Selección de indicadores de éxito en balonmano de élite a través de árboles de decisión

  1. Ignacio Cabrera Quercini 1
  2. Álvaro González Ramírez 2
  3. J.V. García-Tormo 2
  4. Isidoro Martínez Martín 2
  1. 1 Instituto Universitario Asociación Cristiana de Jóvenes
  2. 2 Universidad de León
    info

    Universidad de León

    León, España

    ROR https://ror.org/02tzt0b78

Revista:
Revista Internacional de Medicina y Ciencias de la Actividad Física y del Deporte

ISSN: 1577-0354

Año de publicación: 2022

Volumen: 22

Número: 88

Páginas: 753-764

Tipo: Artículo

DOI: 10.15366/RIMCAFD2022.88.003 DIALNET GOOGLE SCHOLAR

Otras publicaciones en: Revista Internacional de Medicina y Ciencias de la Actividad Física y del Deporte

Resumen

El objetivo fue analizar los indicadores de éxito en el Campeonato Europeo de balonmano masculino utilizando árboles de decisión como modelos de inteligencia artificial. Se utilizó la metodología observacional. La muestra fue compuesta por 87 partidos de los Campeonatos de Europa masculinos de selecciones de balonmano 2016 y 2018. Como resultado más importante, el modelo identificó tres variables relevantes para alcanzar una precisión elevada en la predicción de resultados de balonmano. Se concluye que la utilización de estos modelos permite reducir ampliamente la complejidad en el análisis de los indicadores de éxito en balonmano.

Referencias bibliográficas

  • Amatria, M., Lapresa, D., Martín Santos, C., & Pérez Túrpin, J. (2020). Eficacia ofensiva en el balonmano femenino de élite en situaciones de superioridad numérica. Revista internacional de medicina y ciencias de la actividad física y del deporte, 20(78), 227-242. https://doi.org/10.15366/rimcafd2020.78.003
  • Anguera, M.T., & Hernández Mendo, A. (2015). Técnicas de análisis en estudios observacionales en ciencias del deporte. Cuadernos de Psicología Del Deporte, 15(1), 13–30. https://doi.org/10.4321/S1578-84232015000100002
  • Anguera, M. T., Blanco, A., Hernández Mendo, A., & López, J. L. (2011). Diseños observacionales: Ajuste y aplicación en psicología del deporte. Cuadernos de Psicología Del Deporte, 11(2), 63–76.
  • Anguera, M. T., & Hernández Mendo, A. (2013). La metodología observacional en el ámbito del deporte. E-Balonmano.Com: Revistas de Ciencias Del Deporte, 9(3), 135–160.
  • Beiztegui-Casado, C., Oliver-Coronado, J., & Sosa-González, P. (2019). Portero-jugador en situaciones de inferioridad numérica ofensiva en balonmano: ¿penalización o ventaja?. Revista internacional de medicina y ciencias de la actividad física y del deporte, 19(74). https://doi.org/10.15366/rimcafd2019.74.008
  • Ben-David, S., & Shalev-Shwartz, S. (2014). Understanding Machine Learning: From Theory to Algorithms. Understanding Machine Learning: From Theory to Algorithms. https://doi.org/10.1017/CBO9781107298019
  • Bilge, M. (2012). Game analysis of Olympic, World and European Championships in men’s handball. Journal of Human Kinetics, 35(1), 109–118. https://doi.org/10.2478/v10078-012-0084-7
  • Bunker, R., & Susnjak, T. (2019). The Application of Machine Learning Techniques for Predicting Results in Team Sport: A Review. ArXiv. https://doi.org/10.13140/RG.2.2.22427.62245
  • Cabrera, I., & González, A. (2015). Eficacia del ataque de los juegos Odesur y Campeonato Panamericano de Handball mayores masculino 2014. Revista Universitaria de La Educacion Fisica y El Deporte, 8(8), 68–76.
  • Daza, G., Andrés, A., & Tarragó, R. (2017). Match Statistics as Predictosr of Team´s Performance in Elite competitive Handball. RICYDE: Revista Internacional de Ciencias Del Deporte, 13(48), 149–161. https://doi.org/10.5232/ricyde
  • Delen, D., Cogdell, D., & Kasap, N. (2012). A comparative analysis of data mining methods in predicting NCAA bowl outcomes. International Journal of Forecasting, 28(2), 543–552. https://doi.org/10.1016/j.ijforecast.2011.05.002
  • Ferrari, W. R., dos Santos, J. V, & Vaz, V. P. . (2014). Offensive Process Analysis in Handball: Identification of Game Actions that Differentiate Winning from Losing Teams. American Journal of Sports Science, 2(4), 92–96. https://doi.org/10.11648/j.ajss.20140204.14
  • Foreti?, N., Rogulj, N., & Trnini?, M. (2010). The influence of situacion efficiency on the result of a Handball match. Sport Science, 3(2), 45–51.
  • Gómez-Ruano, M. Á. (2017). La importancia del análisis notacional como tópico emergente en Ciencias del deporte. RICYDE. Revista Internacional de Ciencias del Deporte, 13(47), 1-4. https://doi.org/10.5232/ricyde
  • González, A., Bermúdez, S. G., Martínez, I., & Chirosa, L. J. (2017). Goalkeepers ’ Effectiveness in the ODESUR Games and the Pan-American Handball Championship in 2014 Eficacia de los porteros en los Juegos ODESUR y Campeonato Panamericano de Balonmano en 2014. Apuntes, Educación Física y Deportes, 4(130), 95–105. https://doi.org/10.5672/apunts.2014-0983.es.(2017/4).130.08
  • González, A., Botejara, J. L., Martínez, I., & Chirosa, L. J. (2016). Eficacia del ataque y del lanzamiento de los cuatro primeros clasificados en balonmano masculino de los Juegos ODESUR 2014. Educación Física y Ciencia, 18(1).
  • Grui?, I., Vuleta, D., & Milanovi?, D. (2006). Performance indicators of teams at the 2003 men`s world handball championship in Portugal. Kinesiology, 38(2), 164–175.
  • Gutiérrez Aguilar, Ó. (2011). Discriminant analysis between winners and loosers in the Asobal league 2008-2009. European Federation Web Periodical, 6.
  • Guyon, I., & Elisseeff, A. (2003). An Introduction to Variable and Feature Selection. Journal of Machine Learning Research (JMLR), 3(3), 1157–1182. https://doi.org/10.1016/j.aca.2011.07.027
  • Hansen, C., Sanz-Lopez, F., Whiteley, R., Popovic, N., Ahmed, H. A., & Cardinale, M. (2017). Performance analysis of male handball goalkeepers at the world handball championship 2015. Biology of Sport, 34(4), 393–400. https://doi.org/10.5114/biolsport.2017.69828
  • Hassan, A. (2014). Team handball world cup championship 2013-analysis study. Journal of Human Sport and Exercise, 9(1), 409–416. https://doi.org/10.14198/jhse.2014.9.Proc1.26
  • Hernández, J. M., Rodriguez, Á. J., Hernández, J., Álvarez, P. A., Jiménez, F., & Hernández, I. M. (2010). Análisis del juego de ataque en balonmano femenino. Ágora Para La Educación Física Y El Deporte., 3(12), 257–272.
  • Hughes, M. D., & Bartlett, R. M. (2002). The use of performance indicators in performance analysis. Journal of Sports Sciences, 20(10), 739–754. https://doi.org/10.1080/026404102320675602
  • Joseph, A., Fenton, N. E., & Neil, M. (2006). Predicting football results using Bayesian nets and other machine learning techniques. Knowledge-Based Systems, 19(7), 544–553. https://doi.org/10.1016/j.knosys.2006.04.011
  • Lasierra, G., Carreras, D., Montoya, M., & Planas, A. (2020). La observación en contexto de los niveles de acción en balonmano. Revista internacional de medicina y ciencias de la actividad física y del deporte, 20(79), 435-451. https://doi.org/10.15366/rimcafd2020.79.004
  • Marsland, S. (2015). Machine learning: An algorithmic perspective. (C. Press, Ed.) (2nd ed.). Boca Raton, FL. https://doi.org/10.1201/b17476
  • Murphy, K. P. (2012). Machine Learning: A Probabilistic Perspective. MIT Press. https://doi.org/10.1007/978-3-642-21004-4_10
  • Noutsos, S. K., Rousanoglou, N. E., Meletakos, G. P., Bayios, A. I., & Boudolos, D. K. (2018). Performance indicators and competition ranking in women’s and men’s world handball championship 2017. Journal of Physical Education and Sport, 18(3), 1761–1766. https://doi.org/10.7752/jpes.2018.03256
  • O'Donoghue, P. (2014). An introduction to performance analysis of sport. Routledge. https://doi.org/10.4324/9781315816340
  • Pascual, X., Lago, C., & Casais, L. (2010). La influencia de la eficacia del portero en el rendimiento de los equipos de balonmano. Apunts, 99(1), 72–81.
  • Rogulj, N., Srhoj, V., & Srhoj, L. (2004). The contribution of collective attack tactics in differentiating handball score efficiency. Collegium Antropologicum, 28(2), 739–746. https://doi.org/UDC: 796.322:296.06
  • Saavedra, J. M., Þorgeirsson, S., Kristjánsdóttir, H., Chang, M., & Halldórsson, K. (2017). Handball game-related statistics in men at Olympic Games (2004-2016): Differences and discriminatory power. Retos. Nuevas Tendencias En Educación Física, Deporte y Recreación, 32, 260–263. Retrieved from http://ezproxy.library.ubc.ca/login?url=http://search.ebscohost.com/login.aspx?direct=true&db=sph&AN=123844240&login.asp&site=ehost-live&scope=site https://doi.org/10.47197/retos.v0i32.56542
  • Saez, F., Roldán Romero, A., & Feu Molina, S. (2009). Diferncias en las estadísticas de juego entre los equipos ganadores y perdedores de la Copa del Rey 2008 de Balonmano Masculino. E-Balonmano, 5(3), 107–114. Retrieved from http://www.e-balonmano.com/ojs/index.php/revista/article/view/42/37
  • Soto Valero, C. (2016). Predicting Win-Loss outcomes in MLB regular season games – A comparative study using data mining methods. International Journal of Computer Science in Sport, 15(2), 91–112. https://doi.org/10.1515/ijcss-2016-0007
  • Srhoj, V., Rogulj, N., & Kati?, R. (2001). Influence of the attack end conduction on match result in handball. Collegium Antropologicum, 25(2), 611–617.
  • Thabtah, F., Zhang, L., & Abdelhamid, N. (2019). NBA Game Result Prediction Using Feature Analysis and Machine Learning. Annals of Data Science, 6(1), 103–116. https://doi.org/10.1007/s40745-018-00189-x
Fuente de los datos: Dialnet