スクワットの動作学習、規則のある変化では標的を追う精度が保たれた

動きに変化を加えても、必ず精度が落ちるわけではなかった。 2026年10月31日公開の研究では、構造化した変化を使う群が、同じ位置を繰り返す群と近い精度を示した。ただし画面の標的にアバターを合わせる課題であり、高重量バーベルの安全性や筋力効果を検証したものではない。

何を変え、何を精度として測ったのか？

若い成人67人を3条件に無作為に割り付けた。参加者は深い・浅いスクワットと左右への傾きで画面上のアバターを操作し、30個の標的を追う課題を5セット行った。精度は標的とアバターの空間的なずれで評価された。膝の位置、バーベルの軌道、競技の成功判定を採点したわけではない。

精度と時間的な組織は同じ指標なのか？

構造化した変化群と変化なし群は、構造のない変化群より空間誤差が小さく、特に後半のセットで差が目立った。動きの時間的構造を調べるDFAは構造化した変化群で最も高かった。空間誤差と時間的な持続性は別の指標であり、どちらも筋肥大や1RMの増加量を表すものではない。

トレーニング記録ではどう区別するか？

1. 動作練習と最大筋力を確認するセッションの目的を分ける。
2. 深さ・器具・反復条件を変えた記録は、同じ条件の記録と混ぜない。
3. fairliftには実際の重量と反復回数を残し、標的の追従精度は別の結果として扱う。

この記録方法は研究結果を読むための編集上の提案であり、論文が効果を検証したプログラムではない。Muscle Index計算機が使うのはビッグ3の1RMだ。画面の標的を上手に追えた日の得点を重量の代わりに入力したり、動作の変化だけを筋力向上と判断したりはできない。