【マラソン】フィットネス-ファティーグ(疲労)理論／係数調整で使いやすく改良！【トレーニング】

先日紹介しましたフィットネス-ファティーグ理論（以下、FF理論）ですが、記録をはじめて1ヶ月がたちました。
1ヶ月というスパンを通して、グラフの傾向、そして、現実のパフォーマンスとのギャップが見えてきました。
今回は、そういったグラフの傾向や実際とのギャップをまとめ、それを解決するために行った修正点を紹介します。

グラフと実際とのギャップ

記録するほどグラフは右肩下がりに

まずは、1ヶ月間の記録を示したグラフを見てみましょう。

2/17から3/19までの記録をグラフ化したものです。赤い線がフィットネス、緑の線が疲労、紫の線がパフォーマンスです。それぞれに値がありますが、具体的な数値にこだわる必要はありません。重要なのはグラフの上下です。

紫のパフォーマンスのグラフに注目すると、3/11で傾向が変化しています。3/11以前は減少傾向にあったのに対して、以降は多少ながら増加傾向にあります。

これは僕が3/11にある点を修正したからです。修正点に関しては後ほど記述することにします。ここでは、記録開始の2/17から3/10までの話をしましょう。

記録を開始した当時、僕は十分な練習ができておらず体力は落ちに落ちきっていました。また、年明けに膝を痛めたため、長距離を走ることができない状態。

このままでは、目標である「長野マラソンでサブ４達成」ができない…そう思い、そこから徐々にペースと距離を伸ばせるように練習を重ねました。

同時に、Tarzanのスプレッドシートに記録をつけていきました。

ところが、FF理論をもとに記録をつければつけるほど、グラフで示されるパフォーマンスは下がっていく…

実際のパフォーマンスは向上しているはず

グラフ上では落ちていくパフォーマンス。

しかし、ランニングを続けるうちに、ペースと走れる距離は伸び、膝の痛みも軽減されてきたのが実感できました。パフォーマンスが向上している自信もありました。

FF理論においてパフォーマンスとは、フィットネスと疲労（ファティーグ）を引き算したものです。

そこで、グラフに示されるパフォーマンスと実際とのギャップの原因を考えてみました。2つの原因が考えられます。その2つとは

• 想定モデルよりフィットネスが向上しやすい体質だった
• 想定モデルより疲労が溜まりにくい体質だった

この2つのいずれか、もしくは両方が原因となって、グラフと実際のギャップが生まれているのではないか、と考えました。

想定モデルはどんな人？

想定モデルという言葉を急に使いましたが、このスプレッドシートには恐らく想定されたモデルが存在します。というのも、使い方の解説ページに、ランニング係数の値が「読者を念頭において作成」されたという記述があるからです。つまり、読者＝想定モデルということになります。

では、Tarzanの読者ってどんな人たちなんでしょうか？こんな記事を見つけました。

dマガジンで“紙”は強くなるのか？“体”最強のTarzan編集長に走りながら聞いた - 週刊アスキー

マガジンハウスが刊行するTarzanは、dマガジンでの電子版配信後に紙媒体の実売部数が大幅アップしたとのこと。その秘密をTarzan編集部の大田原編集長にジョギングしながら聞いてきました！

weekly.ascii.jp

Tarzanの読者年齢層を聞いてみたところ、コア読者は30代～40代前半。また、仕事が忙しくて運動する機会が減る20代の社会人が購読を始めるパターンが多いそうです。

男女比率は7割強が男性、2割から3割が女性ですが、販売部数から考えると3～5万部は女性が読んでいることになります。

この記述から推測するに、想定モデルは30代。男女比も考慮すると、男性7割、女性3割の体格・体質（あくまでモデルです…）と考えるのが妥当でしょう。

僕は現在20代後半なので、想定モデルよりも若いことになります。

年齢とトレーニング効果の関係には様々な論があるようで、専門家でも意見の分かれるところのようです。

ですが、20代の人と30代の人では、前者の方がフィットネスが向上しやすく、疲労回復も速い印象があります。

結論として、「グラフと実際のギャップの原因は想定モデルより僕の年齢が低いこと」と言えそうです。

修正ポイントと修正方法

ランニング係数を修正してみる

想定モデルと僕とに差があると結論づけた上で、スプレッドシートの修正に取りかかります。

フィットネスの値に深く関わる係数、疲労の値に深く関わる係数など、FF理論には様々な係数が使わています。

今回は、「読者を念頭において作成」されたという記述のあるランニング係数を修正してみることにします。

ランニング係数の全貌をチェック

ランニング係数は、1キロを走るのに必要なタイム、いわゆるペースをもとに決定されます。5’59〜5’30なら3.5、5’29〜5’00なら4.8といったように、30秒間隔で値が割り振られています。

Tarzanには、これらの値しか掲載されておらず、値の導き方がわかりません。そのため、まずはランニング係数をプロットし、そこから近似式を求めます。

ほとんど重なっていて分かりづらいですが、青が掲載されていたランニング係数、緑が近似式の曲線です。ちなみに右上の式が近似式です。

これがランニング係数の全貌です。

値を細かく算出してみる

スプレッドシートにはランニング係数が30秒ごとに用意されていましたが、実際に使用していると少し大雑把な感じがしました。例えば4’00で走った場合と4’29で走った場合とで入力しる値は変わりません。でも、実際はこの２つのペースの違いは大きいです。

そのため、ランニング係数の値をより細かく15秒ごとに区切ることにしました。

その結果、ランニング係数は以下のようになりました。

あくまで近似式を用いたことに加え、小数点以下の扱いの違いからか、もともとのランニング係数と比べると、わずかに小さな値となりました。

これでグラフの右肩下がりも軽減するかも？

ランニング係数の値が小さくなると、フィットネスと疲労の両方の値も小さくなりますが、より影響が大きいのは疲労の方。そのため、パフォーマンスの値は大きくなるはず・・・

15秒刻みで記録をつけられるようにもなりましたし、新しいランニング係数を使って記録をとることにしました。

新たなランニング係数を用いた結果

グラフの右肩下がりが軽減

ここでもう一度、先ほどグラフを見てみましょう。

修正したのは3/11です。そこからわずかではありますが、上昇傾向に移っています。

実際、練習を重ねる毎にパフォーマンスの向上を感じていますので、グラフの動きと実際との間のギャップが少なくなったように感じます。

細かい区切りがモチベーションに好影響

また、ランニング係数を細かく区切ったことで、練習時のモチベーションにも好影響が出ました。

例えば、4’44のペースで走っているとき。

以前の係数では4’59までペースを落としても入力する値は変わりませんが、新しい係数では4’44を維持することで値が変わります。つまり、「より大きい負荷でトレーニングをした」ということが記録できるのです。これが非常にモチベーションを高めることに効きました。

結果を数値で記録するメリットの一つだと思います。

本番まではこの調子で行こう

以上、FF理論によるグラフと実際とのギャップ、そして、それを解決するために行った修正点の紹介でした。

これが正解と言えるものではありませんが、多少は改良されたのではないかと思います。

目標である長野マラソンまでは、このまま記録を続けたいと思います。どんな結果が待っているのか楽しみです！