縄跳びダイエットの回数は時計で正確？活動の判別と跳躍数を分けて研究で読む

縄跳びダイエットで時計に出る回数は、実際に跳んだ数と同じなのか。手首や腰の加速度を使った研究から、活動の分類精度、着地の負荷、跳躍数の違いを読み分ける。数字が食い違う日の確認方法と、回数だけで運動の成果を判断しない記録の付け方を、子どもと若年成人の研究の範囲を区別して考える。

公園で縄が足先に引っかかり、数える声が止まる。息を整えて手首を見ると、自分で数えた成功回数と時計の表示が違う。ここで確かめたいのは、自分の数え方か時計かをすぐに勝敗にすることではなく、その数字が何を数えているかである。

手首の動きから「縄跳び」と活動名を付ける処理と、跳躍を検出して回数を積み上げる処理では、確かめる正解が違う。手首の加速度による研究で示された高い精度は、歩行や走行などの活動の種類を当てる精度であり、その数値を縄跳びの回数の正確さに置き換えることはできない。[7]

また、回数が正確ならダイエットの成果まで分かるわけではない。若年成人の無作為化比較試験では、縄跳びで心肺体力が改善しても、体組成には群間でも群内でも差が認められなかった。[17] 時計の表示は練習の記録として読み、体の変化の判定とは別の欄に置いておきたい。

時計の数字を見る前に、何を測るかを決める

縄跳びの記録には、跳んだ数、運動していた時間、活動の種類、着地に伴う負荷など、別々の問いが並ぶ。研究でも、活動の判別を目的にしたものと、床から受ける力に対して加速度の測定値を検証したものとでは、比べる相手が違う。[1][2] 同じ「センサーの精度」という言葉でも、中身をそろえてから読む必要がある。

たとえば、「今日は縄跳びをした」という日記を自動で作るなら、座っている時間と縄跳びをしている時間を区別できることに意味がある。一方、練習の目標に回数を使うなら、途中で縄を回し直した動作をどう扱うか、引っかかった動作を成功に含めるか、といった記録の約束が必要になる。これは日常の記録を作るための整理であり、特定の時計の性能を断定する話ではない。

自分で数えるときも、「床から離れた跳躍」と「縄が足元を通った成功」を同じ意味で使っていないか、先に決めておくとよい。縄が引っかかった場面で自分は成功数を止め、別の記録では体の動きを数えているなら、比較したい対象そのものが違う。表示の差を読むには、同じ時間帯に同じ出来事を数える形へそろえるのが出発点だ。

科学の数字に戻ると、活動分類の研究は、動きの信号から活動名を推定する課題である。[1][7] 「縄跳びだと分かる」という能力を、「縄の通過と足の動きをすべて照合した」という意味まで広げて読まない。時計の画面は短いが、そこに付けたい説明は意外に長い。

手首の研究の高い精度は、回数の一致率ではない

子どもと成人がそれぞれ20人参加した研究では、手首に加速度計を着け、歩く、走る、座る、縄跳びをする活動を実施した。加速度とは動きの速さや向きの変化を捉える量であり、この研究ではその信号を活動の分類に用いている。[7] 子どもの活動認識を目指した研究なので、18〜39歳の女性の活動分類でも同じ精度が得られるかは別に検証する必要がある。

研究者は、成人のデータを子どもの活動判別へ生かす「転移学習」を検討した。これは、別の集団で得た情報を新しい集団の学習に利用する方法である。転移学習を使わない場合の分類精度は80.6%、使った場合は91.4%だった。対象者に依存しないモデルを目指した、活動認識の方法を比較する研究である。[7]

この91.4%を見て「時計の縄跳び回数もほぼ合う」と考えると、評価の対象がすり替わる。論文の数値は、実施した活動を分類したときの精度である。[7] 縄跳び中に数えた跳躍の合計と、目で確認した合計の一致率として紹介する数値ではない。精度という単語を残して目的語だけを落とすと、数字は急に別人になる。

さらに、これは手首に着ける加速度計を使った研究のモデルについての結果である。[7] 自分の時計でも同じ結果になるという製品横断の保証として使わず、どんなデータをどう処理するかが研究上の検討対象になる、と受け止めたい。買い替えを決める材料にする前に、その説明が活動名の判別についてなのか、回数の検証についてなのかを見分ける必要がある。

腕の動きと実際の跳躍数を確かめたいときは、研究の分類精度を借りて決着させるより、手元の表示と自分の動作を同じ場面で比べる方が問いに合う。数字が低かった日を、運動が足りなかった日と即断しないための確認である。

腰と足首で結果が違っても、時計の置き場所は決まらない

9〜12歳の子ども58人を対象にした研究では、腰と足首に加速度計を装着し、座る、立つ、歩く、走る、縄跳び、サッカー、自転車の活動を行った。研究者は人工ニューラルネットワークという、信号の特徴から分類する計算モデルを作り、参加者を順に評価対象から分ける方法で精度を調べた。[1] 対象は子どもであり、18〜39歳の女性にもこの分類成績が当てはまるかは、この研究だけでは判断できない。

腰のデータでは、動きを単方向で捉える場合の正しい分類が72%、複数方向を捉える三軸の場合が77%だった。足首ではそれぞれ57%、68%であった。腰のモデルは歩行、縄跳び、走行の分類が比較的得意で、足首のモデルは座位の分類で優れていた。[1] どこに着けても同じ信号になる、という前提では読めない結果だ。

ここで気を付けたいのは、77%が縄跳びだけの回数精度ではないことだ。これは扱った活動の分類成績であり、研究では腰の三軸データを使うモデルが最も高い分類率を示した。[1] 足首の方が足の近くだから必ず縄跳びをよく捉える、という素朴な予想とも区別したい。

だからといって、手首用の時計を腰に付け替えれば正確になる、と勧める根拠にはならない。研究で比較された装着部位と計算モデルの組み合わせを、別の機器の使用方法へそのまま移せないからだ。[1] 装着場所は、自分の機器の案内を確かめる対象にとどめ、研究の順位表から自己流の付け方を作らない方が筋が通る。

日常の比較でも、昨日と今日で条件を変えすぎない記録を提案したい。たとえば、表示を読む時間帯、運動の開始と終了の区切り、跳び方をメモしておく。測定の理由を探す日に、跳び方まで大きく変えてしまうと、何を比較しているのかが曖昧になる。記録の目的を「自己ベストの更新」から「数字の意味の確認」へ切り替える日があってよい。

着地の負荷を捉える精度とも区別する

別の検証研究は、子ども13人が腰に加速度計を装着し、歩行、走行、台からの着地、縄跳び、ダンスなどを行うものだった。比べる基準にはフォースプレート、つまり床に加わる力を測る装置を使い、地面から体が受ける力である床反力との関係を調べた。[2] 子どもの負荷測定の結果を18〜39歳の女性へそのまま当てはめるには、成人女性での検証が必要になる。

加速度計の出力と床反力には、機器ごとに相関係数0.90と0.89という強い関係が見られた。ただし、どちらの加速度計も床反力を一貫して過大評価していた。[2] 相関とは、値の増減がどの程度一緒に動くかを表す関係である。増える方向がそろうことと、値そのものが一致することは別だと、この結果から読み取れる。

たとえば、負荷が増える課題ほど測定値も増えるなら、課題の違いを捉える手掛かりにはなる。しかし、測定値をそのまま床の装置の値として扱えるとは限らない。研究は、加速度による骨への衝撃負荷の測定を一定程度評価しつつ、系統的な過大評価も報告している。[2] 良い結果と注意点は、同じ論文の中に同居している。

この話を跳躍数へ戻すと、着地の負荷をよく追える機器だから回数も正確、とつなげることもできない。負荷を検証する研究の問いと、成功した跳躍を数える問いは異なる。[2] 機器の説明で「運動を捉える」と書かれていたら、種類、回数、強さのどれを確かめた話なのかを読みたい。

数字で読む縄跳びの測定

手首の活動分類精度91.4%：転移学習を使ったモデルの成績であり、跳躍数の一致率ではない。[7]

腰の三軸データで77%：子どもの複数の活動を分類した研究の値である。[1]

床反力との相関0.90、0.89：子どもの負荷測定では強い関連と過大評価が共存した。[2]

学校の試験で731人：縄跳びを組み込んでも、全体では介入効果が認められなかった。[3]

若年成人59人：縄跳びの比較試験で心肺体力と体組成は同じ結果にはならなかった。[17]