De Winterspelen van 2026 gebruiken veel meer data en nieuwe technologieën. Datawetenschap, computervisie en draagbare technologie spelen een duidelijke rol bij voorbereiding en tijdens de wedstrijden.
Teams en coaches gebruiken informatie uit veel wedstrijden om trainingen en wedstrijdplannen te verbeteren. Analyses werken vaak achter de schermen en laten bewegingen en prestaties beter zien, waardoor kijkers meer detail begrijpen.
Ook de verslaggeving verandert: cijfers worden gekoppeld aan verhalen en commentatoren gebruiken vaker analyses. Er zijn zorgen over eerlijkheid en toegang, en het is nog onduidelijk welke regels straks gaan gelden.
Moeilijke woorden
- datawetenschap — onderzoek en analyse van grote digitale gegevens
- computervisie — computers die beelden en video's begrijpen
- draagbare technologie — elektronische apparaten die je kunt dragen
- analyse — onderzoek naar prestaties of gegevensAnalyses
- verslaggeving — het nieuws en de verhalen over een gebeurtenis
- eerlijkheid — gelijke en rechtvaardige behandeling voor iedereen
Tip: beweeg de muisaanwijzer over gemarkeerde woorden in het artikel, of tik erop om snelle definities te zien terwijl je leest of luistert.
Discussievragen
- Denk je dat gebruik van meer data sport eerlijker maakt of juist niet? Waarom?
- Zou je zelf draagbare technologie willen gebruiken bij sporttrainingen? Waarom wel of niet?
- Welke cijfers of informatie zou jij graag tijdens een wedstrijd zien?
Gerelateerde artikelen
AI helpt jongeren met seksuele gezondheid in Latijns-Amerika
Gezondheidsgroepen in Latijns-Amerika gebruiken kunstmatige intelligentie om seksuele en reproductieve gezondheidsinformatie te geven aan jongeren en gemarginaliseerde groepen. Projecten in Peru en Argentinië proberen taalbarrières, stigma en beperkte zorgaanbod te verminderen.
Nieuw lichtactief materiaal reinigt water
Onderzoekers ontwikkelden een materiaal dat met licht veel verontreinigingen in water afbreekt, waaronder moeilijk te verwijderen stoffen. Het combineert twee dunne materialen en werkt zonder metalen; tests in stromend water waren veelbelovend.
Waarom taalmodellen moeite hebben met vermenigvuldigen
Onderzoekers van de University of Chicago en partners onderzochten waarom grote taalmodellen twee viercijferige getallen slecht vermenigvuldigen. Een nieuwe trainingsmethode (ICoT) liet modellen tussentijdse waarden onthouden en verbeterde de nauwkeurigheid sterk.