<div class="csl-bib-body">
<div class="csl-entry">Sebernegg, A. (2025). <i>Tennis Motion Learning in Virtual Reality</i> [Diploma Thesis, Technische Universität Wien]. reposiTUm. https://doi.org/10.34726/hss.2025.104006</div>
</div>
-
dc.identifier.uri
https://doi.org/10.34726/hss.2025.104006
-
dc.identifier.uri
http://hdl.handle.net/20.500.12708/216903
-
dc.description
Arbeit an der Bibliothek noch nicht eingelangt - Daten nicht geprüft
-
dc.description
Abweichender Titel nach Übersetzung der Verfasserin/des Verfassers
-
dc.description.abstract
Bei korrekter Ausführung hat Tennis, als internationale Sportart, positive Auswirkungen auf die Gesundheit. Allerdings erhöht eine übermäßige, fehlerhafte Durchführung der Tennistechnik das Risiko von Verletzungen wie beispielsweise einem Tennisarm. Um dem vorzubeugen, sind effektive Trainingsroutinen, Anleitungen zur richtigen Ausführung tennisspezifischer Bewegungen und eine frühzeitige Fehlerkorrektur notwendig. Diese Maßnahmen dienen nicht nur der Verletzungsprävention, sondern tragen auch zur Leistungssteigerung bei. Regelmäßiges Tennistraining erfordert jedoch Ambition und wird durch begrenzte Ressourcen wie verfügbare Tennisplätze, qualifizierte Trainer, sowie die verbundenen finanziellen und zeitlichen Mittel erschwert. Daraus ergibt sich ein Bedarf an zugänglichen Trainingslösungen, die kurze, regelmäßige Übungseinheiten abseits des Tennisplatzes ermöglichen, motorisches Lernen unterstützen und klassische Trainingsmethoden sinnvoll ergänzen. In dieser Arbeit stellen wir eine ergänzende Methode zum Tennistrainings vor, die ein selbständiges Üben eines korrekten Vorhandschlags in der virtuellen Realität (VR) ermöglicht. Unsere Methode liefert unmittelbar nach jedem Vorhandschlag multimodales Feedback zur Tennistechnik mittels automatisierter, expertenbasierter Bewegungsanalyse. Dabei wird die erfasste Bewegung anhand definierter Bewegungsmerkmale in einzelne Phasen unterteilt und etablierte Trainingsregeln aus dem traditionellen Tennis-Coaching ausgewertet. Basierend auf dieser Analyse werden im Anschluss an den Schlag auditives und visuelles Feedback zu einer Trainingsregel präsentiert. Das Feedback liefert zeitnahe Fehlerkorrekturen und adressiert Verbesserungen. Eine visuelle Wiedergabe des Bewegungsablaufs ergänzt das Feedback, um Selbstbeobachtung und Reflexion zu fördern.Wir haben unser VR-basiertes Tennistraining in einer Nutzerstudie mittels Pretest-Posttest-Design (N = 26) evaluiert. Der Vergleich der Leistungsmetriken vor und nach einer 10-minütigen VR-Trainingseinheit zeigt signifikante Verbesserungen in der Tennistechnik, was auf einen möglichen kurzfristigen Lerneffekt hindeutet. Zudem hatten Teilnehmenden ein größeres Vertrauen in ihr eigenes Können nach dem VR-Training und ihre Motivation zum Tennisspielen hat sich deutlich gesteigert. Eine qualitative Analyse hebt sowohl die Stärken als auch die Schwächen unserer Methode hervor. Die Teilnehmenden äußerten die Überzeugung, dass unser VR-Tennistraining eine sinnvolle Ergänzung zum traditionellen Coaching darstellen kann.
de
dc.description.abstract
Tennis, as an international sport, has health benefits when performed correctly. However, the overuse of poor technique raises the risk of injuries, such as tennis elbow. Appropriate training routines, instructions on proper technique, and early error correction are crucial steps to injury prevention and beneficial to performance. However, regular tennis training takes effort and motivation and is impeded by limited resources such as available tennis courts, professional coaches, and the associated financial and time commitments. These challenges raise interest in accessible solutions that facilitate regular, short practice sessions, aid motor learning, and effectively complement traditional coaching methods.This thesis presents a novel method for self-training a correct tennis forehand technique through target practice in virtual reality (VR). Our method provides immediate post-action multimodal feedback on a user's technique by utilizing partial motion tracking of the VR headset and controllers combined with automated, expert-driven motion analysis. Each captured forehand stroke is segmented into individual phases based on defined motion features. Specific aspects of tennis technique associated with these phases are analyzed using coaching rules established in traditional coaching. After each shot, users receive auditory and visual feedback, concentrating on one coaching rule at a time. This feedback delivers timely corrections on identified mistakes and positively reinforces technical improvements. A motion replay accompanies the provided information to facilitate self-monitoring and reflection.Using a within-group pretest-posttest design, we evaluated our VR forehand tennis training in a supervised user study with 26 participants. A comparison of performance metrics measured before and after a 10-minute VR training session revealed significant improvements in participants' technique, indicating a potential short-term learning effect. Questionnaire responses demonstrate significant improvements in participants' motivation to play tennis and confidence in their tennis technique from the pre-test to the post-test. A qualitative analysis further highlights both the strengths and limitations of our method. Participants expressed the belief that our approach to VR tennis training can complement traditional coaching.
en
dc.language
English
-
dc.language.iso
en
-
dc.rights.uri
http://rightsstatements.org/vocab/InC/1.0/
-
dc.subject
Virtual reality
de
dc.subject
Tennis training
de
dc.subject
Motion learning
de
dc.subject
Exercise guidance
de
dc.subject
Virtual reality
en
dc.subject
Tennis training
en
dc.subject
Motion learning
en
dc.subject
Exercise guidance
en
dc.title
Tennis Motion Learning in Virtual Reality
en
dc.type
Thesis
en
dc.type
Hochschulschrift
de
dc.rights.license
In Copyright
en
dc.rights.license
Urheberrechtsschutz
de
dc.identifier.doi
10.34726/hss.2025.104006
-
dc.contributor.affiliation
TU Wien, Österreich
-
dc.rights.holder
Anna Sebernegg
-
dc.publisher.place
Wien
-
tuw.version
vor
-
tuw.thesisinformation
Technische Universität Wien
-
tuw.publication.orgunit
E193 - Institut für Visual Computing and Human-Centered Technology
-
dc.type.qualificationlevel
Diploma
-
dc.identifier.libraryid
AC17579278
-
dc.description.numberOfPages
139
-
dc.thesistype
Diplomarbeit
de
dc.thesistype
Diploma Thesis
en
dc.rights.identifier
In Copyright
en
dc.rights.identifier
Urheberrechtsschutz
de
tuw.advisor.staffStatus
staff
-
tuw.advisor.orcid
0000-0001-7437-9955
-
item.cerifentitytype
Publications
-
item.languageiso639-1
en
-
item.fulltext
with Fulltext
-
item.openairetype
master thesis
-
item.openaccessfulltext
Open Access
-
item.openairecristype
http://purl.org/coar/resource_type/c_bdcc
-
item.grantfulltext
open
-
crisitem.author.dept
E193 - Institut für Visual Computing and Human-Centered Technology