축구 월드컵대회 공식기록을 통한 경기력의 군집화
The clusters of performances based on the official data for the soccer Worldcup
2
조회
0
다운로드
22
인용
0
참고문헌
키워드
초록
이 연구는 세계축구연맹(FIFA: Fédération Internationale de Football Association)에서 개최하는 축구 월드컵대회(2002 한일 월드컵, 2006 독일 월드컵, 2010 남아프리카공화국 월드컵, 2014 브라질 월드컵, 2018 러시아 월드컵)의 공식기록을 토대로 나타나는 경기력의 군집을 알아보는 데 목적을 두었다. 이 연구의 목적을 달성하기 위하여 각 축구 월드컵 대회의 64경기를 통해 기록된 공식기록을 홈팀과 어웨이팀에 대한 기록으로 구분하여 자료를 수집하였으며, 전체적으로 수집된 자료의 수는 640개의 공식기록을 수집하였다. 자료의 수집과정에 있어서 축구 월드컵별로 자료의 수집이 곤란하거나 자료의 오류가 발견된 항목에 대해서는 제외토록 하였으며, 최종적으로 자료 수집과정에서 선정한 변수의 수는 총 23개였다. 독립변수로 선정된 공식기록은 득점, 실점, 슈팅시도, 유효슈팅수, 유효슈팅율, 패스수, 패스성공수, 패스성공율, 숏패스수, 숏패스성공수, 숏패스성공율, 롱패스수, 롱패스성공수, 롱패스성공율, 코너킥수, 파울한수, 파울당한수, 오프사이드, 볼점유율로써 총 19개였으며, 종속변수는 승패 및 비김, 랭킹차이, 대륙, 리그/토너먼트로써 총 4개를 선정하였다. 자료의 처리를 위하여 통계 스크립트 기반의 R 3.3.3 버전 소프트웨어를 R studio 1.0.136 버전 소프트웨어와 함께 사용하였으며, 자료의 군집화를 위하여 인공지능 기법의 하나인 자기구성지도(Self-Organizing Map)의 적용을 위하여 Kohonen 패키지를 함께 사용하였다. 이때 종속변수에 대한 일치 여부를 판단하기 위하여 전체 640개의 자료 중에서 320개의 자료는 자기구성지도를 학습하는 데 사용하였으며, 나머지 320개의 자료를 예측한 후, 실제의 값과 비교하여 결과를 도출하였다. 이 연구를 통하여 승패 및 비김은 90.31%의 적중률을 나타냈으며, 리그/토너먼트 89.06%의 적중률을 나타냈다. 또한, 대륙 변수는 70%의 적중률을 보였으며, 랭킹차이는 68.44%의 적중률을 나타냈다.
Abstract
The purpose of this study was to cluster the performance within the FIFA worldcup (2002, 2006, 2010, 2014, 2018 Soccer Worldcup) based on the official data. In order to approach the purpose of this study, 64 matches in each Worldcup was collected with the categories of home & away team. Totally, 640 data set was collected. In the data collection, the data which was a lack of variables or missing data existed was excepted within a whole data set. Thus, total variables considered were 23. 19 independent variables were selected that goal scored, goal conceded, shot attempts, shot on target, % of shot on goal, passes, passes completed, % of passes completed, short passes, short passes completed, % of short passes completed, long passes, long passes completed, % of long passes completed, corner kicks, foul committed, foul suffered, offsides and ball possession % were selected. 4 dependent variables were also selected that won/lost & draw, ranking differences, regions, and league/tournament types were considered. Statistical software called, R 3.3.3 version was used with R studio 1.0.136. Also, Kohonen package which could calculate the self-organizing map was utilized within the R software. Finally, 320 data set among the 640 data set was used for the training of the Self-Organizing Map and the rest of data (320 data set) was used for the prediction. As the result of this study, 90.31% of agreement was found in the use of won/lost & draw, 89.06% of agreement was shown in the league/tournament. Additionally, 70% of agreement was shown in region and 68.44% of agreement was found within the ranking differences.
참고문헌 (24)
- 박다인, "시간단위 전력사용량 시계열 패턴의 군집 및 분류분석", 한국데이터정보과학회지, 28(2), pp.395~406 (2017), 한국데이터정보과학회[DOI]
- 윤복식, "군집수 결정 문제", 대한산업공학회, 2004, 14~18
- 윤복식, "ASA 군집화를 이용한 군집수 결정 및 다양한 실험", 한국경영과학회지, 31(2), pp.87~98 (2006), 한국경영과학회
- 이범수, "축구 월드컵 대표팀의 선수구성에 따른 참가국 경기분석", 한국체육측정평가학회지, 17(2), pp.13~23 (2015), 한국체육측정평가학회[DOI]
- 최태훈, "정준상관 행렬도와 군집분석을 응용한 KLPGA 선수의 기술과 경기성적요인에 대한 연관성 분석", 응용통계연구, 21(3), pp.429~439 (2008), 한국통계학회
- 최형준, "2002, 2006년 축구 월드컵 대회를 통한 경기력 분석에 관한 연구", 한국체육측정평가학회지, 11(2), pp.41~51 (2009), 한국체육측정평가학회[DOI]
- 최형준, "축구경기의 경기력혼란상태(PiP: Perturbation in Performances)측정방법 개발", 한국체육측정평가학회지, 16(3), pp.65~76 (2014), 한국체육측정평가학회[DOI]
- 최형준, "축구 월드컵 경기 공식기록을 통한 데이터의 시각화", 한국체육측정평가학회지, 18(1), pp.83~92 (2016), 한국체육측정평가학회[DOI]
- 최형준, "자기구성지도(Self-Organized Map)를 활용한 레슬링 선수의 체격 및 체력요인의 군집분석", 한국체육측정평가학회지, 14(1), pp.19~28 (2012), 한국체육측정평가학회[DOI]
- 최형준, "자기구성지도(Self-Organized Map)를 활용한 군집분석", 한국체육학회지, 46(5), pp.553~564 (2007), 한국체육학회
- 홍성진, "축구 선수의 경기력 평가를 위한 상황 요인 이해", 체육과학연구, 20(3), pp.612~620 (2009), 국민체육진흥공단 한국스포츠정책과학원[DOI]
- 홍성진, "계층적분석방법(AHP : Analytic Hierarchy Process)을 통한 축구 경기력 평가 요인 가중치 산출", 한국체육측정평가학회지, 19(1), pp.1~12 (2017), 한국체육측정평가학회[DOI]
- Andrzejewski, M., "Sprinting Activities and Distance Covered by Top Level Europa League Soccer Players", International Journal of Sports Science & Coaching, 10(1), pp.39~50 (2015)
- Ghista, D. N., "Applied biomedical engineering mechanics" (2009), CRC Press
- Hughes, M., "Establishing normative profiles in performance analysis", eIJPAS, 1, pp.4~26 (2001)
- Kohonen, T., "Self-Organization and Associative Memory" (1989), Springerverlag
- Legg, P. A., "MatchPad : Interactive Glyph-Based Visualization for Real-Time Sports Performance Analysis", Computer Graphics Forum, 31(3), pp.1255~1264 (2012)
- Liu, H. Y., "Technical performance and match-to-match variation in elite football teams", Journal of Sports Sciences, 34(6), pp.509~518 (2016)
- Louzada, F., "iSports : A web-oriented expert system for talent identification in soccer", Expert Systems with Applications, 44, pp.400~412 (2016)
- Mullan, A., "World conference of notational analysis of sport", pp.359~364 (2001), Centre for Performance Analysis, UWIC
- Sarmento, H., "What Performance Analysts Need to Know About Research Trends in Association Football(2012–2016) : A Systematic Review", Sports Medicine, 48(4), pp.799~836 (2018)
- Winter, C., "Tactical metrics that discriminate winning, drawing and losing teams in UEFA Euro 2012(R)", Journal of Sports Sciences, 34(6), pp.486~492 (2016)
- Winter, C., "Tactical metrics that discriminate winning, drawing and losing teams in UEFA Euro 2012(R)", Journal of Sports Sciences, 34(6), pp.486~492 (2016)
- Yamanaka, K., "Science and Football II", pp.206~214 (1993), E. and F. N. Spon