🤖 machine learning

Space-Creating versus Dead Possession: An Off-Ball Possession-Quality Index for Broadcast Football

यह शोध पत्र एक दो-स्तरीय ऑफ-बॉल पजेशन-क्वालिटी इंडेक्स प्रस्तुत करता है जो थ्रेट-आधारित जंक-पजेशन फ्लैग को वीडियो-व्युत्पन्न स्पेस-क्रिएशन इंडेक्स के साथ जोड़कर स्टेराइल "डेड" पजेशन और स्पेस-क्रिएटिंग सर्कुलेशन के बीच अंतर करता है, जो यह प्रदर्शित करता है कि यह मीट्रिक पारंपरिक ऑन-बॉल मॉडलों से परे महत्वपूर्ण आक्रामक मूल्य को पकड़ता है।

मूल लेखक: Seongjin Choi

प्रकाशित 2026-08-11

📖 7 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Seongjin Choi

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप टीवी पर एक फुटबॉल मैच देख रहे हैं। कमेंटेटर एक ही नंबर को लेकर उत्साहित हैं: "पजेशन" (कब्जा)। वे कहते हैं कि टीम A के पास 65% समय गेंद है, इसलिए वे दबदबा बना रहे हैं। लेकिन क्या आपने कभी ऐसा खेल देखा है जहाँ एक टीम ने गेंद अपने पास रखी, अपने ही बैकयार्ड में इधर-उधर पास दिया, और फिर भी हार गई? यह पुराने तरीके के साथ समस्या है। यह गेंद रखने को समान मानता है, चाहे वह एक खतरनाक हमला हो या मैदान के बीच में एक उबाऊ घेरा।

इसे ठीक करने के लिए, खेल वैज्ञानिकों ने "इवेंट-बेस्ड" (घटना-आधारित) उपकरण विकसित किए हैं। इन्हें एक वीडियो गेम स्कोरकार्ड की तरह समझें जो केवल यह गिनता है कि गेंद वाले खिलाड़ी ने क्या किया। यदि वे पास देते हैं, तो उन्हें अंक मिलते हैं। यदि वे शॉट लेते हैं, तो उन्हें और अधिक अंक मिलते हैं। ये उपकरण गेंद रखने वाले व्यक्ति का आकलन करने में बहुत अच्छे हैं, लेकिन वे मैदान पर मौजूद अन्य 21 खिलाड़ियों के प्रति अंधे हैं। वे यह नहीं देख सकते कि गेंद रखने वाली टीम वास्तव में दूसरी टीम को पीछे धकेल रही है या दूसरी टीम बस स्थिर खड़ी होकर उन्हें बिना किसी खतरे के गेंद पास करने दे रही है। यह शोध पत्र एक सरल लेकिन पेचीदा सवाल पूछता है: हम उस टीम के बीच अंतर कैसे करें जो गोल के लिए स्पेस (जगह) बना रही है और उस टीम के बीच जो केवल गेंद के साथ समय बर्बाद कर रही है, खासकर जब हमारे पास केवल टीवी ब्रॉडकास्ट उपलब्ध हो और हर खिलाड़ी पर हाई-टेक सेंसर न हों?

द "जंक" पजेशन डिटेक्टर

यह शोध पत्र "स्टेरिल" (उपजाऊ रहित) पजेशन के रहस्य को सुलझाने के लिए एक दो-स्तरीय प्रणाली पेश करता है। लेखक ने, 2026 फीफा विश्व कप के डेटा के साथ काम करते हुए, एक ऐसा टूल बनाया है जो एक जासूस की तरह काम करता है, जो पहले खेल के "कागजी काम" (इवेंट डेटा) को देखता है और फिर वास्तव में क्या हो रहा है यह देखने के लिए वीडियो पर ज़ूम करता है।

लेयर 1: द "जंक" फ्लैग
सबसे पहले, लेखक ने एक "जंक-पजेशन इंडेक्स" बनाया। कल्पना कीजिए कि आप एक छात्र के होमवर्क को ग्रेड दे रहे हैं। अधिकांश सिस्टम केवल यह गिनते हैं कि उन्होंने कितने पेज भरे। यह नया सिस्टम देखता है कि उन्होंने क्या लिखा है। यह खेल को समय के छोटे हिस्सों में तोड़ देता है जहाँ एक टीम के पास गेंद होती है। यह पूछता है: "क्या समय के इस हिस्से ने वास्तव में गोल के लिए खतरा पैदा किया?"

वे मैदान के खतरनाक क्षेत्रों तक पहुँचने के लिए अंक देते हैं, भले ही कोई शॉट न लिया गया हो। लेकिन यहाँ पेंच यह है: वे केवल तभी इसकी परवाह करते हैं जब मैच टाई हो या टीम हार रही हो। यदि कोई टीम जीत रही है और केवल समय काटने के लिए गेंद पास कर रही है, तो वह स्मार्ट रणनीति है, "जंक" नहीं। लेकिन यदि कोई टीम हार रही है या मुकाबला बराबरी का है और वे बस बिना किसी खतरे के गेंद पास कर रहे हैं, तो सिस्टम इसे "जंक" के रूप में फ्लैग करता है।

जब उन्होंने 103 विश्व कप मैचों पर इसका परीक्षण किया, तो परिणाम स्पष्ट थे। उच्च मात्रा में "जंक" पजेशन (बिना खतरे के पास देना) वाली टीमों ने वास्तव में कम गोल किए और कम मैच जीते। वास्तव में, उन टीमों में जिन्होंने 55% से अधिक समय गेंद पर नियंत्रण रखा, "जंक" पजेशन वाली टीमों ने औसतन केवल 0.62 गोल प्रति गेम किए, जबकि कुशल टीमों ने 2.24 गोल किए। यह शोध पत्र सिद्ध करता है कि यह "जंक" फ्लैग केवल यह कहने का एक फैंसी तरीका नहीं है कि "उन्होंने गोल नहीं किया"; यह उस चीज़ को पकड़ता है जिसे पुराने "ऑन-बॉल" वैल्यू सिस्टम मिस कर देते हैं। यहाँ तक कि जब आप यह भी देखते हैं कि एक टीम के पास कितने अच्छे पास हैं (VAEP नामक मीट्रिक का उपयोग करके), तब भी "जंक" फ्लैग यह भविष्यवाणी करने में सक्षम है कि टीम हारेगी या नहीं। यह एक अनूठा संकेत है जो कहता है, "यह टीम गेंद को नियंत्रित कर रही है, लेकिन वे इसके साथ कुछ भी नहीं कर रहे हैं।"

लेयर 2: द "स्पेस-क्रिएशन" ज़ूम
पहला लेयर आपको यह बताता है कि पजेशन बुरा था, लेकिन यह नहीं कि क्यों। क्या गेंद बस गोल-गोल घूम रही थी? या टीम वास्तव में रक्षा पंक्ति को छिन्न-भिन्न कर रही थी, लेकिन बस बदकिस्मत रही? इसका उत्तर देने के लिए, लेखक ने वास्तविक टीवी ब्रॉडकास्ट वीडियो का उपयोग करके दूसरा लेयर बनाया।

उन्होंने वीडियो को मैदान के मानचित्र में बदलने के लिए एक विशेष कंप्यूटर पाइपलाइन का उपयोग किया, जो खिलाड़ियों को ट्रैक करता है भले ही वे स्क्रीन पर न हों (थोड़ा इस तरह जैसे पहेली के गायब हिस्सों का अनुमान लगाना)। उन्होंने एक "स्पेस-क्रिएशन इंडेक्स" (SCI) की गणना की। यह मापता है कि क्या गेंद रखने वाली टीम विपक्षी रक्षा पंक्ति को पीछे धकेलने या गोल के पास के खतरनाक क्षेत्र पर नियंत्रण पाने में सफल रही।

उन्होंने 31 विशिष्ट क्षणों को देखा जहाँ पहले लेयर ने एक पजेशन को "जंक" के रूप में फ्लैग किया था। यहाँ चौंकाने वाला हिस्सा है:

74% में से ये "जंक" क्षण वास्तव में मृत थे। गेंद चलती थी, लेकिन रक्षा पंक्ति टस से मस नहीं हुई। टीम बस अपनी जगह पर गोल-गोल घूम रही थी।
19% "कमजोर प्रोग्रेशन" थे, जहाँ वे थोड़ा आगे बढ़े लेकिन वास्तव में रक्षा पंक्ति को नहीं तोड़ पाए।
6% वास्तव में स्पेस-क्रिएटिंग (जगह बनाने वाले) थे, भले ही पहले लेयर ने कहा था कि वे विफल रहे!

रियल-वर्ल्ड प्रूफ
यह शोध पत्र जर्मनी और पराग्वे के बीच एक मैच का एक जीवंत उदाहरण देता है। जर्मनी के पास 73% गेंद थी लेकिन वे पेनल्टी शूटआउट में हार गए। सिस्टम ने उनके दो पजेशन को "जंक" के रूप में फ्लैग किया। जब उन्होंने वीडियो देखा, तो स्पेस-क्रिएशन इंडेक्स ने एक बड़ा नकारात्मक नंबर दिखाया: जर्मनी गेंद को हिला रहा था, लेकिन उनकी रक्षा पंक्ति वास्तव में पराग्वे द्वारा आगे की ओर धकेली जा रही थी। वे गेंद पर दबदबा बना रहे थे लेकिन स्थान (स्पेस) खो रहे थे।

उसी मैच में, पराग्वे के पास एक क्षण को "जंक" के रूप में फ्लैग किया गया क्योंकि उन्होंने शॉट नहीं लिया। लेकिन वीडियो विश्लेषण ने दिखाया कि उन्होंने वास्तव में खतरनाक क्षेत्र पर नियंत्रण कर लिया था (एक सकारात्मक स्पेस-क्रिएशन इंडेक्स)। उन्होंने जगह बनाई लेकिन उसे गोल में नहीं बदल सके। पहला लेयर इसे एक विफलता कह सकता था, लेकिन दूसरे लेयर ने खुलासा किया कि यह रणनीति के मामले में वास्तव में एक सफलता थी, बस निष्पादन (execution) में विफलता थी।

निष्कर्ष
यह शोध पत्र केवल यह नहीं कहता कि "पजेशन प्रतिशत बुरा है।" यह हमें "स्टेरिल" पजेशन (मृत, उबाऊ और बेकार) को "स्पेस-क्रिएटिंग" पजेशन (खतरनाक, रणनीतिक, लेकिन शायद बदकिस्मत) से अलग करने का एक तरीका देता है। यह दिखाता है कि आप एक ऐसी टीम रख सकते हैं जो गेंद पर दबदबा बनाती दिखती है लेकिन वास्तव में मैच हार रही होती है, और एक ऐसी टीम भी जो संघर्ष करती दिखती है लेकिन वास्तव में प्रतिद्वंद्वी की रक्षा पंक्ति को चीर रही होती है। त्वरित डेटा स्कैन और गहन वीडियो विश्लेषण को जोड़कर, लेखक उस अदृश्य लड़ाई को देखने का तरीका ढूंढ पाए हैं जो तब होती है जब गेंद को किक नहीं किया जा रहा होता है।

तकनीकी सारांश: स्थान-निर्माण बनाम मृत स्वामित्व (Space-Creating versus Dead Possession)

समस्या विवरण
पारंपरिक फुटबॉल विश्लेषण काफी हद तक 'पजेशन पर्सेंटेज' (स्वामित्व प्रतिशत) पर निर्भर करते हैं, जो एक ऐसा मीट्रिक है जो तीन अलग-अलग सामरिक वास्तविकताओं को मिला देता है: गेंद रखने का स्थान, उस प्रतिधारण (retention) का खतरे का स्तर, और वह गेम-स्टेट जिसमें यह होता है। फलस्वरूप, एक टीम जो अपने आधे हिस्से में गेंद को घुमाते हुए 60% पजेशन रखती है, वह उस टीम से अलग नहीं दिखती जो अपने प्रतिद्वंद्वी को उनके रक्षात्मक तीसरे हिस्से में दबाकर रखती है। मौजूदा इवेंट-आधारित ढांचे (जैसे, Expected Threat, VAEP, On-Ball Value) पजेशन को रिफाइन तो करते हैं, लेकिन वे "ऑफ-बॉल" प्रश्न के प्रति अंधे हैं: क्या पजेशन ने स्थान बनाया, या वह निष्फल (sterile) था? ये मॉडल गेंद वाले खिलाड़ी के निर्णय का मूल्यांकन तो कर सकते हैं, लेकिन वे यह पता नहीं लगा सकते कि क्या रक्षात्मक ब्लॉक को विस्थापित किया गया था या संकुचित किया गया था, क्योंकि यह एक ऐसा अंतर है जिसके लिए स्थानिक डेटा (spatial data) की आवश्यकता होती है जो अक्सर मानक ब्रॉडकास्ट फीड में उपलब्ध नहीं होता है।

कार्यप्रणाली (Methodology)
यह शोध पत्र "स्पेस-क्रिएटिंग" पजेशन और "निष्फल" (डेड) पजेशन के बीच अंतर करने के लिए एक दो-स्तरीय ढांचे का प्रस्ताव करता है, जो कम्प्यूटेशनल दक्षता और स्थानिक गहराई के बीच संतुलन बनाने के लिए एक मैक्रो/माइक्रो विभाजन का उपयोग करता है।

लेयर 1: इवेंट-साइड जंक-पजेशन इंडेक्स
यह लेयर पूर्ण-मैच इवेंट डेटा को प्रोसेस करती है ताकि कम-खतरे वाले पजेशन अनुक्रमों (sequences) को फ्लैग किया जा सके।

अनुक्रम मूल्यांकन (Sequence Valuation): मैचों को पजेशन अनुक्रमों में विभाजित किया जाता है। प्रत्येक अनुक्रम $s$ $s$ को निम्नलिखित के आधार पर एक मान $q(s)$ $q (s)$ दिया जाता है:
1. पीक थ्रेट गेन: अनुक्रम के दौरान प्राप्त अपेक्षित खतरे (Expected Threat - xT) में अधिकतम वृद्धि, जिसे तब भी श्रेय दिया जाता है जब कोई शॉट न हुआ हो।
2. वास्तविक शॉट गुणवत्ता: अनुक्रम में सर्वश्रेष्ठ शॉट का xG (उपयोग किए गए कस्टम ग्रेडिएंट-बूस्टेड मॉडल के आधार पर)।
3. बॉक्स टच: 18-गज के बॉक्स के भीतर किसी भी स्पर्श के लिए बाइनरी क्रेडिट।
नॉर्मलाइजेशन: अनुक्रमों के मानों को कॉर्पस के 90वें पर्सेंटाइल के विरुद्ध नॉर्मलाइज किया जाता है। वे अनुक्रम जहाँ $q < 0.15$ है, उन्हें "जंक" (junk) के रूप में वर्गीकृत किया जाता है।
गेम-स्टेट फ़िल्टरिंग: सामरिक बढ़त की सुरक्षा को दंडित करने से बचने के लिए, junk-open उन जंक अनुक्रमों को अलग करता है जो केवल तब होते हैं जब कब्जा करने वाली टीम बराबरी पर हो या हार रही हो।
वैलिडेशन: इस इंडेक्स का परीक्षण मैच परिणामों (पॉइंट्स, गोल, xG) के विरुद्ध किया जाता है और इसे ऑन-बॉल वैल्यू मॉडल (VAEP) और टेरिटरी मीट्रिक्स (Field Tilt) के विरुद्ध टेस्ट किया जाता है ताकि यह सुनिश्चित हो सके कि यह अनूठे विचलन (variance) को पकड़ता है।

लेयर 2: स्पेशियल स्पेस-क्रिएशन इंडेक्स (SCI)
यह लेयर इवेंट-फ्लैग किए गए "जंक" अनुक्रमों के अनुरूप संक्षिप्त ब्रॉडकास्ट वीडियो विंडो (10–60 सेकंड) पर कार्य करती है ताकि पजेशन की स्थानिक प्रकृति निर्धारित की जा सके।

पाइपलाइन: एक CPU-ओनली गेम-स्टेट रिकंस्ट्रक्शन (GSR) पाइपलाइन कैमरा कैलिब्रेशन, मल्टी-ऑब्जेक्ट ट्रैकिंग और कलर-बेस्ड टीम असाइनमेंट का उपयोग करके ब्रॉडकास्ट वीडियो को पिच कोऑर्डिनेट्स पर प्रोजेक्ट करती है। ऑफ-स्क्रीन खिलाड़ियों को एक ट्रेनिंग-फ्री "घोस्टिंग" लेयर का उपयोग करके इम्प्यूट (impute) किया जाता है।
मीट्रिक गणना: SCI दो ज़ोन में दो विंडो के बीच पिच कंट्रोल शेयर में शुद्ध परिवर्तन को मापता है: अटैकिंग थर्ड (A) और प्रतिद्वंद्वी का अटैकिंग थर्ड (Z)।
$SCI = \Delta_{own} + \Delta_{opp}$
जहाँ $\Delta_{own}$ ज़ोन A में कब्जा करने वाली टीम के नियंत्रण में परिवर्तन है, और $\Delta_{opp}$ ज़ोन Z में प्रतिद्वंद्वी के नियंत्रण में परिवर्तन है (प्रतिद्वंद्वी के नियंत्रण में कमी का अर्थ है कि ब्लॉक को पीछे धकेला गया था)।
वर्गीकरण: विंडोज़ को इन श्रेणियों में बांटा गया है:
- स्पेस-क्रिएटिंग (Space-Creating): SCI $\ge$ +12 (खतरनाक स्थान हासिल किया या ब्लॉक को पीछे धकेला)।
- कम प्रगति (Weak Progression): +4 $\le$ SCI < +12।
- गैर-स्पेस-क्रिएटिंग (Non-Space-Creating): SCI < +4 (स्थिर या प्रतिगामी पजेशन)।

मुख्य परिणाम

परिणामों के साथ सहसंबंध: 2026 फीफा विश्व कप के 206 टीम-मैच पंक्तियों पर, junk-open पॉइंट्स ( $r = -0.37$ ) और xG अंतर ( $r = -0.51$ ) के साथ एक मजबूत नकारात्मक सहसंबंध दिखाता है। उच्च पजेशन (>55% ऑन-बॉल इवेंट शेयर) लेकिन कम दक्षता (उच्च junk-open) वाली टीमों ने औसतन 0.62 गोल और 1.00 पॉइंट बनाए, जबकि कुशल डोमिनेटर्स के लिए यह 2.24 गोल और 2.24 पॉइंट था।
ऑन-बॉल वैल्यू से स्वतंत्रता: VAEP और फील्ड टिल्ट को नियंत्रित करने वाले रिग्रेशन मॉडल में, junk-open पॉइंट्स का एक महत्वपूर्ण भविष्यवक्ता बना रहता है ( $p < 10^{-4}$ ), जबकि VAEP महत्वपूर्ण नहीं है। यह दर्शाता है कि इंडेक्स उस अनूठे विचलन को पकड़ता है जो केवल ऑन-बॉल एक्शन वैल्यू द्वारा स्पष्ट नहीं किया जा सकता है।
स्थानिक अंतर: नौ मैचों के नौ चयनित जंक विंडोज़ के नमूने में:
- 74% को स्थानिक रूप से गैर-स्पेस-क्रिएटिंग के रूप में वर्गीकृत किया गया (जो "निष्फल" निदान की पुष्टि करता है)।
- 19% कम प्रगति वाले थे।
- 6% स्पेस-क्रिएटिंग थे, बावजूद इसके कि उन्हें इवेंट लेयर द्वारा कम-खतरे वाला फ्लैग किया गया था (उदाहरण के लिए, एक पैराग्वे विंडो जिसने शॉट उत्पन्न किए बिना अटैकिंग थर्ड पर कब्जा कर लिया)।
केस स्टडीज: ढांचे ने जर्मनी की पैराग्वे के खिलाफ राउंड ऑफ 32 की हार में "स्टेराइल डोमिनेशन" (73% ऑन-बॉल इवेंट शेयर, नकारात्मक SCI, एलिमिनेशन) की सफलतापूर्वक पहचान की और उसी मैच में पैराग्वे के एक स्पेस-क्रिएटिंग लेकिन अनकन्वर्टेड विंडो से इसे अलग किया।

महत्व और दावे
यह शोध पत्र एक दो-स्तरीय ढांचे को प्रस्तुत करता है जो ब्रॉडकास्ट डेटा का उपयोग करके "स्पेस-क्रिएटिंग लेकिन अनकन्वर्टेड" पजेशन को "निष्फल" पजेशन से अलग करता है। इसका प्राथमिक योगदान यह प्रदर्शित करना है कि:

पजेशन की गुणवत्ता और क्षेत्र (Territory) अलग हैं: उच्च फील्ड टिल्ट (क्षेत्र) गारंटी नहीं देता है कि पॉइंट्स मिलेंगे; पजेशन की गुणवत्ता (खतरा उत्पन्न करना) ही महत्वपूर्ण विभेदक है।
ऑफ-बॉल साक्ष्य आवश्यक हैं: केवल इवेंट-आधारित मॉडल यह अंतर नहीं कर सकते कि एक टीम जिसने सफलतापूर्वक रक्षा को विस्थापित किया लेकिन उसे गोल में नहीं बदल पाया, और एक टीम जो रक्षा को हिलाए बिना केवल गेंद घुमा रही थी। दो-स्तरीय दृष्टिकोण इवेंट डेटा का उपयोग मैक्रो-फ्लैगिंग के लिए और ब्रॉडकास्ट वीडियो का उपयोग माइक्रो-स्थानिक निर्णय के लिए करके इस अंतर को पाटता है।
व्यावहारिक स्केलेबिलिटी: मैक्रो/माइक्रो विभाजन पूरे टूर्नामेंट के पैमाने पर ब्रॉडकास्ट वीडियो का उपयोग करके ऑफ-बॉल स्थानिक साक्ष्य का विश्लेषण करने के लिए एक व्यावहारिक समाधान प्रदान करता है, जिसके लिए फुल-मैच ट्रैकिंग डेटा की आवश्यकता नहीं होती है, जो कि ब्रॉडकास्ट मैचों के लिए दुर्लभ है।

लेखक स्पष्ट रूप से सीमाओं का उल्लेख करते हैं, जिसमें ऑफ-स्क्रीन खिलाड़ियों के इम्प्यूटेशन पर निर्भरता, थ्रेशोल्ड के लिए कॉर्पस-व्यापी स्थिरांक का उपयोग, और इन-सैंपल स्कोर-स्टेट एसोसिएशंस की वर्णनात्मक प्रकृति शामिल है। हालांकि, वे दावा करते हैं कि आउट-ऑफ-सैंपल स्प्लिट्स और VAEP से स्वतंत्रता यह पुख्ता प्रमाण प्रदान करती है कि "जंक" फ्लैग एक विशिष्ट, परिणाम-प्रासंगिक घटना की पहचान करता है।

द "जंक" पजेशन डिटेक्टर

इसी तरह के और पेपर