In Mensch-Maschine-Systemen werden Informationen in kodierter Form ausgetauscht. Diese inhaltlich verk{\"u}rzte Informations{\"u}bertragung hat den Vorteil, keine lange Zustandsbeschreibung zu ben{\"o}tigen, so dass der Mensch auf die ver{\"a}nderten Zust{\"a}nde schnell und effizient reagieren kann. Dies wird aber nur dann erm{\"o}glicht, wenn der Mensch die kodierten Informationen (Kodes) vorher erlernten Bedeutungen zuordnen kann. Je nach Art der kodierten Informationen (visuelle, akustische oder alphanumerische Signale) wurden Gestaltungsempfehlungen f{\"u}r Kodealphabete entwickelt. F{\"u}r Operateure resultiert die mentale Belastung durch Dekodierungsprozesse vor allem aus dem Umfang des Kodealphabetes (Anzahl von Kodezeichen), der wahrnehmungsm{\"a}ßigen Gestaltung der Kodes und den Regeln {\"u}ber die Zuordnung von Bedeutungen zu Kodezeichen. Die Entscheidung {\"u}ber die G{\"u}te von Kodealphabeten geschieht in der Arbeitspsychologie in der Regel {\"u}ber Leistungsindikatoren. Dies sind {\"u}blicherweise die zur Dekodierung der Kodes ben{\"o}tigte Zeit und dabei auftretende Zuordnungsfehler. Psychophysiologische Daten werden oft nicht herangezogen. Fraglich ist allerdings, ob Zeiten und Fehler allein verl{\"a}ssliche Indikatoren f{\"u}r den kognitiven Aufwand bei Dekodierungsprozessen sind, da im hochge{\"u}bten Zustand bei gleichen Alphabetl{\"a}ngen, aber unterschiedlicher Kodezeichengestaltung sich h{\"a}ufig die mittleren Dekodierungszeiten zwischen Kodealphabeten nicht signifikant unterscheiden und Fehler {\"u}berhaupt nicht auftreten. Die in der vorliegenden Arbeit postulierte Notwendigkeit der Ableitung von Biosignalen gr{\"u}ndet sich auf die Annahme, dass mit ihrer Hilfe zus{\"a}tzliche Informationen {\"u}ber die mentale Beanspruchung bei Dekodierungsprozessen gewonnen werden k{\"o}nnen, die mit der Erhebung von Leistungsdaten nicht erfasst werden. Denn gerade dann, wenn sich die Leistungsdaten zweier Kodealphabete nicht unterscheiden, k{\"o}nnen psychophysiologische Daten unterschiedliche Aspekte mentaler Beanspruchung erfassen, die mit Hilfe von Leistungsdaten nicht bestimmt werden k{\"o}nnen. Daher wird in Erweiterung des etablierten Untersuchungsansatzes vorgeschlagen, Biosignale als dritten Datenbereich, neben Leistungsdaten und subjektiven Daten mentaler Beanspruchung, abzuleiten, um zus{\"a}tzliche Informationen {\"u}ber die mentale Beanspruchung bei Dekodierungsprozessen zu erhalten. Diese Annahme sollte mit Hilfe der Ableitung von Biosignalen {\"u}berpr{\"u}ft werden. Der Begriff mentaler Beanspruchung wird in der bisherigen Literatur nur unzureichend definiert und differenziert. Daher wird zur Untersuchung dieses Konzepts, die wissenschaftliche Literatur ber{\"u}cksichtigend, ein erweitertes Modell mentaler Beanspruchung vorgestellt. Dabei wird die mentale Beanspruchung abgegrenzt von der emotionalen Beanspruchung. Mentale Beanspruchung wird weiterhin unterschieden in psychomotorische, perzeptive und kognitive Beanspruchung. Diese Aspekte mentaler Beanspruchung werden jeweils vom psychomotorischen, perzeptiven oder kognitiven Aufwand der zu bearbeitenden Aufgabe ausgel{\"o}st. In der vorliegenden Untersuchung wurden zwei zentrale Fragestellungen untersucht: Einerseits wurde die Analyse der anwendungsbezogenen Frage fokussiert, inwieweit psychophysiologische Indikatoren mentaler Beanspruchung {\"u}ber die Leistungsdaten (Dekodierungszeiten und Fehleranzahl) hinaus, zus{\"a}tzliche Informationen zur Bestimmung der G{\"u}te von Kodealphabeten liefern. Andererseits wurde der Forschungsaspekt untersucht, inwieweit psychophysiologische Indikatoren mentaler Beanspruchung die zur Dekodierung notwendigen perzeptiven und kognitiven Aspekte mentaler Beanspruchung differenzieren k{\"o}nnen. Emotionale Beanspruchung war nicht Gegenstand der Analysen, weshalb in der Operationalisierung versucht wurde, sie weitgehend zu vermeiden. Psychomotorische Beanspruchung als dritter Aspekt mentaler Beanspruchung (neben perzeptiver und kognitiver Beanspruchung) wurde f{\"u}r beide Experimentalgruppen weitgehend konstant gehalten. In Lernexperimenten hatten zwei anhand eines Lern- und Ged{\"a}chtnistests homogenisierte Stichproben jeweils die Bedeutung von 54 Kodes eines Kodealphabets zu erwerben. Dabei wurde jeder der zwei unahbh{\"a}ngigen Stichproben ein anderes Kodealphabet vorgelegt, wobei sich die Kodealphabete hinsichtlich Buchstabenanzahl (Kodel{\"a}nge) und anzuwendender Zuordnungsregeln unterschieden. Damit differierten die Kodealphabete im perzeptiven und kognitiven Aspekt mentaler Beanspruchung. Die Kombination der Abk{\"u}rzungen entsprach den in einer Feuerwehrleitzentrale verwendeten (Kurzbeschreibungen von Notfallsituationen). In der Lernphase wurden den Probanden zun{\"a}chst die Kodealphabete geblockt mit ihren Bedeutungen pr{\"a}sentiert. Anschließend wurden die Kodes (ohne deren Bedeutung) in sechs aufeinanderfolgenden Pr{\"u}fphasen randomisiert einzeln dargeboten, wobei die Probanden instruiert waren, die Bedeutung der jeweiligen Kodes in ein Mikrofon zu sprechen. W{\"a}hrend des gesamten Experiments wurden, neben Leistungsdaten (Dekodierungszeiten und Fehleranzahl) und subjektiven Daten {\"u}ber die mentale Beanspruchung im Verlauf der Experimente, folgende zentralnerv{\"o}se und peripherphysiologische Biosignale abgeleitet: Blutdruck, Herzrate, phasische und tonische elektrodermale Aktivit{\"a}t und Elektroenzephalogramm. Aus ihnen wurden zun{\"a}chst 13 peripherphysiologische und 7 zentralnerv{\"o}se Parameter berechnet, von denen 7 peripherphysiologische und 3 zentralnerv{\"o}se Parameter die statistischen Voraussetzungen (Einschlusskriterien) soweit erf{\"u}llten, dass sie in die inferenzstatistische Datenanalyse einbezogen wurden. Leistungsdaten und subjektive Beanspruchungseinsch{\"a}tzungen der Versuchsdurchg{\"a}nge wurden zu den psychophysiologischen Parametern in Beziehung gesetzt. Die Befunde zeigen, dass mittels der psychophysiologischen Daten zus{\"a}tzliche Erkenntnisse {\"u}ber den kognitiven Aufwand gewonnen werden k{\"o}nnen. Als weitere Analyse wurden die Kodes post hoc in zwei neue Kodealphabete eingeteilt. Ziel dieser Analyse war es, die Unterschiede zwischen beiden Kodealphabeten zu erh{\"o}hen, um deutlichere reizbezogene psychophysiologische Unterschiede in den EEG-Daten zwischen den Kodealphabeten zu erhalten. Dazu wurde diejenigen, hinsichtlich ihrer Bedeutung, parallelen Kodes in beiden Kodealphabeten ausgew{\"a}hlt, die sich in der Dekodierungszeit maximal voneinander unterschieden. Eine erneute Analyse der EEG-Daten erbrachte jedoch keine Verbesserung der Ergebnisse. Drei Hauptergebnisse bez{\"u}glich der psychophysiologischen Parameter konnten festgestellt werden: Das erste Ergebnis ist f{\"u}r die psychophysiologische Methodik bedeutsam. Viele psychophysiologische Parameter unterschieden zwischen den Pr{\"u}fphasen und zeigen damit eine hinreichende Sensitivit{\"a}t zur Untersuchung mentaler Beanspruchung bei Dekodierungsprozessen an. Dazu geh{\"o}ren die Anzahl der spontanen Hautleitwertsreaktionen, die Amplitude der Hautleitwertsreaktionen, das Hautleitwertsniveau, die Herzrate, die Herzratendifferenz und das Beta-2-Band des EEG. Diese Parameter zeigen einen {\"a}hnlichen Verlauf wie die Leistungsdaten. Dies zeigt, dass es m{\"o}glich ist, die hier operationaliserte Art mentaler Beanspruchung in Form von Dekodierungsprozessen psychophysiologisch zu analysieren. Ein zweites Ergebnis betrifft die M{\"o}glichkeit, Unterschiede mentaler Beanspruchung zwischen beiden Gruppen psychophysiologisch abzubilden: Das Hautleitwertsniveau und das Theta-Frequenzband des Spontan-EEG zeigten Unterschiede zwischen beiden Stichproben von der ersten Pr{\"u}fphase an. Diese Parameter indizieren unterschiedlichen kognitiven Aufwand in beiden Stichproben {\"u}ber alle Pr{\"u}fphasen. Das wichtigste Ergebnis betrifft die Frage nach einem Informationsgewinn bei Einsatz psychophysiologischer Methoden zur Bewertung der G{\"u}te von Kodealphabeten: Einen tats{\"a}chlichen Informationsgewinn gegen{\"u}ber den Leistungsdaten zeigte die Amplitude der elektrodermalen Aktivit{\"a}t und die Herzraten-Differenz an. Denn in den sp{\"a}teren Pr{\"u}fphasen, wenn sich die Leistungsdaten beider Kodealphabete nicht mehr unterschieden, konnten unterschiedliche Auspr{\"a}gungen dieser psychophysiologischen Parameter zwischen beiden Kodealphabeten verzeichnet werden. Damit konnten unterschiedliche Aspekte mentaler Beanspruchung in beiden Kodealphabeten in den sp{\"a}teren Pr{\"u}fphasen erfasst werden, in denen sich die Leistungsdaten nicht mehr unterschieden. Alle drei Ergebnisse zeigen, dass es, trotz erheblichen technischen und methodischen Aufwands, sinnvoll erscheint, bei der Charakterisierung mentaler Belastungen und f{\"u}r die Gestaltung von Kodealphabeten auch psychophysiologische Daten heranzuziehen, da zus{\"a}tzliche Informationen {\"u}ber den perzeptiven und kognitiven Dekodierungsaufwand gewonnen werden k{\"o}nnen.}, language = {de} }