Distribuzione dei profili dei giocatori nel calcio femminile d’élite: analisi K-Modd Clusting dei dati fisici e tecnici della Coppa del Mondo femminile FIFA 2023

Recentemente, la disponibilità di set di dati su larga scala nel calcio insieme ai metodi contemporanei di analisi dei dati ha portato a valutazioni più avanzate delle prestazioni dei giocatori. [50]. Metriche come risultati fisici (ad esempio sprint, corse veloci, distanza percorsa) e azioni tecniche (ad esempio passaggi, dribbling, tiri) vengono spesso raccolte per valutare le prestazioni corrispondenti [38],, [55],, [57],, [58]. Tuttavia, i metodi di analisi delle prestazioni spesso esplorano aspetti fisici (ad es. [68],, [70]) e tecnici (ad es. [4]; Garciaunanue et al., 2020; Kubayi e Paul, 2020) a parte. Questo metodo diviso non riflette una valutazione olistica delle prestazioni calcistiche [8].

Quando giocano partite di calcio d’élite, i giocatori sono esposti a requisiti di ruolo eterogenei che ottengono diverse combinazioni di azioni tecniche e rendimento fisico piuttosto che modelli di prestazione uniformi. [24],, [63]. Ad esempio, ad alcuni giocatori viene richiesto di mantenere un elevato numero di corse e sforzi ad alta intensità ripetutamente per un tempo di gioco prolungato, mentre altri, come un attacco a fine partita, possono accumulare una distanza totale relativamente bassa ma ci si aspetta che producano un’alta densità di operazioni esplosive (ad esempio, sprint, accelerazioni) insieme a contributi di attacco diretto come tiri e dribbling in un periodo di tempo limitato. Allo stesso modo, i giocatori d’assalto diffusi spesso combinano una corsa molto veloce e portano la palla per sfruttare lo spazio lungo i lati, mentre i giocatori d’assalto centrali possono influenzare principalmente attraverso i passaggi e la connessione della posizione con requisiti di sprint relativamente inferiori. La ricerca empirica ha dimostrato che i requisiti fisici e tecnici corrispondenti variano in modo significativo a seconda del ruolo del gioco, della posizione e del contesto tattico, supportando l’idea che il modo migliore per rappresentare le prestazioni offensive sono configurazioni tecniche tipiche del phishing piuttosto che metriche isolate (Bradley et al., 2009; [17]; Lago-peña as et al., 2011; [24]). Pertanto, un approccio analitico tecnico combinato è essenziale per rivelare modelli significativi nel comportamento dei giocatori, poiché l’interazione tra la produzione fisica e l’operazione tecnica spesso determina l’efficacia delle azioni di abbinamento. [51].

Attualmente, la letteratura attuale che esplora le prestazioni calcistiche si concentra sulle alleanze d’élite di uomini nazionali [39],, [64]con una relativa carenza di ricerca guidata da dati riguardanti il ​​calcio femminile [32]soprattutto nelle sedi dei tornei internazionali [10]. Sebbene la ricerca sul calcio femminile sia aumentata negli ultimi anni, essa rappresenta ancora il 20% di tutti gli studi sul calcio [39]Con particolare attenzione alla prevenzione degli infortuni, alla prestazione fisica, ai fattori psicosociali, alla motivazione e alla leadership [69]. La ricerca sui profili delle calciatrici e sugli stili di tecnica e fisicità durante le partite è ancora limitata. La Coppa del Mondo femminile FIFA rappresenta un ambiente unico ad alte prestazioni caratterizzato da diversi stili di gioco, programmi compatti e varianti tattiche internazionali. [27],, [54]. Pertanto, un’analisi completa dei dati sulle prestazioni della Coppa del Mondo potrebbe fornire una preziosa visione dei requisiti e dei fattori di successo delle partite internazionali di calcio femminile.

I metodi di clustering offrono un mezzo basato sui dati per rivelare e distribuire funzionalità complesse incorporate all’interno di metriche prestazionali multivariabili. [16],, [34]. Applicando tecniche statistiche e algoritmi non supervisionati, il clustering può identificare e classificare modelli precedentemente non etichettati nel comportamento del team e nelle caratteristiche prestazionali senza la necessità di etichette predefinite. [34]. Questa capacità supporta l’ottimizzazione delle prestazioni degli atleti e, combinata con l’imaging e il reporting, fornisce un percorso strutturato per la produzione e la comunicazione di approfondimenti rilevanti per la ricerca tattica nel calcio [72]. Di conseguenza, il clustering è diventato sempre più prezioso nella ricerca sulle prestazioni sportive, in particolare per obiettivi esplorativi in ​​cui lo scopo è caratterizzare strutture nascoste ed eterogeneità all’interno di set di dati complessi piuttosto che valutare un presupposto prescritto. [66]. In pratica, il clustering consente l’estrazione di gruppi naturali che riflettono la natura multidimensionale della prestazione atletica e il contributo di più indicatori congiuntamente. [14]. Perché gli indicatori di prestazione possono combinarsi e interagire all’interno di situazioni corrispondenti [15],, [46]Il clustering fornisce un modo basato su principi per riassumere queste configurazioni multivariabili in profili interpretabili. Caratteristiche interpretabili e regole decisionali possono anche derivare dalla corrispondenza dei dati, consentendo di rappresentare i comportamenti in una forma visiva accessibile che può informare lo sviluppo della strategia e prendere decisioni applicate. [26]. In quanto tale, il clustering è particolarmente adatto per la profilazione esplorativa nello sport, catturando modelli comportamentali emergenti senza imporre rigide ipotesi categoriche. Al di là della descrizione, può produrre risultati rilevanti per i professionisti distinguendo i profili basati sui ruoli e guidando le priorità di formazione, identificando il talento e la preparazione tattica.[1]; Serhat Emre Akhanl e Hennig, 2023).

La ricerca ha dimostrato l’utilità delle tecniche di clustering nello sport, fornendo una base per un uso più ampio nell’analisi delle prestazioni [34]. Nel calcio, il clustering veniva utilizzato per distinguere le configurazioni comportamentali, spesso includendo informazioni relative alla posizione e al contesto. Ad esempio, c’è un sampaio et al. [59] Analisi dei cluster applicata in giochi a piccola scala per distinguere tra modelli comportamentali sotto diverse dimensioni di tono, e Li et al. [46] Utilizzare i K-Mode raggruppati nella Premier League maschile cinese, evidenziando come le informazioni contestuali possano formulare soluzioni di cluster. A livello di squadra, Fernández-Navarro et al. (2016) classificando i modelli offensivi e protettivi nelle squadre d’élite spagnole e inglesi e collegando questi modelli ai risultati corrispondenti. Nonostante questa crescita nel calcio maschile, le applicazioni del clustering non vengono esaminate in modo relativamente adeguato nel calcio femminile [32]Soprattutto a livello di tornei internazionali.

Accanto a questo sviluppo metodologico, vi è un crescente interesse su come i comportamenti aggressivi si applicano alla produzione fisica. Il lavoro precedente suggerisce che diversi comportamenti di attacco (ad esempio un gioco più diretto, una circolazione orientata al possesso o metodi di pesatura) sono correlati a specifici requisiti fisici e contributi funzionali [24],, [36]. È importante sottolineare che questi comportamenti si esprimono attraverso il contributo di azioni tecniche congiunte e risultati fisici, stimolando analisi tecnico-fisiche integrate. [29],, [61]. Sebbene una raccolta tattica di “stili di gioco” di solito richieda il rilevamento della posizione e variabili contestuali più ricche, le metriche di corrispondenza fisiche e tecniche integrate possono continuare a supportare l’identificazione di gruppi interpretativi e basati sulle prestazioni che si applicano al processo decisionale applicato. Ad esempio, Narayanan e Pifer [53] Sviluppare un modello su misura per caratterizzare i modelli di prestazione nella squadra nazionale statunitense per informare l’allenamento e la preparazione delle partite nel calcio femminile. Di conseguenza, la comprensione di tali profili basati sulle prestazioni può supportare le decisioni di formazione nell’identificazione dei talenti, nel concentrarsi sulla formazione e nella preparazione delle partite [20],, [60]e aiutare ad allineare i contributi offensivi con le capacità fisiche appropriate [3].

Nel calcio femminile d’élite, i contributi offensivi sono espressi attraverso lo schema combinato di azioni tecniche e rendimento fisico. L’integrazione di queste dimensioni fornisce una base pratica per descrivere l’eterogeneità nel modo in cui i giocatori contribuiscono all’offensiva, al di là di ciò che può essere raccolto da ciascuna dimensione e da un’altra separatamente. Di conseguenza, questo studio adotta un approccio esplorativo basato sui dati per ricavare i profili dei giocatori offensivi dal monitoraggio fisico integrato e dalle metriche degli eventi tecnici della Coppa del Mondo FIFA 2023 utilizzando il clustering K-Means. In particolare, il nostro obiettivo è: (i) tracciare osservazioni di gioco del giocatore che combinano risultati fisici (ad esempio, corsa veloce e sprint) e indicatori tecnici (ad esempio passaggi chiave e dribbling); (ii) utilizzare i K-Modes raggruppati per identificare i gruppi naturali in questo spazio di funzionalità combinato; e (iii) caratterizzare i profili consequenziali in termini di proprietà fisiche tecniche differenziali.