تقييم جودة الحركة (AQA) يطبق الرؤية الحاسوبية لتقييم كمي لأداء أو تنفيذ حركة بشرية. تتمثل النهج الحالية لـ AQA في نماذج عصبية شاملة، والتي تعاني من نقص الشفافية وتكون متحيزة غالبًا لأنها يتم تدريبها على آراء بشرية ذات طابع شخصي كحقائق أساسية. لمعالجة هذه القضايا، نقدم نموذجًا عصبي-رمزيًا لـ AQA، يستخدم الشبكات العصبية لاستخراج رموز قابلة للتفسير من بيانات الفيديو ويجري تقييمات الجودة عن طريق تطبيق قواعد على تلك الرموز. نأخذ الغوص كدراسة حالة. اكتشفنا أن الخبراء في المجال يفضلون نظامنا ويجدونه أكثر إفادة من النماذج العصبية الخالصة لتقييم جودة الحركة في الغوص. كما حقق نظامنا أحدث مستويات التعرف على الحركات والتقسيم الزمني، وينتج تقريرًا مفصلًا بشكل تلقائي يفكك الغوص إلى عناصره ويقدم تقييمًا موضوعيًا مع دليل بصري. كما أكدته مجموعة من الخبراء في المجال، يمكن استخدام هذا التقرير لمساعدة القضاة في التقييم، وتدريب القضاة، وتقديم ردود فعل للغواصين. البيانات التدريبية المصححة والكود: https://github.com/laurenok24/NSAQA.