From Raw to Big Data in Endurance Running : Application of Data Science Techniques for Knowledge Creation from Wearable Sensor Data

Der Weg von Rohdaten zu Big Data beim Ausdauerlauf : Anwendung von Data Science Methoden für den Erkenntnisgewinn aus Daten von Wearables

Please always quote using this URN: urn:nbn:de:bvb:29-opus4-199276
  • Body-worn sensors, so-called wearables, are getting more and more popular in the sports domain. Wearables offer real-time feedback to athletes on technique and performance, while researchers can generate insights into the biomechanics and sports physiology of the athletes in real-world sports environments outside of laboratories. One of the first sports disciplines, where many athletes have been using wearable devices, is endurance running. With the rising popularity of smartphones, smartwatches and inertial measurement units (IMUs), many runners started to track their performance and keep a digital training diary. Due to the high number of runners worldwide, which transferred their data ofBody-worn sensors, so-called wearables, are getting more and more popular in the sports domain. Wearables offer real-time feedback to athletes on technique and performance, while researchers can generate insights into the biomechanics and sports physiology of the athletes in real-world sports environments outside of laboratories. One of the first sports disciplines, where many athletes have been using wearable devices, is endurance running. With the rising popularity of smartphones, smartwatches and inertial measurement units (IMUs), many runners started to track their performance and keep a digital training diary. Due to the high number of runners worldwide, which transferred their data of wearables to online fitness platforms, large databases were created, which enable Big Data analysis of running data. This kind of analysis offers the potential to conduct longitudinal sports science studies on a larger number of participants than ever before. In this dissertation, both studies showing how to extract endurance running-related parameters from raw data of foot-mounted IMUs as well as a Big Data study with running data from a fitness platform are presented.show moreshow less
  • Am Körper tragbare Sensoren, so genannte Wearables, werden im Sportbereich immer populärer. Wearables bieten Nutzern die Möglichkeit, Rückmeldung über Technik und sportliche Leistung in Echtzeit zu erhalten, während sie Wissenschaftlern Einblicke in die Biomechanik und Physiologie von Sportlern außerhalb des Labors ermöglichen. Eine der ersten Sportarten, in welcher viele Athleten Wearables nutzten, war der Ausdauerlauf. Seit der Einführung von Smartphones und Smartwatches haben viele Läufer begonnen, sich selbst zu tracken und ein digitales Trainingstagebuch zu führen. Durch die große Anzahl an Nutzern weltweit, die ihre Daten an Fitness Plattformen übertragen haben, entstanden großeAm Körper tragbare Sensoren, so genannte Wearables, werden im Sportbereich immer populärer. Wearables bieten Nutzern die Möglichkeit, Rückmeldung über Technik und sportliche Leistung in Echtzeit zu erhalten, während sie Wissenschaftlern Einblicke in die Biomechanik und Physiologie von Sportlern außerhalb des Labors ermöglichen. Eine der ersten Sportarten, in welcher viele Athleten Wearables nutzten, war der Ausdauerlauf. Seit der Einführung von Smartphones und Smartwatches haben viele Läufer begonnen, sich selbst zu tracken und ein digitales Trainingstagebuch zu führen. Durch die große Anzahl an Nutzern weltweit, die ihre Daten an Fitness Plattformen übertragen haben, entstanden große Datenbanken, die nun Big Data Analysen ermöglichen. Diese Art von Analysen bieten Wissenschaftlern die Möglichkeit, generische Schlussfolgerungen aus longitudinalen Studien basierend auf einer größeren Anzahl an Nutzern zu ziehen als jemals zuvor. Die in dieser Dissertation präsentierten Studien zeigen zum einen, wie Rohdaten von am Körper tragbaren inertialen Messeinheiten im Ausdauerlaufen zu interpretierbaren Laufparametern verarbeitet werden und zum anderen, wie Big Data von Fitness Plattformen genutzt werden kann, um Erkenntnisse im Marathon Training zu erlangen.show moreshow less

Download full text files

Export metadata

Additional Services

Share in Twitter Search Google Scholar Statistics
Metadaten
Author:Markus Zrenner
Persistent identifiers - URN:urn:nbn:de:bvb:29-opus4-199276
Persistent identifiers - DOI:https://doi.org/10.25593/978-3-96147-539-1
ISBN:978-3-96147-539-1
Series (Volume number):FAU Studien aus der Informatik (18)
Publisher:FAU University Press
Place:Erlangen
Referee:Bjoern Eskofier, Arnold Baca
Advisor:Bjoern Eskofier
Document Type:Doctoral Thesis
Language:English
Year of publication:2022
Date of online publication (Embargo Date):2022/07/31
Publishing Institution:FAU University Press
Granting institution:Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU), Technische Fakultät
Acceptance date of the thesis:2022/02/22
Release Date:2022/08/01
Tag:Data Science; Endurance Running; Machine Learning; Sports; Wearables
SWD-Keyword:Big Data; Wearable Computer; Maschinelles Lernen; Marathonlauf; Sport
Length/size:xxiv, 179 Seiten
Notes:
Parallel erschienen als Druckausgabe bei FAU University Press, ISBN: 978-3-96147-538-4
Institutes:Technische Fakultät
Dewey Decimal Classification:0 Informatik, Informationswissenschaft, allgemeine Werke / 00 Informatik, Wissen, Systeme / 004 Datenverarbeitung; Informatik
open_access (DINI-Set):open_access
Collections:Universität Erlangen-Nürnberg / FAU University Press
Licence (German):Creative Commons - CC BY - Namensnennung 4.0 International
Einverstanden ✔
Diese Webseite verwendet technisch erforderliche Session-Cookies. Durch die weitere Nutzung der Webseite stimmen Sie diesem zu. Unsere Datenschutzerklärung finden Sie hier.