利用混合类型贝叶斯网络建模排球运动员的心理特征
机器学习
2025-09-29 v1 应用统计
摘要
心理属性很少孤立运作：教练员会推理相关特质构成的网络。我们分析了来自意大利 C 级和 D 级联赛的 164 名女子排球运动员的新数据集，该数据集将标准化心理特征分析与背景信息相结合。为学习混合类型变量（有序问卷得分、分类人口统计信息、连续指标）之间的有向关系，我们提出了隐式 MMHC，一种混合结构学习器，它将隐式高斯 copula 与约束基骨架相结合，并通过约束评分基精化返回单一有向无环图（DAG）。我们还研究了用于稳定性的自助聚合变体。在涵盖样本量、稀疏性和维度的模拟中，隐式最大-最小爬坡（MMHC）在结构汉明距离上优于近期的 copula 基学习器，在边召回率上也更高，同时保持了高特异性。应用于排球，所学网络将心理技能围绕目标设定和自信心进行组织，情感唤醒连接动机与焦虑，并将大五人格特质（尤其是神经质和外向性）定位于技能簇的上游。情景分析量化了特定技能的提升如何通过网络传播，从而改变准备度、信心和自尊。该方法为运动领域心理特征的建模以及运动员发展的决策支持提供了一个可解释的、数据驱动的框架。
引用
@article{arxiv.2509.22111,
title = {Modeling Psychological Profiles in Volleyball via Mixed-Type Bayesian Networks},
author = {Maria Iannario and Dae-Jin Lee and Manuele Leonelli},
journal= {arXiv preprint arXiv:2509.22111},
year = {2025}
}