Previsões de desempenho

O que são as previsões de desempenho

Com as previsões de desempenho, os assinantes obtêm estimativas do tempo que demorariam a concluir as principais distâncias das provas de corrida. Estas estimativas são baseadas nos dados do histórico de atividades do assinante no Strava. As distâncias de prova incluídas são 5 km, 10 km, meia maratona e maratona. As previsões de desempenho não têm em conta as variações do terreno e da altitude e assumem que o atleta corre a prova num percurso plano semelhante a uma pista. As previsões só estão disponíveis para assinantes e podem ser consultadas na secção Progresso do separador Eu e nas suas atividades de corrida no aplicativo móvel.

Como funcionam

Para ver todas as suas previsões, os subscritores devem enviar um mínimo de 20 atividades de corrida ao ar livre com GPS num período contínuo de 24 semanas. Deste modo, o modelo de aprendizagem automática subjacente a esta funcionalidade tem dados suficientes para fazer previsões fiéis à realidade. O modelo gera um novo conjunto de previsões para o assinante após cada corrida carregada e após três dias sem quaisquer corridas carregadas. Os assinantes que não carregarem atividades de corrida suficientes no período especificado veem um conjunto de previsões em cache correspondente à última vez que tiveram carregamentos suficientes. As previsões são atualizadas assim que o assinante retomar o carregamento e alcançar o mínimo de atividades.

A nossa metodologia

A funcionalidade de previsão do desempenho do Strava é alimentada por um modelo de aprendizagem automática que utiliza mais de 100 atributos de dados dos atletas, incluindo o histórico absoluto de corrida e os melhores desempenhos. Ao contrário de outros sistemas de previsões para provas que utilizam dados teóricos como a estimativa do VO2 máximo, o Strava utiliza apenas dados de atividades reais para prever os resultados das provas. O sistema também compara os desempenhos de atletas com históricos de treino semelhantes, pelo que as estimativas de tempos são realistas e baseadas no desempenho de outros utilizadores com capacidades semelhantes.

Os tempos para cada distância de prova são calculados de forma independente, o que aumenta a precisão. Por exemplo, um atleta que treina para uma maratona corre um volume semanal maior e privilegia intervalos mais longos. Este atleta pode ver melhorias significativas nas previsões para a meia maratona e maratona, mas não ver melhorias equivalentes nas previsões para distâncias mais curtas. Por outro lado, um atleta que corre sobretudo distâncias mais curtas e, por isso, privilegia velocidade e potência nos treinos pode ver mais melhorias nas previsões para 5 km e 10 km do que nas previsões para distâncias mais longas, onde a velocidade e a potência são menos importantes.

Nota: Este artigo foi traduzido com recurso a inteligência artificial e pode conter erros.