オーストリアでCarv – Digital ski coachをスキー初級者が使ってみた記録

バックカントリーを始めた頃（2000年代前半）から感じていたこと。スプリットボードのない当初は、スノーボードだとザックにスノーボードを取り付けてスノーシューでハイクアップする必要がありました。スプリットボードが生まれてもなお、モードチェンジにかかる時間やちょっとしたトラバースでの板の安定性ではスプリットボードだと不安がありました。

ーー　やっぱり山ではスキーの機動性には勝てない。

そんなわけでスキーへのスイッチを検討し続けるものの、シーズン中は滑っていると、やっぱりスノーボードが楽だし楽しいくてなかなか練習になりません。特に雪が降ればパウダーでのスノーボードの浮力はたまりません。そんなわけで、なかなかスノーボードからスキーにスイッチするタイミングを逃すこと20年。

とにかくスキーが下手なんです。

アルペンスキーを滑られないのに、2016年に何故か買ってしまったのはFat Ski（パウダー用の太板）。なぜかそれなりにスキーヤーとゲレンデを一緒に滑ってましたが、全く基礎がなっていないままでした。年に1回くらいしか使わないFat Ski。これでは全くスキーが上達しません。とてもじゃないけど山に入れるレベルにはなりません。

そんな昨シーズン（2023/2024シーズン）、思い切ってアルペンスキーを購入しました。しかし、乗ってみると歳のせいかFat Skiの数倍怖くなり、結局2回ほど試したところで派手にクラッシュして膝を痛めてしまいました。そしてまたスノーボードに逆戻り。そんなわけで、今シーズン（2024/2025）こそは！！！と、思っていました。

Carvを手にいれましたが、シーズン初めはスノーボードで使ってしまいました。使いはじめてみるとやっぱりスキーで試してみたくなります。そんなわけで、Carvきっかけでスキー熱が上がったので、年明けから4回（4日）スキーをしました。今回は、その4回でCarvがどの程度私の上達を検知したかという記録です。

Carv – Digital ski coachをスノーボードで使ってみたレビュー

2025年に入ってからの4回のスキーのイベントをCarvのデータをもとにプロットしてみました。4回のスキーでのOverallの結果です。ピックアップしているのはMaxとLowestのIQと、スピードとEdge Angle。大雑把に徐々に向上していることがわかります。

全てのRun（いくつかのターンの後に一時停止するまで）のデータと、その連続した4回の移動平均をプロットしてみた結果を以下に示します。ちなみに滑っているスキー場は全て違います。初級ゲレンデしかないスキー場、初級と中級、中級メインのゲレンデがまざっています。色の薄い方から濃い方へDay 1からDay 4になります。傾向だけを見ても、たった4回のスキーであっても経験を重ねるほどに移動平均が徐々に上昇しているのがわかります。

このトレンドを、移動平均ではなく直線で近似してみると以下のようになります。先ほどと同じように、色の薄い（Day 1）から色の濃い（Day 4）に向かって全体的に底上げされていることがわかります。

もう少し統計的に見てみようと、今度は得られたDay 1-Day 4のIQのRunの回数の分布を正規分布で近似してみました。（Excelってこれが簡単にできないんですね。結局、サクッとPythonで書いた。）こちらで見てもIQの中央値が96.1から109.4まで上昇していることがわかりました。同時に、Day 3とDay 4で伸び悩みがすでに見られ、今後の伸び悩みが懸念されます。

というわけで、たった4回のスキーでも、徐々に上達することがCarvを使えば数値的にわかってしまうという記録でした。

ただし、多分、IQ90-100台、IQ100-120台は比較的到達しやすいのですが、IQ120台を全てのRunで維持するのは難しいし、IQ130、IQ140には大きな壁があると予測します。Max IQ 126は初級者Luckですが、今シーズンはこれからもスキーを頑張ってみたいと思います。

Carvからデータを書き出す機能はないので毎回の60 Runほどのデータは手打ちしました。さらに3つ目のプロットは、Excel上でCountif関数でカウントした結果を使って以下のPythonコードで描きました。

import math
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from scipy.optimize import curve_fit


def gaussian(x_range, amp, mu, sig):
    if amp == 0:
        amp = 1 / (np.sqrt(2 * math.pi) * sig)
    return amp * np.exp(-np.power(x_range - mu, 2.0) / (2 * np.power(sig, 2.0)))


def data_read():
    cols = ["IQ", "Day_1", "Day_2", "Day_3", "Day_4"]
    iq_data = pd.read_csv("IQcount.txt", skiprows=1, sep="t", header=None, names=cols)
    for column in iq_data.loc[:, iq_data.columns != "IQ"]:
        iq_data = iq_data.replace(0, np.nan)

    return iq_data


def dataplot():
    iq_data = data_read()
    barshift = 0
    colorshift = 0.25
    plt.rcParams["font.size"] = 12

    cmap = plt.get_cmap("Blues")
    plt.set_cmap("ocean")
    for column in iq_data.loc[:, iq_data.columns != "IQ"]:
        df = iq_data.dropna(subset=)
        popt, pcov = curve_fit(
            gaussian,
            df["IQ"].to_list(),
            df.to_list(),
            p0=[df.max(), 100, 10],
            maxfev=1000,
            absolute_sigma=True,
        )

        plt.plot(
            df["IQ"],
            gaussian(df["IQ"], *popt),
            "-",
            label=f"{column} fit, Median: {popt[1]:#.1f}",
            color=cmap(colorshift),
        )
        plt.bar(
            df["IQ"] + barshift,
            df,
            label=column,
            edgecolor="white",
            width=0.5,
            alpha=0.7,
            color=cmap(colorshift),
        )
        barshift += 0.1
        colorshift += 0.25

    plt.xticks(np.arange(86, 130, 2))
    plt.xlabel("Ski IQ")
    plt.ylabel("Number of runs")
    plt.legend()
    plt.show()


if __name__ == "__main__":
    dataplot()