Interpretable Machine Learning for Football Performance Analysis: Evidence of Limited Transferability from Elite Leagues to University Competition

ملخص تقني: تعلم الآلة القابل للتفسير لتحليل أداء كرة القدم

بيان المشكلة
أصبح تعلم الآلة جزءًا لا يتجزأ من تحليل أداء كرة القدم، ومع ذلك، تركز معظم الأبحاث الحالية بشكل أساسي على دقة التنبؤ مع افتراض ضمني بأن محددات الأداء التي يتم تعلمها من المسابقات النخبوية قابلة للانتقال إلى سياقات ذات مستويات أدنى. يظل هذا الافتراض غير مفحوص إلى حد كبير، لا سيما فيما يتعلق بـ "انزياح النطاق" (domain shift) من الدوريات الاحترافية النخبوية إلى منافسات المستوى الجامعي. تعمل كرة القدم الجامعية في ظل ظروف متميزة، بما في ذلك وقت التدريب المحدود، وتفاوت مستويات المهارة، وتكوينات الفرق المتغيرة. تكمن المشكلة الجوهرية التي يتناولها البحث في ما إذا كانت العلاقات الهيكلية بين مؤشرات الأداء ونتائج المباريات، بالإضافة إلى قابلية تفسير نماذج تعلم الآلة، تظل قوية عند تطبيقها عبر هذه المستويات التنافسية المتباينة. وبشكل محدد، يستقصي البحث ما إذا كانت التفسيرات المستمدة من بيانات النخبة موثوقة عند تطبيقها على البيانات الجامعية، أو ما إذا كان عدم الاستقرار في هذه التفسيرات يعكس غموضًا هيكليًا حقيقيًا في النطاق المستهدف.

المنهجية
تستخدم الدراسة إطار عمل "من النخبة إلى الجامعة" (elite-to-university)، حيث يتم تدريب النماذج حصريًا على بيانات النخبة وتطبيقها على البيانات الجامعية لغرض التقييم الخاص بالاستدلال وقابلية التفسير فقط.

• مصادر البيانات:
  • النطاق المصدر (النخبة): بيانات أحداث المباريات من أفضل خمس دوريات أوروبية (الدوري الإنجليزي الممتاز، الدوري الإسباني، الدوري الإيطالي، الدوري الألماني، الدوري الفرنسي) تغطي ثلاثة مواسم (2022/23–2024/25). تم استرداد البيانات عبر حزمة soccerdata بلغة بايثون من موقع WhoScored، مع مواءمتها لتعريفات نمط Opta.
  • النطاق المستهدف (الجامعي): 17 مباراة رسمية لفريق جامعة تشنغ هوا الوطنية (NTHU) (الدرجة الثانية في تايوان). تم تدوين الأحداث يدويًا من قبل ثلاثة حكام معتمدين وفقًا لإرشادات OPTA، مع تحديد الأعداد النهائية بناءً على اتفاق الأغلبية.
• تمثيل الميزات: تم استخدام مجموعة ثابتة من 19 فئة للأحداث (مثل التسديدات، التمريرات، التدخلات، الأخطاء). تم تعريف هدف التنبؤ كفرق الأهداف ($y = \text{الهدف} - \text{هدف الخصم}$)، وصياغته كمسألة انحدار (regression task).
• النماذج: تم تقييم ست خوارزميات لتعلم الآلة في البداية (شجرة القرار، MLP، الغابة العشوائية، SVR، XGBoost، TabNet). وبناءً على الاستقرار التنبئي وانخفاض التباين عبر البذور العشوائية (random seeds)، تم اختيار الغابة العشوائية (RF) والمدرك متعدد الطبقات (MLP) لإجراء جميع تحليلات قابلية التفسير اللاحقة.
• طرق قابلية التفسير: تم استخدام طريقتين متمايزتين مفاهيميًا لتقييم أهمية الميزات:
  1. SHAP (تفسيرات شابلِي المضافة): استُخدمت لتقدير المساهمات الهامشية للميزات في التنبؤات.
  2. درجة تأثير العدسات المضادة (CIS): قامت بقياس التغيرات في التنبؤ تحت تأثير اضطرابات أحادية الميزة، موجهة ومتحكم بها بناءً على إحصائيات تدريب النخبة.
• التصميم التجريبي: أُجريت خمس تجارب لتقييم:
  1. الصلاحية التنبؤية على بيانات النخبة.
  2. مقارنة أهمية الميزات عبر النطاقات (النخبة مقابل NTHU).
  3. قابلية إعادة الإنتاج حسب البذرة (seed-wise) للترتيبات.
  4. الاتفاق الهيكلي عبر النطاقات (ارتباط الترتيبات بين الدوريات والجامعة).
  5. الاتفاق بين طرق التفسير (SHAP مقابل CIS) داخل النطاقات.

النتائج الرئيسية

1. التباين الهيكلي: تظهر محددات الأداء تسلسلًا هرميًا مستقرًا ومشتركًا عبر دوريات النخبة، لكنها تخضع لإعادة ترتيب جوهرية عند تطبيقها على كرة القدم الجامعية. على سبيل المثال، تغيرت "اللمسات" و"التصديات" بشكل كبير في رتبة الأهمية في النطاق الجامعي مقارنة بنطاق النخبة.
2. استقرار التفسير: في نطاق النخبة، كانت ترتيبات أهمية الميزات قابلة لإعادة الإنتاج بدرجة عالية عبر البذور العشوائية (على سبيل المثال، ارتباط سبيرمان للغابة العشوائية $\mu = 0.990$). في المقابل، أظهر النطاق الجامعي استقرارًا منخفضًا، لا سيما لنموذج MLP ($\mu = 0.231$)، مما يشير إلى أن هياكل التفسير حساسة للعشوائية التدريبية في النطاق المستهدف.
3. الاتفاق عبر النطاقات: لوحظ وجود اتفاق هيكلي قوي (ارتباطات سبيرمان عالية) بين دوريات النخبة. ومع ذلك، كانت الارتباطات بين دوريات النخبة وكرة القدم الجامعية في NTHU أقل بكثير، مما يؤكد غياب التوافق الهيكلي.
4. ثبات الطريقة: في كرة القدم النخبوية، أظهرت ترتيبات SHAP وCIS اتفاقًا عاليًا ($\rho \approx 0.93$ لنموذج RF). وفي النطاق الجامعي، انخفض هذا الاتفاق بشكل كبير ($\rho \approx 0.42$ لنموذج RF) وافتقر إلى الاتساق الإحصائي، مما يشير إلى أن ترتيبات أهمية الميزات في كرة القدم الجامعية تعتمد بشدة على اختيار طريقة التفسير.

المساهمات الرئيسية

1. دليل تجريبي على عدم القابلية للانتقال: تقدم الدراسة دليلًا على أن محددات الأداء التي يتم تعلمها من مسابقات النخبة لا تحافظ على تسلسلها الهرمي الهيكلي عند تطبيقها على مستوى الجامعات، مما يتحدى افتراض قابلية الانتقال عبر المستويات.
2. قابلية التفسير المعتمدة على النطاق: توضح الدراسة أن قابلية التفسير ليست خاصية متأصلة في النموذج، بل هي خاصية تعتمد على النطاق. فبينما تكون قوية في سياقات النخبة، تصبح قابلية التفسير غير مستقرة وحساسة للطريقة تحت تأثير انزياح النطاق.
3. إعادة صياغة عدم الاستقرار: يقترح البحث تحولًا مفاهيميًا حيث لا يُنظر إلى عدم استقرار التفسير كمجرد ضجيج منهجي أو فشل في النموذج، بل كـ إشارة تشخيصية للغموض الهيكلي في النطاق المستهدف. ويشير ذلك إلى أنه في السياقات التي لم تترسخ فيها الهياكل التكتيكية بعد (مثل كرة القدم الجامعية)، فإن غياب هيكل تفسير مستقر يعد بحد ذاته نتيجة ذات معنى.

الأهمية والادعاءات
يزعم المؤلفون أن هذا العمل ينقل التركيز في تحليلات كرة القدم من الأداء التنبئي البحت إلى التقييم التجريبي لمتانة قابلية التفسير. وتجادل الدراسة بأنه قبل ترجمة رؤى النماذج إلى استراتيجيات قابلة للتنفيذ في السياقات غير النخبوية، يجب على الممارسين تقييم ما إذا كانت التفسيرات مستقرة، وقابلة للانتقال، وثابتة تجاه الطريقة المستخدمة.

تخلص الورقة إلى أن عدم استقرار التفسير وعدم الاتفاق بين الطرق يجب أن يُعاملا كمؤشرات على عدم اليقين الهيكلي وليس كآثار جانبية ناتجة عن الخطأ. وبناءً على ذلك، لا ينبغي تطبيق الرؤى المستمدة من نماذج مدربة على بيانات النخبة مباشرة على الإعدادات الجامعية أو للهواة دون التحقق الصارم من متانة قابلية التفسير. وتؤكد النتائج على ضرورة التعامل مع قابلية التفسير كخاصية مشروطة تعتمد على البيانات، وليس كخاصية مضمونة لنماذج تعلم الآلة.