حسین ترحمی اردکانی مجله بین‌المللی کامپیوتر، فناوری اطلاعات و هوش مصنوعی 2 1 (بهار) 2026 06 27 Design and Implementation of a Smart Alert System for Physical Fitness Level in School Sports Based on Machine Learning and Cardiorespiratory Monitoring Data طراحی و پیاده‌سازی سیستم هشداردهنده هوشمند سطح آمادگی جسمانی در ورزش مدارس مبتنی بر یادگیری ماشین و داده‌های پایش قلبی-تنفسی 11 28 10.22051/jera.2021.31891.2698 FA محمدمهدی کارشناسی ارشد مدیریت رویدادهای ورزشی، دانشگاه آزاد واحد ارسنجان، فارس، ایران 2026 06 27 The present study designs and evaluates a smart alert system for monitoring the physical fitness level of students in school sports environments. The proposed system collects, processes, and analyzes cardiorespiratory data in real time using IoT technology, wearable sensors, and machine learning algorithms. The presented framework consists of three main layers: a data collection layer using wearable devices equipped with heart rate sensors, oximeters, and accelerometers, a data processing and analysis layer using random forest and boosted gradient algorithms, and a smart alert and feedback layer. The results of the system implementation in five sample schools with the participation of more than 15,000 students showed that the system's warning accuracy was 92.3% and the data processing efficiency was improved by 85%. Also, the boosted gradient algorithm, with an accuracy of 77% and an F1 score of 67.3%, performed better in identifying students at cardiovascular risk than other algorithms. The findings of this study indicate that the integration of cardiorespiratory monitoring technologies with machine learning can provide a preventive and data-driven approach to managing students' physical health and help sports coaches make informed decisions to design personalized training programs. پژوهش حاضر به طراحی و ارزیابی یک سیستم هشداردهنده هوشمند برای پایش سطح آمادگی جسمانی دانش‌آموزان در محیط ورزش مدارس می‌پردازد. سیستم پیشنهادی با بهره‌گیری از فناوری اینترنت اشیا، حسگرهای پوشیدنی و الگوریتم‌های یادگیری ماشین، داده‌های قلبی-تنفسی را در زمان واقعی جمع‌آوری، پردازش و تحلیل می‌کند. چارچوب ارائه شده شامل سه لایه اصلی: لایه جمع‌آوری داده با استفاده از دستگاه‌های پوشیدنی مجهز به حسگرهای ضربان قلب، اکسی‌متر و شتاب‌سنج، لایه پردازش و تحلیل داده با بهره‌گیری از الگوریتم‌های جنگل تصادفی و گرادیان تقویت شده و لایه هشداردهی و بازخورد هوشمند است. نتایج پیاده‌سازی سیستم در پنج مدرسه نمونه با مشارکت بیش از ۱۵۰۰۰ دانش‌آموز نشان داد که دقت هشداردهی سیستم ۳/۹۲ درصد و بهبود کارایی پردازش داده‌ها ۸۵ درصد بوده است. همچنین الگوریتم گرادیان تقویت شده با دقت ۷۷ درصد و نمره F۱ معادل ۳/۶۷ درصد، عملکرد بهتری در شناسایی دانش‌آموزان در معرض خطر قلبی-عروقی نسبت به سایر الگوریتم‌ها داشت. یافته‌های این پژوهش نشان می‌دهد که تلفیق فناوری‌های پایش قلبی-تنفسی با یادگیری ماشین می‌تواند رویکردی پیشگیرانه و داده‌محور در مدیریت سلامت جسمانی دانش‌آموزان ارائه دهد و به مربیان ورزشی در تصمیم‌گیری‌های آگاهانه برای طراحی برنامه‌های تمرینی شخصی‌سازی شده کمک کند. /downloadfilepdf/141117