Epistemological Foundations of Modeling in Motor Action Research: A Narrative Review

Анатолій Лопатьєв; Павол Бартік; Мирослава Цислицька

doi:10.17309/jltm.2026.7.1.03

Автор(и)

Анатолій Лопатьєв Львівський державний університет фізичної культури імені Івана Боберського, Центр математичного моделювання Інституту прикладних проблем механіки і математики імені Я.С. Підстригача https://orcid.org/0000-0002-4474-7558
Павол Бартік Університет Матея Беля https://orcid.org/0000-0002-2087-7876
Мирослава Цислицька Медичний колегіум: Бидгощ https://orcid.org/0000-0002-0407-2592

DOI:

https://doi.org/10.17309/jltm.2026.7.1.03

Ключові слова:

моделювання, епістемологія, рухові дії, складні системи, біотехнічні системи, побудова знання, обробка інформації

Анотація

Обґрунтування. Моделювання широко використовується у дослідженні рухових дій; однак його епістемологічна роль залишається недостатньо концептуалізованою. Існуючі підходи переважно розглядають моделювання як описовий або прогностичний інструмент, ігноруючи його функцію у побудові наукового знання.

Мета. Метою дослідження є обґрунтування моделювання як епістемологічного механізму наукового пізнання у дослідженні рухових дій та систематизація його ключових функцій у переході від даних до знання.

Методи. Проведено наративний огляд на основі аналізу концептуальних публікацій, включаючи авторські роботи та матеріали конференцій, а також досліджень, присвячених загальним принципам моделювання та наукового пізнання. Аналітична стратегія передбачала реконструкцію концептуального розвитку та ідентифікацію епістемічних структур, що лежать в основі процесів моделювання.

Результати. Моделювання інтерпретується як опосередкований когнітивний процес, що інтегрує аналогію, аналіз, синтез і формалізацію. Його епістемічні функції включають структуризацію емпіричних даних, зменшення невизначеності, встановлення зв’язків між елементами системи та забезпечення переходу від даних до інформації і знання. Рухові дії розглядаються як складні ієрархічні системи, що потребують інтегративних моделей, які враховують біомеханічні, фізіологічні та когнітивні компоненти. Запропоновано поняття біотехнічних систем як рамкової конструкції інструментального опосередкування, що забезпечує синхронізований збір даних, їх інтерпретацію та керування на основі зворотного зв’язку. Запропоновано концептуальну епістемічну модель переходу «дані → інформація → знання».

Висновки. Моделювання слід розглядати як центральний епістемологічний механізм у дослідженні рухових дій, що забезпечує теоретико-методологічну основу для розуміння, аналізу та керування складними руховими системами.

Завантаження

Дані завантаження ще не доступні.

Біографії авторів

Анатолій Лопатьєв, Львівський державний університет фізичної культури імені Івана Боберського, Центр математичного моделювання Інституту прикладних проблем механіки і математики імені Я.С. Підстригача

кафедра стрілецьких та технічних видів спорту, вул. Костюшка, 11, Львів, 79007, Україна
lopatiiv@gmail.com

Павол Бартік, Університет Матея Беля

кафедра фізичного виховання і спорту, Тайовського 40, 97401 Банська Бистриця, Словаччина
pavol.bartik@umb.sk

Мирослава Цислицька, Медичний колегіум: Бидгощ

Куявсько-Поморське воєводство, вул. Ходкевича, 30, 85-064 Бидгощ, Польща
cudaki@op.pl

Посилання

Wolpert, D. M., Ghahramani, Z., & Flanagan, J. R. (2001). Perspectives and problems in motor learning. Trends in Cognitive Sciences, 5(11), 487–494. https://doi.org/10.1016/S1364-6613(00)01773-3 DOI: https://doi.org/10.1016/S1364-6613(00)01773-3

Araújo, D., Davids, K., & Hristovski, R. (2006). The ecological dynamics of decision making in sport. Psychology of Sport and Exercise, 7(6), 653–676. https://doi.org/10.1016/j.psychsport.2006.07.002 DOI: https://doi.org/10.1016/j.psychsport.2006.07.002

Rowley, J. (2007). The wisdom hierarchy: Representations of the DIKW hierarchy. Journal of Information Science, 33(2), 163–180. https://doi.org/10.1177/0165551506070706 DOI: https://doi.org/10.1177/0165551506070706

Kawato, M. (1999). Internal models for motor control and trajectory planning. Current Opinion in Neurobiology, 9(6), 718–727. https://doi.org/10.1016/S0959-4388(99)00028-8 DOI: https://doi.org/10.1016/S0959-4388(99)00028-8

Campos, F. M. M. O., & Calado, J. M. F. (2009). Approaches to human arm movement control—A review. Annual Reviews in Control, 33(1), 69–77. https://doi.org/10.1016/j.arcontrol.2009.03.001 DOI: https://doi.org/10.1016/j.arcontrol.2009.03.001

Sabes, P. N. (2000). The planning and control of reaching movements. Current Opinion in Neurobiology, 10(6), 740–746. https://doi.org/10.1016/S0959-4388(00)00149-5 DOI: https://doi.org/10.1016/S0959-4388(00)00149-5

Kawato, M., & Cortese, A. (2021). From internal models toward metacognitive AI. Biological Cybernetics, 115(5), 415–430. https://doi.org/10.1007/s00422-021-00904-7 DOI: https://doi.org/10.1007/s00422-021-00904-7

Russo, M., Maselli, A., Sternad, D., & Pezzulo, G. (2025). Predictive strategies for the control of complex motor skills: Recent insights into individual and joint actions. Current Opinion in Behavioral Sciences. https://doi.org/10.1016/j.cobeha.2025.101519 DOI: https://doi.org/10.1016/j.cobeha.2025.101519

Lopatiev, A., Ivashchenko, O., Khudolii, O., Pjanylo, Y., Chernenko, S., & Yermakova, T. (2017). Systemic approach and mathematical modeling in physical education and sports. Journal of Physical Education and Sport, 17(Suppl. 1), 146–155. https://doi.org/10.7752/jpes.2017.s1023 DOI: https://doi.org/10.7752/jpes.2017.s1023

Lopatiev, A. O. (2007). Modeling as a methodology of cognition [in Ukrainian]. Physical Education Theory and Methodology, (8), 4–10. https://www.tmfv.com.ua/journal/article/view/334

Hesse, M. (1966). Models and analogies in science. University of Notre Dame Press

Frigg, R., & Hartmann, S. (2021). Models in science. In E. N. Zalta (Ed.), The Stanford Encyclopedia of Philosophy. https://plato.stanford.edu/entries/models-science/

Bunge, M. (1973). Method, model and matter. Reidel. DOI: https://doi.org/10.1007/978-94-010-2519-5

Box, G. E. P. (1976). Science and statistics. Journal of the American Statistical Association, 71(356), 791–799. https://doi.org/10.1080/01621459.1976.10480949 DOI: https://doi.org/10.1080/01621459.1976.10480949

Lopatiev, A. O., Vlasov, A. P., & Demichkovskyi, A. P. (2017). Modeling Biotechnical Systems in Sports. Physical Education Theory and Methodology, 17(4), 184–190. https://doi.org/10.17309/tmfv.2017.4.1203. DOI: https://doi.org/10.17309/tmfv.2017.4.1203

Giere, R. N. (2004). How models are used to represent reality. Philosophy of Science, 71(5), 742–752. https://doi.org/10.1086/425063 DOI: https://doi.org/10.1086/425063

Shannon, C. E. (1948). A mathematical theory of communication. Bell System Technical Journal, 27, 379–423. DOI: https://doi.org/10.1002/j.1538-7305.1948.tb01338.x

Lopatiev, A. O., Dziubachyk, M. I., & Smilnianyn, S. M. (2009). Modeling features of the “shooter–weapon–target” system [in Ukrainian]. Physical Education Theory and Methodology, (5), 37–42. https://www.tmfv.com.ua/journal/article/view/533.

Winsberg, E. (2010). Science in the age of computer simulation. University of Chicago Press. DOI: https://doi.org/10.7208/chicago/9780226902050.001.0001