Aplicación móvil inteligente para apoyar el proceso de entrenamiento personalizado en un gimnasio de Chiclayo

Abstract

En la investigación se desarrolló una aplicación móvil integrada con un sistema experto mediante las metodologías Scrum y Buchanan, que permitió la generación automática y seguimiento de planes de ejercicio y alimentación, con el fin de apoyar el proceso de entrenamiento personalizado de un deportista en un gimnasio de Chiclayo. La investigación fue de tipo aplicada, y tuvo una muestra poblacional de 30 deportistas. Para el logro del proyecto, se realizó la recopilación y análisis de los conocimientos de los entrenadores del gimnasio y se generó la base de conocimiento del sistema experto, con 17 hechos únicos y 288 reglas documentadas. Luego se construyó con Python el componente inteligente con 292 métodos en la clase principal, alcanzando un 87% de precisión en las pruebas para determinar el plan de ejercicios y alimentación adecuado para los deportistas del gimnasio. Posteriormente se desarrolló la aplicación móvil que integró dicho componente inteligente, mediante el framework Flutter y Flask para el desarrollo de la API, obteniendo 50 interfaces de usuario, luego, se realizaron pruebas de caja negra, caja blanca y especializadas, que demostraron resultados satisfactorios tanto en funcionalidad como en rendimiento. Finalmente, se evaluó la utilidad y facilidad de uso percibida de la aplicación mediante un cuestionario basado en el modelo TAM con escala de Likert. El 92% de los entrenadores la consideraron útil y el 94% fácil de usar, mientras que el 93% de los clientes la valoró positivamente y el 96% destacó su facilidad de uso.

In the research, a mobile application integrated with an expert system was developed using the Scrum and Buchanan methodologies, which allowed the automatic generation and monitoring of exercise and nutrition plans, in order to support the personalized training process of an athlete in a gym in Chiclayo. The research was of an applied type, and had a population sample of 30 athletes. To achieve the project, the knowledge of the gym's trainers was collected and analyzed and the knowledge base of the expert system was generated, with 17 unique facts and 288 documented rules. Then, the intelligent component was built with Python with 292 methods in the main class, reaching 87% accuracy in the tests to determine the appropriate exercise and nutrition plan for the gym's athletes. Subsequently, the mobile application that integrated said intelligent component was developed, using the Flutter and Flask framework for the development of the API, obtaining 50 user interfaces, then, black box, white box and specialized tests were carried out, which demonstrated satisfactory results both in functionality and performance. Finally, the perceived usefulness and ease of use of the application was evaluated using a questionnaire based on the TAM model with a Likert scale. 92% of the trainers considered it useful and 94% easy to use, while 93% of the clients rated it positively and 96% highlighted its ease of use.