Tenis Oyuncularının Yapay Zekâ Destekli Teknolojik Antrenmanlara İlişkin Tutumları: Nitel Bir Çalışma

Yıl 2026, Cilt: 7 Sayı: 1 , 42 - 62 , 29.04.2026

Erol Baykan , Esra Çetinsu

https://izlik.org/JA74ZH79FT

Öz

Bu araştırmanın amacı, tenis sporcularının yapay zekâ destekli antrenman sistemlerine yönelik algı, deneyim ve gelecek beklentilerini derinlemesine incelemektir. Araştırma, nitel araştırma yaklaşımı kapsamında durum çalışması deseninde yürütülmüş; katılımcılara 6 tane demografik bilgi edinimine yönelik soru ve 16 açık uçlu soru yöneltilmiştir. Veriler yarı yapılandırılmış görüşmeler aracılığıyla toplanmış ve refleksif tematik analiz ile çözümlenmiştir. Araştırma grubunu aktif olarak tenisle ilgilenen 25 sporcu oluşturmaktadır.
Elde edilen bulgular, sporcuların yapay zekâ sistemlerini büyük ölçüde destekleyici ve tamamlayıcı bir araç olarak değerlendirdiğini göstermektedir. Katılımcılar, özellikle objektif veri üretimi, performansın izlenmesi, hızlı geri bildirim sağlanması ve antrenman planlamasının kolaylaşması gibi boyutları önemli avantajlar olarak ifade etmiştir. Buna karşın maliyet, teknik karmaşıklık, veri güvenliği kaygıları ve insan faktörünün geri planda kalması gibi unsurlar temel sınırlılıklar arasında öne çıkmaktadır. Kullanım deneyimi açısından veri izleme sistemleri ve video analiz uygulamalarının daha yaygın olduğu, ancak katılımcıların bir kısmının henüz bu teknolojileri aktif olarak kullanmadığı belirlenmiştir.
Gelecek perspektifine ilişkin bulgular, yapay zekâ destekli sistemlerin tenis antrenmanlarında giderek yaygınlaşacağına yönelik güçlü bir beklenti olduğunu ortaya koymaktadır. Bununla birlikte sporcular, bu sistemlerin kişiselleştirilmiş, yaş ve performans düzeyine duyarlı ve geleneksel antrenman yöntemleriyle entegre biçimde geliştirilmesi gerektiğini vurgulamaktadır. Sonuç olarak, yapay zekâ destekli antrenman sistemleri yüksek bir potansiyel sunmakla birlikte, sürdürülebilir ve etkili kullanım için insan merkezli ve etik temelli yaklaşımlara ihtiyaç bulunmaktadır.

Anahtar Kelimeler

Refleksif tematik analiz , Sporcu algısı ve tutumu , Tenis , Yapay zekâ destekli antrenman

TennisPlayers' AttitudesTowards AI-AssistedTechnological Training: A QualitativeStudy

https://izlik.org/JA74ZH79FT

Öz

The aim of this study is to examine in depth the perceptions, experiences, and future expectations of tennis players regarding artificial intelligence (AI)-supported training systems. The research was conducted within the framework of a qualitative approach using a case study design. Participants were asked 6 demographic questions and 16 open-ended questions. Data were collected through semi-structured interviews and analyzed using reflexive thematic analysis. The study group consisted of 25 athletes actively engaged in tennis.

The findings indicate that athletes largely perceive AI systems as supportive and complementary tools. Participants identified objective data generation, performance monitoring, rapid feedback, and facilitation of training planning as major advantages. However, factors such as cost, technical complexity, data security concerns, and the potential reduction of the human element emerged as key limitations. In terms of usage experience, data tracking systems and video analysis applications were found to be more common, although some participants had not yet actively used AI-based technologies.

Findings related to future perspectives reveal a strong expectation that AI-supported systems will become increasingly widespread in tennis training. Nevertheless, athletes emphasized that these systems should be personalized, adaptable to different age and performance levels, and integrated with traditional training methods. In conclusion, while AI-supported training systems offer significant potential in performance management, sustainable and effective implementation requires human-centered and ethically grounded approaches.

Anahtar Kelimeler

Reflexive thematic analysis , Athlete perceptions and attitudes , Tennis , AI-supported training

Kaynakça

• AlShami, A. K., Boult, T., & Kalita, J. (2023). Pose2Trajectory: Using transformers on body pose to predict tennis player’s trajectory. Journal of Visual Communication and Image Representation, 95, 103954. https://doi.org/10.1016/j.jvcir.2023.103954
• Anwar, N. I. A. (2026). Implementation of AI technology in sports development: A literatüre review. BIO Web of Conferences, 217, 01002. https://doi.org/10.1051/bioconf/202621701002
• Braun, V.,&Clarke, V. (2019). Reflecting on reflexivethematicanalysis. Qualitative Research in Sport, Exercise and Health, 11(4), 589–597. https://doi.org/10.1080/2159676X.2019.1628806
• Buchheit,M.,&Laursen,P.B.(2013).High-intensity interval training, solutions to the programming puzzle.Sports Medicine, 43(5), 313–338.https://doi.org/10.1007/s40279-013-0029-x
• Creswell, J. W.,&Poth, C. N. (2018). Qualitative inquiry and Research design: Choosing amongfiveapproaches (4th ed.). SAGE Publications.
• Davis, F. D. (1989). Perceivedusefulness, perceivedease of use, anduseracceptance of informationtechnology. MIS Quarterly, 13(3), 319–340. https://doi.org/10.2307/249008
• Dilican, T. (2025). Veri odaklı antrenman: Giyilebilir teknolojiler ve yapay zekâ ile sporcu performansının yükseltilmesi. International Journal of Sport Sciences (IJOSS), 2(3). https://doi.org/10.5281/zenodo.17583376
• Farrow, D., & Robertson, S. (2017). Development of a skillacquisitionperiodisationframeworkforhigh-performance sport. Sports Medicine, 47(6), 1043–1054. https://doi.org/10.1007/s40279-016-0646-2
• Gao, Y. (2025). The role of artificialintelligence in enhancing sports performance and public health out comes. Frontiers in Public Health, 13, 1554911. https://doi.org/10.3389/fpubh.2025.1554911
• Goh, G. L.,Goh, G. D., Pan, J. W., Teng, P. S. P., & Kong, P. W. (2023). Automated service heightfaultdetectionusingcomputervisionandmachinelearningforbadmintonmatches. Sensors, 23(24), 9759. https://doi.org/10.3390/s23249759
• Guest, G.,Namey, E. E., &Mitchell, M. L. (2013). Collecting qualitative data: A fieldmanual for applied research. SAGE Publications.
• Gürer, H., & Akçınar, F. (2023). Sporda sanal gerçeklik teknolojisinin kullanımı. İstanbul: Efe Akademi Yayınları.
• Karadağ, E. (Ed.). (2021). Nitel araştırma yöntemleri: Kuram, araştırma deseni, veri analizi ve sonuçların yorumlanması (2. bs.). Nobel Akademik Yayıncılık.
• Karakuş, O., Yorulmazlar, M M, Çetin, A., & Özsoy, D. (2023). E-Spor Oyuncularının Yapay Zeka Teknolojilerine Yönelik Tutumlarının İncelenmesi. Uluslararası Rekreasyon ve Spor Bilimleri Dergisi, 7 (1), 18-25. https://doi.org/10.46463/ijrss.1361388
• Lai, K. G.,Chen, Y.-L., Lin, C.-H., &Tsai, Y.-T. (2024). Tenniss hotside-viewand top-viewdata set forplayerandballtracking. Data in Brief, 54, 110341. https://doi.org/10.1016/j.dib.2024.110341
• Nowell, L. S., Norris, J. M., White, D. E., & Moules, N. J. (2017). The matic analysis: Striving to meet the trust worthines scriteria. International Journal of Qualitative Methods, 16(1), 1609406917733847. https://doi.org/10.1177/1609406917733847
• O’Brien, B. C., Harris, I. B., Beckman, T. J., Reed, D. A., & Cook, D. A. (2014). Standards for reporting qualitative research. Academic Medicine, 89(9), 1245–1251. https://doi.org/10.1097/ACM.0000000000000388
• Parasuraman, R., Sheridan, T. B., & Wickens, C. D. (2000).A model for types and levels of human interaction with automation. IEEE Transactions on Systems, Man, and Cybernetics – Part A: Systems and Humans, 30(3), 286–297. https://doi.org/10.1109/3468.844354
• Passmore, J., & Woodward, W. (2023). Coaching in the digital age: Preparing for the artificial intelligence coaching revolution. International Coaching Psychology Review, 18(1), 58–72. https://doi.org/10.53841/bpsicpr.2023.18.1.58
• Patton, M. Q. (2015). Qualitative Research & evaluation methods (4th ed.). SAGE Publications. Peake, J. M.,Kerr, G., & Sullivan, J. P. (2018). A criticalreview of consumerwearablesandapplicationsformonitoringphysicalactivityandhealth. Frontiers in Physiology, 9, 743. https://doi.org/10.3389/fphys.2018.00743
• Pietraszewski, P.,Terbalyan, A., Roczniok, R., Maszczyk, A., Ornowski, K., Manilewska, D., Kuliś, S., Zając, A., & Gołaś, A. (2025). The role of artificial intelligence in sports analytics: A systematic review and meta-analysis of performance trends. Applied Sciences, 15(13), 7254. https://doi.org/10.3390/app15137254
• Rai, A., Constantinides, P., & Sarker, S. (2019).Next-generation digital platforms: Toward human–AI hybrids.MIS Quarterly, 43(1), iii–ix.https://doi.org/10.25300/MISQ/2019/43:1.03
• Sampaio, T.,Oliveira, J. P., Marinho, D. A., Neiva, H. P., &Morais, J. E. (2024). Applications of machinelearningto optimize tennis performance: A systematic review. Applied Sciences, 14(13), 5517. https://doi.org/10.3390/app14135517 a
• Sampaio, T.,Oliveira, J. P., Marinho, D. A., Neiva, H. P., &Morais, J. E. (2024). Transforming tennis with artificial intelligence: A bibliometric review. Frontiers in Sports and Active Living, 6, 1456998. https://doi.org/10.3389/fspor.2024.1456998 b
• Sarıkabak, M., & Vural, E. (2025). Yapay Zekâ ile Spor Bilimlerinde Veri Odaklı Dönüşüm. Spor ve Bilim Dergisi, 3(2), 182-197. https://izlik.org/JA79EE42RJ
• Saw, A. E., Main, L. C., & Gastin, P. B. (2016).Monitoring the athlete training response: Subjective self-reported measures trump commonly used objective measures: A systematic review. British Journal of Sports Medicine, 50(5), 281–291. https://doi.org/10.1136/bjsports-2015-094758
• Seshadri, D. R., Li, R. T., Voos, J. E., Rowbottom, J. R., Alfes, C. M., Zorman, C. A., & Drummond, C. K. (2019). Wearable sensors for monitoring the internal and external workload of the athlete. Npj Digital Medicine, 2, 71. https://doi.org/10.1038/s41746-019-0149-2
• Wei, L., Teo, H. H., Chan, H. C., & Tan, B. C. Y. (2011). Conceptualizing and testing a social cognitive model of the digital divide. Information Systems Research, 22(1), 170–187. https://doi.org/10.1287/isre.1090.0273
• Yin, R. K. (2018). Case study research and applications: Design andmethods (6th ed.). SAGE Publications. Yun, H.-J., Jang, N., & Jeon, M. (2025). Deeplearning-basedtennis matchty peclustering. BMC Sports Science, Medicine and Rehabilitation, 17, 104. https://doi.org/10.1186/s13102-025-01147-w
• Yüksel, E. N., & Öntürk, Y. (2025). Teoriden Uygulamaya: Spor Bilimlerinde Yapay Zekânın Kullanımı / Dönüşümü. Spor Eğitim Dergisi, 9(1), 90-106. https://doi.org/10.55238/seder.1623316