داخل نهضة البيانات في كرة القدم
يستخدم ديفيس وفريقه من الباحثين تحليلات البيانات المتقدمة للكشف عن مجموعة من النتائج التي غيرت قواعد اللعبة والتي تعمل على تغيير عملية صنع القرار في الأندية المحترفة. يقول هوغو ريوس نيتو، مسؤول توظيف البيانات في نادي أندرلخت الملكي الرياضي في بلجيكا: “إن مختبره هو مختبر التحليلات الرياضية الأكثر تأثيرًا في كرة القدم”. لقد ساعدوا الفرق على تقييم قوائمهم بشكل أفضل، وابتكروا طرقًا لتقييم مدى كفاءة الاستراتيجيات (أو عدمها)، وقاموا بتطوير خوارزميات تكشف عن الأنماط التكتيكية المخفية. مثل، على سبيل المثال، قيمة ركل الكرة خارج الحدود بالقرب من المرمى والسماح لخصمك بإعادتها إلى اللعب – وهي خطوة ظهرت في بعض الدوريات الكبرى في العالم خلال السنوات القليلة الماضية. ولتقديم حجة إحصائية لهذه الخطوة التي تبدو ذات نتائج عكسية، قامت مجموعة ديفيس ببناء مجموعة بيانات تدريبية تتكون من أكثر من 1.4 مليون تمريرة ونحو 60 ألف رمية تماس – جزئيًا من كأس العالم 2022. لقد استخدموا نماذج مجموعة الأشجار (في الأساس مزيج من أشجار القرار) لمحاكاة التكتيك. الاستنتاج الذي قدمه الباحثون في ورقة بحثية عام 2024 تحت عنوان “Boot it”: عندما تكون الكرة في الثلث الأوسط من الملعب، فإن ركلها خارج الحدود على جانب خصمك من الملعب يمكن أن يضعك على بعد 10 حركات (فكر في التمريرات والمراوغات) من الهدف. يمكن أن يكون هذا أمرًا مهمًا في لعبة تحتوي على 1500 إجراء أو أكثر لكل مباراة وتسجيل قليل جدًا. ويوضح ديفيس أن الفكرة هي أنك تقوم بإعداد نفسك لاستعادة الكرة في موقف مفيد. إلى جانب تقديم رؤى منفصلة عن يوم المباراة، يحتل ديفيس أيضًا مكانة فريدة في عالم التحليلات الرياضية، حيث تقوم العديد من الأندية الآن بتعيين فرق البيانات الداخلية الخاصة بها للحفاظ على ميزة تنافسية. وهو يجعل معظم أبحاثه متاحة مجانًا عبر أدوات التحليل مفتوحة المصدر، لكن الحياة الأكاديمية تتيح له أيضًا الحرية في معالجة المشكلات الأكثر تعقيدًا – مثل توحيد البيانات داخل اللعبة، وهو مشروع من شأنه أن يسهل تحليل لقطات اللعبة والتوصل إلى استراتيجيات فائزة. نشأ ديفيس (45 عاما) في ولاية ويسكونسن وقضى طفولته مفتونا بكرة السلة وكرة القدم (الأمريكية). لم تكن كرة القدم إلى حد كبير بالنسبة له حتى دراسته الجامعية، عندما صدمته بطولة كأس العالم عام 2002 – التي فازت فيها البرازيل بالبطولة. لكن فكرة الاستمرار في تشريح هذه الرياضة لم تخطر بباله أبدًا. دراساته للدكتوراه في علوم الكمبيوتر في جامعة ويسكونسن ماديسون جعلته يعمل مع أخصائيي الأشعة لتحليل تقارير التصوير الشعاعي للثدي. جيسي ديفيس في ملعب Den Dreef، موطن فريق OH Leuven البلجيكي لدوري Jupiler Pro. بترا إسرائيل في أكتوبر 2010، انضم إلى جامعة KU Leuven كأستاذ لعلوم الكمبيوتر يبحث في التقاطع بين الذكاء الاصطناعي والرعاية الصحية، مع التركيز على مراقبة الأداء الرياضي. على سبيل المثال، درس فريقه البحثي الجمع بين أشياء مثل معدل ضربات القلب ومقاييس أخرى لتحديد ما إذا كان شخص ما يفرط في التدريب. لقد تعمقوا أيضًا في الميكانيكا الحيوية للجري. أصبحت الجوانب التكتيكية والفنية للرياضة، وكرة القدم على وجه التحديد، موضوع عمل ديفيس الأستاذ عندما قام بتعيين جان فان هارين، وهو طالب هندسة يركز على الذكاء الاصطناعي ويصف نفسه بأنه متعصب لكرة القدم. وتساءل عما إذا كان من الممكن استخدام تحليل البيانات لدراسة أشياء مثل التمرير والتسديد وتقدم الكرة، وهي مقاييس كانت اللعبة قد بدأت للتو في تحليلها رقميًا في ذلك الوقت. أدرك ديفيس أن التعلم الآلي وأدوات الذكاء الاصطناعي الأخرى تصلح بشكل جيد لتعقيد كرة القدم وسيولتها وسرعتها. لا يلزمك أن تكون على دراية جيدة بكيفية تحويل الأموال إلى الرياضات الاحترافية حتى ترى أنه من السهل نسبيًا تطبيق العمل الإحصائي العميق على لعبة البيسبول أو كرة السلة. يمكنك عزل الإجراءات مثل لقطات القفز وتعيين قيمة لتلك التي تم التقاطها بالقرب أو بعيدًا. وسرعان ما يدرك مدرب كرة السلة أن اللاعب الذي لا يستطيع تنفيذ رمية الكرة، ولكنه يسدد الكرة تقريبًا من خط الثلاث نقاط كما هو الحال مع لاعبي القفز متوسطي المدى، قد يسدد الكرة التي تحصل على المزيد من النقاط.
تم النشر: 2026-06-11 11:00:00
مصدر: www.technologyreview.com
