UNIVERSIDAD AUTONOMA DEL CARIBE

ÁREA DE LABORATORIO DE
RESISTENCIA DE MATERIALES

FACULTADA DE INGENIERÍA

ARTICULO
Elian Ruidiaz y Kelly Vega
S3, Facultada de Ingeniería (Mecatrónica, quinto semestre), Laboratorio de Resistencias de materiales
Ingeniero: Willman Orozco
Barranquilla, Colombia
27/02/2023
I. Resumen
El artículo se enfoca en la evolución de los modelos matemáticos utilizados para entender
el efecto del entrenamiento en el rendimiento atlético. El modelo Fitness-Fatigue (FFM) ha
sido uno de los modelos más utilizados para describir cómo cada dosis de entrenamiento
induce dos respuestas antagónicas: adaptaciones positivas de larga duración, denominadas
"Fitness", y adaptaciones negativas de corta duración, denominadas "Fatiga". Aunque los
modelos FFM son útiles para la programación óptima del entrenamiento y la estimación del
estado interno de los atletas, tienen limitaciones en la modelización del rendimiento atlético
multifactorial debido a la falta de consideración de las adaptaciones específicas al ejercicio
y la complejidad limitada del modelo.
El artículo también discute la relevancia de los modelos clásicos de FFM en la
programación óptima del entrenamiento y la estimación del estado interno de los atletas. Se
comparan los FFM con métodos estadísticos y de aprendizaje automático y se destacan sus
limitaciones en la modelización del rendimiento atlético multifactorial. Se discute la falta de
consistencia en la cuantificación del entrenamiento, lo que puede generar ruido en el
modelado.
El autor argumenta que los modelos FFM pueden ser limitados debido a la elección del
resultado del modelo y la falta de consideración de las adaptaciones específicas al ejercicio.
Además, se discute la falta de consistencia en la cuantificación del entrenamiento, lo que
puede generar ruido en el modelado. El artículo sugiere que los FFM pueden mejorarse
mediante la incorporación de componentes no lineales y la cinética de estado ajustada, y
mediante la combinación con modelos de aprendizaje automático (ML) para predecir
cambios en la capacidad física en lugar de un rendimiento completo específico de la
disciplina.
El texto también destaca la necesidad de una comprensión más profunda de las respuestas
fisiológicas al ejercicio para mejorar los modelos de predicción del rendimiento deportivo.
Se argumenta que la cuantificación del entrenamiento basada en métodos arbitrarios y la
reducción del espacio de dimensiones alrededor de las adaptaciones al entrenamiento en una
sola dimensión son insuficientes para explicar el rendimiento deportivo. Además, la falta de
consideración de variables de confusión relacionadas que influyen tanto en las variables
independientes como en las dependientes limita la capacidad de los FFM para predecir
cambios en el rendimiento deportivo.

1
 UNIVERSIDAD AUTONOMA DEL CARIBE

ÁREA DE LABORATORIO DE
RESISTENCIA DE MATERIALES

FACULTADA DE INGENIERÍA

Objetivo general:
• Evaluar la efectividad y limitaciones de los modelos univariantes de factores de forma
física en la predicción del rendimiento deportivo y explorar posibles mejoras a través
de enfoques más amplios y holísticos.
Objetivos específicos:
• Comparar los modelos clásicos de Fitness-Fatiga con métodos estadísticos y de
aprendizaje automático para resaltar sus limitaciones en la modelización del
rendimiento atlético.
• Analizar la relevancia de los modelos FFM en la programación óptima del
entrenamiento y la estimación del estado interno de los atletas.
• Proponer refinamientos y mejoras en la formulación de los modelos FFM para
mejorar su capacidad predictiva.
• Utilizar modelos de "caja blanca" como metamodelos para mejorar la comprensión
de los expertos en el análisis de los datos deportivos.

Aporte científico:
1. El artículo revisa cómo los modelos matemáticos han evolucionado para describir el
efecto del entrenamiento en el rendimiento atlético, presentando la idea de usar el
formalismo de las funciones de transferencia.
2. El texto destaca la capacidad de los métodos de aprendizaje automático para inferir
parámetros y predecir el rendimiento con precisión utilizando todos los datos
disponibles en la modelización del rendimiento atlético multifactorial.
3. El texto anterior destaca la importancia de la comunicación temprana y positiva entre
padres e hijos en el desarrollo cognitivo, lingüístico y emocional de los niños.
4. El texto examina las limitaciones de los Factores de la Figura de Mérito (FFM) en la
predicción de cambios en el rendimiento deportivo y plantea la necesidad de mejorar
y ampliar las aplicaciones de los FFM, incorporando modelos de aprendizaje
automático y considerando factores adicionales que influyen en las variables
independientes y dependientes.
5. El artículo propone combinar modelos matemáticos basados en el conocimiento
experto y el aprendizaje automático para mejorar la predicción del rendimiento
deportivo, extendiendo los modelos FFM a un marco matemático más sofisticado y
utilizando modelos de "caja blanca" como metamodelos.

Impacto en la sociedad:
El impacto directo del artículo sobre la evolución de modelos matemáticos en el deporte
puede no ser evidente en la sociedad, pero puede tener un impacto indirecto al mejorar la
planificación del entrenamiento y reducir el riesgo de lesiones en los atletas. En otro artículo
se destaca la importancia de la meditación mindfulness en la salud mental y el bienestar
emocional y cognitivo de las personas, lo que puede tener un efecto positivo en la
productividad y relaciones interpersonales. La discusión sobre la modelización de la aptitud
física y el rendimiento deportivo puede contribuir a una discusión más amplia sobre su

2
 UNIVERSIDAD AUTONOMA DEL CARIBE

ÁREA DE LABORATORIO DE
RESISTENCIA DE MATERIALES

FACULTADA DE INGENIERÍA

relevancia en la sociedad. Finalmente, el uso de modelos de "caja blanca" en la predicción

del rendimiento deportivo podría tener un gran impacto en la planificación de la formación
y competiciones de los atletas.