ALGORITMOS DE ADAPTACIÓN DINÁMICA DEL
EJERCICIO PARA MEJORA DEL RENDIMIENTO
DEPORTIVO
TRABAJO FIN DE GRADO
GRADO EN INGENIERÍA DE COMPUTADORES
CURSO 2013-1014
Jesús Ma iano Ga cía-B a o Fe nández
Di ec o
José Luis Ayala Rod igo
Depa amen o de A qui ec u a de Compu ado es y Au omá ica
Facul ad de In o má ica
Uni e sidad Complu ense de Mad id.
Mad id, 23 de Junio de 2014
Au o ización de di usión y u ilización
Jesús Ma iano Ga cía-B a o Fe nández au o iza a la Uni e sidad Complu ense de
Mad id a di undi y u iliza con ines académicos, no come ciales, y mencionando
exp esamen e a su au o , an o la p opia memo ia, como el código, la
documen ación y/o la aplicación desa ollada.
Ag adecimien os
A odos mis amilia es y amigos que han es ado apoyándome odo es e iempo,
aguan ando mi mal genio cuando no me salían las cosas, y que me han ayudado
de la mejo mane a que podían.
Ag adece a José L. Ayala, di ec o del TFG, la con ianza mos ada en mí y su
ayuda du an e odo el TFG. También quie o ag adece al en enado Raúl Pé ez,
su ayuda an o en concep os sob e endimien o depo i o, como po la p ueba
de la aplicación y pos e io análisis de los esul ados, con usua ios eales.

Índice
Índice de igu as ........................................................................................................................... IX
Índice de ab e ia u as .................................................................................................................. XI
Resumen ..................................................................................................................................... XIII
Abs ac ....................................................................................................................................... XV
Capí ulo 1 ...................................................................................................................................... 1
In oducción .............................................................................................................................. 1
1.1 Concep os ............................................................................................................................ 1
1.1.1. Rendimien o depo i o ............................................................................................... 1
1.1.2. Zonas de abajo o en enamien o ............................................................................. 1
1.1.3. Va iables de en enamien o ........................................................................................ 2
1.1.4. Tes de e aluación inicial ............................................................................................ 2
1.1.5 Eje cicios de esis encia ............................................................................................... 2
1.1.6. Sis emas de ecomendación ....................................................................................... 3
1.1.7. Í em ............................................................................................................................. 3
1.1.8. Ap endizaje au omá ico .............................................................................................. 3
1.1.9. And oid ........................................................................................................................ 3
1.1.10. And oid SDK .............................................................................................................. 3
1.2 Mo i aciones ....................................................................................................................... 4
1.3 Obje i os ............................................................................................................................. 4
1.4 Visión gene al del documen o. Es uc u a .......................................................................... 5
Capí ulo 2 ...................................................................................................................................... 7
2.1 Es ado del a e .................................................................................................................... 7
2.1.1 Adidas MiCoach ............................................................................................................ 7
2.1.2 En enamien o Flanax .................................................................................................. 7
2.1.3 Las . m .......................................................................................................................... 7
2.1.4. Manual del En enado Pe sonal [11] ......................................................................... 8
Capí ulo 3 ...................................................................................................................................... 9
Especi icaciones y Mé odos ...................................................................................................... 9
3.1 Requisi os ............................................................................................................................ 9
3.2. Funcionamien o de la aplicación ...................................................................................... 10
3.3. In es igación p elimina ................................................................................................... 12
3.3.1. Algo i mos de Fil ado Colabo a i o basados en memo ia [13] ............................... 13
VII
3.3.1. Sis emas de Recomendación híb idos basados en memo ia [13]............................. 14
3.3.2. En oque de sis emas basados en memo ia ............................................................... 14
3.3.3. ¿Qué es Mahou ? ...................................................................................................... 15
3.3.4 ¿Cómo ealiza una alo ación de un eje cicio? ....................................................... 17
3.4. Algo i mos usados ............................................................................................................ 20
3.4.1. Algo i mo del Mé odo 1 de ecomendación de la aplicación ................................... 21
3.4.2 Algo i mo del Mé odo 2 de ecomendación de la aplicación .................................... 23
3.4.3. Algo i mo del Mé odo 3 de ecomendación de la aplicación ................................... 25
3.5. En o no de desa ollo y banco de p uebas ..................................................................... 26
Capí ulo 4 .................................................................................................................................... 27
A qui ec u a ............................................................................................................................ 27
4.1. In oducción ..................................................................................................................... 27
4.2. Módulo de in e az de Usua io ........................................................................................ 29
4.3. Módulo de ges ión de Usua ios ....................................................................................... 29
4.4. Módulo de BB.DD ............................................................................................................. 30
4.5. Módulo de ecomendación .............................................................................................. 33
Capí ulo 5 .................................................................................................................................... 35
Resul ados ............................................................................................................................... 35
5.1. In oducción ..................................................................................................................... 35
5.2. Me odología de e aluación .............................................................................................. 35
5.3. Análisis de esul ados ....................................................................................................... 37
Capí ulo 6 .................................................................................................................................... 41
Conclusiones ........................................................................................................................... 41
6.1.1 Conclusiones .................................................................................................................. 41
6.1.2 Conclusions .................................................................................................................... 42
6.2. T abajo Fu u o ................................................................................................................. 42
6.3. Seguimien o del P oyec o ............................................................................................... 43
Capí ulo 7 .................................................................................................................................... 45
Manual de uso ......................................................................................................................... 45
7.1 In oduci usua io en la aplicación .................................................................................... 45
7.2 Modi ica da os de un usua io .......................................................................................... 46
7.3 Tes de alo ación inicial ................................................................................................... 49
7.4 Añadi en enamien os y eje cicios .................................................................................. 50
ANEXO 1 ...................................................................................................................................... 57
ANEXO 2 ...................................................................................................................................... 63
Bibliog a ía .................................................................................................................................. 65
VIII
Índice de igu as
Figu a 3.1 Esquema Funcionamien o Gene al Aplicación ...................................................... 10
Figu a 3.2 A qui ec u a algo i mo Recommnede , de Mahou ............................................. 16
Figu a 3.3 Valo es de simila idad, usando coe icien e de Tanimo o ..................................... 21
Figu a 3.4. Código algo i mo, coe icien e de Tanimo o ......................................................... 22
Figu a 3.5 Dis ancia euclídea en e Usu1 y o os usua ios .................................................... 23
Figu a 3.6. Código algo i mo, usando dis ancia euclídea pa a simila idad............................ 24
Figu a 4.1. Esquema MVC ...................................................................................................... 27
Figu a 4.2. Esquema MVC en And oid ................................................................................... 28
Figu a 4.3. Diag ama mos ando dependencias en e paque es de la aplicación ................. 28
Figu a 4.4. Diag ama Con olado de la aplicación. ............................................................... 29
Figu a 4.5. Diag ama clases e e en e a la BB.DD .................................................................. 31
Figu a 4.6. Clases que in e ienen en la ecomendación ...................................................... 33
Figu a 5.1. Relación eje cicios ecomendados VS eje cicios echazados ............................... 38
Figu a 5.2. Po cen aje de eje cicios echazados po cada mé odo. ...................................... 38
Figu a 7.1 Menú p incipal ...................................................................................................... 45
Figu a 7.2 In oduci da os ..................................................................................................... 45
Figu a 7.3 Bo ón menú p incipal ............................................................................................ 45
Figu as 7.4 Buscado de usua ios ........................................................................................... 46
Figu a 7.5 Pe il de un usua io ............................................................................................... 47
Figu a 7.6 Cambio da os en pe il de un usua io ................................................................... 48
Figu a 7.7 Cues iona io .......................................................................................................... 48
Figu a 7.8 Tes alo ación inicial ............................................................................................ 49
Figu a 7.9 Ejemplo es alo ación inicial ............................................................................... 50
Figu a 7.10 Añadi en enamien o ......................................................................................... 51
Figu a 7.11 Añadi en enamien o po mé odo de ecomendación ..................................... 52
Figu a 7.12 Ven ana en enamien os de usua io .................................................................. 53
IX
XVI

Capí ulo 1
In oducción
Es e T abajo de Fin de G ado, de aquí en adelan e TFG, “Algo i mos de
adap ación dinámica del eje cicio pa a mejo a del endimien o depo i o”
consis e en la ealización de una aplicación en And oid en la que un moni o o
en enado a a pode ges iona un en enamien o compues o de una se ie de
eje cicios a cie as pe sonas que sean in oducidas en la aplicación.
Pa a ello, la aplicación se basa á en unos mé odos de ecomendación que
ayuda án al en enado a elegi los eje cicios de los que iene que compone se
un en enamien o. Es en es e pun o es cuando hay que esal a el uso de es
algo i mos de ecomendación, dos de los cuales hacen uso de la lib e ía Mahou
y un e ce o que es á inspi ado en el uncionamien o de és os y desa ollado
especí icamen e pa a el en enamien o depo i o.
1.1 Concep os
1.1.1. Rendimien o depo i o
Pa ece exis i un amplio acue do en conside a que el endimien o
depo i o es el esul ado de una ac i idad depo i a.
A eces el endimien o depo i o no se conside a sólo el esul ado de una
ac i idad, sino que en su alo ación y en la de inición de su concep o se incluyen
ambién el mé odo y el es ue zo indi idual que han conducido a ese esul ado, es
deci , el p oceso de endi [1].
1.1.2. Zonas de abajo o en enamien o
“La esis encia ísica iene de e minada po la po encia y la capacidad de
las uen es de ene gía pa a man ene dicha po encia” (Zhelyazko , 2001).
Se en iende po zonas de en enamien o o á eas uncionales a la aplicación
de ca gas de abajo que p o ocan modi icaciones especí icas. La expe iencia
1
pe mi e di idi las zonas de en enamien o según las capacidades biomo o as y
de ini , de o ma más p ecisa, las a iables de las a eas (Raczek, 1990). La
es uc u a de un modelo basado en zonas de po encia puede es a o mada po
los obje i os uncionales de la magni ud de las ca gas y sus espues as isiológicas
den o de cada una de esas zonas [2].
En es e abajo nos amos a cen a en cua o zonas de en enamien o:
Ae óbica, umb al anae óbico, po encia ae óbica y capacidad anae óbica.
1.1.3. Va iables de en enamien o
Vamos a e e i nos a a iables de en enamien o como aquéllos
pa áme os que nos ayudan a de e mina el endimien o de un indi iduo. Es as
a iables pueden indica nos si se es á abajando en una zona de en enamien o
o no, dependiendo de sus alo es ob enidos as la ealización de un eje cicio
ísico.
1.1.4. Tes de e aluación inicial
Los es de e aluación inicial son una se ie de eje cicios que si en al
en enado pa a e el es ado ísico de una pe sona y así pode aza su plan de
en enamien o. En es e abajo, además de in o mación pa a el moni o , nos a
a se i pa a pode c ea g upos de indi iduos con una condición ísica pa ecida.
En el Anexo 1 se pueden consul a los es u ilizados po la aplicación.
1.1.5 Eje cicios de esis encia
La esis encia busca que puedas hace un es ue zo ísico du an e el mayo
iempo posible.
Los eje cicios de esis encia, aumen an el i mo ca díaco y de espi ación.
Man ienen en o ma el co azón, los pulmones y el sis ema ci cula o io, además
de mejo a la ap i ud ísica gene al.
Y es que la esis encia del co azón, los pulmones y el sis ema ci cula o io
pa a apo a oxígeno y nu ien es a los músculos, se án las cla es de nues a
esis encia [3].
2
1.1.6. Sis emas de ecomendación
Los sis emas de ecomendación son he amien as que gene an
ecomendaciones sob e un de e minado obje o o í em de es udio, a pa i de las
p e e encias y opiniones dadas po los usua ios. El uso de es os sis emas se es á
poniendo cada ez más de moda en In e ne debido a que son muy ú iles pa a
e alua y il a la g an can idad de in o mación disponible en la Web con obje o
de asis i a los usua ios en sus p ocesos de búsqueda y ecupe ación de
in o mación [4].
1.1.7. Í em
Un í em es cualquie en idad empleada como obje o de ecomendación.
Pueden se películas, lib os, música…dependiendo del dominio del sis ema [5].
En el caso del TFG, se e ie e a un eje cicio de en enamien o.
1.1.8. Ap endizaje au omá ico
“El ap endizaje au omá ico es pa e de la in eligencia a i icial elacionado
con las écnicas que pe mi en a las compu ado as mejo a sus salidas de acue do
a la expe iencia p e ia. Pa a ello el sis ema debe de ene la habilidad de ap ende
en un medio cambian e” [6].
1.1.9. And oid
And oid es un sis ema ope a i o basado en Linux, diseñado
p incipalmen e pa a disposi i os mó iles con pan alla ác il, como sma phones
y able s. Inicialmen e ue desa ollado po And oid Inc pe o Google más a de lo
comp ó en 2005. And oid ue p esen ado en 2007 jun o con la undación del
Open Handse Alliance. El p ime mó il con el sis ema ope a i o And oid ue el
HTC D eam y se endió en oc ub e de 2008 [7].
1.1.10. And oid SDK
So wa e De elopmen Ki (SDK) p opo ciona las APIs y he amien as de
desa ollo necesa ias pa a cons ui , es ea y depu a aplicaciones pa a And oid
[8].
3
1.2 Mo i aciones
Has a donde nos alcanza el conocimien o, no enemos cons ancia de la
exis encia de APPs desa olladas en And oid en la que los í ems que se
ecomiendan a los usua ios sean eje cicios pa a un en enamien o. Sí que
conocemos que exis en APPs como po ejemplo Las . m pa a ecomenda
canciones musicales, en e o as.
Po es e mo i o, la p incipal mo i ación pa a la ealización de es e TFG es
la de desa olla una aplicación no edosa a la ho a de ealiza eje cicio ísico que
es é o ien ada pa a un en enado en la que pueda con ola los en enamien os
de a ios usua ios a la ez.
Sabemos que exis en mul i ud de APPs que moni o izan nues os
en enamien os o nos mues an cómo ealiza cie os eje cicios, como puede se
el caso de Endomondo, Adidas miCoach, En enamien o Flanax, e c. Pe o es as
APPs, apa e de es a o ien adas pa a un único usua io, no nos indican qué
eje cicio ealiza pa a a o ece nues o endimien o depo i o en unción de
nues os esul ados y los de o as pe sonas, de las a iables de en enamien o.
Es a es la g an di e encia que encon a emos en es a aplicación con las demás.
Además exis e la posibilidad de c ea un en enamien o, compues o po
eje cicios que no sean ecomendados sino que se añadan manualmen e. Es o
apa e de se una p es ación más pa a el en enado que le da o al libe ad a la
ho a de c ea en enamien os, es necesa io pa a el sis ema de ecomendación
que necesi a de esul ados de eje cicios ya ealizados pa a pode ecomenda .
1.3 Obje i os
Uno de los p incipales obje i os de es e TFG es el desa ollo de una
aplicación en And oid que sea capaz de moni o iza las sesiones de
en enamien o de un depo is a donde un en enado puede ene almacenada
oda la in o mación elacionada con él, necesa ia pa a ene en cuen a a la ho a
de aza un plan de en enamien o. De es e modo el moni o puede c ea
en enamien os pa a una pe sona compues os po eje cicios que él añada
manualmen e a ese en enamien o, basándose en los da os que iene
almacenados en la aplicación sob e el depo is a en conc e o.
4
O o obje i o de es e abajo es iden i ica y clasi ica las a iables de
en enamien o que in e ienen en el endimien o depo i o de una pe sona. La
aplicación o ece una BB.DD en la que es án almacenados un g an núme o de
eje cicios de esis encia ca ego izados en las cua o zonas de abajo indicadas
an e io men e, donde se encuen an es as a iables de en enamien o.
Además, es e abajo p e ende e alua , median e la opinión de un expe o
en la ma e ia, los esul ados de es algo i mos de ecomendación que
ecomiendan unos eje cicios pa a un en enamien o pe sonalizado. Dos de ellos
son algo i mos de ecomendación gené icos exis en es en la lib e ía Mahou y
u ilizados en cualquie con ex o de aplicación que equie a de una
ecomendación au oma izada. Po o o lado, el e ce algo i mo es una p opues a
especí ica de es e TFG, que p e ende diseña un algo i mo de ecomendación
adap ado especí icamen e a las necesidades de nues o obje i o (sis ema
au oma izado de en enamien o depo i o).
1.4 Visión gene al del documen o. Es uc u a
Es e documen o es á es uc u ado de la siguien e mane a:
En p ime luga , Capí ulo 1, se hace una in oducción del abajo. Se
enume an los concep os gene ales pa a comp ende el es o de lec u a del
documen o, se exponen las mo i aciones que han lle ado al desa ollo del TFG, y
inalmen e se mues an los obje i os que se p e enden con su ealización.
En el Capí ulo 2, se exponen las e e encias que han se ido pa a oma
ideas y asen a concep os pa a la ealización del TFG.
Seguidamen e, se explican los equisi os y mé odos u ilizados pa a el
desa ollo de la aplicación en el Capí ulo 3. Se mues a una desc ipción del
uncionamien o del sis ema y una explicación de los ipos de algo i mos de
ecomendación u ilizados. Además de una explicación de allada de los es
algo i mos implemen ados.
En el capí ulo 4, se expone la a qui ec u a lle ada a cabo pa a el desa ollo
de la aplicación, dis inguiendo las pa es p incipales.
Finalmen e, en los capí ulos 5 y 6, se mues an los esul ados de los
algo i mos de ecomendación, compa ando sus esul ados, y las conclusiones con
posibles mejo as de la aplicación en un u u o. Y en el capí ulo 7, un pequeño
manual de uso de la aplicación.
5

6
Capí ulo 2
2.1 Es ado del a e
Como e e encias pa a la ealización del TFG y ob ene ideas de APPs
en ocadas en el campo del endimien o depo i o y sis emas de ecomendación
de í ems a un usua io, podemos menciona las siguien es:
2.1.1 Adidas MiCoach
La aplicación Adidas miCoach o ece la posibilidad de ealiza
en enamien os p ede inidos y el en enamien o eligiendo los eje cicios. Una ez
ealizado un eje cicio, e alúa los esul ados indicando si amos o no po el buen
camino pa a consegui nues o obje i o.
2.1.2 En enamien o Flanax
Flanax es una aplicación que o ece u inas de en enamien o de ca e a
con ecomendaciones, e os y consejos saludables pa a mejo a el endimien o
de nues o cue po al hace las ac i idades ísicas man eniendo sanos nues o
cue po y men e. [9]
Es a aplicación sólo solici a la edad y el sexo, y a pa i de ahí ecomienda
u inas de en enamien o.
2.1.3 Las . m
Las . m [10] es una ed social, una adio ía In e ne y además un sis ema
de ecomendación de música que cons uye pe iles y es adís icas sob e gus os
musicales, basándose en los da os en iados po los usua ios egis ados.
Un usua io de Las . m puede cons ui un pe il musical escuchando su
colección musical pe sonal. Es as canciones escuchadas son añadidas a un
egis o desde donde se calcula án las ecomendaciones musicales. Es as
ecomendaciones son calculadas usando un algo i mo de il ado colabo a i o,
así los usua ios pueden explo a una lis a de a is as no lis ados en su p opio pe il
pe o que sí apa ecen en o os usua ios con gus os simila es.
7
La ca ac e ís ica más usada po la comunidad de Las . m es la o mación
de g upos de usua ios con algo en común (po ejemplo, mili ancia en o o o o de
In e ne ). Las . m gene a á un pe il de g upos simila a los pe iles de los
usua ios, mos ando una amalgama de da os y mos ando lis as con los gus os
globales del g upo.
2.1.4. Manual del En enado Pe sonal [11]
En es e a ículo se mues an indicaciones como que las unciones de un
en enado son e alua , plani ica y ajus a los p og amas de en enamien o.
Es as a eas pe enecen a un con inuo p oceso sin in, en el que
pe manen emen e se es á e aluando, ajus ando y plani icando los
en enamien os del depo is a.
Cuando un depo is a acude a un en enado , p ime o se le ealiza una
alo ación median e una ecogida de da os y una se ie de eje cicios de
acondicionamien o y es , que mues an el es ado ísico en que se encuen a el
depo is a. Es o ayuda á al en enado en las plani icaciones y c eación de
en enamien os.
8
Capí ulo 3
Especi icaciones y Mé odos
En es e capí ulo amos a desc ibi el diseño del p oyec o, cen ándonos en
el análisis y especi icación del sis ema. Po ello, se de alla án los equisi os que
de inen la uncionalidad de la aplicación, pa a más a de explica con de alle los
algo i mos u ilizados pa a lle a a cabo el p incipal obje i o de la aplicación.
3.1 Requisi os
En es e pun o se desc iben las uncionalidades de la aplicación. Es e abajo
ha sido desa ollado con la ayuda de un en enado conocedo del campo del
endimien o depo i o, y se han consensuado una se ie de equisi os:
1. Gua da los da os pe sonales y ísicos (es a u a, peso, cin u a…) de
mul i ud de usua ios pa a que puedan se e aluados pos e io men e. Un
nomb e de usua io es único en la BB.DD de la aplicación.
2. Pode consul a y edi a los da os de un usua io cuando sea necesa io.
3. Pode e alua la condición ísica de un usua io ealizando es de
e aluación inicial.
4. C ea en enamien os pa a un usua io compues os de eje cicios con o al
libe ad de elección de eje cicios. En es e caso, se puede añadi los
eje cicios manualmen e y ambién se puede elegi que los eje cicios sean
ecomendados po alguno de los es mé odos de ecomendación que se
explica án más adelan e. Aunque los eje cicios hayan sido ecomendados,
el en enado pod á elimina del en enamien o aquéllos que es ime
opo unos y añadi o os que conside e que debe ealiza el usua io.
5. In oduci los alo es de las a iables de en enamien o co espondien es
a un eje cicio.
6. En la BB.DD se almacenan odos los eje cicios ealizados po odos los
usua ios, jun o con sus esul ados. De un mismo eje cicio ejecu ado po
un usua io, se an a almacena los esul ados de las úl imas es eces que
lo ha p ac icado, pa a pode alo a la endencia de ese eje cicio y sabe
si es a o able o no pa a el usua io.
9
5. Po úl imo se ob ienen los í ems ecomendados al indica sob e cuál
usua io ealiza la ecomendación.
A con inuación se mues a una imagen de la a qui ec u a de un Algo i mo
de ecomendación de Mahou , pa a explica su uncionamien o [15]:
Figu a 3.2. A qui ec u a algo i mo Recommnede , de Mahou .
16

3.3.4 ¿Cómo ealiza una alo ación de un eje cicio?
En es e pun o se a a explica los c i e ios seguidos pa a ealiza las
alo aciones de un usua io espec o de un eje cicio de en enamien o. Es as
alo aciones an a se calculadas de mane a au omá ica po la aplicación y en
ningún momen o in e ie en el usua io y el en enado en ellas.
P ime o, hay que eco da que un eje cicio de en enamien o se compone
de a ias a iables de en enamien o. Pa a pode alo a ese eje cicio, nos amos
a cen a en las a iables que son esul ado de la ealización del eje cicio, ya que
o as sólo si en como indicado pa a sabe cómo ealiza el eje cicio en cues ión
( a iables an es de ealiza el eje cicio).
Las a iables de en enamien o que son conside adas pa a ealiza es as
alo aciones se pueden clasi ica en es g upos: a iables de in ensidad, de
olumen y de densidad.
Comenzamos explicando las a iables de en enamien o que es ablecen
la zona de abajo de un depo is a. Es as a iables pe enecen al g upo de
a iables de in ensidad y son cua o:
1. F ecuencia Ca diaca Máxima (FcMáx)
La ecuencia ca diaca (Fc) es el núme o de eces que el co azón se con ae
en un minu o, y es impo an e conoce su compo amien o en e o as azones
po su u ilidad p ác ica como un índice de in ensidad pa a dosi ica el eje cicio
ísico [16].
La FcMáx es la ecuencia máxima ( eó ica) que puedes alcanza en un
eje cicio de es ue zo sin pone en iesgo u salud, siemp e y cuando e encuen es
en óp ima condición ísica. Al alcanza la ecuencia ca diaca máxima,
eó icamen e, se ha alcanzado la máxima capacidad de abajo [16].
La FcMáx de una pe sona se calcula median e la ó mula 220-Edad.
2. F ecuencia Ca diaca de Rese a (FcRese a)
La FcRese a es la di e encia en e la FcMáx y la ca diaca de eposo
(FcReposo). La FcRese a pe mi e un cálculo más ajus ado de la ecuencia
ca diaca de en enamien o o ins an ánea (FCE), pues o que iene en cuen a la de
FcReposo [16]:
FcRese a = FcMáx – FcReposo
17
3. Volumen Máximo de Oxígeno (VO2Máx)
Es la can idad máxima de oxígeno que el o ganismo puede abso be ,
anspo a y consumi po unidad de iempo de e minado, es deci , el
máximo olumen de oxígeno en la sang e que nues o o ganismo puede
anspo a y me aboliza . Es la mane a más e icaz de medi la capacidad
ae óbica de un indi iduo. Cuan o mayo sea el VO2Máx, mayo se á la
capacidad ca dio ascula [17].
4. Velocidad Ae óbica Máxima (VAM)
Es la elocidad de ca e a alcanzada po un a le a cuando su consumo de
oxígeno es máximo.
Pa a un depo is a, conoce su VAM es indispensable pa a plani ica su
en enamien o y es ablece las elocidades del en enamien o. Todas las
elocidades de en enamien o se abajan a un cie o po cen aje del VAM del
depo is a.
Exis en di e en es p uebas pa a calcula el VAM de un depo is a. En es a
aplicación el en enado ya conoce el VAM del usua io y lo in oduce
di ec amen e en sus da os de pe il.
Una ez que enemos de inidas es as cua o a iables, pa a conoce si un
usua io es á abajando en la zona de en enamien o a la que pe enece el
eje cicio ealizado, los esul ados se compa an con una escala ( e en anexo 2)
que indica en qué po cen aje del alo de es as a iables debe abaja el
depo is a pa a pe enece a una zona de abajo. Según la in o mación del
en enado expe o, no es necesa io oma el alo de odas las a iables cada
ez que se ealiza un eje cicio. Po an o, bas a ía con que el alo de una de es as
cua o a iables cumpla los alo es de la escala.
Aho a amos a pasa a explica las demás a iables que son p oduc o de la
ealización del eje cicio y se deben ene en cuen a pa a sabe si un eje cicio es
a o able o no pa a el usua io que lo ealiza.
En las cua o zonas de en enamien o, den o del g upo de las a iables de
in ensidad, enemos las kilocalo ías y las sensaciones que son esul ado de la
ealización de un eje cicio:
o Kilocalo ías: Es una unidad de ene gía é mica, que es usada pa a
exp esa el alo ene gé ico de los alimen os. Cuan as más calo ías se
consuma en la p ác ica del eje cicio, mejo se á pa a el depo is a.
18
o Sensaciones: son un indicado del es ue zo que ealiza un depo is a.
Se miden po la escala de Bo g [18], que es una escala de alo es de 0
a 10 en el que el 0 indica que el es ue zo es mínimo y el 10 que es
máximo. Po an o cuan o mayo sea el alo de es a a iable, peo se á
pa a el depo is a.
Luego, dependiendo de la zona de en enamien o y ipo de eje cicio ealizado
podemos encon a a iables de iempo, dis ancia eco ida, y más a iables
elacionadas con és as como pueden se el núme o de b azadas, emadas, iempo
medio de unas se ies, e c. En el caso de las a iables elacionadas con el iempo,
cuan o meno sea ese alo mejo pa a el depo is a, al con a io de lo que ocu e
con las a iables elacionadas con la dis ancia.
Al ene de inidas las a iables que an a se conside adas a la ho a de ealiza
la alo ación del eje cicio, ya se puede pasa a explica en qué consis e dicha
alo ación. Los pasos son los siguien es:
- Un eje cicio se á alo ado en una escala de 1 a 5, siendo las pun uaciones de
la siguien e mane a:
 1: los esul ados de las a iables VAM, FcRese a, FcMáx, y VO2Máx
indican que el usua io no es á abajando en la zona de abajo
co espondien e al eje cicio, y además en el cómpu o global de esul ados
de las demás a iables empeo a espec o a esul ados an e io es del
mismo eje cicio ealizado po el usua io.
 2: los esul ados de las a iables VAM, FcRese a, FcMáx, y VO2Máx
indican que el usua io sí es á abajando en la zona de abajo
co espondien e al eje cicio, pe o los esul ados en el cómpu o global del
es o de a iables empeo an espec o a esul ados an e io es del mismo
eje cicio ealizado po el usua io.
 3: los esul ados de las a iables VAM, FcRese a, FcMáx, y VO2Máx
indican que el usua io sí es á abajando en la zona de abajo
co espondien e al eje cicio, pe o los esul ados en el cómpu o global del
es o de a iables no al e an los esul ados.
 4: los esul ados de las a iables VAM, FcRese a, FcMáx, y VO2Máx
indican que el usua io no es á abajando en la zona de abajo
co espondien e al eje cicio, pe o sin emba go los esul ados en el
cómpu o global del es o de a iables mejo an espec o a esul ados
an e io es.
 5: los esul ados de las a iables VAM, FcRese a, FcMáx, y VO2Máx
indican que el usua io sí es á abajando en la zona de abajo
19
co espondien e al eje cicio, y los esul ados en el cómpu o global del
es o de a iables mejo an espec o a esul ados an e io es.
- Y aho a bien, ¿qué mé odo se sigue pa a sabe si los esul ados de las a iables
mejo an con espec o a los an e io es?
Como se ha comen ado en es a memo ia en pun os an e io es, la aplicación
almacena has a un máximo de es, los esul ados de las eces que un usua io
p ac ica el mismo eje cicio. Po an o, se pueden llega a compa a has a 4
esul ados pa a una a iable (los es ya almacenados, más el que el moni o es á
in oduciendo), y hallando la ecuación de la endencia de esos alo es po el
Mé odo de los Mínimos Cuad ados [19], se puede sabe si esos alo es ienen
una p og esión al a o baja ijándonos en la pendien e de la ec a, si es posi i a o
nega i a espec i amen e.
Una ez sabido si cada una de las a iables mejo a o empeo a pueden ocu i
es casos:
1. Si la suma de las a iables que mejo an es mayo que las que empeo an, se
conside a que en el cómpu o global las a iables del úl imo eje cicio ealizado
con espec o a los an e io es mejo an.
2. Si la suma de las a iables que mejo an es meno que las que empeo an, se
conside a que en el cómpu o global las a iables del úl imo eje cicio ealizado
con espec o a los an e io es empeo an.
3. Si la suma de las a iables que mejo an es igual que las que empeo an, se
conside a que en el cómpu o global las a iables del úl imo eje cicio ealizado se
quedan igual que la ez an e io .
3.4. Algo i mos usados
En es e apa ado se an a explica los es algo i mos de ecomendación
que o ece la aplicación. Los dos p ime os se u ilizan pa a compa a sus
esul ados con un e ce algo i mo que es el p incipal de la aplicación. Hay que
hace especial hincapié en que pa a que los algo i mos gene en esul ados,
deben exis i p e iamen e un núme o de eje cicios alo ados en la aplicación,
que deben habe sido añadidos de o ma manual po el en enado .
20
3.4.1. Algo i mo del Mé odo 1 de ecomendación de la aplicación
Es e algo i mo hace uso de la lib e ía de Mahou , y es un algo i mo basado
en usua io con il ado colabo a i o, y que usa la mé ica del coe icien e de
Tanimo o y el mé odo Nea es Use Neighbo hood pa a de ini la ecindad.
El coe icien e de Tanimo o [20] igno a las p e e encias de los usua ios y
solamen e se ija en que un usua io exp ese p e e encia po un í em, que en
nues o caso es que un eje cicio haya sido ealizado po un usua io y enga una
alo ación.
Tanimo oCoe icien Simila i y [20] es una de las implemen aciones
basadas en el coe icien e de Tanimo o. Es el núme o de í ems po el que dos
usua ios exp esan p e e encias di idido po el núme o de í ems pa a el que cada
usua io exp esa p e e encias.
Cuando los í ems alo ados po dos usua ios se supe ponen
comple amen e, el esul ado del coe icien e de Tanimo o es 1.0 y cuando no lo
hacen, en ningún í em, es 0.0. Un ejemplo es la siguien e abla:
Eje 1 Eje 2 Eje 3 Eje 4 Eje 5 Eje 6 Eje 7
Simila idad
con Usu1
Usu1
x
x
x
1.0
Usu2
x
x
x
x
0.75
Usu3
x
x
x
x
0.17
Usu4
x
x
x
x
0.4
Usu5
x
x
x
x
x
x
0.5
Figu a 3.3 [20]. Valo es de simila idad en e Usu1 y o os usua ios, usando coe icien e de
Tanimo o.
En es a abla se ap ecian los alo es del coe icien e de simila idad de
Tanimo o en e Usu1 y los o os 4. Aplicado a nues o abajo, las alo aciones
de los eje cicios no impo an, sólo impo a que hayan sido ealizados po los
usua ios y coincidan los mismos eje cicios ealizados lo máximo posible.
Una ez que se calcula el coe icien e de simila idad, se hace uso del
mé odo Nea es Use Neighbo hood pa a de ini la ecindad, en el que los
p ime os N usua ios con mayo coe icien e de simila idad espec o al usua io
alo ado, se án seleccionados como ecinos. En el algo i mo de es a aplicación
se seleccionan 10 ecinos.
21

En la siguien e imagen se mues a el código, usado en el desa ollo de la
aplicación, de es e algo i mo y la explicación:
Figu a 3.4. Algo i mo basado en usua io con il o colabo a i o, coe icien e de Tanimo o pa a
simila idad y mé odo Nea es Use Neigho hood pa a de ini ecindad.
1. Se ob iene el Da aModel que es un a chi o CSV, que ha sido gene ado
a pa i de las alo aciones que exis an de los eje cicios en la BB.DD. En
es e algo i mo se an a coge odas las alo aciones de odos los
usua ios, de aquéllas zonas seleccionadas po el en enado an es de
gene a la ecomendación.
2. Se calcula el coe icien e de simila idad de Tanimo o en e el usua io en
cues ión y los demás.
3. Se hace uso del mé odo Nea es Use Neighbo hood pa a ob ene 10
usua ios ecinos del usua io.
4. Se c ea el mo o de ecomendación (clase Recommende ) haciendo
uso del mé odo Gene icUse BasedRecommende que usando el
Da aModel, la de inición del ecinda io y la mé ica de simila idad, a
a con ene aquéllas líneas del Da aModel que cumplen las condiciones.
5. Añade a una lis a las 5 ecomendaciones que mayo simila idad ienen
con el usua io.
6. Se ob iene el idEje cicio (iden i icado del eje cicio) de esas
ecomendaciones y se añaden a la lis a de eje cicios del en enamien o.
22
3.4.2 Algo i mo del Mé odo 2 de ecomendación de la aplicación
Es e algo i mo, como el an e io , hace uso de la lib e ía de Mahou y es un
algo i mo basado en í em con il ado colabo a i o, y que usa como mé ica de
simila idad la dis ancia euclídea.
La dis ancia euclídea mide la dis ancia en e dos usua ios u1 y u2,
pensando en los í ems como las dimensiones y las alo aciones como pun os a lo
la go de esas dimensiones [21]. Es a dis ancia se calcula u ilizando odos los í ems
(dimensiones) donde ambos usua ios han exp esado su p e e encia po ese í em.
Se calcula con la aíz cuad ada de la suma de los cuad ados de las di e encias
en e las alo aciones del mismo í em po pa e de los usua ios:
Dis ancia (u1,u2)= √𝑎𝑎2+𝑏𝑏2+⋯+𝑛𝑛2, siendo a, b .. n, las di e encias
exis en es de las alo aciones en e el mismo í em alo ado po u1 y po u2.
La simila idad se calculada como 1 / (1 + la dis ancia), po lo que los alo es
esul an es es án en el ango (0,1]. Un ejemplo es la siguien e abla:
Eje 1 Eje 2 Eje 3 Dis ancia
Simila idad
con Usu1
Usu1
5
3
2
0
1.0
Usu2
2
2
5
4.358
0.186
Usu3
5
3
1
0.5
Usu4
4
3
3
1.4
0.41
Figu a 3.5 [20]. Dis ancia euclídea en e Usu1 y o os usua ios, y alo de simila idad
23
En la siguien e imagen se mues a el código, usado en el desa ollo de la
aplicación, de es e algo i mo y la explicación:
Figu a 3.6. Algo i mo basado en í em con il o colabo a i o y dis ancia euclídea pa a
simila idad.
1. Se ob iene el Da aModel que es un a chi o CSV, que ha sido gene ado
a pa i de las alo aciones que exis an de los eje cicios en la BB.DD. En
es e algo i mo se an a coge odas las alo aciones de odos los
usua ios, de aquéllas zonas seleccionadas po el en enado an es de
gene a la ecomendación.
2. Se calcula la simila idad, en e los eje cicios de los usua ios, con la
dis ancia euclídea.
3. Se c ea la ecomendación (Recommende ) haciendo uso del mé odo
Gene icI emBasedRecommende que usando el Da aModel, y la
mé ica de simila idad, a a con ene aquéllas líneas del Da aModel
que cumplen las condiciones.
4. Añade a una lis a las 5 ecomendaciones que mayo simila idad ienen
con los í ems del usua io.
5. Se ob iene el idEje cicio de esas ecomendaciones y se añaden a la lis a
de eje cicios del en enamien o.
24
3.4.3. Algo i mo del Mé odo 3 de ecomendación de la aplicación
El algo i mo de ecomendación que se encuen a en es e mé odo es un
algo i mo desa ollado especí icamen e pa a la ecomendación en la p ác ica
depo i a, sin hace uso de la lib e ía de Mahou . Se puede clasi ica como un
algo i mo de ecomendación híb ido, basado en usua io, ya que ob iene
in o mación an o de los es de alo ación inicial, pa a c ea g upos de usua ios,
como de las alo aciones exis en es sob e eje cicios, pa a pos e io men e
gene a ecomendaciones de eje cicios que sólo es án alo ados po los usua ios
de ese g upo y po él mismo.
Cuando el usua io ealiza un es , el esul ado del mismo puede se un
alo numé ico o un alo de clasi icación que indica su es ado de o ma (po
ejemplo muy bajo, bajo, medio, e c). Es os esul ados se encuen an den o de
una escala ( e anexo 1) de 6 alo es que iden i ican 6 es ados de o ma de una
pe sona.
A la ho a de c ea los g upos de usua ios con condiciones ísicas simila es,
los esul ados de los es se an a no maliza de al o ma que el es ado de o ma
más bajo le co esponde un 1 y el mayo es ado de o ma un 6. De es a mane a,
se puede halla la media de los esul ados de los es y usa la pa a es ablece el
ac o de simila idad en e dos usua ios.
Po an o, pa a conside a que dos usua ios o más pe enecen al mismo
g upo se ienen que cumpli dos condiciones:
1. Todos los usua ios del mismo g upo deben habe ealizado los mismos
es de alo ación o es cuya inalidad sea la misma. Es o úl imo ocu e
con los es de Made , Hollman, As and y Rhyming (submáximo), 1
milla, y As and y Rhyming de escalón, que odos ellos miden el VO2Máx
del depo is a.
2. Los usua ios cuya media de es simila es ealizados di ie a como
máximo en un 10% ( ac o de simila idad), se conside an que son
usua ios de un pe il de condición ísica simila y pe enece án al
mismo g upo (se án ecinos).
Una ez explicado lo an e io amos a pasa a explica los pasos que sigue el
algo i mo:
1. Se ob ienen los esul ados de los es del usua io en cues ión, y se
no malizan pa a adecua los a la escala de alo es de 1 a 6 comen ada
an e io men e, y calcula su media.
25
- Cues iona io: es a abla es c eada po DBAdap e .ja a, a a és de la clase
TablaResul Cues iona io.ja a. Con iene las espues as de un usua io a las
p egun as del cues iona io. Con iene el nomb e de usua io y el iden i icado de
p egun a, jun os con las espues as del usua io a cada p egun a.
-Eje cicios: abla c eada po DBAdap e .ja a, a a és de la clase
TablaEje cicios.ja a. En es a abla se almacenan odos los eje cicios que puede
ecomenda la aplicación. Son eje cicios de esis encia y de clasi ican en 4 zonas
de en enamien o. Con iene, además del iden i icado de eje cicio, el nomb e de
odas las a iables de en enamien o de cada eje cicio acompañado del mé odo
de en enamien o, ac i idad, y la zona de abajo a la que pe enece el eje cicio.
Es una abla de sólo lec u a.
- Lis adoEn eno: es a abla es c eada po DBAdap e .ja a, a a és de la clase
TablaLis adoEn eno.ja a. Almacena los en enamien os que ealizan los
usua ios. Con iene el iden i icado del en enamien o, el nomb e de usua io, el
nomb e del en enamien o, y el mé odo de c eación de en enamien o elegido.
Al elimina un en enamien o, se eliminan a su ez los eje cicios de los que se
compone, pe o no se eliminan los esul ados de los eje cicios (si un usua io ha
ealizado un eje cicio, se man ienen sus esul ados pa a pos e io es
comp obaciones).
-Lis adoEje cicios: abla c eada po DBAdap e .ja a, a a és de la clase
TablaLis adoEje cicio.ja a. Almacena los eje cicios que pe enecen a un
en enamien o. Con iene el iden i icado de eje cicio, el iden i icado de
en enamien o, y si el eje cicio es añadido de o ma manual o au omá ica.
-Resul adosEn eno: abla c eada po DBAdap e .ja a, a a és de la clase
Resul adoEje cicios.ja a. Almacena los esul ados de las a iables de los eje cicios
ealizados po los usua ios. Se dis ingue con abla eje cicios, en que además de
ene odos los campos de és a, con iene el iden i icado del usua io y la echa de
ealización del eje cicio. Se almacenan los 3 úl imos esul ados de un mismo
eje cicio ealizado po el mismo usua io, y solo se pueden modi ica los úl imos
esul ados de un mismo eje cicio
- abla_ alo acion: abla c eada po DBAdap e .ja a, a a és de la clase
TablaValo ación.ja a Almacena la alo ación que ecibe un eje cicio al se
ealizado po un usua io. Con iene el iden i icado del usua io, el iden i icado del
eje cicio y la alo ación. A pa i de es a abla se ob iene el a chi o CSV, necesa io
pa a las ecomendaciones gene adas po los algo i mos de Mahou . Además de
se usada pa a la ecomendación po el mé odo 3. Un mismo eje cicio no es á
alo ado dos eces po un mismo usua io, siemp e se ac ualiza a la úl ima
alo ación conseguida.
32

- abla_zonas: es a abla es c eada po DBAdap e .ja a, a a és de la clase
TablaZonasUsua io.ja a. Almacena las zonas de abajo en las que cada usua io
ha ealizado eje cicios. Con iene el nomb e de usua io y la zona de
en enamien o. Si al elimina eje cicios de un en enamien o, desapa ecen odos
los de una zona de en enamien o, en la abla se elimina esa zona pa a el usua io
en cues ión.
4.5. Módulo de ecomendación
La uncionalidad de es e módulo se encuen a den o del ni el de Modelo.
En la siguien e imagen se mues a el diag ama de clases, indicando las clases que
in e ac úan pa a gene a una ecomendación:
Figu a 4.6. Clases que in e ienen en la ecomendación.
En lo e e en e a la ecomendación, la clase Modelo.ja a con iene dos
a ibu os: ecomendación y ecomendacionPe sonal, que son los enca gados de
ob ene una lis a de eje cicios ecomendados. En es a clase se c ea el a chi o
CSV necesa io pa a la ecomendación, con las alo aciones de los eje cicios.
La clase I emRecommendMahou .ja a, con iene los mé odos de
ecomendación 1 y 2, que son los que u ilizan los algo i mos de Mahou . Como
se ha mencionado an es, en la clase Modelo.ja a se encuen a el a ibu o
ecomendacion, el cual a a se el enca gado de gene a la lis a de los eje cicios
ecomendados dependiendo del mé odo de ecomendación (el 1 o el 2) elegido
po el en enado .
33
La clase Recomendacion.ja a es la enca gada de ges iona la
ecomendación po el mé odo 3. Con iene el algo i mo desa ollado pa a la
op imización del endimien o depo i o. El a ibu o ecomendacionPe sonal de la
clase Modelo.ja a es quien se a a enca ga de gene a la lis a de eje cicios
ecomendados.
34
Capí ulo 5
Resul ados
5.1. In oducción
En es e capí ulo se an a explica y analiza la me odología seguida pa a la
e aluación y análisis de la aplicación desa ollada. La aplicación u iliza 3
algo i mos de ecomendación, pe o sólo uno de los es (Mé odo 3) es á c eado
especí icamen e pa a lo que nos a añe en es e TFG, la op imización del
endimien o depo i o. Los o os dos, al se algo i mos ya implemen ados
pe enecien es a la lib e ía de Mahou , son u ilizados pa a compa a esul ados
y ayuda a comp ende la base del desa ollo del algo i mo del Mé odo 3.
5.2. Me odología de e aluación
Pa a pode e alua los esul ados ob enidos en el uso de es a aplicación,
se hizo en ega de la misma a un en enado conocedo de la ma e ia. El
en enado , al cabo de unos días nos en ega la BB.DD gene ada de las
ope aciones que ha ealizado con la aplicación. Es as son las ca ac e ís icas que
encon amos en esa BB.DD:
- In odujo has a 8 usua ios en el sis ema, pe o con dos de ellos (Usua io2 y
Usua io7) no ealizó ningún en enamien o ni es de e aluación inicial, y la
aplicación no les ecomendaba nada po lo que no se an a ene en cuen a a la
ho a de analiza los esul ados.
- Según los es de e aluación inicial que han ealizado los 6 usua ios se obse a
que:
 El Usua io1 y Usua io3 ienen el mismo pe il según condición ísica, y po
an o son ecinos. Po es o, el algo i mo del mé odo 3 les ecomenda á los
eje cicios mejo alo ados ealizados po ambos.
 El Usua io5 y Usua io8 ienen el mismo pe il según condición ísica
( ecinos). Po es o, el algo i mo del mé odo 3 les ecomenda á los
eje cicios mejo alo ados ealizados po ambos.
35
 Los o os 2 usua ios (Usua io4 y Usua io6) no se ían ecinos de ninguno,
según sus es ealizados, po lo que el algo i mo del mé odo 3 sólo les
ecomenda á los eje cicios más alo ados, que hayan ealizado ellos
mismos.
- El en enado c eó un o al de 11 en enamien os pe sonalizados y añadió un
o al de 20 eje cicios a esos en enamien os (que un eje cicio pe enezca a un
en enamien o no quie e deci que es é ealizado, y po an o no iene
alo ación).
- El o al de eje cicios ealizado po los usua ios es de 19, po lo que la BB.DD
con aba con 19 alo aciones sob e cie os eje cicios (algún eje cicio es aba
alo ado po más de un usua io).
- Además, el en enado gene ó 8 en enamien os u ilizando los mé odos de
ecomendaciones au omá icas, ob eniendo un o al de 8 eje cicios
ecomendados en e odos los en enamien os gene ados.
Con el obje i o de amplia los casos de p uebas de la aplicación, después
de analiza la BB.DD. gene ada, se amplía el conjun o de en enamien os de
mane a sin é ica pa a los usua ios dados. A pa i de es a BBDD, amos a gene a
más en enamien os compues os de eje cicios de mane a au omá ica. Pa a ello,
se a a segui el siguien e p ocedimien o:
 Pa a el usua io1, se an a gene a alo aciones alea o ias o almen e
indicando que los esul ados de los eje cicios de sus en enamien os son
muy dispa es. Es os alo es es a án comp endidos en e 1 y 5.
 Pa a el Usua io2, como se ha comen ado an es, al no ene eje cicios no
se hace nada con él.
 Pa a el Usua io3, se gene an alo aciones de mane a c ecien e, de al
o ma que siemp e a mejo ando en el eje cicio o se man iene.
 Pa a el Usua io4, se gene an alo aciones alea o ias, en e 1 y 3, indicando
que es e usua io no es muy bueno en la ealización de sus eje cicios. Nunca
mejo a los esul ados de las a iables de en enamien o. Como mucho,
alguna ez los esul ados indica án que abaja en la zona adecuada de
en enamien o.
 Pa a el Usua io5, se gene a án alo aciones de al o ma que mues e una
p og esión en sus esul ados dec ecien e, de o ma que siemp e empeo a
en la ealización de sus eje cicios.
36
 Pa a el Usua io6, se gene an alo aciones alea o ias, en e 3 y 5, indicando
que es un usua io con buenos esul ados en odos los eje cicios que
ealiza. Sus esul ados mues an que siemp e abaja en la zona de
en enamien o adecuada, y el alo del es o de a iables siemp e mejo a.
 Pa a el usua io7, como se ha comen ado an es, al no ene eje cicios no se
hace nada con él.
 Pa a el usua io8, se gene an alo aciones de o ma alea o ia o almen e
como en el caso del Usua io1. Esos alo es es a án comp endidos en e 1
y 5.
 Y po úl imo, pa a cada uno de es os usua ios, se han ealizado es
i e aciones, de al o ma que se gene an au omá icamen e 9
en enamien os nue os pa a cada uno. Es deci , es en enamien os (uno
po cada mé odo de ecomendación) po i e ación. Pa a ealiza es as
ecomendaciones au omá icas, sólo se ienen en cuen a aquéllas zonas de
en enamien o del usua io, a las que pe enecen sus eje cicios asignados.
 Pa a hace odo lo an e io , se ha c eado una clase BancoP uebas.ja a en
la que se implemen an las unciones necesa ias pa a consegui lo. Después
de ealiza las es i e aciones, al e la BB.DD emos que se han gene ado
51 alo aciones de eje cicios, o lo que es lo mismo, el o al de eje cicios
ealizados po odos los usua ios es de 51.
5.3. Análisis de esul ados
T as las p uebas ealizadas c eando más en enamien os de mane a
sin é ica, se mues an al en enado los eje cicios ecomendados pa a que alo e
las decisiones omadas po los dis in os mé odos de ecomendación de la
aplicación. De es a mane a, el en enado , sin conoce lo que cada algo i mo
hace, indica aquéllos eje cicios que él conside a que no debe ían se
ecomendados en los en enamien os de cie os usua ios.
En es e apa ado se an a mos a el o al de eje cicios ecomendados po
cada uno de los mé odos de en enamien o, y el núme o de eje cicios echazados
po el en enado cada ez que se c ea un en enamien o po un mé odo de
ecomendación. En la siguien e abla y g á ico se pueden obse a es os da os:
37

Mé odo 1
Mé odo 2
Mé odo 3
Nº To al eje cicios
p opues os
16
24
87
Nº To al echazados
po el en enado
7
8
8
% Rechazo
43.75 %
33.33%
9.19%
Figu a 5.1. Relación eje cicios ecomendados VS eje cicios echazados.
Figu a 5.2. Po cen aje de eje cicios echazados po cada mé odo.
Como se puede obse a , el po cen aje de eje cicios echazados po el
expe o es supe io en el caso de los algo i mos de ecomendación 1 y 2, ambos
pe enecien es a la lib e ía de Mahou . Sin emba go, podemos e cómo el
algo i mo, del Mé odo 3, p opues o en es e TFG alcanza esul ados
sensiblemen e mejo es (menos de un 10% de echazos).
Al conoce la alo ación del en enado sob e los eje cicios p opues os,
enemos que deci que esos esul ados pod ían se aún mejo es si los algo i mos
u ie an en cuen a el conocimien o p opues o po el en enado a la ho a de
decidi los eje cicios. Es o es, añadi una se ie de es icciones como las siguien es
a los algo i mos:
- No pode ecomenda en el mismo en enamien o, el mismo eje cicio aunque
pe enezca a una zona de en enamien o di e en e.
- No epe i eje cicios que sean igual en la ac i idad, pe o dis in os en el
mé odo de ealización.
38
- Pa a e i a que el algo i mo ecomiende ninguno o pocos eje cicios, ene
asignados unos eje cicios de cada zona po de ec o, pa a ecomenda . Es os
eje cicios deben se de ac i idades dis in as.
O o aspec o que no que emos deja sin comen a es la al a de
homogeneidad en el núme o de eje cicios ecomendados po pa e de los
dis in os mé odos de ecomendación. Es o es debido a que a ios
en enamien os ecomiendan 0 eje cicios. Es os en enamien os son gene ados
po los mé odos 1 y 2, que pe enecen a los algo i mos de ecomendación de la
lib e ía Mahou . Es os mé odos hacen uso de los coe icien es de Tanimo o y
dis ancia Euclídea espec i amen e, como coe icien es de simila idad. Pa a que
se gene en ecomendaciones, un equisi o de es os algo i mos es que debe exis i
un buen olumen de í ems alo ados pa a c ea el CSV, es o es, que en la abla
de alo aciones exis an muchos eje cicios alo ados.
Es os algo i mos se han p obado con un “da ase ” de Mo ieLens [24] que
con iene 100.000 í ems alo ados y sí se ob ienen esul ados. Y en nues a BB.DD,
después de es i e aciones, se ha conseguido llega an sólo a las 51 alo aciones.
Se ienen que i añadiendo manualmen e más eje cicios a los usua ios po pa e
del en enado , además de u iliza los mé odos de ecomendación, y a la la ga se
debe ían i ob eniendo más eje cicios ecomendados. Una posible mane a de
pode soluciona la al a de da os en nues a aplicación es, como se ha
comen ado en las es icciones an e io es, ecomenda una lis a de eje cicios po
de ec o si la lis a de eje cicios ecomendados es acía. Así cada ez se an
alo ando más eje cicios po pa e de los usua ios, y el núme o de alo aciones
i á c eciendo.
39
40
Capí ulo 6
Conclusiones
6.1.1 Conclusiones
El obje i o p incipal de es e TFG es, al y como se ha explicado en el
p esen e documen o, la c eación de un mecanismo compu acional capaz de
op imiza el endimien o depo i o de un depo is a. El endimien o depo i o de
una pe sona es á suje o a una se ie de condicionan es, como las a iables de
en enamien o y las ca ac e ís icas ísicas de la pe sona, que di icul an su
op imización.
Las he amien as compu acionales exis en es pe mi en ayuda a un
en enado a decidi sob e el plan de en enamien o que a a implan a a un
depo is a, pe o no ga an izan la op imización del endimien o del depo is a que
sigue el plan de en enamien o, debido a los condicionan es an es mencionados.
En es e TFG se ha p opues o una aplicación, po ada pa a And oid, que
ealiza un seguimien o de una se ie de usua ios a a és de unos en enamien os
compues os po a ios eje cicios de en enamien o. El desa ollo de es a
aplicación se puede deci que es bas an e sa is ac o io pa a se la p ime a ez
que el au o iene con ac o con el desa ollo de p og amas pa a es a pla a o ma.
Se han analizado es algo i mos de ecomendación di e en es, uno de los
cuáles ha sido p opues o especí icamen e en es e p oyec o pa a la p ác ica
depo i a, y a la is a de los esul ados, se puede e como la asa de acie o de
és e algo i mo mejo a, y cada ez se ace ca más a la decisión que oma ía el
en enado expe o en la elección de eje cicios de en enamien o. Además, si a
dicho algo i mo se le añaden una se ie de es icciones ya mencionadas en el
apa ado de esul ados, ele a ía más la asa de acie os en la elección de los
eje cicios ecomendados.
Los esul ados de los o os dos algo i mos demues an que no es án
o ien ados pa a la ecomendación de la p ác ica depo i a, ya que es án
o ien ados pa a sis emas en los que exis en un conjun o amplio de usua ios e
í ems alo ados, y así gene a ecomendaciones.
41
Pa a modi ica cualquie da o, bas a ía con pincha sob e el alo que se
quie e cambia y apa ece á una en ana eme gen e pa a pode in oduci el
nue o alo :
Figu a 7.6 Cambio da os en pe il de un usua io
Una ez modi icado odos los alo es deseados, pulsamos en “Gua da
cambios” y se almacena án los nue os da os.
Como se obse a en las imágenes ambién en el apa ado de “Pe il” se
encuen a el cues iona io que si e al en enado pa a ene más in o mación
sob e el usua io, a la ho a de c ea los en enamien os. Pa a con es a a las
p egun as, se pulsa sob e cualquie a de ellas, y se in oduce la espues a:
Figu a 7.7 Cues iona io
48

7.3 Tes de alo ación inicial
Pa a ealiza es de e aluación inicial a un usua io, en el menú inicial se
pulsa en “Tes Iniciales”, y se selecciona el usua io al que se a a ealiza el es ,
como en el apa ado an e io . Si el usua io no se encuen a en el sis ema, hay
que c ea lo. Una ez seleccionado nos apa ece una en ana con un menú de
“pes añas” en las que hay dis in os es de e aluación inicial:
Figu a 7.8 Tes alo ación inicial
Seleccionamos el es que que emos que e alúe al usua io, e in oducimos
los pa áme os que nos solici e el es . Después de ob ene la clasi icación del
es , pulsamos en “Gua da ” pa a almacena lo en la BB.DD. Po ejemplo pa a el
es de O’neill:
49
Figu a 7.9 Ejemplo es alo ación inicial
7.4 Añadi en enamien os y eje cicios
Una ez que enemos usua ios con es ealizados pa a sabe su condición
ísica (necesa io pa a pode ecomenda eje cicios po el mé odo 3), podemos
c ea en enamien os compues os po eje cicios de en enamien o. Pa a ello, en
el menú p incipal pulsamos en “En enamien os” y seleccionamos el usua ia io
como en los apa ados an e io es. Después, nos apa ece á la en ana pa a c ea
en enamien os. Pulsamos en “añadi ” y apa ece la en ana pa a elegi la o ma
de c eación del en enamien o:
50
Figu a 7.10 Añadi en enamien o
Exis en 4 mane as de c ea un en enamien o: pe sonalizado, mé odo 1,
mé odo 2, y mé odo 3.
Pe sonalizado:
Se in oduce un nomb e al en enamien o y se selecciona el mé odo de
ecomendación “Pe sonalizado”.
Mé odo 1:
Se in oduce un nomb e al en enamien o y se selecciona el “Mé odo 1”
de ecomendación. Es e mé odo u iliza un algo i mo de Mahou en el que el
ac o de simila idad es el coe icien e de Tanimo o. Además, se seleccionan las
zonas de abajo pa a ecomenda eje cicios sólo de esas zonas:
51
Figu a 7.11 Añadi en enamien o po mé odo de ecomendación
Pa a que es e mé odo ecomiende eje cicios, el usua io debe habe
ealizado eje cicios an e io men e, y en la BB.DD, debe exis i un olumen de
eje cicios alo ados conside able. La aplicación lo a isa con un mensaje cuando
no se ecomiendan eje cicios.
Mé odo 2:
Se in oduce un nomb e al en enamien o y se selecciona el “Mé odo 2”
de ecomendación. Es e mé odo u iliza un algo i mo de Mahou en el que el
ac o de simila idad es la dis ancia Euclídea. Además, se seleccionan las zonas de
abajo pa a ecomenda eje cicios sólo de esas zonas, como en el mé odo
an e io . Pa a que es e mé odo ecomiende eje cicios, el usua io debe habe
ealizado eje cicios an e io men e, y en la BB.DD, debe exis i un olumen de
eje cicios alo ados conside able. La aplicación lo a isa con un mensaje cuando
no se ecomiendan eje cicios.
52
Mé odo 3:
Se in oduce un nomb e al en enamien o y se selecciona el “Mé odo 3”
de ecomendación. Es e mé odo u iliza un algo i mo p opues o especí icamen e
pa a la p ác ica depo i a, en el que ac o de simila idad se basa en los
esul ados ob enidos en los es de alo ación inicial de los usua ios. Recomienda
eje cicios siemp e y cuando el usua io haya ealizado eje cicios p e iamen e, o
exis an o os usua ios en el sis ema con una condición ísica pa ecida y que
engan eje cicios ealizados. Como en los mé odos an e io es, se seleccionan las
zonas de en enamien o de las que quie e ecomenda eje cicios.
Figu a 7.12 Ven ana en enamien os de usua io
El núme o en e pa én esis al lado del nomb e del en enamien o, hace
e e encia al núme o de eje cicios que ha ecomendado ese mé odo. Es o se hizo
pa a segui un azado de lo que a ecomendando la aplicación pa a después
pode se e aluada. El en enado , después de e los eje cicios ecomendados,
puede elimina los que conside e opo unos y añadi o os que c ea con enien e.
53

Los en enamien os se pueden bo a simplemen e man eniendo pulsado
el en enamien o o eje cicio, y nos apa ece á un mensaje si deseamos elimina :
Figu a 7.13 Elimina en enamien os de usua io
Pa a añadi eje cicios a un en enamien o se pulsa en el en enamien o
donde se quie en añadi y pulsando en el bo ón “Añadi ”, se añaden los eje cicios
deseados seleccionando la zona, mé odo y ac i idad:
Figu a 7.14 Añadi eje cicio Figu a 7.15 Eje cicios de un en enamien os
54
Po úl imo nos queda in oduci los alo es, de las a iables de
en enamien o, en los eje cicios ealizados po el usua io, pa a que puedan se
alo ados. Pulsamos sob e el eje cicio y nos apa ecen las a iables pa a in oduci
los alo es pulsando sob e ellas:
Figu as 7.16 Ven ana in oduci alo es de eje cicio
También se puede e en la pa e in e io , que exis en esul ados
an e io es de ese eje cicio pa a ese usua io. Se an a mos a los esul ados de
las dos úl imas eces que el usua io ha ealizado el eje cicio, y se puede edi a los
esul ados del úl imo solamen e. Es o es po azones a la ho a de e alua la
endencia de los esul ados. Pulsando sob e la echa, podemos e los alo es de
las a iables cuando se ealizó el eje cicio:
55
Figu as 7.17 Ven ana pa a e alo es de eje cicio ealizado
Si es el úl imo eje cicio ealizado, como se ha dicho an e io men e, la
aplicación o ece la posibilidad de edi a los alo es. Eso se e si apa ece el bo ón
de “Gua da ”. Si no apa ece, quie e deci que no es el úl imo eje cicio ealizado y
es sólo de consul a pa a el en enado .
Una ez in oducidos los alo es en cie as a iables de un eje cicio (no es
necesa io ellena odas), se pulsa en “Gua da ” y ese eje cicio ob iene una
alo ación po pa e del usua io.
56
ANEXO 1
Tes de alo ación inicial: Todos los es se no malizan con alo es de 1 a 6,
haciendo el 1 al peo es ado de o ma y el 6 al mejo .
1- Tes O’neill: Es un es de emo que consis e en eco e du an e 4 minu os
la máxima dis ancia posible. Los alo es que puede oma el es de
O`Neill, dependiendo de la dis ancia eco ida, el sexo, peso y edad del
depo is a, son los siguien es [25]:
Muje es Excelen e Bueno Supe io a
la media
Media Bajo
19-29 Lw 1078 1038 958 878 798
30-39 Lw
1050
1010
929
849
769
40-49 Lw
1030
990
909
829
749
50-59 Lw 1011 971 891 811 730
60-69 Lw
992
951
871
791
711
70-79 Lw 973 933 852 772 692
19-29 Hw
1105
1065
985
905
824
30-39 Hw
1057
1017
936
856
776
40-49 Hw
1044
1004
923
843
763
50-59 Hw
1037
997
917
836
756
60-69 Hw
1023
983
903
823
743
70-79 Hw 944 904 823 743 663
Lw : 61.5 kg o menos Hw : más de 61.5 kg
Figu a A.1.1. Tabla alo es es O’neill (Muje es) [25].
57
64

Bibliog a ía
[1] Manual de Me odología del En enamien o Depo i o, Die ich Ma in:
h p://books.google.es/books?id=_ehXzkJzpQIC&pg=PT25&lpg=PT25&dq=de ini + end
imien o+depo i o&sou ce=bl&o s=1LCg8yljz2&sig=n ALnHgc_ -
Nb611XROqUZBTLgY&hl=es&sa=X&ei=TAWKU_S_FOmu0QWH5YG4DQ& ed=0CG0Q6
AEwCA# =onepage&q=de ini %20 endimien o%20depo i o& = alse
[2] En enamien o po zonas: Un modelo sencillo y asequible: h p://g-
se.com/es/o g/ga cia e dugo-com/blog/el-en enamien o-de- esis encia-po -zonas-
un-modelo-sencillo-y-asequible
[3] Guia Fi ness: h p://guia i ness.com/eje cicios- esis encia.h ml
[4] Uni e si a Pompeu Fab a: h p://www.up .edu/hipe ex ne /nume o-
2/ ecomendacion.h ml
[5] Escuela Supe io Poli écnica del Li o al:
h p://www.cib.espol.edu.ec/Digipa h/D_Tesis_PDF/D-92363.pd
[6] Suá ez I., Plasencia A., Ap endizaje au omá ico:
h p://www.icima .cu/ e is a_cca/si es/de aul / iles/2M_0.pd
[7] Wikipedia And oid: h p://es.wikipedia.o g/wiki/And oid
[8] So wa e De elopmen Ki : h p://de elope .and oid.com/sdk/index.h ml
[9] Spain Mo il: h p://www.spainmo il.es/and oid/apps/n165/en enamien o- lanax-
apps-g a is-and oid.h ml
[10] Wikipedia Las . m: h p://es.wikipedia.o g/wiki/Las . m
[11] Manual del En enado Pe sonal:
h p://www. elipeisid o.com/a icles/manual/manual_del_en enado _pe sonal.pd
[12] Se gio Manuel Galán S., Fil ado Colabo a i o y Sis emas de Recomendación:
h p://www.i .uc3m.es/~j illena/i c/p ac icas/06-07/31.pd
[13] Ca illo G., Ochoa X., Uni e sidad Obe a de Ca alunya:
h p://openaccess.uoc.edu/webapps/o2/bi s eam/10609/18962/6/gca illobTFM011
3memo ia.pd
[14] Su, X., Khoshgo aa , T., A Su ey o Collabo a i e Fil e ing Techniques. Ad ances
in A i icial In elligence Vol 2009. (2012).
65
[15] Ca aldo Mus o, Apache Mahou - Tu o ial (2014)
h p://www.slidesha e.ne /Ca aldo/apache-mahou - u o ial- ecommenda ion-
20132014
[16] La ecuencia ca diaca:
h p://www.el ome alcas ejon.com/a chi os/FORMACION/LA%20FRECUENCIA%20CA
RDIACA.pd
[17] Wikipedia VO2Max: h p://es.wikipedia.o g/wiki/VO2_m%C3%A1x
[18] Escalas de Bo g:
h p://www.bkool.com/con en /es/Aseso amien o/En enamien o/ESFUERZO%20Y%2
0ESCALAS%20DE%20BORG/ESCALAS-DE-BORG/
[19] Análisis de endencia pa a se ies de iempo:
h p://www.monog a ias.com/ abajos87/analisis- endencia-se ies- iempo/analisis-
endencia-se ies- iempo.sh ml
[20] Owen S. Anil R., Dunning T., F iedman E., Mahou in Ac ion. 2012 by Manning
Publica ions.
[21] h ps://builds.apache.o g/job/Mahou -
Quali y/ja adoc/index.h ml?o g/apache/mahou /c / as e/impl/simila i y/EuclideanDis
anceSimila i y.h ml
[22] P oyec o Simio: P og amación en And oid:
h p://www.p oyec osimio.com/p og amacion-and oid-base-de-da os-i-modelo- is a-
con olado /
[23] Sgoli e .ne BB.DD en And oid: h p://www.sgoli e .ne /blog/?p=1611
[24] Da ase s Mo ieLens G oupLens: h p://g ouplens.o g/da ase s/mo ielens/
[25] Tes O’neill: h ps://si es.google.com/si e/n c ainingp og am/ aining-
in o ma ion/o-neil- i ness- es
[26] h p://a iculos. o ociclis a.com/p ueba-de-as and-y- yhming/
[27] Zonas y Mé odos de en enamien o, Ga cía Palla és J., Mo án Na a o R., Pé ez
Caballe o C.:
h p://www.google.es/u l?sa= & c =j&q=&es c=s&sou ce=web&cd=1& ed=0CCkQFjA
A&u l=h p%3A%2F%2Fdigi um.um.es%2Fxmlui%2Fbi s eam%2F10201%2F25373%2F
6%2FZonas%2520y%2520M%25C3%25A9 odos%2520de%2520En enamien o%2520C
a dio espi a o io.pd &ei=LuaQU67iBZSysAT joHwCw&usg=AFQjCNG -
8a_0YG5W5kBwmQWaJGwiuqoEQ&b m=b .68445247,d.b2k
66