Interpretable ensemble machine learning identifies player-specific performance indicators in elite tennis
تُظهر هذه الدراسة أن سير عمل تعلم آلي تجميعي قابل للتفسير، تم تطبيقه على بيانات نوفاك دجوكوفيتش في البطولات الكبرى، لا يحقق دقة تنبؤية عالية لنتائج المجموعات فحسب، بل يكشف أيضاً عن مؤشرات أداء خاصة باللاعب، مثل ردود الضربات الخلفية، التي غالباً ما تغفل عنها النماذج الفردية.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
في عالم الرياضات النخبوية، يعد تحليل الأداء هو الفن المتمثل في تحويل فوضى المباراة إلى أدلة واضحة. يراقب المدربون والعلماء المباريات ليس فقط لمعرفة من فاز، بل لفهم كيف بُني هذا الانتصار. إنهم يفككون المباراة إلى آلاف اللحظات الصغيرة: إرسال، رد، خطوة قدم، أو خطأ. والهدف هو معرفة أي من هذه اللحظات هي الأكثر أهمية حقاً. ومع ذلك، فإن رقماً واحداً أو متوسطاً بسيطاً قد يكون مضللاً؛ فمجرد كون اللاعب يسجل الكثير من الضربات الرابحة لا يعني أن هذا الإجراء المحدد هو ما تسبب في الفوز، فأحياناً يكون العامل الأكثر أهمية هو شيء دقيق لا يكشف عن نفسه إلا عند النظر إلى الصورة الكاملة. وهنا يأتي دور علوم الحاسوب الحديثة؛ فبدلاً من الاعتماد على طريقة تفكير واحدة، يمكن للباحثين الآن استخدام العديد من برامج الحاسوب المختلفة في آن واحد. تعمل هذه البرامج كفريق من الخبراء، لكل منهم طريقة مختلفة قليلاً في رؤية البيانات. ومن خلال الاستماع إلى جميع هؤلاء، بدلاً من الاكتفاء بالصوت الأعلى، يمكن للمحللين العثور على أنماط قد تغفل عنها طريقة واحدة. أصبح هذا النهج حيوياً في رياضات مثل التنس، حيث غالباً ما تكون الفوارق بين الفوز والخسارة مخبأة في التفاصيل.
طبق فريق من الباحثين في جامعة ووهان الرياضية وجامعة ووهان هذا التفكير القائم على العمل الجماعي على مسيرة نوفاك دجوكوفيتش، أحد أعظم لاعبي التنس في التاريخ. أرادوا معرفة المهارات التقنية والخيارات التكتيكية التي كانت أقوى الدوافع لنجاحه في الفوز بمجموعة (set). ولتحقيق ذلك، جمعوا كمية هائلة من البيانات من 239 مجموعة لعبت على الملاعب الصلبة في بطولات "جراند سلام" الكبرى بين عامي 2019 و2025. تتبعوا أربعة وثلاثين مؤشراً مختلفاً لكل مجموعة، بدءاً من الأمور الواضحة مثل عدد الأخطاء المزدوجة وصولاً إلى تفاصيل أكثر تحديداً مثل سرعة ضربة "الباك هاند" (الضربة الخلفية) أو عدد المرات التي اقترب فيها اللاعب من الشبكة. قسم الباحثون هذه البيانات إلى مجموعتين؛ استخدموا البيانات الأقدم من 2019 إلى 2024 لتعليم اثني عشر خوارزمية حاسوبية مختلفة كيفية التنبؤ بنتيجة المجموعة، ثم اختبروا هذه البرامج على مجموعة جديدة وغير مسبوقة مكونة من أربعين مجموعة من عام 2025 لمعرفة ما إذا كانت الدروس ستصمد في العالم الحقيقي.
لم يكتفِ الباحثون باختيار أفضل برنامج حاسوبي واحد، بل اختبروا كل التشكيلات الممكنة من الخوارزميات الاثني عشر، مما خلق آلاف "الفرق" أو المجموعات المتنوعة. ووجدوا أن الفريق الأكثر دقة لم يكن مجموعة ضخمة تضم الاثني عشر جميعاً، بل كان مجموعة مكونة من أربعة نماذج محددة. عملت هذه المجموعة المختارة من أربعة برامج معاً للتنبؤ بما إذا كان دجوكوفيتش سيفوز بالمجموعة أو يخسرها بدقة متناهية، محققة دقة بنسبة 90 بالمائة على بيانات عام 2025 الجديدة. وعندما نظر الفريق فيما تعلمته هذه البرامج، وجدوا أن العوامل الأكثر أهمية كانت بالضبط ما اشتبه فيه الخبراء منذ فترة طويلة؛ فكانت القدرة على كسر إرسال الخصم، وإجمالي النقاط التي تم الفوز بها، والسيطرة على الأخطاء غير المبررة، هي المحركات الرئيسية للنجاح. أكدت هذه النتائج أن النماذج الحاسوبية لم تكن تبتدع أشياء من عندها، بل كانت تستعيد الحقائق الراسخة للعبة.
ومع ذلك، ظهرت القيمة الحقيقية لهذه الدراسة عندما بحث الباحثون عن الأشياء التي قد يتجاهلها برنامج حاسوبي واحد. فعندما طلبوا من كل برنامج من البرامج الاثني عشر ترتيب أهمية المؤشرات الـ 34، وجدوا اختلافاً مفاجئاً. أحد المؤشرات المحددة، وهو عدد ردات الإرسال بضربة "الباك هاند"، صُنّف كعامل من بين الخمسة الأوائل من قبل الفريق المشترك، لكنه ظهر في قائمة الخمسة الأوائل لثلاثة فقط من البرامج الاثني عشر الفردية. لو اكتفى الباحثون ببساطة باختيار البرنامج الوحيد الأفضل أداءً، لربما فاتتهم هذه الإشارة تماماً. لقد كشف النهج المشترك أن وتيرة ردات الإرسال بضربة "الباك هاند" كانت علامة دقيقة ولكنها ثابتة على النجاح لدجوكوفيتش، وهو نمط كان هادئاً جداً بحيث لا يستطيع أي خوارزمية منفردة سماعه بمفردها.
كما أوضحت الدراسة كيف تعمل هذه الأنماط. فقد أظهر الباحثون أنه عندما كان دجوكوفيتش يقوم بمزيد من ردات الإرسال بضربة "الباك هاند"، كان ذلك مرتبطاً بفرصة أعلى للفوز بالمجموعة. قاموا بتصور هذه العلاقة ووجدوا أن التأثير الإيجابي يصبح أكثر وضوحاً عندما يصل عدد ردات الإرسال بضربة "الباك هاند" في المجموعة إلى حوالي اثنين وعشرين. ومن المهم ملاحظة أن هذا الرقم ليس هدفاً سحرياً أو قاعدة يجب على كل لاعب اتباعها، بل هو مجرد وصف لما حدث في هذه المباريات المحددة. وقد حرص الباحثون على توضيح أنهم لا يستطيعون قول "لماذا" حدث ذلك؛ فقد يكون السبب هو أن الخصوم أرسلوا أكثر نحو جهة "الباك هاند" الخاصة به، أو أنه حصل على فرص أكثر للرد، أو أن طول التبادلات غير استراتيجيته. أظهرت البيانات وجود رابط، لكنها لم تثبت السبب.
يبرهن هذا العمل على طريقة جديدة لدراسة الأداء الرياضي. فمن خلال استخدام فريق من النماذج الحاسوبية المختلفة ومقارنة إجاباتها، يمكن للمحللين فصل الضجيج عن الإشارة. يمكنهم تأكيد ما هو معروف بالفعل، مثل أهمية كسر الإرسال، مع تسليط الضوء أيضاً على العادات الهادئة والخاصة باللاعب والتي قد يتم التغاضي عنها لولا ذلك. لا تدعي الدراسة أن هذه النتائج تنطبق على كل لاعبي التنس أو على كل الملاعب؛ فالنتائج خاصة بنوفاك دجوكوفيتش والمباريات التي لعبها على الملاعب الصلبة خلال تلك السنوات. ومع ذلك، فإن المنهج نفسه يعد أداة قوية؛ فهو يقدم طريقة قابلة للتكرار للنظر في بيانات الأداء المتكررة، مما يضمن أن الاستنتاجات المستخلصة من مباراة ما مبنية على إجماع واسع من الأدلة وليس على الرؤية الضيقة لأداة تحليلية واحدة. وبالنسبة للمراقب الشغوف، فإن هذا يشير إلى أنه في رقصة الرياضة النخبوية المعقدة، غالباً ما توجد أهم القرائن ليس عبر الاستماع إلى خبير واحد، بل عبر سؤال الكثيرين.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.