A prática deliberada de corrida promove uma melhora no padrão de movimento do corredor, porém ainda é incerto quais são as contribuições da experiência de corrida na mecânica do corpo. No curso de dar luz a essas contribuições nos deparamos com uma questão básica anterior: o que é um corredor experiente? Apesar de existir uma regra dos "dez anos" de prática para se tornar especialista, não há uma definição clara do que é ser experiente em corrida e, quantificar o nível da experiência é uma tarefa desafiadora. Uma alternativa para essa tarefa envolve a criação de um sistema de apoio à decisão para classificação do fenômeno utilizando um sistemas linguísticos fuzzy. O uso desses sistemas é indicado para tratar de fenômenos com características de incerteza de identificação. Os objetivos do estudo foram: (i) desenvolver um sistema de apoio à decisão para a classificação da experiência do corredor de longa distância não federado por meio de um modelo fuzzy; e (ii) desenvolver uma prova que avalie a capacidade do corredor em controlar o ritmo durante a corrida, como forma de qualificar a experiência nessa modalidade. Para o primeiro objetivo, dois subsistemas tipo Mamdani foram desenvolvidos a partir do julgamento de três técnicos especialistas em corrida. No primeiro subsistema as variáveis linguísticas de frequência e volume de treino foram combinadas tendo como saída conjuntos que definiram a qualidade da prática. O segundo subsistema combinou à saída do 1º sistema, o número de provas e o tempo de prática e determinou o nível de experiência em corrida, em cinco conjuntos de saída. Os resultados do modelo foram altamente consistentes com a avaliação dos três especialistas em corrida que o criaram (r > O,88, p < O,OOl) e altamente consistentes com a avaliação de cinco outros especialistas (r > O,86, p < O,OOl). Para o segundo objetivo, como os especialistas descreveram de forma contundente que o controle de ritmo durante a corrida é uma característica presente e marcante em corredores experientes, desenvolvemos uma prova para testar essa capacidade do corredor e para que esta ferramenta pudesse ser utilizada como padrão de comparação com os resultados da avaliação do modelo fuzzy. Duas provas de 1000 m e 3200 m foram desenvolvidas. A primeira foi aplicada em 100 e a segunda em 42 corredores de longa distância não federados, onde tinham um tempo alvo para completar a prova baseado no tempo da última prova de 5km ou 10km que tivessem realizado. Os tempos parciais foram mensurados a cada 200m para identificar o ritmo. Foi possível identificar algumas distribuições de ritmo típicas ao longo dos testes, todavia, elas não se relacionaram com o nível de experiência dos corredores, o mesmo ocorreu entre o grau de acurácia em reproduzir os tempos solicitados e o nível de experiência. No geral, pode-se dizer que a classificação de experiência baseada num sistema fuzzy foi consistente como se pode depreender do grau de correlação do modelo com os julgamentos dos especialistas. A ausência de relações significantes entre o modelo e o controle de ritmo pode ser atribuída ao segundo, já que não há consenso na literatura sobre qual seria um teste de ritmo objetivo, fidedigno e válido. O controle de ritmo por si já está imbuído de um grau de incerteza (várias combinações temporais levam ao mesmo resultado final) o que corrobora com a utilização da lógica fuzzy para o entendimento do fenômeno e demanda estudos específicos. É importante destacar que a aplicação do modelo permitiu identificar que um alto nível de experiência não está balizado pela "regra dos 10 anos de prática" o que provavelmente tem a ver com o tipo de atividade estudada aqui, depende de uma habilidade mais motora e menos cognitiva. Isso indica que na corrida há outros fatores balizadores, como a frequência e o volume de treinos e a participação em provas. O sistema fuzzy de apoio a decisão para classificação do nível de experiência do praticante de corrida de fundo mostrou-se capaz de identificar e classificar a experiência em corrida com confiabilidade

The deliberate practice of running enhances the runner's movement pattern, but it is yet uncertain what are the contributions of running experience to body mechanics. In the course to unravel such contributions one is faced with a more basic question: what is an experienced runner? In spite of the well known rule of "ten years of practice" to become an expertise, there is no clear definition of what it is to be an experienced runner, hence to quantify the experience levei is a challenging task. One alternative to this task entails the development a system to support decision-making to classify the phenomenon using Fuzzy Linguistic Systems. The use of such systems is indicated to deal with phenomena that have an uncertain characterization because its identification allows different configurations. The goals of the study were: (i) to develop a fuzzy decision support system for classifying the running experience of non- elite long distance runners; (ii) to develop a running test to assess the runner's ability to pace control during running and that might be associated to experience levels. For the first goal, two Mamdani subsystems were developed from the judgements of three expert running coaches. In the first subsystem, the linguistic variables of training frequency and volume were combined and the output defined the quality of running practice. The second subsystem determined the running experience levei from the five output sets of the first subsystem combined with the number of races and practice time. The results of the model were highly consistent with the evaluation done by the three expert running coaches who created it (r > O,88, p < O,OOl) as well as with that of other five expert running coaches (r > O,86, p < O,OOl). For the second goal, considering that the running experts were quite confident that pace control is a marked ability of experienced runners, a running test was developed to assess the runner's ability to exert such control and that might be a reference for comparison with the experience levei defined by the fuzzy system based classification. Two running tests, 1000 and 3200 meters races, were developed and applied in a sample of 142 non-elite long distance runners in which they had a goal time to complete the test based on their personal last time in 10km or 5km races. Splits times we-re taken at each 200 m to identify the pace. Although it was possible to identify some typical pace distributions in the tests, they were not correlated to experience levels and also to the accuracy with which the goal time were attained. Overall, the classification of running experience based in a fuzzy system was consistent as one considers the degree of correlation between the model and the judgments made by the expert coaches. The lack of correlation with the pace control might be due to the fact that the test might not be appropriated. There is no consensus in the literature about what would be an objective, reliable and valid running pace control testo Pace control is in itself an uncertain process (many temporal combinations can yield the same final result) which agrees with the use fuzzy logic to unravel it, hence it warrants a set of particular investigations. It is important to remark that with the application of the model it was possible to verify that a high running experience levei is not constrained by "the ten years of practice" rule, which is likely to related to the activity studied here. This indicates that in running there are other constraints for experience such as training frequency, volume and participation in races. The fuzzy decision support system to classify the experience levei of the non-elite long distance runner proved to be capable to identify and classify the running experience with reliability