第二節 籃球訓練情境外在負荷量化之探討
一、運動時空間分析(Time motion Analysis TMA)
TMA分析在許多籃球訓練及比賽中被廣泛運用，透過攝影的方式匯出影片，再透過 軟體做分析，包含了速度、移動距離、動作數、動作持續時間等 (Conte et al., 2015; Hulka, Cuberek, & Svoboda, 2014)。有研究提出了對於籃球的外在負荷模式，高強度負荷動作包 含了衝刺、跳躍、高強度滑步，中等強度負荷動作有快跑、中強度滑步，低強度負荷動 作則有慢跑、走、站、低強度滑步，再以球員上場時間作為換算(McInnes et al., 1995)。
而有學者研究發現在不同人數的訓練中，一對一有最高外在負荷，分別為每分鐘全場53
±8個動作數和半場46±12個動作數 (Torres-Ronda, Ric, Llabres-Torres, de Las Heras, &
Schelling, 2016)。然而TMA並不適用於頻繁的監測，因為資料處理耗時，可能無法即時 回報教練或球團球員的負荷狀況，另外，對於動作的定義可能有所模糊地帶 (Barris &
Button, 2008)。
二、微型科技 (Microtechnology)
相較於TMA的耗時，因此現今在籃球的外在負荷監測中發展更為便利的監測工具，
應用微型科技監測運動員包含使用Global positioning systems (GPS)的系統以及微型感測 器 (Microsensor)。GPS透過定位以了解球員的位置以計算速度。這些微型科技非常的輕 巧且方便攜帶，對於球員在運動時不會有太大額外的負荷或不適，許多研究運用在美式 足球、澳式橄欖球等團隊訓練及比賽的監控，使用GPS對球員定位，換算球員的移動距 離及速度，也建立了不錯信效度 (Chambers, Gabbett, Cole, & Beard, 2015; Duffield, Reid, Baker, & Spratford, 2010; Hausler, Halaki, & Orr, 2016)。不過GPS系統較不適用於室內以 及小範圍的運動，因為其訊號擷取頻率較低，無法記錄到小範圍所發生的各種加減速、
變換方向等，儘管有發展出室內的GPS系統，不過也因其費用過高，無法廣為使用 (Cummins, Orr, O'Connor, & West, 2013; Vanrenterghem, Nedergaard, Robinson, & Drust, 2017)。
比起GPS系統，慣性感測器更容易且方便的量化籃球員的外在負荷，慣性感測器中 的加速規紀錄了運動中三軸(x, y, z)瞬時的加速度，將三軸的瞬時速度變化量相加總，再 除 上 擷 取 頻 率 ， 稱 為 運 動 員 身 體 負 載 量 PlayerLoad (Fox, Stanton, & Scanlan, 2018;
Montgomery & Maloney, 2018; Montgomery et al., 2010; Schelling & Torres, 2016)。
Montgomery等人(2010)將慣性感測器應用於籃球員身上，比較籃球防守練習與進攻 練習、半場五對五與全場五對五比賽之外在負荷，結果顯示籃球防守練習與進攻練習的 PlayerLoad相近，而全場五對五比半場五對五有更高的外在負荷量。Schelling與Torres (2016)也透過設計各種人數的籃球對抗訓練，結果發現全場三對三與全場五對五對抗訓 練有較高的PlayerLoad。Fox等人 (2018)則比較了籃球體能訓練、籃球技術訓練與正式比 賽的外在負荷，發現籃球體能訓練擁有最高的PlayerLoad，而籃球技術訓練又比正式比 賽還來得高。Svilar等人 (2018)比較有暫定之五對五訓練、沒有暫停之五對五訓練與正 式比賽的外在負荷，結果發現沒有暫停之五對五訓練外在負荷最高，而有暫定之五對五 訓練則與正式比賽相近，因此建議目的若是要刺激球員的能量系統可採用沒有暫停之五 對五訓練，若是比賽接近時，則可採用有暫停之五對五以模擬真實比賽節奏。
綜合上述研究，在籃球運動當中目前最常被使用的監測工具是慣性感測裝置，透過 PlayerLoad的計算公式換算出運動員身體的外在負荷。在許多研究中比較了很多不同籃 球訓練內容與比賽的外在負荷，可以讓教練在安排訓練內容時有更好的依據，若是要刺 激球員生理負荷及體能選擇比較高PlayerLoad的訓練，而若是要模擬正式比賽的節奏則 選擇與正式比賽相近的訓練，也可以用來監測球員訓練是否過度，或是透過量化的方式 慢慢增加訓練量，達到漸進負荷的效果。
8
PlayerLoad 籃球防守練習與進 攻練習無顯著差 異，而全場五對五 比半場五對五有更 高的負荷量 Schelling &
Torres(2016)
PlayerLoad 三對三與五對五有 較高的訓練量
Montgomery &
Maloney(2018)