<?xml version="1.0" encoding="UTF-8"?>
<ArticleSet>
  <Article>
    <Journal>
      <PublisherName></PublisherName>
      <JournalTitle>مدیریت، آموزش و توسعه در عصر دیجیتال</JournalTitle>
      <Issn></Issn>
      <Volume></Volume>
      <Issue>در دست انتشار</Issue>
      <PubDate PubStatus="epublish">
        <Year>1405</Year>
        <Month>06</Month>
        <Day>01</Day>
      </PubDate>
    </Journal>
    <ArticleTitle>A Model of Artificial Intelligence Functions for Empowering Coaches to Optimize Elite Track and Field Athletes’ Performance</ArticleTitle>
    <VernacularTitle>مدل کارکردهای هوش مصنوعی در توانمندسازی مربیان به‌منظور بهینه‌سازی سطح عملکرد ورزشکاران نخبه دوومیدانی</VernacularTitle>
    <FirstPage>1</FirstPage>
    <LastPage>20</LastPage>
    <Language>FA</Language>
    <AuthorList>
      <Author>
        <FirstName>مهسا</FirstName>
        <LastName>دانایی‌فرد</LastName>
        <Affiliation>گروه تربیت بدنی ، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران.</Affiliation>
      </Author>
      <Author>
        <FirstName>حسین</FirstName>
        <LastName> پیمانی‌زاد</LastName>
        <Affiliation>گروه تربیت بدنی ، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران.</Affiliation>
      </Author>
      <Author>
        <FirstName>مهدی</FirstName>
        <LastName>آذرنوش</LastName>
        <Affiliation>گروه مهندسی پزشکی، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران.</Affiliation>
      </Author>
      <Author>
        <FirstName>محمد </FirstName>
        <LastName>کشتی‌دار </LastName>
        <Affiliation>گروه تربیت بدنی ، دانشکده علوم ورزشی، دانشگاه فردوسی مشهد، مشهد، ایران.</Affiliation>
      </Author>
    </AuthorList>
    <PublicationType>Journal Article</PublicationType>
    <History>
      <PubDate PubStatus="received">
        <Year>1404</Year>
        <Month>12</Month>
        <Day>10</Day>
      </PubDate>
    </History>
    <Abstract>&lt;p&gt;The purpose of this study was to develop a model of artificial intelligence functions for empowering coaches to optimize the performance of elite track and field athletes. This study was applied in terms of purpose and exploratory in nature, using a qualitative grounded theory approach based on Glaser’s emergent methodology. The statistical population consisted of university experts in sports management, specialists in artificial intelligence, and professionals with experience in elite sports. Purposeful sampling was employed, and semi-structured interviews were conducted with 20 experts until theoretical saturation was achieved. Data analysis was carried out simultaneously with data collection through open, axial, and selective coding procedures. MaxQDA software was used to organize and analyze qualitative data. Finally, a conceptual network of antecedents and consequences related to the use of artificial intelligence in coach empowerment and athlete performance optimization was extracted, and the final research model was developed. The findings demonstrated that the antecedents of using artificial intelligence could be categorized into 96 open codes, 8 axial codes, and one selective code. The most important dimensions included technological and infrastructural readiness, coaches’ technological literacy, organizational support, athletes’ psychological acceptance, competitive demands, specialized AI functions, cognitive empowerment of coaches, and multidimensional performance optimization of athletes. Furthermore, the consequences of AI utilization were identified through 69 open codes and 8 axial codes, including professional empowerment of coaches, improvement in training design and control, enhancement of technical and physiological performance, injury reduction, improved coach–athlete interaction, increased motivation and psychological readiness, better sports management, and development of sustainable international competitive advantage. Structural model analysis also confirmed a significant relationship between AI functions and outcomes (T=16.763). The results indicated that artificial intelligence can function as a transformative tool in elite sports coaching by enhancing data-driven analysis, personalizing training programs, predicting injuries, and improving scientific decision-making. The systematic implementation of intelligent technologies can significantly empower coaches, optimize elite athletes’ performance, and contribute to the international advancement and sustainable competitive advantage of track and field sports.&lt;/p&gt;</Abstract>
    <OtherAbstract Language="FA">&lt;p&gt;هدف این پژوهش ارائه مدل کارکردهای هوش مصنوعی در توانمندسازی مربیان به‌منظور بهینه‌سازی سطح عملکرد ورزشکاران نخبه دوومیدانی بود. این پژوهش از نظر هدف کاربردی و از حیث ماهیت اکتشافی بود که با رویکرد کیفی و مبتنی بر نظریه داده‌بنیاد گلیزر انجام شد. جامعه آماری شامل خبرگان دانشگاهی حوزه مدیریت ورزشی، متخصصان هوش مصنوعی و افراد دارای تجربه حرفه‌ای در ورزش قهرمانی بود. نمونه‌گیری به‌صورت هدفمند انجام شد و با 20 نفر از خبرگان مصاحبه نیمه‌ساختاریافته صورت گرفت تا اشباع نظری حاصل شود. تحلیل داده‌ها هم‌زمان با گردآوری اطلاعات و در سه مرحله کدگذاری باز، محوری و انتخابی انجام شد. برای سامان‌دهی و تحلیل داده‌های کیفی از نرم‌افزار MaxQDA استفاده شد. در نهایت، شبکه مفهومی پیشایندها و پیامدهای استفاده از هوش مصنوعی در توانمندسازی مربیان و بهینه‌سازی عملکرد ورزشکاران نخبه دوومیدانی استخراج و مدل نهایی پژوهش طراحی شد. یافته‌های پژوهش نشان داد که پیشایندهای استفاده از هوش مصنوعی در قالب 96 کد باز، 8 کد محوری و یک کد انتخابی قابل تبیین است. مهم‌ترین ابعاد شامل آمادگی فناورانه و زیرساختی، دانش و سواد فناورانه مربیان، حمایت سازمانی، پذیرش روانی ورزشکاران، الزامات رقابتی، کارکردهای تخصصی هوش مصنوعی، توانمندسازی شناختی مربیان و بهینه‌سازی چندبعدی عملکرد ورزشکاران بود. همچنین پیامدهای استفاده از هوش مصنوعی در قالب 69 کد باز و 8 کد محوری شناسایی شد که شامل توانمندسازی حرفه‌ای مربیان، بهبود طراحی و کنترل تمرین، ارتقای عملکرد فنی و فیزیولوژیک، کاهش آسیب‌دیدگی، ارتقای تعامل مربی–ورزشکار، افزایش انگیزش و آمادگی روانی، بهبود مدیریت ورزشی و توسعه مزیت رقابتی بین‌المللی بود. نتایج مدل ساختاری نیز نشان داد که رابطه بین کارکردها و پیامدهای هوش مصنوعی معنادار است (T=16.763). نتایج پژوهش نشان داد که هوش مصنوعی می‌تواند به‌عنوان ابزاری تحول‌آفرین در فرآیند مربیگری ورزش قهرمانی عمل کند و از طریق تحلیل داده‌های عملکردی، شخصی‌سازی تمرینات، پیش‌بینی آسیب‌دیدگی و بهبود تصمیم‌گیری علمی، موجب ارتقای توانمندی مربیان و بهینه‌سازی عملکرد ورزشکاران نخبه دوومیدانی شود. همچنین استفاده نظام‌مند از فناوری‌های هوشمند می‌تواند زمینه‌ساز ارتقای جایگاه بین‌المللی دوومیدانی و توسعه مزیت رقابتی پایدار در ورزش قهرمانی کشور گردد.&lt;/p&gt;</OtherAbstract>
    <ObjectList>
      <Object Type="keyword">
        <Param Name="value"> artificial intelligence functions</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">coach empowerment</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">performance optimization</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">elite athletes</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">track and field</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">کارکرد هوش مصنوعي</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">توانمند سازي مربيان</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">بهينه سازي عملکرد</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">ورزشکاران نخبه</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">دووميداني</Param>
      </Object>
    </ObjectList>
    <ArchiveCopySource DocType="pdf">https://jmedda.com/jmedda/article/download/431/337</ArchiveCopySource>
  </Article>
</ArticleSet>
