Tahmin modeli, futbolcuların sakatlık riskini tahmin etmeyi amaçlıyor

Hecksteden, bir röportajında modelin "gelecekte sakatlanmaları potansiyel olarak önleyebileceğini" açıklayarak modelin faydalarını vurguladı. Innsbruck Tıp Üniversitesi ve Innsbruck Üniversitesi'nde araştırmalar yürüten ve Alman milli takımlarında (örneğin Gençlik Olimpiyat Oyunları veya Dünya Oyunları milli takımlarında) uzun yıllara dayanan elit spor doktorluğu deneyimini masaya yatıran spor hekimi, nihai hedefin "yüksek sakatlanma riski taşıyan oyuncuları belirlemek" ve böylece "kişiselleştirilmiş tıbbi yaklaşımlarla" müdahale edip etkisiz hale getirmek olduğunu belirterek yaklaşımı ve hedefleri açıkladı. Hecksteden, "oyuncular önceki bir sakatlıktan döndüklerinde" bu faydanın özellikle büyük olduğunu ekledi. Mevcut, yenilenen sakatlık riski, "oyuna dönüş için doğru zamanı belirlemek için önemli bir temel" oluşturuyor.

Her halükarda, sakatlanma riski yüksek oyuncuların "tanımlanması" ve dolayısıyla risk değerlendirmesi, profesyonel futbolda halihazırda kullanılan büyük ölçüde veriye dayalı tahmin modelleriyle yetersiz bir şekilde gerçekleştiriliyor. Bu modeller, tam olarak yorumlanması zor, gerçek bir "veri tsunamisi" yaratıyor. "Bunlar arasında sporcuların iş yükü ve performans alanlarından, GPS verilerinden, sayısız videodan ve hatta yapay zeka iskelet modellerinden elde edilen veriler yer alıyor," diye birkaç örnek verdi. Bu yetersiz performansın nedenleri var: "Çok fazla değişken devreye giriyor, bu da temel faktörlere odaklanmanın kaybolduğu anlamına geliyor," dedi Hecksteden.

Modelde "öznel algı" önemli bir faktördür

Haziran ayında "Futbolda Bilim ve Tıp" dergisinde bir yorumda sunulan, şimdi hızlandırılmış model ise farklı çalışıyor: "Modelin karmaşıklığını kasıtlı olarak birkaç parametreye indirgiyoruz." Her durumda amaç, "önemli, aslında kararla ilgili yönleri ölçmek" ve ayrıca insan uzman bilgisini de dahil etmek.

Hecksteden, "Örneğin, sakatlık riskini artıran oyuncu yorgunluğu söz konusu olduğunda bu önemlidir," diye açıkladı. Spor hekimi, bir oyuncunun "yorgunluğu hissettiğini" ve hatta "deneyimli bir antrenörün bile bunu algıladığını", ancak bunu nesnel verilerle yakalamanın zor olduğunu açıkladı. Bilim insanı, bu bağlamda "insan algısının kendine özgü bir özelliği" olduğunu ve "öznel algının" "modellenmesinin zor" olduğunu vurguladı. Dolayısıyla "antrenörün gözü", "modelleri optimize etmek" için kullanılmaya devam edecek olan bilgisayar destekli süreçleri destekliyor.

Şu anda kullanılan model ve prosedürlerle ilgili bir diğer sorun da küçük örneklem büyüklükleridir. Hecksteden, "Milyonlarca veri kümesine sahip çevrimiçi pazarlamadan bahsetmiyoruz," dedi. "Üst düzey futboldaki örneklem büyüklükleri nispeten küçüktür çünkü elimizde milyonlarca oyuncu yok." Sonuçta, burada "elit bir gruptan" bahsediyoruz, diye vurguladı. Bu nedenle, tamamen veri odaklı, oldukça karmaşık ve "yeni oyunculara da uygulanabilen" modellerin oluşturulması ancak çok sınırlı bir ölçüde mümkündür.

Üst düzey futbol için bir hedef olarak "pratik model"

Yeni modelin iki gerçek hayattan örnekle gösterildiği yorumların ardından, şimdi tahmin modelini ek vakalarla doğrulamanın ve böylece etkinliğini desteklemenin zamanı geldi. Hecksteden, "Modele uzman ayarlamalarının faydalarına daha yakından bakmamız gerekiyor," diye açıkladı. Araştırmacı, bunun nihayetinde "elit futbolda ve muhtemelen diğer elit ve takım sporlarında da pratikte uygulanabilecek teknik olarak makul ve pratik bir model" ile sonuçlanacağını söyledi.