<?xml version='1.0' encoding='UTF-8'?>
<ArticleSet>
  <Article>
    <Journal>
      <PublisherName>حسین ترحمی اردکانی</PublisherName>
      <JournalTitle>مجله بین‌المللی مدیریت، کسب‌وکار، اقتصاد و مالی</JournalTitle>
      <Issn></Issn>
      <Volume>1</Volume>
      <Issue>1 (پاییز)</Issue>
      <PubDate PubStatus="epublish">
        <Year>2026</Year>
        <Month>07</Month>
        <Day>30</Day>
      </PubDate>
    </Journal>

    <ArticleTitle>Investigating the Impact of Artificial Intelligence and the Internet of Things on the Performance Management of Professional Athletes in Team Sports with an Emphasis on Bio- and Kinetic Data Analysis</ArticleTitle>
    <VernacularTitle>بررسی تأثیر هوش مصنوعی و اینترنت اشیاء بر مدیریت عملکرد ورزشکاران حرفه ای در ورزش های تیمی با تأکید بر تحلیل داده های زیستی و حرکتی</VernacularTitle>
    <FirstPage>39</FirstPage>
    <LastPage>57</LastPage>
    <ELocationID EIdType="doi">10.22051/jera.2021.31891.2698</ELocationID>
    <Language>FA</Language>

    <AuthorList>
      <Author>
        <FirstName>امیرسالار</FirstName>
                <Affiliation>کارشناسی ارشد مدیریت بازاریابی و ارتباطات ورزشی، دانشگاه آزاد اسلامی واحد علوم و تحقیقات</Affiliation>
      </Author>
    </AuthorList>

    <PublicationType></PublicationType>

    <History>
      <PubDate PubStatus="received">
        <Year>2026</Year>
        <Month>07</Month>
        <Day>30</Day>
      </PubDate>
    </History>

    <Abstract>Rapid advances in digital technologies have transformed the landscape of analyzing, tracking, and optimizing sports performance. Traditional coaching methods, which are mainly based on mental observation and post-training video analysis, face limitations such as lack of scalability, delayed feedback, and lack of personalization. Artificial Intelligence and the Internet of Things provide new capabilities to provide continuous, real-time, and data-driven insights into athlete performance. This article examines the impact of combining artificial intelligence and the Internet of Things on the performance management of professional athletes in team sports with an emphasis on bio- and kinetic data analysis. Research findings show that integrated AI and IoT systems with edge-cloud processing capabilities increase performance prediction accuracy by more than 93 percent and reduce processing latency to less than 32 milliseconds. Multi-level data fusion methods enable analysis of team dynamics with 84 to 91 percent accuracy. Smart sports management systems have achieved 94 percent accuracy in performance monitoring and injury prediction by integrating wireless sensor networks and neural networks. Generalized adaptive neural networks have also shown a 15 percent improvement in prediction accuracy and a 30 percent reduction in convergence time compared to previous methods. The findings suggest that intelligent systems based on multimodal data synergy improve training personalization by 18-23% and provide effective adaptive recommendations to optimize training load, prevent injury, and enhance performance. By providing a comprehensive framework, this paper demonstrates that the integration of AI and IoT plays a pivotal role in the paradigm shift in professional athlete performance management and paves the way for the development of next-generation sports ecosystems.</Abstract>
    <OtherAbstract Language="FA">پیشرفت های سریع در فناوری های دیجیتال، چشم انداز تحلیل، ردیابی و بهینه سازی عملکرد ورزشی را دگرگون ساخته است. روش های سنتی مربیگری که عمدتاً مبتنی بر مشاهده ذهنی و تحلیل ویدئویی پس از تمرین هستند، با محدودیت هایی نظیر عدم مقیاس پذیری، تأخیر در بازخورد و عدم شخصی سازی مواجه اند. هوش مصنوعی و اینترنت اشیاء قابلیت های جدیدی را برای ارائه بینش های پیوسته، بلادرنگ و داده محور از عملکرد ورزشکاران فراهم می آورند. این مقاله به بررسی تأثیر تلفیق هوش مصنوعی و اینترنت اشیاء بر مدیریت عملکرد ورزشکاران حرفه ای در ورزش های تیمی با تأکید بر تحلیل داده های زیستی و حرکتی می پردازد. یافته های پژوهش نشان می دهد که سیستم های یکپارچه هوش مصنوعی و اینترنت اشیاء با قابلیت پردازش لبه-ابر، دقت پیش بینی عملکرد را تا بیش از ۹۳ درصد افزایش داده و تأخیر پردازش را به کمتر از ۳۲ میلی ثانیه کاهش می دهند. روش های هم افزایی داده ها در چند سطح، امکان تحلیل پویایی های همکاری تیمی را با دقت ۸۴ تا ۹۱ درصد فراهم می آورند. سیستم های مدیریت هوشمند ورزشی با یکپارچه سازی شبکه های حسگر بی سیم و شبکه های عصبی، دقت ۹۴ درصدی در پایش عملکرد و پیش بینی آسیب به دست آورده اند. شبکه های عصبی تطبیقی تعمیم یافته نیز بهبود ۱۵ درصدی در دقت پیش بینی و کاهش ۳۰ درصدی زمان همگرایی را نسبت به روش های پیشین نشان داده اند. یافته ها حاکی از آن است که سیستم های هوشمند مبتنی بر هم افزایی داده های چندوجهی، شخصی سازی تمرینات را ۱۸ تا ۲۳ درصد بهبود بخشیده و توصیه های تطبیقی مؤثری را برای بهینه سازی بار تمرینی، پیش گیری از آسیب و افزایش عملکرد ارائه می دهند. این مقاله با ارائه چارچوبی جامع، نشان می دهد که تلفیق هوش مصنوعی و اینترنت اشیاء، نقشی محوری در تحول پارادایم مدیریت عملکرد ورزشکاران حرفه ای ایفا کرده و مسیر را برای توسعه اکوسیستم های ورزشی نسل آینده هموار می سازد.</OtherAbstract>

    <ObjectList>
      <Object Type="keyword">
        <Param Name="value">Artificial Intelligence</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">IoT</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">Sports Performance Management</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">Team Sports</Param>
      </Object>
      <Object Type="keyword">
        <Param Name="value">Biodata Analysis</Param>
      </Object>
    </ObjectList>

    <ArchiveCopySource DocType="pdf">/downloadfilepdf/75731</ArchiveCopySource>
  </Article>
</ArticleSet>
