第六節 名詞操作定義
1.放小球：用拍面輕快、細膩的擊球座下部，使球旋轉翻滾、較低的飛行高度恰 巧過網，並落在對方網前的技巧，本實驗中包含正手拍及反手拍放小球。
2.定點發球揮拍：右手握拍由右側舉起，左手持球，兩臂前後自然張開，持球的 左手向球網方向伸出，在身體右前方適當距離處放開球，同時右手由後向前 (身體重 心由右腳移至左腳) 揮拍擊球。
3.米字步伐：將左右兩側上網步伐、左右兩側移動步伐、左右兩側後退步伐這六 個方向的移動步伐綜合訓練的項目，由於步伐移動路線如同「米」字 ，故稱為米字步 伐。
4.跳躍殺球：當對方擊出的後場高遠球，首先判斷來球的落點，迅速移動至最佳 擊球位置。當來球在肩前上方時，起跳至最高點，將球由高處向下施力重擊，擊球瞬 間手掌需握緊拍柄，以球拍正面擊球座的後部，讓球快速的以直線向下飛射入對方場 區。 (彭美麗，2001)
第七節 研究之重要性
一、以心率為效標，確認並量化不同羽球動作下相對應的運動量，提供將來羽球訓練上 的理論基礎。
二、提供羽球愛好者與競技運動選手在規劃羽球訓練中運動量參考依據，協助教練有系 統性規劃訓練週期，達到有效提升實力。
第貳章 文獻探討
第一節 運動量的計算方式
運動員身體能力的變化主要是由訓練的刺激所產生的，而訓練負荷的質與量皆與 運動競技表現有著密切的關係，因此對於運動員在一個訓練週期所承受的總訓練做一 個準確的量化，即為對競技能力狀態的診斷，是對於分析運動員成績狀態的重要關鍵。
而在 1975 年 Banister 等學者根據運動成績的“劑量-反應關係” (dose – response relationships) 模型提出了訓練衝量 TRIMP (Training Impulse) 概念 (Banister, Calvert, Savage, & Bach, 1975) ，利用運動中心率的變化量推算出運動量的算法，之後經由 Busso 等學者 (Busso, Denis, Bonnefoy, Geyssant, & Lacour, 1997) 、Foster 等學者 (Foster et al., 2001) 、Mujika 等學者 (I Mujika, 1998; I. Mujika et al., 1996) 、 Stagno 等學者 (Stagno, Thatcher, & Van Someren, 2007) 、Hayes 等學者 (Hayes & Quinn, 2009) 、Avalos 等學者 (Avalos, Hellard, & Chatard, 2003) 、Cejuela Anta 等學者 (Cejuela Anta & Esteve-Lanao, 2011) 的不斷改善，此概念已被廣泛運用在許多訓練 中。TRIMP 最初的計算公式為:運動時間×運動強度，雖然後來有許多研究修正了這模 型，但計算公式仍然是運動時間與運動強度的乘積，變化的是運動強度的表示方法，
例如: VO2max百分比、乳酸值、輸出功率百分比、分段 RPE、心率等指標，而經過修 正 後 目 前 最 常 使 用 的 是 以 心 率 為 強 度 表 示 方 法 ， 公 式 為 : 運 動 時 間 (t) × 運動強度 (∆HR×0.64e1.92∆HR) ，其中 e 參數最大的幫助是修正心率在高強度非線性的 部分，修正係數也是由先前利用血乳酸閾值所推估出來的 (Stagno et al., 2007) 。
近年來隨著科技進步，相較於心電圖的複雜與不便於運動狀態量測，舒適且便捷 的心率量測設備漸漸普及，使得教練、訓練人員及運動員方便監控並提高接受度，不 過以心率作為強度指標在應用上會面臨一些問題，像是在高強度的訓練中心率與強度 並非呈現線性相關，而且會受到訓練狀態、運動時間、海拔、藥物、心理狀態等因素 影響 (Achten & Jeukendrup, 2003; Karvonen & Vuorimaa, 1988; Lambert, Mbambo, &
Gibson, 1998; Robinson, Robinson, Hume, & Hopkins, 1991) ，因此在高強度、複雜環 境、間歇訓練等容易影響心率變化的狀態下容易產生誤差，而目前以心率的 TRIMP 計 算方 式 有許多種 算 法 (Borresen & Lambert, 2009; Foster et al., 2001; Morton, Fitz-Clarke, & Banister, 1990; Stagno et al., 2007) ，而這些計算模型的強度是以心率儲 備或最大心率百分比並加入權重因子代入運算，若能避開影響心率的因素，以心率作 為運動強度計算運動量是目前最為方便且準確性較高的。
第二節 以加速規量測日常身體活動
近年來電子科技進步，穿戴裝置技術純熟，加速規的應用越來越廣泛，有越來越多 在監控日常生活的應用，除了儀器本身輕巧、方便攜帶、屬於非侵入式裝置之外，還
可以客觀的且提供完整的量測到身體活動量、活動強度、時間與動作頻率等資訊，因
此利用加速規原理製成的長時間攜帶式身體活動檢測儀器 (如：ActiGraph, RT3Triaxial, Tritrac-R3D) 也常被拿來應用在測量身體活動量 (Chen & Bassett, 2005; Corder, Ekelund, Steele, Wareham, & Brage, 2008; Kavanagh & Menz, 2008; Vanhees et al., 2005) 。近年來 流行病學指出坐式生活是引發疾病的其中一項危險因子 (Healy et al., 2008; Owen, Healy, Matthews, & Dunstan, 2010) ，而加速規除了能擷取身體動作外，還能客觀量測 不同身體活動種類，使得越來越多加速規被開發並應用在醫療與日常生活上，目前主 要的加速規有單軸加速規與三軸加速規兩種，通常用於量測軀幹及四肢的加速度，理 論 上 加 速 度 正 比 於 肌 肉 力 量 ?? ， 因 此 與 能 量 消 耗 相 關 並 可 用 來 評 估 身 體 活 動 (Melanson Jr, Freedson, & Blair, 1996; Montoye, Kemper, Saris, & Washburn, 1996) ，比 較單軸與三軸兩種加速規，三軸加速規更能解釋較複雜的肢體活動，並且也顯示出與 能量消耗有較高的相關性 (Chen & Bassett, 2005; Hees, Lummel, & Westerterp, 2009;
Westerterp, 2009) ，加速規可被用來區分清醒時間、輕度、中度到激烈的身體活動，
而強度大小由代謝當量 (MET) 閾值定義，通常是 3 和 6METs (Balke, 1960) ，不過 有些情況是加速規無法量測出來的，例如:負重或是在斜坡上 (Haymes & Byrnes, 1993;
Montoye et al., 1996) 。在現今，幾乎所有以三軸加速規為主的身體活動量計都是 以”count”為測量方式，代表的是單位時間內的次數與活動強度的累積，不過 count 值 的運算方式有非常多種 (Crouter, Churilla, & Bassett Jr, 2006; Kozey, Lyden, Howe, Staudenmayer, & Freedson, 2010; Rothney, Schaefer, Neumann, Choi, & Chen, 2008) ，許 多研究指出在成人與孩童中，加速規所換算出的 count 值與氧氣消耗量、身體活動能 量消耗 (PAEE) 或是 MET 都有中度至高度的相關性 (Trost, McIver, & Pate, 2005) ， 其中以合加速度的帄均均差 MAD (mean amplitude deviation) 的運算是目前準確性最 高的，MPD (mean power deviation) 次之，因為 MAD, MPD 演算法可將速度變化和靜 態下恆受重力影響的因素考慮進來，計算過程會濾掉靜態下的資料，只計算動態動作 的資料 (Vähä‐Ypyä et al., 2015) 。過去有研究證實，不論成年人或青少年在 MAD 與 心跳之間都存在高度相關，另外 MAD 分別都與攝氧量、速度得到高度相關，不論在 走路或跑步時，隨著速度增加 MAD 也會隨之增加 (Vähä-Ypyä et al., 2015) 。
第三節 加速規量化訓練運動量與生理指標的比較
除了日常身體活動的演算法外，加速規應用在運動訓練監控中常用 Player Load 演 算法 (Boyd, Ball, & Aughey, 2011; Boyd et al., 2013) ，由於 Player Load 演算法可將運 動員瞬時變化加速度記錄並加總起來，也能記錄到一般較常忽略低速動作 (例如:碰 撞、變換方向) (Gabbett, Jenkins, & Abernethy, 2010) ，另外也有一些學者比較 Player Load 演算法於訓練中與其他生理指標的相關性，Lovell 等學者監控 32 位專業橄欖球 選手整個訓練季，訓練內容包含有氧訓練、無氧訓練及技巧部分，比較加速規訊號以 Player Load 演算法推估的運動量、心率、GPS 量測的速度位移等參數還有 RPE 之間 的相關性，結果顯示 Player Load 運動量與 RPE 達中度相關 (r = 0.55) (Lovell, Sirotic, Impellizzeri, & Coutts, 2013) 。Casamichana 等學者則是找了 28 位業餘男性足球選手，
監控並量化 44 次訓練的運動量，比較 RPE, GPS 量測的速度距離等參數、Player Load 運動量與心率推估的運動量 ，結果指出 Player Load 推估的運動量與心率推估的運動
量、RPE 達高度相關 (r=0.70、0.74) (Casamichana, Castellano, Calleja-Gonzalez, San 覺性 (RPE) 、生理性 (HR-TRIMP、HR-Edwards) 與物理性 (accelerometer-Player Load) 三種量化方式的相關性，但是結果在 Player Load 與另外三者的相關性只達低度
上) 心 率 (TRIMP 、 Edwards)
度至中度相關
第四節 加速規量化運動量在訓練中的應用
除了先前文獻以生理指標作為效標比較 Player Load 演算法在運動訓練中與生理 指標之間的相關性之外，也有文獻利用加速規量化先前儀器較容易忽略的部分例如:
撞擊，或利用加速規量化不同位置、不同訓練項目、比賽之間的運動量，進而幫助選 手教練規劃不同週期所需的適當訓練量。Gastin 等學者量測 20 位專業澳式足球選手 4 場季中比賽過程，以影像及加速規 Player Load 演算法分析不同強度的碰撞並量化負荷 大小，結果指出加速規能有效分辨低到高的衝撞負荷量，並且能提供一個有效的量化 方式量化選手比賽中撞擊對身體的影響 (Gastin, McLean, Spittle, & Breed, 2013) ，而 此篇作者是參考先前利用加速規量化橄欖球碰撞次數與強度的文獻 (Gabbett et al., 2010) 。Boyd 等學者認為澳式足球中除了高速移動之外，低速移動例如:碰撞對球員 身體負荷也很大，因此量測 40 位澳式足球選手各個位置的高速與低速 Player Load，
結果加速規能比 GPS 更精準量化各球員練習與比賽的碰撞所造成的身體負荷量 (Boyd et al., 2013) ，Castellano 等學者比較不同大小的足球模擬比賽練習對球員身體負 荷的影響，利用心率、GPS 系統 (Player Load 演算法) 監控 14 位業餘足球選手在各種 不同攻防練習及不同人數 (3 vs. 3, 5 vs. 5, 7 vs. 7) 練習中的心率、移動速度、Player Load 值與移動距離，結果發現改變人數與不同攻防的練習中能使球員身體負荷有不同 效 果 ， 未 來 可 作 為 足 球 訓 練 參 考 用 ， 並 且 可 用 加 速 規 比 較 不 同 訓 練 的 運 動 量 (Castellano, Casamichana, & Dellal, 2013) ，Dalen 等學者利用加速規監控足球員在比賽 中加速與減速移動對身體總負荷量的影響，結果顯示對於每個位置的球員加速佔了總 負荷量的 7~10%，而減速占了總負荷量的 5~7% (Dalen, Jørgen, Gertjan, Havard, &
Ulrik, 2016) ，另外在不同間歇時間長短的訓練對足球員生理與體能的影響中，
Casamichana 等學者監控 10 位足球選手在三種不同間歇模式 (連續 16 分鐘、2 組 8 分
鐘、4 組 4 分鐘) 的模擬比賽練習的移動距離、移動速度、Player Load 與 HR，發現在 不同間歇模式下，HR 與 Player Load 沒有顯著差異，但是在間歇練的總移動距離比連 續 16 分鐘的總移動距離來的高 (Casamichana, Castellano, & Dellal, 2013) 。另外 Polglaze 等學者探討曲棍球選手在訓練及比賽中移動距離與 Player Load 值之間的相關 性，結果指出，雖然移動距離與 Player Load 有高度相關，但是只限於量化跑步或動態 動作的部 分，靜 態動 作例如 : 維 持姿勢 練 習等長收 縮動作 則無 法量化 (Polglaze, Dawson, Hiscock, & Peeling, 2015) 。
綜合以上文獻可知 (表 1、2) ，有許多探討加速規以 Player Load 演算法量化訓練
Casamichana 等 學
常生活身體活動量相關性很高的 MAD、MPD 演算法之外，Player Load 則是常見於團 體運動訓練上量化的方法，並且與生理量化方式 (HR、RPE) 達高度相關，由此可知第參章 實驗方法
第一節 研究對象
本研究招募 12 名大專男子羽球選手進行實驗，基本資料 (年齡:22.6±2.5 歲、身
本研究招募 12 名大專男子羽球選手進行實驗，基本資料 (年齡:22.6±2.5 歲、身